Экономия на ИИ — миф

Попросил нейросеть привести в порядок текст про экономию на ИИ. В результате пришлось объяснять ей мой стиль, чувство юмора и то, что у меня вообще-то есть собственный жизненный опыт. Заодно появилась новая задача: переделать навык, который должен был всё это учитывать.

В корпоративных бюджетах подобное дополнительное участие человека соседствует с расходами на модели, данные и инфраструктуру. В опросе Mavvrik и Benchmarkit среди 396 компаний только 11% сообщили, что прогнозируют расходы на ИИ с точностью ±10%. Среди источников неожиданных затрат перерасход на платформах данных упоминали даже чаще, чем расходы на токены: 47% против 43%.

Одна задача для агента может потребовать поиска данных, обращения к другим системам, проверки ответа и повторных попыток. Всё это нужно настроить и поддерживать. Поэтому стоимость готового результата складывается из нескольких счетов и рабочего времени людей, которые доводят его до пригодного состояния.

Сэкономить простым выбором модели подешевле тоже бывает затруднительно. Она может потратить больше токенов и сделать больше шагов для той же задачи. В исследовании восьми моделей в отдельных сравнениях модель с более низкой ценой токена обходилась до 28 раз дороже модели с более высоким тарифом.

Инженеры Airbnb, например, обнаружили, что в их экспериментах больше половины ответов сравниваемых вариантов моделей совпадают. Они настроили сохранение эталонных ответов и оценок для повторного использования. Это сократило повторные вычисления и позволило продолжать прерванные тесты с уже обработанного места. Вполне конкретная экономия на конкретной лишней работе.

Я сам пользуюсь вайбкодингом и ещё летом писал, что с распространением ИИ роль тестировщиков может вырасти. Проверка результата, разбор ошибок и управление исправлениями требуют времени. Именно эти часы стоит включать в стоимость задачи с самого начала и уже с ними оценивать экономию.

В сегодняшней редактуре человеческую часть этой автоматизации я отработал лично.

Источники: Mavvrik и Benchmarkit, Airbnb Engineering, исследование стоимости моделей.

Вопросы по материалу

О чем этот материал?

Попросил нейросеть привести в порядок текст про экономию на ИИ. В результате пришлось объяснять ей мой стиль, чувство юмора и то, что у меня вообще-то есть собственный жизненный опыт. Заодно появилась новая задача: переделать навык, который должен был всё...

Кто автор материала?

Материал подготовил Игорь Колосов. Автор материалов о продуктивности, IT, управлении, нейросетях и инструментах для работы и жизни.

Когда материал опубликован или обновлен?

Дата публикации: 07.10.2026. Последнее обновление: 07.10.2026.