Подкаст по теме

Время чтения: ~14 минут

Содержание статьи

Кратко: бюджет на нейросети экономит деньги не сам по себе. Экономия появляется, когда компания оплачивает не «доступ к умному чату», а измеримый процесс: анализ звонков, подготовку контента, сведение данных или обработку документов. Для этого нужно считать подписки, API-токены, интеграцию и контроль качества вместе, а затем сравнивать их со стоимостью текущего процесса.

В июне 2026 года Business Insider опубликовал результаты очередного опроса RBC Capital Markets среди более чем 100 CIO и технологических руководителей. Все респонденты заложили расходы на AI и большие языковые модели. Причём 91% сформировали для этого новые бюджеты, а не перераспределили старые. Почти девять из десяти назвали расходы на токены управляемыми, хотя примерно половина уже вышла за первоначальный план.

Цифры выглядят как победный марш технологий. Но для малого и среднего бизнеса картина часто обратная. Сотрудникам раздают доступ к ChatGPT или Claude, проводят короткое обучение, ждут кратного роста производительности — и через месяц получают несколько текстов, десяток случайных промптов и устойчивое раздражение команды.

Проблема не в цене токенов. Проблема в том, что бизнес оплачивает AI, но не определяет, какой процесс и какую единицу результата он покупает.

Почему AI пора вынести в отдельный бюджет

Корпорации перестали относить AI к экспериментам «на сдачу». По данным того же исследования RBC, более половины компаний уже используют AI в производственных процессах, ещё 35% планируют перейти к ним в ближайшие шесть месяцев. При этом расходы на обычное программное обеспечение не исчезли. CRM, облака и бухгалтерские системы остались. К ним добавился новый вычислительный слой.

Это важный управленческий сдвиг. Нейросеть не заменяет весь программный контур компании. Она добавляет способность понимать неструктурированные данные, создавать черновики, классифицировать обращения, искать закономерности и предлагать следующие действия. Поэтому бюджет на AI логичнее сравнивать не с ценой одной программы, а со стоимостью конкретной операции до и после автоматизации.

RBC Capital Markets отдельно отмечает переход рынка от пилотов к измеримому ROI. В своём прогнозе на 2026 год аналитики называют главными производственными сценариями клиентский сервис, финансовые процессы, прогнозирование цепочек поставок и анализ документов. Это довольно скучный список. И именно поэтому он полезен: реальная экономия редко начинается с эффектного чат-бота на главной странице. Она начинается с процесса, который повторяется сотни раз.

Бюджет на нейросети — это совокупность расходов на пользовательские лицензии, API, инфраструктуру, интеграцию, контроль качества и сопровождение AI-процессов. Оценивать только стоимость подписки — всё равно что считать цену автомобиля без топлива, страховки и водителя.

Что такое токен и за что платит бизнес

Токен — единица, на которую модель разбивает входные данные и из которой формирует ответ. Это может быть слово, часть слова, знак препинания или другой фрагмент. Универсального правила «один токен равен четырём буквам» нет: результат зависит от языка и конкретного токенизатора.

Когда система отправляет модели запрос, в расход попадает не только новая фраза сотрудника. Модель может получить системную инструкцию, историю диалога, найденные документы, карточку клиента и описание инструментов. Затем оплачивается сгенерированный ответ. У некоторых провайдеров отдельно тарифицируются входные, выходные и кэшированные токены. Актуальные ставки меняются, поэтому их нужно брать из прайс-листа выбранной модели, а не из статьи шестимесячной давности.

Отсюда первый вывод: длиннее — не всегда умнее. Если к каждому запросу прикладывать всю базу знаний компании, счёт будет расти быстрее качества. Нужны поиск по релевантным фрагментам, кэширование повторяющихся инструкций, ограничение длины ответа и выбор модели под сложность задачи.

Контекстное окно — это объём информации, который модель способна учитывать в одном запросе. Большое окно позволяет анализировать длинные документы и переписки, но не отменяет архитектуру. Если загрузить в него всё подряд, модель получит дорогой информационный склад. Для бизнеса важна не максимальная вместимость, а релевантность контекста.

Что я называю токеномикой AI

В классическом значении токеномика описывает выпуск, распределение и использование криптотокенов. Здесь я использую термин в прикладном управленческом смысле.

Токеномика AI — это система планирования и контроля расходов на языковые модели, в которой токены связываются с бизнес-операциями, качеством результата и экономическим эффектом.

В ней есть два базовых слоя. Первый — лицензии для людей, которым нужен полноценный рабочий интерфейс: маркетологов, аналитиков, руководителей, юристов. Второй — лимиты API для повторяемых процессов, где данные передаются автоматически. Например, CRM отправляет диалог с клиентом на анализ, а результат возвращается в карточку сделки без копирования между вкладками.

Но на практике понадобится ещё три строки: разработка или настройка интеграции, контроль качества и сопровождение. Если их не учитывать, получается красивая стоимость демо и неприятная стоимость владения. Подробнее эту разницу я разбирала в статье о стоимости ИИ-агента и TCO.

Статья расходов

Что входит

Как контролировать

Лицензии

Рабочие тарифы ChatGPT, Claude и других сервисов

Число активных пользователей и задачи на одного пользователя

API

Входные, выходные и кэшированные токены

Лимиты по процессу, модели и подразделению

Инфраструктура

Сервер, хранилище, автоматизация, мониторинг

Полная стоимость владения за месяц

Интеграция

Подключение CRM, аналитики, телефонии и документов

Стоимость запуска и доработок

Качество

Проверка ответов, разметка ошибок, безопасность

Доля принятых результатов и цена ошибки

Почему бесплатный доступ искажает оценку технологии

Бесплатный тариф хорош для знакомства, но плох как стенд для оценки корпоративного процесса. В зависимости от продукта он может ограничивать число запросов, доступ к моделям, инструменты, объём файлов или стабильность работы в пиковое время. Эти условия меняются, поэтому нельзя автоматически переносить опыт бесплатной версии на платный рабочий контур.

Есть и более глубокая проблема. Сотрудник работает в отдельной вкладке и вручную переносит данные. Нейросеть не знает регламенты компании, историю клиента и правила принятия решений. В итоге человек каждый раз заново собирает контекст, а затем копирует ответ обратно. Это не автоматизация. Это дополнительная операция с очень современным интерфейсом.

Именно здесь возникает проблема последней мили: универсальную модель не связали с реальными данными и процессами компании. Если нужен такой связующий слой, появляется роль AI-интегратора. Он проектирует процесс целиком, а не просто выбирает сервис.

Раздать сотрудникам доступ к нейросети — ещё не внедрение. Это только выдача инструмента. Внедрение начинается там, где определены процесс, данные, лимиты, контроль и метрика результата.

Три сценария, где токены могут экономить бюджет

1. Контент и SEO: экономия на цикле, а не на авторе

Нейросеть может собирать фактуру, группировать семантику, строить структуру, готовить черновик, проверять полноту и адаптировать материал под разные форматы. Но эксперт отвечает за позицию, факты и финальный смысл. Поэтому считать нужно стоимость всего цикла: исследование, текст, редактура, публикация и обновление.

Если раньше внешний контур занимал 40 часов, а после внедрения — 15, экономия равна стоимости 25 часов минус лицензии, API и контроль. Если же команда стала выпускать в три раза больше слабых текстов, экономии нет. Есть ускоренное производство контентного долга. Практические сценарии я собрала отдельно в материале про 28 задач AI в маркетинге.

2. Контроль качества продаж: перейти от выборки к покрытию

Человек физически не прослушает все звонки отдела продаж. AI может расшифровать разговоры, проверить обязательные этапы, найти рискованные обещания и собрать повторяющиеся возражения. Ценность здесь не только в снижении цены проверки. Бизнес получает покрытие, которое раньше было экономически недоступно.

Однако стоимость одного звонка нельзя зафиксировать навсегда. Она зависит от длительности аудио, тарифа распознавания, объёма транскрипта, модели анализа и длины отчёта. Поэтому правильная единица расчёта — не «токен вообще», а один полностью обработанный звонок с заданным качеством.

3. Аналитика: машина собирает, человек решает

В небольших компаниях маркетолог часто одновременно выгружает данные, сводит таблицы и пытается найти причины изменений. На рутину уходит время, нужное для решений. Гибридная архитектура разделяет работу: скрипт или n8n детерминированно собирает показатели, а модель объясняет аномалии и формулирует гипотезы.

Такой подход дешевле попытки поручить агенту всё. В моём разборе AI-аналитика на связке n8n и API агент застрял на техническом шаге и начал перебирать решения, сжигая токены. После разделения слоёв стоимость стала управляемой: скрипту отдали повторяемые действия, модели — интерпретацию.

Здесь полезно отличать автоматизированный процесс от ИИ-ассистента. Ассистент помогает человеку по запросу. Интегрированная система работает по событию, получает данные и возвращает результат в нужный интерфейс.

Как рассчитать экономику AI-процесса

Начните не с выбора модели, а с базовой стоимости процесса. Возьмите один месяц и посчитайте: сколько операций выполняется, сколько времени занимает каждая, сколько стоит час участников, сколько ошибок возникает и во что они обходятся.

Стоимость до AI = объём операций × время на операцию × стоимость часа + стоимость ошибок.

Стоимость после AI = лицензии + API + инфраструктура + сопровождение + время проверки + стоимость ошибок AI.

Экономический эффект = стоимость до AI − стоимость после AI. Для сравнения инвестиций используйте ROI: эффект за период делится на затраты внедрения и умножается на 100%.

Добавьте три показателя, которые часто теряются за красивой экономией:

  • доля принятых результатов — сколько ответов можно использовать без полной переделки;
  • время цикла — насколько быстрее результат доходит до сотрудника или клиента;
  • цена ошибки — сколько стоит неверная классификация, обещание или вывод.

Если цена ошибки высока, человек остаётся в контуре. Это не недостаток автоматизации, а нормальная архитектура контроля. AI усиливает команду, но не получает право самостоятельно принимать любое решение только потому, что умеет формулировать уверенный ответ.

Как внедрить токеномику без слива бюджета

Самая частая ошибка — начинать с ожидания кратного роста выручки. На первом этапе AI обычно даёт не новый рынок, а сокращение времени, увеличение покрытия контроля и более быстрый доступ к данным. Это уже бизнес-эффект. Просто он находится в операционной модели, а не в рекламном обещании.

  1. Выберите один повторяемый процесс. Он должен иметь измеримый объём и понятный результат.
  2. Зафиксируйте базовую линию. Время, стоимость, ошибки, задержки и текущий уровень качества.
  3. Разделите детерминированную и интеллектуальную работу. Сбор и перенос данных отдайте интеграциям; анализ и генерацию — модели.
  4. Назначьте лимиты. Ограничьте бюджет, число попыток, длину контекста, время выполнения и доступные действия.
  5. Подберите модель под задачу. Самая дорогая модель не обязана обрабатывать простую классификацию.
  6. Оставьте контроль человека. Особенно для финансовых, юридических и клиентских решений.
  7. Проведите пилот на реальном объёме. Демо из десяти примеров не показывает стоимость месяца.
  8. Сравните экономику. Решение масштабируется только после проверки качества и полной стоимости владения.

Сильная стартовая гипотеза: покупать у AI не замену должности, а недостающую пропускную способность. Не «заменим аналитика», а «будем ежедневно проверять все кампании». Не «уволим контролёра», а «проанализируем 100% звонков и передадим человеку только рисковые».

Чек-лист для маркетологов и предпринимателей

  • Добавьте в бюджет отдельные строки: лицензии, API, инфраструктура, интеграция и контроль.
  • Выберите процесс, в котором сейчас теряются часы, качество или покрытие.
  • Посчитайте стоимость одной операции до AI.
  • Назначьте владельца процесса и месячный лимит расходов.
  • Проверьте качество минимум на 50–100 реальных примерах.
  • Сравните не только деньги, но и скорость, ошибки и долю принятого результата.
  • Масштабируйте только тот сценарий, где эффект подтверждён цифрами.

Если вы хотите понять, какие AI-процессы дадут эффект именно вашему бизнесу, я помогу провести диагностику, посчитать экономику и определить приоритет внедрения.

Посмотреть форматы работы

Ключевые выводы

  • Токены становятся экономией только внутри измеримого процесса.
  • Полный AI-бюджет включает не только подписку и API, но также интеграцию, инфраструктуру, контроль и сопровождение.
  • Главная единица расчёта — обработанный звонок, отчёт или документ, а не абстрактный токен.
  • Детерминированным инструментам лучше отдавать сбор данных, языковой модели — анализ и формирование выводов.
  • На старте разумнее усиливать команду и увеличивать покрытие, а не планировать увольнения.

Частые вопросы

Что такое токеномика AI для бизнеса?

Это система планирования расходов на языковые модели. Она связывает лицензии, API-токены, инфраструктуру и контроль качества с конкретными бизнес-операциями и результатами.

Из чего складывается бюджет на нейросети?

Из пользовательских подписок, использования API, серверов и автоматизаций, интеграции с данными, сопровождения и времени сотрудников на проверку результатов.

Как понять, окупается ли AI-процесс?

Сравните стоимость процесса до и после внедрения. Учитывайте трудозатраты, API, инфраструктуру, сопровождение, скорость, долю принятого результата и стоимость ошибок.

Можно ли внедрять нейросети на бесплатных тарифах?

Их достаточно для знакомства и небольшого пилота. Для регулярного процесса ограничения бесплатного тарифа могут искажать оценку качества, доступности и производительности.

Что выгоднее: подписка или API?

Подписка удобна для работы человека в интерфейсе. API подходит для повторяемых автоматизированных процессов. В большинстве компаний нужна комбинация этих моделей.

Нужно ли выбирать самую сильную модель?

Нет. Модель выбирают по сложности задачи, требованиям к качеству, скорости и цене ошибки. Простые операции часто выгоднее выполнять более компактной моделью.

Должен ли AI заменить сотрудников ради экономии?

На старте — нет. Более безопасная стратегия состоит в том, чтобы убрать рутину, увеличить покрытие контроля и дать сотрудникам больше времени на решения, которые требуют опыта и ответственности.

Любовь Черемисина

Стратегический маркетолог, предприниматель, fractional CMO, специалист по внедрению AI

20 лет в digital, 100+ компаний в работе, 10 000+ часов преподавания и 4 000+ часов стратегических сессий. Соединяю стратегию, данные, AI и внедрение в управляемые маркетинговые системы.

Читать также

Источники

  1. Business Insider: результаты опроса CIO от RBC Capital Markets, 26 июня 2026 года
  2. RBC Capital Markets: Six tech trends shaping 2026
  3. OpenAI: What are tokens and how to count them?