О «циклической экономике» в индустрии ИИ говорят давно, но на практике внимание постепенно смещается с инвестиций и прибыли на более приземленный вопрос — сколько на самом деле стоит эксплуатация моделей. И чем глубже компании погружаются в использование ИИ, тем чаще звучит неожиданная мысль: токены могут обходиться дороже человеческого труда.

Базовые подписки на ИИ-сервисы для конечных пользователей выглядят безобидно — около 20 долларов в месяц за стандартный доступ и до 200 долларов за расширенные возможности. Но настоящие расходы скрываются в корпоративных сценариях, где используются программные ассистенты вроде GitHub Copilot или Claude Code. Здесь стоимость формируется за счет токенов, а постоянные автоматизированные задачи превращают их потребление в непрерывный финансовый поток.

Именно этот фактор уже вызывает тревогу у бизнеса. Представитель Nvidia отмечал, что вычислительные расходы его команды превышают затраты на персонал. Похожую ситуацию описывали и в Uber, где бюджеты на ИИ-эксперименты заканчиваются быстрее ожидаемого. В отдельных случаях счета за использование моделей достигают шестизначных сумм даже для небольших команд.

На этом фоне рождается почти ироничная картина: компании сокращают сотрудников ради автоматизации, но затем сталкиваются с тем, что поддержка этой автоматизации обходится еще дороже. Тем не менее многие руководители не считают это проблемой. Для них высокие расходы — признак того, что процессы действительно автоматизируются и масштабируются.

ИИ уже начинает менять структуру работы. В некоторых командах значительная часть кода генерируется автоматически, а инженеры постепенно переходят от разработки к управлению агентами. В таком сценарии токены становятся новым ресурсом, сравнимым с зарплатным фондом.

Однако реальность оказывается сложнее. Без четкой стратегии внедрения ИИ затраты легко выходят из-под контроля. Компании, которые спешат внедрить автоматизацию без продуманной модели использования, нередко получают обратный эффект — рост расходов без заметного повышения эффективности.

При этом у ИИ есть ключевое преимущество: он работает непрерывно. В отличие от людей, такие системы не требуют отдыха, что делает их потенциально выгодными в долгосрочной перспективе. Вопрос лишь в том, удастся ли бизнесу правильно выстроить баланс между затратами на токены и реальной отдачей.

Сейчас индустрия находится в переходной точке. Расходы растут, эксперименты продолжаются, а окончательная модель экономики ИИ еще только формируется. Но уже очевидно, что эпоха дешевой автоматизации оказалась мифом — по крайней мере, на текущем этапе развития технологий.