ИИ теперь обходится дороже живых сотрудников — техдиректор Uber уже слил на нейросети весь годовой бюджет
Почему ИИ-вычисления стоят дороже сотрудников: горькая правда для бизнеса
ИТ-бюджеты компаний лопаются. Не от зарплат — от железа. Искусственный интеллект пожирает деньги быстрее, чем отдел кадров. В 2026 году мировые расходы на ИТ достигнут $6,31 трлн — рост 13,5% по сравнению с 2025-м. И львиную долю прироста съедает ИИ-инфраструктура. Это вам не игрушки.
Технический директор Uber уже исчерпал бюджет на ИИ на 2026 год. Спойлер: год только начался. Вице-президент Nvidia по глубокому обучению признал: затраты на вычисления в его команде превышают зарплаты сотрудников. Звучит дико, но это новая реальность.
Что именно дорожает?
Токены. Каждый запрос к большой языковой модели — это деньги. Чем сложнее задача, тем больше токенов тратится. Компании покупают не софт, а вычислительные мощности. Стоимость одного токена падает, но объём потребления растёт экспоненциально. Итог: общий счёт взлетает. Мои знакомые стартаперы жалуются: «Мы взяли ИИ-агента для техподдержки. Через месяц счет превысил зарплату трёх живых операторов». Это не исключение — это тренд.
Сравнение: сотрудник vs вычисления
Давайте на цифрах. Возьмём типовую ситуацию — компания из 100 человек решает автоматизировать часть задач через ИИ. Что выгоднее?
| Параметр | Наём программиста (год) | Аренда ИИ-вычислений (год) |
|---|---|---|
| Стоимость | $80 000–150 000 | $50 000–300 000 |
| Масштабируемость | Линейная (нужен новый сотрудник) | Почти безграничная (только бюджет) |
| Гибкость | Ограничена скиллами человека | Меняется под задачу за пару минут |
| Скрытые риски | Текучесть, больничные, налоги | Резкий рост стоимости токенов |
Понимаете? Человек предсказуем. ИИ — нет. Сегодня он стоит $0,01 за запрос, завтра — $0,05 из-за скачка спроса. Вот вам реальный пример: одна из платформ пересмотрела цены после того, как клиенты начали генерировать в три раза больше кода. Бюджеты полетели в тартарары.
Личное наблюдение автора: недавно я смотрел отчёт средней IT-компании — они потратили на ИИ-инструменты за квартал столько же, сколько на премии всей команде. И при этом не смогли показать рост производительности. Вопрос: зачем это вообще нужно?
Кто страдает больше всех
Стартапы. Им сложнее доказывать окупаемость перед инвесторами. Крупные корпорации могут себе позволить поэкспериментировать, но отчитываются ежеквартально. Если вы не видите роста выхода продукта на сотрудника — акционеры начнут задавать неудобные вопросы. «Тон меняется: всё чаще спрашивают про истинную ценность работника — живого или цифрового», — говорят консультанты по цифровым трудовым ресурсам.
При этом сами разработчики ИИ-моделей конкурируют за эффективность. Одна модель может тратить токены в два раза экономнее, чем другая. Это меняет расстановку сил: тот, кто умеет делать меньше запросов при том же результате, выигрывает гонку затрат.
Как не разориться на ИИ
Микро-инструкция для тех, кто уже внедряет или планирует внедрять ИИ:
- Посчитайте стоимость одного типового запроса в вашей задаче.
- Оцените, сколько таких запросов нужно в день/месяц.
- Сравните с зарплатой сотрудника, который делает эту работу вручную (учтите налоги и overhead).
- Добавьте 30% к счёту за ИИ — на случай роста тарифов.
- Если ИИ оказывается дороже на 10–15% — возможно, ещё нормально. Если дороже в два раза — остановитесь.
Важная мысль: ИИ — это не замена людям. Это ускоритель. Но ускоритель стоит денег. Не ведитесь на маркетинговые обещания «снижения затрат в 10 раз». Сначала проверьте на своей задаче.
Резюме от автора
ИИ-вычисления дорожают быстрее зарплат. Это факт. Компании, которые слепо скупают токены, рискуют остаться без бюджета на живых сотрудников. Мой совет: не гонитесь за хайпом. Сначала добейтесь прозрачного учёта затрат на ИИ. И только потом решайте — нанимать человека или арендовать вычисления. Иначе ваш бюджет просто сгорит в облаках.
