Внутренний меморандум Meta, попавший в распоряжение The Information, зафиксировал «экспоненциальный рост» потребления ИИ среди сотрудников. Если тенденция сохранится, к 2026 году только внутреннее использование обойдётся компании в миллиарды долларов — без учёта расходов на обучение моделей и внешние продукты.
Проблема оказалась не только финансовой. Когда Meta сделала применение ИИ «базовым ожиданием» при оценке эффективности сотрудников, внутри компании возникло явление, получившее название tokenmaxxing. Сотрудники начали искусственно накручивать потребление токенов через внутренний рейтинг Claudeonomics — и за чуть более чем 30 дней суммарный расход составил 73,7 трлн токенов. Токен — минимальная единица текста, которую обрабатывает языковая модель; стоимость работы с LLM напрямую зависит от их числа. Иными словами, компания платила за активность, которая не имела отношения к реальной производительности.
CTO Meta Эндрю Босворт отреагировал отдельным меморандумом: «Никто не должен использовать инструменты ИИ ради самого использования. Движение — это ещё не прогресс, а количество токенов само по себе не является мерой эффективности». Инструменты должны применяться тогда, когда они «позволяют делать работу лучше и быстрее».
Сотрудники за 30 дней израсходовали 73,7 трлн токенов через внутренний рейтинг Claudeonomics.
В ответ на ситуацию Meta разработала несколько мер. Команда инженеров создала централизованный дашборд ИИ Gateway, который отслеживает потребление и расходы в одном месте. С 2027 года планируется ввести бюджеты и лимиты на токены для отдельных сотрудников и команд — сейчас у них нет ни видимости собственного потребления, ни инструментов его контроля. Дополнительно появятся автоматические оповещения о резких скачках затрат.
Параллельно Meta пытается снизить зависимость от сторонних моделей. Компания подталкивает сотрудников переходить с Claude от Anthropic на собственный ассистент MetaCode. Инженеры нового подразделения Applied ИИ Engineering работают над улучшением MetaCode, создавая задачи по программированию в качестве обучающих данных. При этом в меморандуме признаётся, что собственные модели Meta пока не конкурентоспособны на переднем крае — доступ к другим моделям сохранится.
История Meta не уникальна. Amazon столкнулась с аналогичной проблемой tokenmaxxing, которая вышла из-под контроля. Генеральный директор OpenAI Сэм Альтман недавно назвал контроль затрат «огромной проблемой» для своих клиентов — отчасти это связано со значительным ростом цен на использование моделей. Оба случая вписываются в более широкую тенденцию: бизнес всё активнее задаётся вопросом, ли ИИ повышает производительность или просто генерирует новую статью расходов. Переход от стимулирования потребления к управлению им — признак того, что первая, экспериментальная фаза корпоративного внедрения ИИ заканчивается.
