В
Сегодня, похоже, мы оказались в тупике с точки зрения релизов основных моделей. Нам не нужны более интеллектуальные модели; скорее, нам нужно понять, какая из них лучше всего справляется с каждой задачей (и по лучшей цене). Это создает возможность для CIO начать серию стратегических обсуждений, которые помогут им оставаться впереди в условиях, когда неопределенность продолжает парализовать многие организации. Основная идея проста: продолжайте инвестировать во внедрение.
Действительно, согласно исследованию MIT, 95% моделей ИИ, внедренных в 2025 г., не оправдали ожиданий. Однако даже неудача предпочтительнее, чем стояние на месте. Легче корректировать курс по ходу дела, чем начинать с нуля. В конце концов, прежде чем стать спортсменом, нужно сначала научиться ходить.
Внедрение без окупаемости инвестиций — это не трансформация
Один из важнейших уроков последних нескольких лет заключается в том, что покупка лицензии на ИИ не делает организацию автоматически более эффективной. Эта иллюзия полностью развеяна. Оставаться в курсе событий больше не является необязательным, это необходимость.
Успешное внедрение зависит от экспериментов: тестирования различных моделей, процессов и структур команд путем непрерывных проб и ошибок. Технология все еще недостаточно незрелая, поэтому эксперименты остаются относительно недорогими. Однако, как только рынок достигнет зрелости, затраты, вероятно, будут выглядеть совсем иначе. К тому времени организации, которые уже изучили множество альтернатив, будут лучше подготовлены к переходу на более доступные решения, а не будут привязаны к одному поставщику моделей.
Затраты на ИИ, которые когда-то в значительной степени игнорировались, становятся одной из определяющих проблем следующего этапа. Массовое потребление токенов больше не является синонимом инноваций; оно все чаще превращается в огромный ежемесячный счет. Многие организации сейчас расплачиваются за свою незрелость на ранних этапах.
Почему токенмаксинг не имеет смысла
Эра токенмаксинга (token maxxing, стремление использовать потребление ИИ-токенов как метрику производительности) подходит к концу. Но следующая парадигма не может заключаться в минимизации токенов ради самой минимизации. Стоимость за токен и стоимость за задачу — это не конкурирующие показатели. В мире агентных вычислений это все чаще один и тот же вопрос.
Разные задачи требуют разного уровня интеллекта. Некоторые могут быть решены с помощью небольших, высокоэффективных моделей; другие требуют более сложных моделей, более глубокого анализа, более длительного контекста или совместной работы нескольких агентов. Таким образом, стоимость задачи в конечном итоге определяется выбранными вами моделями и количеством токенов, необходимых для ее успешного выполнения.
Вот почему токенмаксинг не имеет смысла в обоих направлениях. Токены — это потребление, а не результат, и настоящая оптимизация заключается не в их максимизации или минимизации. Она заключается в использовании правильного интеллекта для правильной задачи. Вложение большего количества токенов в сложную задачу может быть самым разумным решением, если оно приводит к лучшему результату с меньшим количеством итераций, в то время как использование дорогостоящей модели для простой задачи — это просто пустая трата средств.
Суть заключается в сопоставлении каждой задачи с самой дешевой моделью, которая надежно ее выполняет, и измерении результатов на уровне задачи, чтобы это можно было доказать. CIO, который сообщает о росте токенов как о показателе внедрения ИИ, сообщает о затратах так, как если бы это была ценность. Чтобы оптимизировать реальные показатели, нам нужно очень хорошо понимать ценность, создаваемую каждым токеном.
Как выглядит экономия затрат на практике
Например, за семь месяцев работы с Open Source-моделями на нашей собственной инфраструктуре наряду с коммерческими API, примерно 30% от общего объема токенов было обработано с почти нулевыми предельными издержками. Сэкономленные на API средства покрыли значительную часть инвестиций в оборудование в течение первого года — без ухудшения качества выходных данных для рабочих нагрузок, которые мы перенаправили на Open Source-модели. Последний пункт очень важен: это был не обмен затрат на качество. Речь шла о сопоставлении задач с самой дешевой моделью, которая надежно их выполняет.
Мы наблюдали ту же динамику, когда потребление и затраты перестали двигаться синхронно. В период с января по июль 2026 г. наше общее потребление токенов выросло в 6,7 раза. Наши расходы выросли в 2,2 раза. Этот разрыв почти полностью объясняется интеллектуальной маршрутизацией, которая направляет каждый запрос к нужной модели, вместо того чтобы по умолчанию использовать самую дорогую. Это цифра, которую я бы представил любому совету директоров: внедрение росло в три раза быстрее, чем затраты, и не потому, что кто-то меньше использовал ИИ. Это практическая окупаемость инвестиций в шлюз: не только прозрачность затрат, но и их снижение.
Три приоритета для CIO
Для CIO этот новый ландшафт приводит к трем ключевым выводам:
Во-первых, ИИ-инициативы должны быть ориентированы на рентабельность инвестиций. Какую ощутимую выгоду приносит внедрение агентного ИИ в конкретный процесс? Ответом может быть экономия времени, снижение затрат, рост доходов или некая комбинация этих трех факторов. В любом случае, каждая инвестиция в ИИ должна быть связана с измеримым бизнес-результатом. Количество токенов может объяснить потребление, но оно не определяет ценность.
Во-вторых, внедрение агентного ИИ не означает наложение технологий поверх существующих рабочих процессов. Оно требует перепроектирования процессов с нуля для создания ИИ-нативных операционных моделей. В некоторых случаях это может даже потребовать передачи ответственности за процесс другой команде внутри организации.
В-третьих, каждая задача заслуживает своего собственного агента. Нет необходимости развертывать самую большую и дорогую модель для каждого сценария использования в масштабах всего предприятия. Неопытность привела некоторые компании к тому, что они поступают так же, как если бы наняли кран, чтобы передвинуть стул.
Новая экономика работы с ИИ
Это также меняет экономику разработки ПО. Традиционно стоимость была тесно связана с человеческим временем: сколько людей задействовано и сколько часов занимает работа. В агентной модели вычислительные ресурсы и интеллект становятся гораздо более значимой частью этого уравнения, а это значит, что CIO необходимо использовать инструменты учета затрат на уровне задач, так же, как мы всегда измеряли проекты в людях и часах.
Новая парадигма требует от CIO переосмысления самого процесса бюджетирования. Стоимость работы больше не может измеряться только заработной платой сотрудников; она также должна учитывать технологии, выполняющие эту работу. ИИ не бесплатен и никогда не будет бесплатным. Обеспечение того, чтобы каждая инвестиция приносила измеримую ценность, имеет важное значение не только для максимизации прибыли, но и для избежания сложных разговоров с финансовым директором.
Если индустриальная эпоха предложила десятилетний период возможностей после изобретения машины, то сегодняшние технологические циклы значительно короче. После взрывного роста новых моделей мы, похоже, вступаем в период относительной стабилизации. Следующие три года, вероятно, будут определяться массовым внедрением, а не прорывными релизами.
Организации, которые воспользуются этим окном возможностей, обеспечат себе существенное преимущество перед конкурентами. Внедрение агентных методов в задачи, перепроектирование процессов, диверсификация моделей, измерение производительности и контроль затрат — вот основы операционной надежности в новую эпоху. Потребление токенов покажет нам, сколько это стоит... но рентабельность инвестиций определит, окупились ли вложения.
