Компании, которые массово внедряют искусственный интеллект в повседневную работу, столкнулись с новой проблемой: расходы на ИИ растут быстрее, чем бизнес успевает оценить реальную отдачу. Поводом для новой волны обсуждения стала ситуация в Uber: по данным СМИ, компания израсходовала весь бюджет на ИИ-инструменты для разработки уже к апрелю 2026 года, то есть всего за четыре месяца. Об этом сообщил технический директор компании Правин Неппалли Нага, признав, что первоначальные финансовые расчёты не выдержали темпов внутреннего спроса.
Речь идёт прежде всего о генеративных инструментах для программистов, которые сотрудники начали использовать почти повсеместно. По данным публикаций о ситуации в Uber, ежемесячные затраты на одного инженера могли достигать сотен и даже тысяч долларов в зависимости от интенсивности использования. При этом руководство столкнулось с ключевой проблемой: рост потребления ИИ-мощностей оказался намного быстрее, чем рост измеримого бизнес-эффекта.
Схожий вызов проявляется и в других крупных компаниях. По оценкам Gartner, корпорации рискуют столкнуться с «разрастанием» ИИ-агентов и теневого ИИ, если сотрудники не получают понятных правил, лимитов и одобренных инструментов. Аналитики предупреждают: при слабом управлении персонал начинает подключать внешние сервисы и автоматизации в обход внутренних политик, а это одновременно раздувает счета, повышает риски утечки данных и усложняет ИТ-контроль.
Почему расходы растут быстрее пользы
Проблема заключается не только в цене самих моделей, но и в модели потребления. Во многих компаниях использование ИИ начали поощрять как безусловное благо: чем больше запросов, подсказок и автоматизированных операций, тем выше якобы производительность. Однако такая логика не всегда подтверждается результатами. Президент и операционный директор Uber Эндрю Макдоналд публично предупредил, что прямой связи между ростом потребления ИИ-токенов и выпуском более полезных продуктов пока нет. Это важный сигнал для рынка: сам по себе высокий уровень использования ИИ ещё не означает рост эффективности.
Исследование Morgan Stanley показывает, что лишь около 21% компаний из индекса S&P 500 смогли указать хотя бы на один измеримый эффект от ИИ. McKinsey, в свою очередь, отмечает, что большинство организаций всё ещё находятся на этапе перехода от пилотных проектов к масштабируемому эффекту. Иными словами, бизнес уже тратит значительные средства на инфраструктуру, лицензии и вычисления, но далеко не все научились превращать эти расходы в устойчивую прибыль, ускорение вывода продуктов или снижение издержек.
Отдельный фактор — внутренняя культура. Когда менеджеры соревнуются в уровне внедрения ИИ, а сотрудники получают неформальный стимул использовать всё больше таких сервисов, расходы становятся плохо прогнозируемыми. На практике компании сталкиваются с тем, что бюджетирование велось как для обычного корпоративного ПО, хотя генеративный ИИ зависит от объёма фактического потребления и может резко дорожать при массовом использовании.
Что делают компании и чего ждёт рынок
На этом фоне бизнес начинает смещать фокус с быстрого внедрения на управляемость. Консультанты и отраслевые аналитики всё чаще рекомендуют вводить лимиты на использование моделей, централизованно закупать ИИ-сервисы, жёстче отслеживать возврат на инвестиции и отдельно считать, какие задачи действительно стоит автоматизировать. Gartner также предупреждает, что сокращение персонала ради высвобождения денег под ИИ само по себе не создаёт отдачи: выиграют те организации, которые параллельно инвестируют в обучение, контроль качества, новые операционные роли и управление рисками.
Для американского корпоративного сектора эта тема стала особенно чувствительной в 2026 году, когда расходы на ИИ-инфраструктуру и прикладные сервисы продолжают расти, а инвесторы требуют доказательств окупаемости. На этом фоне история Uber воспринимается как показательный пример: даже технологически зрелая компания с большим штатом инженеров и развитой ИТ-средой может недооценить скорость, с которой ИИ начинает потреблять бюджет.
«Проблема уже не в том, внедрять ли ИИ, а в том, как не потерять контроль над его стоимостью, безопасностью и реальной пользой для бизнеса».
Именно поэтому в центре внимания теперь не только сами модели, но и корпоративная дисциплина: кто имеет доступ к инструментам, какие задачи автоматизируются, как измеряется результат и кто отвечает за конечную экономику проекта.
Коротко о главном
История с быстро растущими ИИ-расходами показывает, что рынок вошёл в новую фазу: проблема сместилась от дефицита технологий к дефициту управленческих правил. Главная причина перерасхода — стихийное внедрение ИИ без точных лимитов, KPI и единой модели контроля. В ближайшие кварталы крупные компании, вероятно, начнут ужесточать внутренние политики, урезать неэффективные сценарии использования и переводить ИИ из режима эксперимента в режим финансово контролируемой инфраструктуры. Победят не те, кто тратит больше всех, а те, кто быстрее научится связывать расходы на ИИ с конкретной отдачей.
