Поделиться статьей
Кратко
- В этом году корпоративные расходы на ИИ-кодинг превысили 2068 долларов на сотрудника, а три крупных вендора изменили свои тарифы в течение одного квартала.
- Расходы на ИИ измерить легко, но доказать бизнес-ценность — трудно.
- Реальная система оценки «стоимости одного результата» требует назначенного ответственного, четко определенного бизнес-результата и регулярной отчетности, которая доходит до финансового отдела.
Знакомство с экспертами
Аркадий Дрохомирецкий
Руководитель кластера R&D по агентному ИИ
Координирует работу нескольких команд, занимающихся разработкой внутренней интеллектуальной собственности и проектами для клиентов. Курирует инициативы, охватывающие активационные модули, акселераторы GenAI, академические исследования и агентные ИИ-решения в различных областях. Отвечает за согласование усилий R&D как с внутренними стратегическими целями, так и с потребностями клиентов, обеспечивая предоставление высококачественных возможностей агентного ИИ.
Гжегож Бизель
Старший R&D инженер
Специализируется на программных системах на базе ИИ, современных практиках SDLC и прикладном машинном обучении. Имеет опыт работы в области корпоративного ПО, платформ IoT, робототехники, компьютерного зрения, а в последнее время — в разработке агентных систем. Обладает обширным опытом работы с глубоким обучением, мультимодальным ИИ и промышленными ML-системами с использованием таких технологий, как PyTorch, TensorFlow, OpenCV, Vision Transformers, архитектуры на базе SAM и конвейеры генеративного ИИ.
Инна Аболихина
Эксперт по агентному ИИ
Руководит проектами по агентной инженерии и программами обучения, помогая организациям перейти от экспериментов с ИИ к его внедрению в инженерных и продуктовых командах. Она работает с техническими руководителями над оценкой готовности, определением дорожных карт внедрения и приведением ИИ-инициатив в соответствие с бизнес-приоритетами. Она также возглавляет направление агентной инженерии SoftServe для частного капитала, помогая фирмам создавать масштабируемые возможности и внедрять их в портфельных компаниях.
Измерение рентабельности агентного ИИ означает отслеживание расходов и бизнес-результатов в совокупности, а не по отдельности, с использованием назначенного ответственного, определенного результата и графика отчетности, доступного финансовому отделу.
Anthropic только что снизила стоимость кэшированных токенов для своей новейшей модели pricing by 75%, спустя несколько дней после сообщений о том, что один крупный корпоративный клиент исчерпал свой годовой бюджет на ИИ раньше срока и был вынужден начать пристально следить за использованием. GitHub Copilot, Cursor и Anthropic изменили структуру ценообразования в одном и том же квартале, а корпоративные бюджеты по-прежнему ориентируются на количество лицензий, что не отражает реальные расходы. Низкий счет — это не то же самое, что хороший результат.
Это прорыв или переоцененный хайп?
Реальность, но скромнее, чем обещают. Заявления вендоров указывают на рост эффективности в десятки раз. Собственные исследования DORA показывают реальную цифру от 2% до 18%, что является значимым приростом.
Что упускают компании?
В этом году корпоративные расходы на ИИ стали серьезными, увеличившись на 50% примерно до 2000 долларов на сотрудника. Стоимость моделей упала в 280 раз, и люди полагают, что проблема стоимости решена. Агентные рабочие процессы читают файлы, планируют изменения и выполняют итерации правок — этот паттерн потребляет токены совсем не так, как простой обмен сообщениями, лежащий в основе этой цифры.
То, что скрывает снижение цен, видно в коде: исследование GitClear охватывает более 600 миллионов коммитов. С момента внедрения ИИ объем переделок (churn) почти удвоился. Количество скопированного дублирующегося кода выросло на 81%, что является самым высоким показателем за всю историю.
В организациях, с которыми мы работаем, не существует метрики «стоимость одного результата». Подсчет количества объединенных пулл-реквестов в сравнении с потраченными долларами напоминает оценку завода по количеству произведенных деталей без проверки того, работает ли хоть одна деталь после выхода с конвейера. Этот разрыв напоминает проблему затрат на облачные вычисления 2014 года.
Как компаниям адаптироваться?
Рецензируемое исследование Microsoft Research показало, что пользователи объединяли примерно на 24% больше пулл-реквестов. Лидеров отличают пять дисциплинированных привычек:
- Соответствие уровня модели ценности задачи
- Рассмотрение контекста как рычага затрат
- Структурирование документации под единым конфигурационным файлом
- Ограничение общих навыков решаемой проблемой
- Разделение спецификации и исполнения
В чем заключается самая ценная возможность и в чем препятствие?
Возможность заключается в реальной системе «стоимости одного результата», состоящей из трех частей:
- Полные совокупные расходы
- Соответствующий бизнес-результат
- Проверка качества по сравнению с базовым уровнем каждой команды
Препятствие: система «стоимости одного результата» требует назначенного ответственного, определенного бизнес-результата и графика финансовой отчетности.
Выпущенная функция, вовремя обнаруженный дефект и сокращенный цикл не отображаются в счете. Кто-то должен связать эту работу с тем, сколько она стоит.
Как инженерным и финансовым руководителям спроектировать уровень измерений:
Вопросы и ответы
Что такое FinOps для ИИ-кодинга?
FinOps применяет ту же дисциплину, что используется для контроля расходов на облачные сервисы — общую прозрачность для инженеров и финансистов, назначенного ответственного, регулярную отчетность — непосредственно к расходам на ИИ-кодинг, заменяя догадки реальной, измеримой бюджетной строкой.
Как агентный ИИ меняет расходы на корпоративное ПО?
Инструменты агентного ИИ читают файлы, планируют изменения и выполняют несколько раундов правок, потребляя токены по паттерну, который не соответствует старым, более простым взаимодействиям с ИИ. Именно из-за этого сдвига общие расходы продолжают расти, даже несмотря на падение цен за токен.
Почему GitHub Copilot, Cursor и Anthropic изменили свои цены в 2026 году?
Все трое отошли от фиксированных, предсказуемых цен за лицензию в пользу оплаты по факту использования, привязанной к реальному потреблению токенов. Этот сдвиг лучше отражает реальную стоимость работы ИИ-агентов, но делает ежемесячные расходы гораздо более сложными для прогнозирования.
Что такое система «стоимости одного результата»?
Она связывает расходы на ИИ с реальным бизнес-результатом, а не с косвенными показателями. Выпущенная функция или вовремя обнаруженный дефект учитываются. Выполненные задачи или сэкономленные часы — нет. SoftServe встраивает эту систему непосредственно в процесс партнерства с инженерными командами.
Почему расходы на ИИ-кодинг продолжают расти, даже когда цены на токены падают?
Агенты для ИИ-кодинга потребляют токены иначе, чем при обычном чате. Агент читает файл, планирует изменение, редактирует код, запускает тесты и повторяет процесс — каждый шаг увеличивает стоимость. Вот почему общие расходы продолжают расти, даже если цена за токен падает: агенты используют гораздо больше токенов на задачу, чем когда-либо требовалось для простого вопроса и ответа.
Поделиться статьей
