Внутренние отчёты Amazon раскрыли перерасход на ИИ-проектах: только один из них обошёлся в $1,8 млн из-за неудачного развёртывания Claude Sonnet
Ошибки при внедрении ИИ-моделей стали «катастрофически дорогими» на фоне роста трат на токены — раньше подобные сбои устранялись «тривиально дёшево»
Помимо главного провала, отчёты фиксируют $541 тыс. перерасхода на инструменте финансового аудита и $134 тыс. — на системе логистики; суммарно около $2,5 млн
Amazon уже ограничил права ИИ-агентов после прежних сбоев в AWS и отказался от внутреннего рейтинга сотрудников по интенсивности использования ИИ
Внутренние отчёты Amazon показали, что переход на искусственный интеллект обернулся для компании ощутимым перерасходом сразу на нескольких проектах. По данным Financial Times, один только сбой обошёлся в $1,8 млн сверх запланированного бюджета. Раньше подобные ошибки можно было исправить «тривиально дёшево», но ИИ-модели сделали их «катастрофически дорогими» — прежде всего из-за резкого роста трат на токены после массового внедрения ИИ-агентов.
Источник изображения — оригинальный источник
Самый дорогой сбой: $1,8 млн на Claude Sonnet
Крупнейшая на сегодня неудача — счёт на $1,8 млн за провальное развёртывание модели Claude Sonnet. Она должна была сопоставлять данные авторов с карточками товаров в магазине Amazon, но перерасход достиг 860% от выделенного бюджета, а сам сбой заметили лишь спустя пять месяцев — проект так и не запустили. Всплыли и другие эпизоды: дополнительные $541 тыс. ушли на инструмент финансового аудита (что само по себе иронично), ещё $134 тыс. — на систему, призванную ускорить доставку в логистической сети. Суммарно незапланированные траты по этим проектам приблизились к $2,5 млн.
Информацию озвучили на внутренней встрече инженеров в конце июля, а первой о ней сообщила Financial Times. «Как и с любой новой технологией, мы экспериментируем, учимся и совершенствуем способы её применения, включая повышение экономической эффективности», — говорится во внутренних материалах Amazon. Там же подчёркивают, что выборочные примеры, где команды перенимают опыт друг у друга, не отражают того, как компания использует ИИ в целом. При квартальной выручке техногиганта свыше $181 млрд перерасход в несколько миллионов составляет менее 0,1% от месячного дохода — при том что в текущем году Amazon вкладывает в ИИ около $200 млрд.
Не первый сбой с ИИ в процессах Amazon
Это не первый раз, когда ИИ создаёт проблемы в рабочих процессах компании. Ранее в этом году AWS пережила несколько сбоев из-за ошибок ИИ-агентов, писавших код. Решение оказалось простым: права таких агентов ограничили, а не уравняли с полномочиями старших инженеров, за которыми они закреплены. Кроме того, Amazon раньше вела внутренний рейтинг сотрудников по интенсивности использования ИИ, но отказалась от него, когда растущие расходы заставили пересмотреть подход.
«Токенмаксинг» и непредсказуемые расходы
Многие технологические компании подталкивают сотрудников активнее пользоваться ИИ, рассчитывая поднять продуктивность за счёт так называемого «токенмаксинга» — гонки за объёмом израсходованных токенов. Однако прямой связи между такой политикой и выпуском успешных продуктов пока не видно. В Uber, по словам технического директора Правина Неппалли Наги, ещё в апреле израсходовали весь годовой бюджет на Claude Code, а руководство признало, что зависимости между ростом трат на токены и числом полезных функций для пользователей обнаружить не удалось.
По мере того как ИИ-агентов становится больше, а поставщики моделей переходят с подписки на оплату за токены, расходы растут так стремительно, что годовые бюджеты сгорают за считаные недели. Для гигантов вроде Amazon или Microsoft это пока некритично, но для большинства других компаний подобная модель затрат быстро становится неподъёмной. Главный урок отчётов — не столько в самих ИИ-моделях, сколько в отсутствии контроля: без жёстких ограничений и постоянного отслеживания даже рутинная задача способна незаметно «сжечь» миллионы за несколько месяцев.
