Компании по всему миру столкнулись с неконтролируемым ростом расходов на ИИ, превышая годовые бюджеты за первый квартал
Среднее потребление токенов на одного разработчика выросло в 18,6 раза за девять месяцев, а объём данных для отслеживания затрат измеряется триллионами строк в месяц
Linux Foundation запустил Tokenomics Foundation — новый стандарт для контроля расходов на ИИ, по аналогии с FinOps для облачных вычислений
Эксперты рекомендуют сместить фокус с экстремального потребления токенов на умеренное внедрение ИИ для максимальной окупаемости инвестиций
По всей индустрии компании начинают испытывать шок от цен на ИИ. К апрелю Uber исчерпал весь свой бюджет на кодинг с помощью ИИ, рассчитанный на 2026 год. Microsoft через несколько месяцев после активации отозвала у своих разработчиков лицензии на Claude Code. По словам сотрудника Priceline, стандартное продление контракта с Cursor обошлось компании в 4–5 раз дороже предыдущего.
Источник изображения — techcrunch.com
Цена за токен падает, счета — растут
Несмотря на снижение цен за токен, стремление к более широкому внедрению ИИ и всё более автономные агенты привели к неуклонному росту потребления токенов. Компании, которые в начале 2025 года активно пользовались безлимитными подписками, теперь лихорадочно пытаются понять, куда уходят деньги, сокращают расходы и выясняют, смогут ли они извлечь хоть какую-то окупаемость инвестиций из руин своих бюджетов.
Ключевой перелом произошёл ещё и на стороне ценообразования: обвальное удешевление токенов, характерное для 2023–2025 годов, остановилось, а новые флагманские модели выходят уже дороже предыдущих. Экономия за счёт естественного падения цен закончилась — остались только организационные меры.
Тем временем формируется рынок для удовлетворения этих потребностей. Стартапы, известные вендоры и новый орган по стандартизации соревнуются в предоставлении компаниям инструментов и метрик для отслеживания своих расходов.
«Шесть месяцев назад в разговоре с клиентом всё сводилось к вопросу “Что это может сделать? Достаточно ли это хорошо?”, — отметил Александр Эмбирикос, глава корпоративного направления OpenAI, на отраслевом мероприятии в Нью-Йорке. — Сейчас мы никогда об этом не говорим. Теперь разговоры о том, “эй, мы тратим так много. Какую прозрачность вы можете обеспечить? Каков у вас аудит? Какие у вас средства контроля токенов? Насколько эффективны ваши модели?”»
«Мы уже втрое превысили бюджет, а на дворе только апрель»
На этом фоне Linux Foundation объявил о создании Tokenomics Foundation — нового органа по стандартизации, цель которого — внедрить такую же дисциплину в отношении затрат на токены ИИ, какую FinOps внедрил для облачных расходов.
«В апреле и мае я начал слышать от компаний: “Боже мой, мы уже в 3 раза превысили весь наш бюджет на токены на 2026 год, а на дворе только апрель”, — рассказал Дж. Р. Стормонт, исполнительный директор FinOps Foundation, проекта под эгидой Linux Foundation. — Мы начали слышать об экзистенциальных кризисах, и весь разговор сместился от наращивания токенов и “действуй быстро” к “нам нужны ограничения, как это контролировать?”»
Эти крики, разнёсшиеся по всему техмиру, последовали за настойчивыми требованиями генеральных директоров к своим командам использовать лучшие модели и двигаться быстро, невзирая на затраты. Новые модели, выпущенные в ноябре, такие как Claude Opus 4.5 от Anthropic, GPT-5.1 от OpenAI и Gemini 3 Pro от Google, принесли значительные улучшения в агентные инструменты, которые многократно увеличили потребление. Так, одна компания, как сообщается, получила счёт от Claude на 500 миллионов долларов, забыв установить лимиты использования для сотрудников.
«Это как эпидемия крэк-кокаина, — сказал Крис Рид, старший директор по ИТ-финансам в Priceline, отметив, что компания начала устанавливать лимиты на токены для некоторых групп. — Вам дают попробовать, чтобы подсадить, и теперь вы от этого зависите».
Виталий Гордон, генеральный директор платформы для управления разработкой Faros AI, рассказал, что недавно общался с техническим директором, который признался ему: «Один из моих инженеров потратил в прошлом месяце 40 000 долларов на токены, и я искренне не знаю, должен ли я его остановить или мне стоит пойти и сказать всем остальным быть такими же, как он».
Продуктивность растёт — но в десять раз дороже
Двухлетнее исследование 20 000 разработчиков, опубликованное Faros в апреле, показало, что производительность растёт, но вместе с ней растёт и количество багов и переписываний кода. Jellyfish, платформа для управления разработкой, также обнаружила, что инженеры, использующие больше всего токенов, были примерно вдвое продуктивнее тех, кто использовал ИИ реже, но они тратили в 10 раз больше токенов для достижения этого результата.
Николас Арколано, руководитель исследовательского отдела Jellyfish, сообщил, что расходы на ИИ взрываются в значительной степени из-за агентных функций, при этом потребление на одного разработчика выросло примерно в 18,6 раза за девять месяцев. В целом эти статистические данные делают обоснование продуктивности более туманным, чем предполагают расходы.
«Оправдывает ли себя экстремальное расходование средств, зависит от конечной бизнес-ценности выпущенного кода (например, дохода), которую большинство компаний до сих пор не могут измерить», — сказал Арколано.
По крайней мере частично проблема измерения связана с масштабами использования ИИ в настоящее время.
«Отслеживание облачных затрат — это проблема данных в сотни миллионов строк в месяц, — сказал Стормонт. — Отслеживание затрат на токены — это проблема данных в триллионы строк в месяц. Вы не можете просто запихнуть это в какую-нибудь электронную таблицу или даже базовый инструмент. Вам нужно принципиально переосмыслить свои инструменты, спецификации и бухгалтерские системы, чтобы справиться с этим».
В Priceline Рид уже видит расхождения. Он отметил проблемы между заявленным использованием вендора и внутренними данными компании.
«Я начинал свою карьеру в управлении расходами на телекоммуникации и вижу те же самые параллели: от телекома к облаку и к ИИ, — сказал он. — Каждый раз, когда вы внедряете что-то новое, это чревато ошибками в выставлении счетов и открывает возможности для аудита и оптимизации».
Рынок учёта токенов: от нишевых стартапов до AWS
Вокруг этой проблемы начинает формироваться рынок. Есть специализированные компании, такие как Pay-i, которая отслеживает, измеряет и оптимизирует затраты и производительность инвестиций в GenAI. Paid, в свою очередь, позволяет разработчикам отслеживать затраты, измерять использование и выставлять счета пользователям на основе фактической ценности, а не абонентской платы.
Затем есть такие компании, как Jellyfish, Waydev и Faros AI, которые предоставляют мониторинг ИИ-агентов для доказательства окупаемости инвестиций в инструменты для разработчиков. Стормонт говорит, что большинство из 180 вендоров в рамках FinOps Foundation склоняются к этой области.
Компании с существующей дистрибуцией также добавляют новые функции, чтобы извлечь выгоду из этого нового рынка. Ramp недавно перешёл в сферу управления расходами на ИИ; Datadog и New Relic добавили такие услуги, как управление облачными затратами, наблюдаемость на уровне токенов и мониторинг GPU. AWS запустил публичное превью собственного FinOps Agent, который выявляет аномалии в расходах на ИИ, а Oracle начал ограниченное тестирование пакетов токенов — предоплаченных объёмов, дающих бизнесу предсказуемость вместо счёта постфактум.
Тиффани Лак, партнёр в NEA, считает, что эффективность токенов и наблюдаемость, вероятно, будут добавлены на «уровне оркестрации или приложения». Она указала на Factory, стартап, создающий ИИ-агентов для предприятий, который недавно запустил маршрутизатор моделей, автоматически выбирающий правильную модель для каждой задачи.
Гордон ожидает, что передовые лаборатории и другие поставщики моделей примут оптимизацию в стиле OpenRouter для направления запросов к самым дешёвым моделям — тенденция, уже проявляющаяся в корпоративных счетах Claude.
«В финансовом отчёте о том, сколько вы тратите на Anthropic, даже если вы вызываете модель Opus, часть расходов будет приходиться на Sonnet или Haiku, потому что они достаточно умны, чтобы сделать это, — сказал Гордон. — Я думаю, это станет всё более распространённым явлением».
Tokenomics Foundation: общий язык для экономики токенов
Однако все эти инструменты создаются без общего языка или единых определений того, сколько стоит токен, что он производит и как сравнивать расходы между разными вендорами. Здесь и надеется быть полезным Tokenomics Foundation.
Фонд создаёт каноническое определение и фреймворк для «токеномики»; открытые стандарты, спецификации и метрики для использования и выставления счетов за токены ИИ; а также новые метрики для экономики ИИ, такие как стоимость на единицу интеллекта или токенов на ватт. Он также планирует определить метрики для эффективности производства токенов и эффективности потребления.
Организация официально заработала 9 июня 2026 года — анонс прозвучал на конференции FinOps X. Ключевая практическая задача на старте — расширение спецификации FOCUS (открытого стандарта отчётности о затратах, изначально созданного для облаков) до версии 1.5 и выше, чтобы она учитывала потребление токенов. Управлять направлением будет наблюдательный совет, а разработкой спецификаций и бенчмарков — технический комитет совместно с контрибьюторами FinOps Foundation.
Состав участников показывает, что тема вышла за пределы ИТ-отделов: к инициативе присоединились Accenture, Booking.com, Flexera, Google Cloud, IBM, JPMorganChase, KPMG, Microsoft, Oracle, Salesforce, SAP и ServiceNow.
«Экономика токенов фундаментально более абстрактна и непрозрачна, чем всё, с чем мы работали в таком масштабе раньше, — говорится в заявлении Нишанта Гупты, директора по вопросам доступности Salesforce. — Она требует иной операционной дисциплины, чем та, которую индустрия построила для облака».
Масштаб проблемы будет только расти
Goldman Sachs прогнозирует, что глобальное использование токенов увеличится в 24 раза в период с 2026 по 2030 год — до 120 квадриллионов токенов в месяц. Параллельно рынок инференса, по оценкам аналитиков, вырастет примерно со 106 млрд долларов в 2025 году до 255 млрд долларов к 2030-му, а совокупные вложения в ИИ-инфраструктуру до 2027 года могут превысить 1 трлн долларов.
Проблема в тайминге: компании, уже превысившие бюджет, нуждаются в решениях сейчас, а первые практические результаты работы фонда — спецификации и бенчмарки — появятся только через несколько месяцев.
«Возможно, мы создали паровой двигатель, но всё ещё не изобрели сборочную линию», — сказал Гордон.
Что это значит для компаний в СНГ
Для команд из России, Казахстана и соседних стран проблема стоит даже острее: доступ к передовым моделям здесь чаще идёт через посредников и реселлеров, а значит, к базовой цене добавляется наценка, а к счетам — курсовые колебания. При этом инструменты корпоративного контроля расходов, встроенные в тарифы вендоров, доступны не всегда — учёт приходится строить самостоятельно.
Базовый набор мер, который можно внедрить, не дожидаясь отраслевых стандартов:
- Жёсткие лимиты по командам и пользователям — отдельные ключи и квоты вместо одного общего доступа на всю компанию.
- Маршрутизация моделей — самые дорогие модели только для задач, где они реально нужны; рутина уходит на дешёвые.
- Кэширование запросов и сжатие контекста — самый недооценённый способ сократить счёт без потери качества.
- Сверка счетов вендора с внутренней телеметрией — расхождения встречаются регулярно и почти всегда не в пользу клиента.
- Метрика ценности, а не объёма — считать не потраченные токены, а выпущенные и дожившие до продакшена изменения.
По мнению Арколано, разумным шагом является широкое, но умеренное внедрение — а не гонка за максимальным потреблением.
«Лучшая окупаемость инвестиций достигается за счёт перехода широкой “середины” от низкого к умеренному использованию, а не за счёт продвижения активных пользователей к ещё более высокому», — сказал он.
