ИИ-бюджеты вылетели в трубу: почему Microsoft, Nvidia и Uber экстренно ограничивают расходы

Бум генеративного искусственного интеллекта в сфере разработки программного обеспечения столкнулся с суровой экономической реальностью. Крупнейшие технологические корпорации, еще недавно заставлявшие сотрудников массово внедрять нейросети, начали экстренно вводить лимиты и урезать доступ к передовым ИИ-ассистентам. Причина банальна — затраты на токены, контекстные окна и облачные вычисления растут по экспоненте, местами перекрывая расходы на фонд оплаты труда (ФОТ) самих инженеров.

Крах ИИ-бюджетов: кейсы трех ИТ-гигантов

Ситуация затронула лидеров индустрии, обнажив скрытые издержки использования «тяжелых» языковых моделей в повседневной коммерческой разработке:

• Microsoft: По информации The Verge, редмондская корпорация практически полностью аннулировала корпоративные лицензии на Claude Code для своих штатных инженеров. Команды принудительно переводят обратно на внутренний инструмент GitHub Copilot CLI. Автономный ИИ-агент от Anthropic оказался слишком «прожорливым»: из-за глубокого сканирования кодовых баз и частой отправки огромных контекстных окон счета за токены превысили все допустимые внутренние лимиты.

• Nvidia: Проблему сверхдорогих вычислений признали даже на уровне главного производителя ИИ-чипов в мире. Вице-президент Nvidia по исследованиям в области прикладного глубокого обучения Брайан Катанзаро в интервью Axios сделал сенсационное заявление: для его личной команды разработчиков стоимость машинного времени и ИИ-инфраструктуры уже превысила прямые затраты на зарплаты сотрудников.

• Uber: Самый показательный маркер кризиса зафиксирован в транспортном гиганте. Как сообщает Forbes, Uber умудрился полностью израсходовать весь заложенный ИИ-бюджет на 2026 год всего за первые четыре месяца (январь — апрель).

Статистика использования и метрики затрат на ИИ в Uber 

В чем корень проблемы: ловушка длинного контекста

Экономический тупик обусловлен самой архитектурой современных ИИ-агентов (таких как Claude 3.5 Sonnet или аналогов). Инструменты уровня Claude Code не просто подсказывают следующую строчку кода, как это делали ранние версии Copilot. Они работают как автономные агенты:

1. ИИ считывает всю структуру проекта, папки и взаимосвязанные файлы, чтобы понять контекст задачи;

2. При каждой новой итерации или исправлении мелкой ошибки модель заново прогоняет через себя сотни тысяч токенов (Input Tokens);

3. Специфика ценообразования LLM делает повторные агентские циклы (loops) экстремально дорогими. В результате простая двухчасовая отладка архитектуры топ-менеджером Uber Правином Неппалли Нага обошлась компании в $1 200, так как модель непрерывно пересчитывала миллионы строк кода в фоновом режиме.

Поиск нового баланса: от хайпа к ROI

Текущий кризис трат вынуждает ИТ-индустрию переходить к фазе жесткого контроля окупаемости инвестиций (ROI). Эксперты сходятся во мнении, что бесконтрольное использование коммерческих API внешних разработчиков подходит к концу.

Компании принудительно внедряют жесткие фильтры: запрещают автоматическое сканирование репозиториев без явной необходимости, вводят дневные квоты на отправку запросов в топовые модели и активно тестируют локальные, пускай и менее «умные», но значительно более дешевые open-source модели (например, дообученные версии Llama 3 или Mistral), развернутые на собственных серверах компаний.