Традиционный сценарий развития SaaS-рынка в эпоху генеративного интеллекта расшибся о структурную стену. Десять лет финансовые и генеральные директора оценивали софт через призму внедрения: количество купленных лицензий, число активных пользователей в месяц (MAU) и продление подписок. Однако, как прямо заявляют в OpenAI, эти метрики стали бесполезным шумом. В мире автономных агентов подписка на «доступ человека к интерфейсу» теряет смысл. Теперь единственный показатель, имеющий экономический вес — это объем полезной работы, выполненный на каждый потраченный доллар.
Четыре всадника полезного интеллекта
OpenAI предлагает радикально пересмотреть корпоративную отчетность, отбросив техническую шелуху вроде стоимости за токен. Дешевая модель — это иллюзия экономии. Как объясняют в компании Сэма Альтмана, если модель требует пяти попыток, постоянного контроля со стороны человека или вовсе «галлюцинирует» на финише, она обходится бюджету дороже, чем премиальное решение, справляющееся за один проход. Чтобы навести порядок в расходах, вводится концепция «Полезного интеллекта на доллар» (Useful Intelligence per Dollar). Это не про генерацию текста, а про закрытые тикеты в техподдержке, готовые изменения в коде или проверенные контракты.
Токены обретают ценность только тогда, когда превращаются в результат, который можно использовать без доработки.
Этот подход требует от руководителей четкого определения статуса «готово» внутри бизнес-процессов. Для юристов успехом считается корректно вычитанный договор, для саппорта — решенная проблема клиента. Главный экономический вопрос для любого CFO теперь звучит так: растет ли ценность выполненной работы быстрее, чем затраты на ее производство? Переход на Work-based метрики позволяет прекратить бессмысленную слежку за тем, сколько сотрудников открывали чат-бот, и начать аудит: сколько ручных процессов — от сведения таблиц в Excel до сборки прогнозов — реально делегировано ИИ.
Новая физика инференса и риски «финансовой дыры»
Расчет стоимости успешной задачи становится ключевым KPI. Формула проста: полная стоимость достижения результата против ценности, которую этот результат создает. Такой подход обнажает ловушку погони за дешевым инференсом. OpenAI подчеркивает: по мере того как модели учатся рассуждать в рамках многошаговых рабочих процессов, фокус сместится на качество выводов. Разумеется, для провайдера, продающего «тяжелые» и дорогие в вычислениях модели, это удобный маркетинговый маневр, позволяющий оправдать высокий ценник на фоне копеечных решений конкурентов.
Бизнесу пора признать: эпоха «лицензионного налога» на головы сотрудников заканчивается. Если ваш отдел трансформации до сих пор отчитывается процентом вовлеченности персонала в использование ChatGPT, вы строите потемкинскую деревню. Настоящая эффективность измеряется себестоимостью автономно закрытых задач. Либо ИИ заменяет процесс целиком, снижая операционные расходы, либо он остается дорогой игрушкой, создающей видимость продуктивности при нелинейном росте затрат на облачные вычисления.