Бизнес пересматривает выбор ИИ-моделей из-за стоимости токенов

Еще недавно такие инструменты продавались как способ ускорить работу команды и снять с нее рутину. Теперь рядом с этим обещанием появляются и другие цифры. Сколько стоит не доступ к ИИ, а каждый день его работы.

Uber, по данным агентства Reuters, потратила годовой бюджет на ИИ за четыре месяца после активного использования AI coding tools. У клиентов BlueRock после перехода на оплату по потреблению перерасход доходил до 20–30%.

И проблема здесь не в том, что один токен стал дороже. Наоборот, цена единицы использования снижается. Но дорожает итоговая операция. Больше контекста, больше промежуточных шагов, больше скрытых обращений к модели. На экране у разработчика подсказка, автотест или фрагмент документации. В финансовом отчете — расход токенов, который не всегда был виден на старте.

Поэтому меняется и выбор моделей. Вместо «самой мощной любой ценой» выбирают «достаточно хорошую для этой задачи». По оценкам Citi, китайские модели стоят от 18 центов за миллион токенов. А средний уровень у ведущих американских моделей — около 4 долларов за миллион. При массовом использовании такая разница быстро становится бюджетным аргументом.

Вслед за выбором меняется и структура спроса. Через OpenRouter, по данным Citi, доля open-source-токенов выросла с 34% в январе до 65% в июне. На той же площадке четыре самые популярные модели, как пишет Reuters, оказались китайскими, а первое место заняла DeepSeek.

Масштаб внедрения только усиливает этот эффект. По данным Бюро переписи населения США, общий уровень использования ИИ в бизнесе в последние месяцы держался в диапазоне 17–20%. Еще 20–23% компаний ожидали, что начнут или расширят использование ИИ в ближайшие полгода.

Еще сильнее заметен разрыв по отраслям. В секторе ИТ искусственный интеллект используют 41,9% компаний. В профессиональных, научных и технических услугах — 37,6%, в образовании— 35,4%, в финансовом секторе и страховании — 34,9%, в операциях с недвижимостью и аренде — 27,6%. Ниже, но уже не на уровне эксперимента: коммунальные услуги — 25,3%, здравоохранение и социальная помощь — 22,8%, искусство, развлечения и отдых — 20,4%, обрабатывающая промышленность — 17,7%, розничная торговля — 17,4%, строительство — 15,1%, транспорт и складирование — 10,9%.

Пока ИИ используют только в одном отделе, к расходам можно подходить не слишком строго. Сотни пользователей, несколько функций, агентные сценарии и длинные контексты уже требуют другой дисциплины. Нужны лимиты, маршрутизация запросов, разделение задач по стоимости и понятные правила: где достаточно дешевой модели, а где оправдана дорогая frontier-модель.

Ранее IT-World уже писал о скрытой стоимости внедрения ИИ, отдельно разбирая мысль, что API-ключ и токены — только малая часть затрат. Реальные расходы уходят в CI/CD, RAG, безопасность, обучение команды и промты. Там же отмечалось, что стоимость внедрения не масштабируется вниз вместе с ценой токена.

Добавим, что для российского рынка вопрос стоит еще острее, так как к цене токенов нужно приплюсовать доступ к зарубежным сервисам.

Но вне зависимости от страны, теперь к стоимости внедрения добавляется стоимость эксплуатации. Для компаний это означает новый контур контроля. Кто разрешает сценарии, где стоят лимиты, как считается перерасход и в какой момент ИИ-помощник из ускорителя работы превращается в источник непредсказуемых затрат.