Компании столкнулись с резким ростом расходов на нейросети
Компании, внедрившие нейросети, столкнулись с проблемой, которую не всегда удается учесть на этапе планирования: фактические расходы на ИИ заметно превышают первоначальные оценки. При этом бизнес пока не готов отказываться от технологий, несмотря на отсутствие понятных способов контролировать бюджет.
Большинство компаний вышли за рамки бюджета
Согласно опросу, проведенному среди 400 компаний за период до мая 2026 года, лишь небольшая доля организаций смогла удержать расходы на нейросети в пределах первоначального плана. У 11% респондентов перерасход составил от 0 до 11%.
Еще 39% компаний потратили на ИИ на 11–25% больше запланированного, а у 35% превышение бюджета оказалось в диапазоне от 26 до 50%. В 13% случаев использование нейросетей обошлось более чем в полтора раза дороже первоначальной сметы. Еще 2% участников опроса вообще не составляли прогнозов расходов и не могут оценить масштаб возможной переплаты.
Почему расходы на нейросети трудно предсказать
Одна из причин заключается в том, что выполнение одинаковой задачи в разных ИИ-сервисах может стоить совершенно по-разному. Разница в цене иногда достигает четырехкратного значения. На итоговые затраты влияют выбранная модель, число обращений к ней и объем вычислений, необходимых для получения результата.
Нейросети также работают не так, как традиционные программные инструменты. Они анализируют задачу, выбирают последовательность действий, могут менять стратегию и допускать ошибки. Пользователь оплачивает не только успешный результат, но и промежуточные шаги, повторные попытки и неудачные вычисления.
Дешевая модель может оказаться дороже
Попытка сократить расходы за счет перехода на более доступные модели не всегда приводит к экономии. Это показало исследование ученых из Стэнфордского университета, Университета Беркли, Университета Карнеги — Меллона и Университета Калифорнии. Авторы изучили более 6800 заданий, связанных с математикой, программированием и другими направлениями.
В ряде случаев дорогие модели справлялись с задачами значительно быстрее и точнее, поэтому общая стоимость получения результата оказывалась ниже. В качестве примера исследователи сравнили Gemini 3.1 Pro и более доступную Gemini 3 Flash. Для выполнения одного задания первой модели потребовалось 85 шагов, тогда как второй понадобилось около 1000 шагов, причем нужный результат она так и не получила. Расходы на Gemini 3 Flash составили $14, а на Gemini 3.1 Pro — $1.
Даже одна модель может расходовать бюджет по-разному
Выбор более производительной нейросети, однако, не гарантирует стабильных затрат. Одна и та же модель в разные периоды может использовать разное количество вычислений для выполнения схожих задач. Поэтому заранее рассчитать стоимость эксплуатации ИИ бывает сложно даже при неизменном наборе инструментов.
Эту ситуацию можно сравнить с услугами компании по покосу газонов. В один день работа занимает два часа и стоит $40, через неделю та же задача требует уже восьми часов и обходится в $160, а еще через некоторое время исполнитель тратит пять часов и завершает только половину работы. Для бизнеса это означает, что контроль расходов на ИИ требует учета не только тарифов, но и фактической эффективности моделей на конкретных задачах.
