Компании пугают затраты на ИИ — возвращение финансового директора в процесс принятия решений

The Economist документирует то, что видно в data rooms: счета LLM взрываются, финансовые директора берут контроль. "Бесконечный PoC" обходится дорого, и ROI становится спасательным кругом для каждого ИИ-проекта.

Простыми словами

После двух лет FOMO крупные компании подводят итоги: их счета за ИИ (OpenAI, Anthropic, Azure OpenAI, AWS Bedrock) превышают первоначальные прогнозы в несколько раз. Результат: финансовый директор берёт контроль, закрываются не окупающиеся PoC, и модели сравниваются построчно.

Дело

По данным The Economist (июнь 2026), корпоративные расходы на ИИ продолжили стремительно расти в 2025–2026 годах, но, по опросам ИТ-директоров, большинство сценариев использования не достигают порога положительной окупаемости. Выделяются три основные причины:

1. Стоимость токена — не основная статья расходов. Настоящая проблема — это человек в контуре: проверка, корректировка, оркестрация, управление. На практике соотношение обычно составляет 3–5× от чистой стоимости модели.
2. Контекст убивает маржу. Переход от короткого окна к длинному (с RAG) увеличивает счёт на порядок для того же сценария использования.
3. Мультимодельность взрывает сложность оркестрации. Хорошая практика — маршрутизировать простые задачи на Haiku/Nano — оборачивается сложностью инфраструктуры, которую мало кто из ИТ-директоров по-настоящему контролирует.

Реакция идёт по двум направлениям: (a) частичный возврат к моделям с открытыми весами, развёрнутым на своей инфраструктуре (Llama, Qwen, DeepSeek) — доля self-hosted быстро растёт в корпоративных ИИ-нагрузках; (b) контракты с пороговыми условиями с поставщиками — Microsoft теперь торгует фиксированными тарифами для крупных клиентов.

Под капотом

• Ключевой показатель: «стоимость за успешную задачу» — не оплаченные токены, а средняя стоимость результата, прошедшего проверку.
• Интеллектуальный маршрутизатор: значительное снижение затрат (часто на 30–50%), когда классификатор на входе направляет задачи по умолчанию на лёгкие модели (LiteLLM, Portkey, собственная система тарификации Anthropic).
• Кэширование промтов: недоиспользуется — до -75% на повторяющихся системных промтах (кеш промтов Anthropic).

Что дальше

Три последствия. Первое: эпоха «пусть разработчики выбирают» закончилась, финансы берут верх. Второе: поставщики, которые могут доказать измеримую окупаемость (не слайды «продуктивность +30%»), выигрывают. Третье: сейчас время open-weight — не по идеологии, а по экономике. Наблюдаем: уровень оттока крупнейших клиентов OpenAI (500 топ-аккаунтов) к концу 2026 года.