Ramp ИИ Index, отслеживающий темпы внедрения ИИ среди американских компаний, опубликовал данные, которые наглядно показывают: рынок корпоративного ИИ крайне неоднороден. Пока одни компании едва оплачивают базовую подписку, другие тратят суммы, сопоставимые с фондом оплаты труда.
Самые активные потребители — топ-1%, которых Ramp называет «ИИ-pilled» — расходуют $7 500 на каждого сотрудника ежемесячно. Для сравнения: средняя месячная зарплата инженера-программиста в США составляет около $16 000. То есть ИИ пока не обогнал человека по стоимости, но разрыв уже не выглядит пропастью. Именно этот контекст делает недавние заявления руководителей технологических компаний менее экстравагантными: CEO стартапа Mercor на прошлой неделе сообщил, что компания тратит на токены для внутренних агентов больше, чем на зарплаты, а топ-менеджер Nvidia заявил, что стоимость вычислений превысила расходы на персонал.
| Сегмент компаний | Расходы на ИИ на сотрудника в месяц |
|---|---|
| Топ-1% («AI-pilled») | $7 500 |
| Топ-10% | $611 |
| Медиана | $11,38 |
За пределами топ-1% картина резко меняется. Компании из топ-10% тратят в среднем $611 на сотрудника в месяц — почти в 12 раз меньше лидеров. Медианная же компания укладывается в $11,38: это примерно стоимость одного корпоративного места в подписке на ChatGPT или аналогичный сервис. Иными словами, большинство бизнесов пока используют ИИ на уровне базового инструмента, не интегрируя его глубоко в процессы.
Среди топ-10% расходы скромнее: около $611 на сотрудника в месяц.
При этом расходы продолжают расти. У наиболее активных потребителей они увеличились на 14,1% за последний месяц. Сохранится ли этот темп — неизвестно: давление на бюджеты усиливается, а отдача от масштабных вложений в ИИ остаётся предметом дискуссий внутри самих компаний.
Стратегия лидеров рынка показательна: вместо ставки на одну платформу они комбинируют несколько frontier-моделей — таких как GPT-4o, Claude 3.5 Sonnet или Gemini 2.5 Pro — и параллельно используют платформы, дающие доступ к более дешёвым open-source решениям вроде Llama 3.1. Такой подход позволяет балансировать между качеством и стоимостью в зависимости от конкретной задачи. Это отражает общую тенденцию: по мере зрелости рынка компании перестают воспринимать ИИ как единый продукт и начинают выстраивать собственную инфраструктуру из нескольких инструментов.
