Корпоративная одержимость «токенмаксингом» натолкнулась на жесткий финансовый потолок. То, что начиналось как весенний хайп вокруг максимальной генерации контента через ChatGPT от OpenAI и Claude от Anthropic, к лету сменилось болезненным разочарованием: расходы растут по экспоненте, а продуктивность топчется на месте. Как отмечает руководитель отдела AI-аналитики Moody’s Ratings Винсент Гусдорф, создавать мусорный контент с помощью нейросетей подозрительно легко, но счета от провайдеров заставляют бизнес переходить к режиму жесткой экономии. Еще вчера Кремниевая долина преподносила высокое потребление токенов как знак почета — мол, эффективные сотрудники управляют целыми армиями AI-агентов. Сегодня этот «знак почета» превратился в финансовую дыру.
Экономика пустых смыслов против бизнес-логики
Реальность внедрения LLM начинает давить на балансы предприятий. Джу Ванг, консультант по управлению в Bain & Company, фиксирует резкий рост затрат на API. Ситуацию усугубляет «двойной налог» на AI, о котором упомянул даже глава Microsoft Сатья Наделла: компании сначала платят за сами токены, а затем — за то, что скармливают моделям свои проприетарные данные. Откровенность Наделлы в вопросах защиты данных сигнализирует о глобальном развороте индустрии: эпоха бездумного потребления «любой ценой» закончена.
«Типичный взгляд корпораций сегодня выглядит так: я собираюсь прохлаждаться и тратить время на токены, не получу никакой ценности, а они вдобавок заберут мою интеллектуальную собственность», — заявил CNBC генеральный директор Palantir Алекс Карп.
По словам Карпа, американский бизнес в частных разговорах «в ярости» от необходимости оплачивать токены, которые не создают осязаемой ценности. Это резкий контраст с маем, когда Сэм Альтман из OpenAI восторгался стартапами, практикующими «токенмаксинг», а Дженсен Хуанг из Nvidia всерьез утверждал: если ваш инженер с зарплатой в 500 тысяч долларов не сжигает 250 тысяч на токены, значит, с ним что-то не так.
От кувалды к хирургическому скальпелю
Компании больше не хотят забивать микроскопом гвозди. Неэффективность гигантских моделей спровоцировала всплеск интереса к компактным решениям (SLM) и умной маршрутизации запросов. Вместо того чтобы прогонять каждую мелочь через GPT-4, бизнес внедряет жесткую фильтрацию промптов и оставляет тяжелую артиллерию только для критических задач.
Этот сдвиг означает конец эры количественных показателей. Если раньше Meta проводила внутренние конкурсы на максимальное использование токенов, то теперь рынок требует аудита избыточности: до 40% бюджета на AI уходит на «мусорную» генерацию, не приносящую пользы. Провайдерам моделей придется менять бизнес-модель: вместо продажи объемов данных им придется продавать гарантированный результат. Новизна технологий выветрилась, оставив руководителей с неприятным осознанием: дорогой инженер, сжигающий бюджет в топке OpenAI, может оказаться просто очень затратным способом производства цифрового шума.