Привычная модель корпоративного софта проста: купил нужное число лицензий и получил более-менее фиксированный счет. Агентный ИИ устроен иначе. Он расходует токены в процессе работы, а значит, бюджет зависит не только от числа пользователей, но и от того, сколько шагов модель сделает до результата.
В опросе The Information среди 107 руководителей и специалистов 60% назвали динамику затрат на свои ИИ-инициативы непредсказуемой. Это уже не побочный эффект экспериментов, а системная проблема: 64% ИИ-бюджетов компаний вне гиперскейлеров приходится на софт, приложения и API-модели.
Где раздувается счет
Обычные ChatGPT или Microsoft Copilot компании в основном покупают по числу рабочих мест. Фиксированная цена покрывает расход токенов, но одновременно ограничивает возможности ассистента. Независимые цифровые агенты оплачиваются по потреблению и выполняют более сложные задачи, поэтому используют заметно больше вычислений.
Главная ловушка находится в циклах. Агенты работают в циклах, поэтому расход токенов может быстро расти. Один неудачный промпт способен запустить цепочку бесполезных действий. Токены продолжают списываться, хотя бизнес-результат не приближается.
Поэтому считать расход токенов показателем продуктивности опасно. The Information сравнивает их с оплачиваемыми часами: измерять легко, связь с ценностью слабая. Полезнее смотреть на число завершенных задач, сокращение времени процесса и доход или экономию, которые можно связать с работой агента.
Это не значит, что экономика ИИ всегда плоха. В том же опросе 60% респондентов сообщили о росте продуктивности, более половины считают, что ИИ приносит больше, чем стоит, а почти половина увидела снижение внутренних затрат на труд. Но разброс результатов велик: один респондент, создающий стартап, сжал трехлетнюю разработку до шести месяцев, тогда как юрист крупной компании ограничивает применение ИИ из-за объема проверки результатов.
Что пересчитать до масштабирования
Агента нельзя планировать как еще одну SaaS-лицензию. Для него нужна себестоимость завершенной операции, лимиты на число циклов и токены, а также условие остановки, если задача не сходится. Простые этапы разумно отправлять в программный код или более дешевую модель, оставляя сложному агенту только то, где его гибкость действительно окупается.
Ограничение здесь принципиальное: для регулярной обработки данных и устоявшихся процессов традиционный софт, по данным The Information, часто остается дешевле и надежнее. Если операция уже хорошо описывается правилами, превращать ее в беседу нескольких моделей может быть не автоматизацией, а дорогим способом отказаться от калькулятора.