Здавалося б, ринок повноцінно увійшов в епоху тотальної автоматизації, де кожен працівник, від джуніор-медіабаєра до топменеджера, має в арсеналі власний набір розумних помічників. Проте реальність виявилася дещо дорожчою за яскраві презентації. Замість омріяного зростання продуктивності компанії зіткнулися з тим, що їхні фінансові бюджети танули на очах через неконтрольоване споживання ресурсів. Бізнес змушений гальмувати процеси та вводити жорсткі ліміти.
Коли рахунок за токени перевершує очікування
Довгий час тренд на інновації передбачав єдину стратегію: дати команді повну свободу дій, підключити найпотужніші моделі та винагороджувати співробітників за активне тестування нових інструментів. Компанії впроваджували внутрішні лідерборди, роздавали безлімітний доступ до кодинг-агентів і раділи кількості згенерованих завдань.
Але модель ціноутворення на основі споживання (usage-based billing) швидко показала свій бік. На відміну від класичного софту з фіксованою місячною підпискою, ШІ-агенти та автономні воркфлоу здійснюють сотні фонових звернень до моделей під час виконання одного простого завдання.
Цифри говорять самі за себе:
У Uber виділений на рік бюджет на AI-інструменти розійшовся всього за перші чотири місяці, після чого компанія була змушена запровадити жорсткі ліміти у розмірі $1,500 на місяць для одного працівника.
Walmart повністю відмовився від необмеженого доступу до агентів на користь фіксованих токен-алокацій.
У корпоративному сегменті витрати на одного активного користувача штучного інтелекту утилітарно сягають $7,500 щомісяця.
Парадокс: ШІ дешевшає, а витрати зростають
Ринкова вартість самих моделей за останні роки суттєво знизилася, проте загальні корпоративні чеки збільшилися в рази. Логіка тут проста: коли інструмент коштує копійки, користувачі починають запускати його на кожну дрібницю, генеруючи гігантські обсяги непотрібних запитів.
Додатково ситуацію погіршує так звана «петля марнотратства», коли один співробітник генерує величезний документ за допомогою ШІ, а інший — відправляє його на детальний опис іншій нейромережі, при цьому реальна користь для бізнесу залишається нульовою. За даними досліджень ринку, значна частина компаній вже стикалася з тим, що через несподівані витрати на моделі доводилося екстрено заморожувати або повністю скасовувати окремі продуктові ініціативи.
Як бізнес оптимізує витрати без зупинки процесів
Етап сліпого захоплення технологіями завершився, і на зміну йому прийшла сувора дисципліна FinOps. Технологічні гіганти перейшли до точкового контролю витрат:
Перерозподіл бюджетів: Витрати на генеративні інструменти більше не покриваються централізовано — їх прив’язують до конкретних проєктних або командних кошторисів.
Фільтрація моделей: Замість того, щоб запускати найдорожчі флагманські моделі для рутинних задач, компанії автоматично перенаправляють запити на легші та дешевші варіанти (right-sizing).
Скасування внутрішніх стимулів: Лідерборди за кількістю використаних промптів пішли в минуле, а компанії вводять суворі ліміти на кількість токенів на тиждень.
Штучний інтелект не зникає з корпоративних кабінетів, але епоха «халявного безліміту» остаточно завершилася — тепер кожен згенерований рядок коду чи текст проходять жорстку перевірку на окупність.
🤔 Іронія в тому, що щойно автоматизація почала економити час людей, компаніям довелося наймати окремих людей для контролю за тим, скільки ця автоматизація коштує.
🖋 UAFF — будь в курсі арбітражних інсайтів