Технологические гиганты активно интегрируют искусственный интеллект в свои рабочие процессы, стремясь повысить эффективность и продуктивность. В то же время масштабное использование инструментов ИИ приводит к существенному росту расходов, что уже становится ощутимой проблемой для многих компаний.
Об этом сообщает ProIT
Рост расходов на токены и вычисления
Известно, что компания Microsoft рекомендует своим сотрудникам переходить с инструмента Claude Code на собственный продукт Copilot CLI. Основной причиной такого шага эксперты называют значительное увеличение расходов на использование сторонних ИИ-сервисов. Поскольку количество пользователей постоянно растет, компании вынуждены тратить все больше ресурсов на обработку токенов и вычислительные мощности.
Особенно остро эта проблема проявляется в сфере агентного искусственного интеллекта. Такие системы выполняют сложные многоступенчатые задачи и потребляют в несколько раз больше токенов, чем обычные чат-боты. Яркий пример приводит разработчик OpenClaw Петер Штайнбергер, который сообщил, что его команда за один месяц потратила более 1,3 миллиона долларов только на токены OpenAI.
«Из-за этого использование ИИ в отдельных случаях уже обходится дороже, чем работа людей».
Парадокс Джевонса и явление “tokenmaxxing”
Аналитики сравнивают ситуацию с классическим парадоксом Джевонса: когда технология становится эффективнее и доступнее, её начинают применять значительно чаще, что повышает общие расходы. Такое явление уже не раз наблюдалось в истории — например, во время индустриальной революции или развития авиации.
В сфере ИИ это получило отдельное название — “tokenmaxxing”. Этот термин означает, что сотрудники максимально активно применяют ИИ, стремясь выполнить внутренние корпоративные требования. Подобные практики уже были зафиксированы в таких компаниях, как Amazon, Microsoft и Meta, где работники использовали искусственный интеллект даже для незначительных или второстепенных задач, чтобы улучшить свои внутренние показатели.
Хотя внедрение ИИ способствует автоматизации и повышению продуктивности, компании сталкиваются с необходимостью находить баланс между выгодами от автоматизации и реальными финансовыми затратами. Чрезмерное использование моделей может оказаться экономически необоснованным, заставляя бизнесы пересматривать стратегии внедрения искусственного интеллекта.