Компании, агрессивно внедряющие ИИ, столкнулись с бюджетной проблемой, которую поначалу не закладывали в планы: стоимость вычислений — токены языковых моделей, облачные GPU, инференс-инфраструктура — в ряде случаев превысила расходы на человеческий персонал. Вице-президент Nvidia по прикладному машинному обучению Брайан Катанзаро прямо указал на это: у части команд вычислительные расходы уже «значительно превышают» затраты на зарплаты.
CTO Uber стал конкретным примером этой динамики: годовой ИИ-бюджет компании был исчерпан раньше срока, причём основная часть средств ушла на оплату токенов крупных языковых моделей, а не на найм или оборудование. Эта ситуация типична для организаций, которые перешли от экспериментов к промышленному использованию ИИ, не пересмотрев структуру затрат.
Pо прогнозам Gartner, мировые расходы на IT в 2026 году достигнут $6,31 трлн — рост на 13,5% год к году. Основной драйвер — именно ИИ-инфраструктура: дата-центры, чипы и облачные сервисы, а не традиционные категории корпоративного ПО.
Meta объявила об увольнении около 8000 сотрудников и заморозке вакансий для компенсации роста ИИ-расходов при одновременном вложении $135 млрд в развитие ИИ в 2026 году.
Логика расходов ставит компании перед неудобным выбором. Meta сократила около 8000 сотрудников и заморозила многие вакансии — в том числе для того, чтобы финансировать $135 млрд ИИ-инвестиций в 2026 году. Этот случай показывает, как технологический прогресс создаёт социальные издержки: рост производительности от ИИ пока не успевает компенсировать стоимость перехода.
Инвесторы публичных компаний становятся нетерпеливее: либо ИИ-расходы конвертируются в измеримый рост производительности или выручки, либо возникают вопросы к менеджменту. Это давление подталкивает к гибридным моделям, где ИИ усиливает сотрудников, а не заменяет их — полная автоматизация при текущих ценах на инференс нередко оказывается дороже, чем сохранение человека в контуре.
