Токенмаксинг в бизнесе: рост расходов без роста производительности

По данным Associated Press, корпоративный тренд на бесконтрольное использование искусственного интеллекта, получивший название «токенмаксинг», достигает своего предела. Компании, пытающиеся внедрить ИИ во все процессы, сталкиваются с ростом расходов без соответствующего увеличения производительности. То, что весной казалось инновационным рывком, летом превратилось в волну разочарования.

Экономическая ловушка бесконечного потребления

В основе проблемы лежит сама архитектура генеративных моделей. Токены — это минимальные единицы текста, которые система читает или пишет, примерно равные трети слова. Чем больше токенов использует сотрудник, тем выше счет. Несколько месяцев назад в Кремниевой долине высокий расход токенов считался знаком продуктивности: менеджеры поощряли сотрудников, заставляя их круглосуточно работать с AI-агентами.

Однако реальность быстро вступила в противоречие с маркетинговыми обещаниями. Сатья Наделла, глава Microsoft, предупредил, что такая стратегия становится аддиктивной. По его словам, клиенты платят дважды: сначала за сами токены, а затем теряют контроль, передавая свои проприетарные данные внешним системам. Алекс Карп, руководитель Palantir, назвал ситуацию «полностью ошибочной». Он передал настроения американского бизнеса, который чувствует себя обманутым: компании тратят огромные суммы на генерацию контента, не приносящего ценности, и при этом рискуют утечкой интеллектуальной собственности.

Поиск баланса и новые инструменты

Корпорации начинают пересматривать подходы к внедрению технологий. Консультанты из Bain & Company отмечают, что расходы на токены удваиваются каждые два месяца. Для крупной компании с 20 000 разработчиков даже скромный расход в $200 на сотрудника в месяц превращается в сумму, не предусмотренную бюджетом.

Решение кроется не в отказе от технологий, а в их грамотном распределении. Вводится концепция маршрутизации моделей: простые задачи, такие как написание писем, передаются дешевым и быстрым алгоритмам, а сложные инженерные проекты поручаются мощным, но дорогим версиям. Использование сверхмощных моделей вроде Claude Opus 4.6 для рутинных операций признается неэффективным.

Альтернативы из Китая и смена парадигмы

Рынок реагирует на удорожание американских решений появлением более доступных альтернатив. Открытые модели из Китая, такие как Kimi от Moonshot или GLM от Zhipu, предлагают сопоставимые возможности за долю цены. Это позволяет компаниям снизить нагрузку на бюджет, не теряя в качестве.

i

Создано специально для ASECTOR

Концептуальное изображение

Технологическое сообщество склоняется к тому, что эпоха «токенмаксинга» завершается. Раффи Крикорян, технический директор Mozilla, проводит параллель с прошлым опытом индустрии: когда-то количество строк кода считалось мерой эффективности программиста, но этот подход был признан ошибочным. Скорее всего, гонка за максимальным потреблением токенов станет историческим курьезом, на который через год будут смотреть с улыбкой. Сейчас главным приоритетом становится не объем потребления, а точное соответствие инструмента задаче.

Корпоративный тренд на бесконтрольное использование искусственного интеллекта, известный как «токенмаксинг», достиг своего предела. Компании, которые весной поощряли сотрудников за активное общение с нейросетями, летом столкнулись с ростом расходов без роста производительности. То, что казалось инновационным рывком, превратилось в финансовую ловушку: бизнес платит за каждый сгенерированный символ, но не получает пропорциональной отдачи.

Смена метрик: от активности к результату

Проблема кроется не в технологиях, а в управлении. Раньше высокий расход токенов ошибочно считали показателем продуктивности. Менеджеры поощряли сотрудников за круглосуточную работу с AI-агентами, создавая порочный круг, напоминающий игроманию: чем больше «крутишь» модель, тем выше счет, но результат часто оказывается бесполезным текстом.

Ситуация изменилась, когда крупные игроки признали ошибку. Palantir отказалась от механического учета токенов как метрики эффективности персонала [!]. Это не только смена софта, а смена корпоративной культуры: компании больше не платят за имитацию бурной деятельности. Теперь эффективность измеряется способностью ИИ закрывать циклы задач, а не количеством сгенерированных символов.

«Токенмаксинг» — это современный аналог гонки за количеством строк кода: метрика, которая не только не отражает реальную эффективность, но и маскирует системные потери.

Экономическая реальность и переход к агентам

Математика бесконтрольного использования проста: расходы на токены удваиваются каждые два месяца. Для крупной компании с 20 000 разработчиков даже скромный расход в $200 на сотрудника в месяц превращается в сумму, не предусмотренную бюджетом. Более того, подписки на топовые модели становятся убыточными для провайдеров при низкой загрузке, что угрожает самой модели экономики токенов [!].

Рынок реагирует на это фундаментальным сдвигом. Число лицензий Microsoft 365 Copilot превысило 30 миллионов, но фокус сместился: ИИ перестал быть просто помощником для экономии времени и превратился в автономного исполнителя проектов [!]. Компании перестраивают процессы вокруг агентов, способных самостоятельно планировать и завершать задачи. Внутреннее применение таких агентов в Microsoft уже сократило время цикла в цепочке поставок на 75% [!].

Суверенитет данных и новые игроки

Второй драйвер изменений — безопасность. Сатья Наделла из Microsoft заявил, что суверенитет в эпоху ИИ определяется контролем над моделями, а не расположением дата-центров [!]. Передача проприетарных данных внешним API ради генерации текста ведет к потере конкурентного преимущества. Это заставляет бизнес искать способы развертывания моделей в изолированных средах.

Здесь на сцену выходят открытые модели из Китая. Microsoft начала тестировать китайскую модель DeepSeek V4 для оптимизации затрат на инференс [!]. Это подтверждает тренд: экономическая эффективность и возможность локального развертывания важнее происхождения разработчика. Модели вроде Kimi от Moonshot или GLM от Zhipu предлагают сопоставимые возможности за долю цены и позволяют работать с данными внутри периметра компании, исключая риск утечки [!].

Решение кроется в грамотной маршрутизации: простые задачи передаются дешевым и быстрым алгоритмам, а сложные проекты поручаются мощным версиям. Использование сверхмощных моделей для рутинных операций признается экономически нецелесообразным.

Главный урок для бизнеса: эффективность ИИ измеряется не количеством сгенерированных символов, а способностью решать конкретные задачи с минимальными затратами и полным контролем над данными.

Рынок переходит от хаотичного внедрения к точечной интеграции. Эпоха «токенмаксинга» завершается, уступая место эре «агентного суверенитета», где каждый потраченный доллар должен приносить измеримую пользу, а данные остаются под полным контролем владельца.