Anthropic обогнал OpenAI: данные 2026 и что это значит для бизнеса

Подкаст по теме:

Время чтения: ~14 минут

Содержание статьи

Кратко: По данным Ramp Economics Lab за апрель 2026 года, Anthropic впервые обогнал OpenAI в корпоративном секторе — 34,4% против 32,3%. Ключевой драйвер — платформа Claude Cowork и агентские сценарии: переход от чат-интерфейса к полноценному делегированию задач. При этом три скрытые угрозы — токенная модель оплаты, нестабильность мощностей и скрытое утроение стоимости изображений — могут превратить AI-стратегию в финансовую ловушку. Главный вывод: не складывать всё в одну корзину и жёстко контролировать стоимость рутинных задач.

Пока весь рынок продолжал обсуждать OpenAI как непоколебимого монополиста, реальный корпоративный бизнес тихо переводил бюджеты другой компании. Anthropic впервые обогнал OpenAI по фактическому использованию в корпоративном секторе — и это не результат маркетинговой кампании или удачной презентации для инвесторов, а данные о реальных транзакциях по корпоративным картам американских компаний.

Отчёт Ramp Economics Lab за апрель 2026 года фиксирует событие, в которое сложно было поверить ещё год назад. Компания, которую рынок воспринимал как перспективного, но нишевого игрока, вышла на первое место в корпоративном сегменте. И чтобы понять, что за этим стоит, нужно разобраться не только в победных цифрах — но и в рисках, которые идут с ними в комплекте.

В этом разборе — данные, три ключевые угрозы для AI-бюджета любой компании и практическая стратегия для маркетологов и предпринимателей, которые хотят использовать возможности AI без неожиданных финансовых потрясений.

Смена лидера: цифры, которые рвут шаблоны

Данные за апрель 2026 года недвусмысленны. Доля Anthropic среди корпоративных клиентов выросла на 3,8 процентных пункта и достигла 34,4%. OpenAI — на уровне 32,3%. Впервые за всё время существования рынка корпоративного AI лидеры поменялись местами.

Методология Ramp Economics Lab исключает интерпретационный шум: это не опрос о предпочтениях и не рейтинг «умности» моделей. Аналитики смотрят на реальные транзакции по корпоративным картам. Маркетологи и предприниматели буквально голосуют долларом каждый день — именно это делает данные ценными для стратегического анализа.

Данные Ramp Economics Lab, апрель 2026

Провайдер

Доля корпоративного рынка

Динамика

Anthropic (Claude)

34,4%

+3,8 п.п.

OpenAI (ChatGPT)

32,3%

—

Общий рынок AI-инструментов

50,6%

+0,2 п.п.

Но именно третья строчка таблицы — самая важная для стратегического понимания ситуации. Общее проникновение AI-инструментов в корпоративном секторе выросло всего на 0,2 п.п. и составило 50,6%. Это означает: почти половина компаний до сих пор не использует AI в работе. Рост Anthropic происходит не за счёт привлечения новых пользователей AI в целом, а за счёт переключения с OpenAI. Это принципиально важный нюанс для понимания природы конкуренции на рынке.

Почему почти половина компаний всё ещё без AI

Это требует отдельного осмысления. В эпоху, когда об AI не говорит только ленивый, 49,4% бизнеса продолжает работать без нейросетей. Аналогия несколько утрированная, но точная по сути: как в эпоху смартфонов половина рынка всё ещё сидит с дисковыми телефонами.

Причина кроется в особенностях динамики рынка корпоративного программного обеспечения — она никогда прежде не была такой изменчивой. В традиционном корпоративном софте — тех же CRM-системах — существует жёсткая привязка к бренду. Корпорация, которая внедрила систему, будет сидеть на ней годами: переучивать сотрудников дорого, данные перенести сложно, а интеграции требуют времени и ресурсов.

С нейросетями всё принципиально иначе. Переключиться с одного AI-интерфейса на другой можно буквально в несколько кликов. Лояльность — практически нулевая. Это означает: рынок не прощает ошибок. Любой новый игрок может разрушить монополию лидеров за пару месяцев, просто предложив лучший продукт или более понятную ценность для бизнеса. Именно это и произошло с Anthropic.

Для тех 49%, которые ещё не внедрили AI, медлительность объясняется не столько техническими барьерами, сколько неуверенностью в ROI и страхом непредсказуемых расходов. И этот страх, как выяснится дальше, вполне обоснован — если заходить в AI без понимания структуры ценообразования.

Секрет Anthropic: от чата к делегированию задач

Если смотреть на транзакционные данные, основной драйвер роста Anthropic — это не классический интерфейс чата и не превосходство модели в бенчмарках. Компании переходят к Claude не потому, что он лучше отвечает на абстрактные вопросы. Они переходят потому, что меняется сама модель использования AI в бизнесе.

«Важны не сухие цифры, а понимание, почему это происходит. А происходит это потому, что бизнес выбирает интеграцию в рабочие процессы, а не просто генерацию текста.» — Любовь Черемисина

Бизнесу больше не нужен умный стажёр, с которым можно поболтать в чате. Нужен автоматизированный менеджер, который сам берёт задачу и делает её без ручного участия в каждом микрошаге. Это и есть суть перехода от чата к делегированию — и именно здесь Claude Cowork выигрывает конкурентную гонку.

Платформа Claude Cowork и агентские сценарии — это инфраструктура для полноценной рабочей интеграции. Автономный AI-агент заходит в базу данных, составляет письмо, отправляет его, анализирует ответ и делает следующий шаг — без участия человека в каждой операции. Это не чат-бот. Это операционный слой бизнеса.

Зачем маркетологу текст, который потом нужно копировать, проверять и переносить в другой сервис, если алгоритм может сам зайти в CRM, заполнить поля, сформировать письмо и отправить его? За эту бесшовность бизнес и готов платить. Это объясняет, почему такие компании, как Anthropic, растут быстрее не за счёт технологического превосходства, а за счёт правильно выбранного сценария использования.

Понимание этого сдвига важно и стратегически: критерий выбора AI-инструмента меняется. Больше не «насколько умна нейросеть?» — а «насколько бесшовно она встраивается в то, как мы уже работаем?». Именно поэтому искусственный интеллект в маркетинге всё чаще обсуждается не как инструмент для генерации контента, а как операционная инфраструктура.

Три скрытые угрозы для вашего AI-бюджета

Данные Ramp Economics Lab ценны не только своей победной частью. Аналитики зафиксировали три системных риска, которые при неосторожном подходе превращают AI-стратегию в финансовую ловушку. Их важно понимать до того, как подписывать корпоративный контракт или запускать AI в доступ всей команде.

Угроза 1: Конфликт интересов в токенной модели оплаты

Создатели нейросетей зарабатывают на объёме обрабатываемой информации — на токенах. Токен — это примерно три четверти слова: каждое прочитанное и написанное моделью слово списывает определённую сумму со счёта. На первый взгляд, понятная и логичная модель. Проблема в том, как провайдеры её применяют на практике.

По умолчанию система может направить элементарный запрос — например, «отсортируй список email-адресов» — через самую тяжёлую и дорогую модель, предназначенную для написания сложного кода или глубокого аналитического анализа. Бизнес платит по максимальному тарифу за простейшую рутину, которую вполне мог бы обработать алгоритм в десять раз дешевле.

«Провайдерам экономически выгодно, чтобы каждая задача шла через самую мощную и дорогую модель. Интересы пользователя и интересы провайдера здесь объективно расходятся.»

Показательный пример из отчёта: технический директор Uber официально заявил, что компания уже исчерпала весь запланированный бюджет на AI на 2026 год. Не за год — за несколько месяцев. Когда в компании тысячи сотрудников бесконтрольно тратят токены без чётких политик использования, деньги улетают в трубу с геометрической прогрессией.

Это не история о расточительности одной компании — это структурная проблема токенной модели оплаты. Готовность бизнеса платить за нейросети упирается именно в этот барьер: непредсказуемость расходов убивает желание масштабировать использование.

Угроза 2: Проблемы с мощностями и стабильностью сервиса

Резкий наплыв корпоративных клиентов создал для Anthropic проблему, которую сложно решить быстро: серверные мощности не успевают за темпами роста спроса. В апреле 2026 года пользователи Claude фиксировали жёсткие сбои и принудительные ограничения по лимитам использования.

Ответом компании стали два шага: обновление политики лимитов и заключение сделки со SpaceX для получения дополнительных вычислительных мощностей. Последнее — симптоматичный сигнал рынку: когда AI-компания ищет вычислительные ресурсы у аэрокосмической корпорации, это говорит о масштабе инфраструктурного кризиса. Выглядит как попытка залатать дыру на ходу, а не системное решение проблемы масштабирования.

Для бизнеса это означает риск операционной зависимости от единственного провайдера. Если ключевые процессы — генерация предложений, отправка писем, аналитика данных — завязаны на один AI-инструмент, любой сбой с его стороны парализует работу. Автоматизация бизнес-процессов требует отказоустойчивости и диверсификации, а не монозависимости от одного провайдера.

Угроза 3: Скрытое удорожание обработки изображений

Это наиболее коварная из трёх угроз — именно потому, что она абсолютно незаметна в ежедневном рабочем процессе. Аналитик Рафаэль Хаджар обнаружил в последнем обновлении тарификации Anthropic принципиальный нюанс: стоимость обработки изображений выросла в три раза по сравнению с аналогичным объёмом текста.

Механика простая и технически обоснованная: для нейросети распознавание и анализ изображения требует несопоставимо больших вычислительных ресурсов, чем обработка текстового запроса. В интерфейсе это выглядит как одно безобидное действие — прикрепил скриншот, загрузил слайд из презентации клиента. Но токенный счётчик в этот момент работает в три раза быстрее.

Хорошая аналогия: купить машину, у которой включение дворников утраивает расход топлива. В интерфейсе — один клик. В реальности — тройные расходы на каждое использование этой функции. Сотрудники будут загружать графики из отчётов, скриншоты дашбордов, страницы конкурентов — просто потому что это удобнее, чем описывать данные текстом. Никто не думает о токенах, когда ставит задачу AI в рабочем потоке. Финансовый отдел заметит аномалии через полгода, когда счета за AI-сервисы окажутся в несколько раз выше ожидаемых.

Именно такие ценовые сюрпризы, по оценке профильных аналитиков из отчёта, — прямой путь к оттоку корпоративных клиентов от провайдера. И именно поэтому параллельно с ростом Claude стремительно растут альтернативные платформы, предлагающие доступ к более дешёвым решениям с открытым исходным кодом.

Стратегия: гибкость как главный актив маркетолога

Данные описаны, угрозы названы. Теперь — что с этим делать на практике прямо сейчас.

Первый и главный принцип: не нужно хранить верность одному провайдеру. Рынок AI-инструментов — один из немногих сегментов, где стоимость переключения между провайдерами практически нулевая. Это даёт свободу выбора, которой нужно пользоваться осознанно, а не игнорировать из-за инертности или бренд-лояльности.

Конкретный пример из данных отчёта: модель Codex от OpenAI по-прежнему отлично справляется с задачами программирования — и делает это значительно дешевле аналогичных решений Claude. Правило для маркетолога простое: используй лучший инструмент под конкретную задачу, а не самый известный или модный на этой неделе.

Мультимодельный подход: как распределять задачи между провайдерами

Тип задачи

Рекомендуемый инструмент

Обоснование

Агентские сценарии, интеграция с рабочими процессами

Claude Cowork

Лучшая бесшовность, экосистема плагинов

Написание кода, автоматизация скриптов

OpenAI Codex

Специализирован и дешевле

Рутина: сортировка, классификация, шаблоны

Open-source модели (Mistral, Llama)

Минимальная стоимость токена

Аналитика, стратегические и творческие задачи

Тяжёлые премиальные модели

Здесь качество оправдывает цену

Главный тренд, который фиксирует рынок — рост платформ-посредников, или роутеров моделей. Это инфраструктурный слой, который автоматически направляет каждую задачу к наиболее подходящему и экономичному провайдеру. Сложные творческие или аналитические задачи — к дорогим премиальным моделям. Всю рутину: сортировку данных, шаблонные тексты, классификацию — к дешёвым open-source аналогам. Ты арендуешь только нужные мощности и не переплачиваешь за премиум-бренд там, где он просто не нужен.

Гонка AI — это больше не соревнование «чья нейросеть умнее». Для бизнеса это соревнование «кто даёт лучший результат за меньшие деньги без скрытых платежей». Долгосрочным победителем на этом рынке, возможно, станет не Anthropic и не OpenAI, а та компания, которая сможет сделать AI абсолютно незаметным в работе — с предсказуемой фиксированной ценой, где нет риска обанкротиться из-за лишних десяти загруженных скриншотов.

Для маркетолога это означает необходимость выстраивать AI не как набор разрозненных инструментов, а как управляемую систему — с понятными политиками использования, контролем расходов и чётким распределением задач между провайдерами. Именно так нейросети для бизнеса становятся источником управляемого роста, а не статьёй непредсказуемых расходов, которые замечают только по факту квартального счёта.

Видео по теме:

Чек-лист для маркетологов и предпринимателей

  1. Проведите аудит текущего AI-стека. Какие инструменты используются, кем, под какие задачи и по какому тарифному плану. Большинство компаний не имеют полной картины до первого финансового сюрприза — лучше получить её заранее.
  2. Введите политику выбора модели по типу задачи. Не позволяйте каждому сотруднику самостоятельно решать, какую модель использовать для конкретного запроса. Простые и рутинные задачи — дешёвые или open-source модели. Сложные и творческие — премиальные.
  3. Установите ограничения на использование изображений. Информируйте команду: загрузка скриншотов и презентаций в AI стоит в три раза дороже текстового запроса. Правило простое — изображения только тогда, когда это принципиально меняет качество ответа.
  4. Протестируйте платформы-роутеры моделей. Инструменты типа LiteLLM и аналогичные позволяют автоматически маршрутизировать задачи к наиболее экономичному провайдеру без потери качества на ключевых запросах.
  5. Диверсифицируйте AI-стек. Не концентрируйтесь на одном провайдере. Claude для агентских сценариев, Codex для кода, open-source для рутины. Диверсификация снижает одновременно и финансовые, и операционные риски.
  6. Ежемесячно анализируйте AI-расходы в разбивке. По инструментам, командам и типам задач. Аномалии видны только тем, кто смотрит на данные регулярно — а не тогда, когда финансовый директор задаёт вопросы по итогам квартала.
  7. Закладывайте в AI-бюджет буфер 30%. Токенная модель оплаты непредсказуема, особенно при масштабировании использования. Резерв на непредвиденные пики потребления — не паранойя, а финансовая гигиена.

Хотите выстроить AI-стратегию для маркетинга с управляемыми расходами и измеримым бизнес-результатом?

Записаться на консультацию →

Ключевые выводы

  • В апреле 2026 года Anthropic впервые обогнал OpenAI в корпоративном секторе: 34,4% против 32,3% по данным Ramp Economics Lab о реальных транзакциях.
  • Общее проникновение AI остаётся на уровне 50,6% — половина бизнеса по-прежнему не использует нейросети в работе.
  • Ключевой драйвер роста Anthropic — Claude Cowork и агентские сценарии: переход от генерации текста к делегированию задач и автоматизации процессов.
  • Три скрытые угрозы: токенная модель оплаты с конфликтом интересов, нестабильность мощностей при масштабировании, скрытое утроение стоимости обработки изображений.
  • Стратегия — мультимодельный подход: разные задачи требуют разных инструментов, стоимость переключения между провайдерами близка к нулю — это конкурентное преимущество, которое нужно использовать.
  • Долгосрочный победитель рынка — тот, кто сделает AI незаметным и предсказуемым по цене, а не тот, чья модель умнее в бенчмарках.

Частые вопросы

Почему Anthropic обогнал OpenAI в корпоративном секторе?

Главный драйвер — платформа Claude Cowork и агентские сценарии. Бизнес выбрал не умный чат, а инструмент для делегирования задач: автоматизированного менеджера, который сам зайдёт в базу данных, напишет письмо и отправит его без участия человека в каждом шаге. Переход от «общаться с AI» к «делегировать AI» — вот в чём суть смены лидера.

Что такое токены и почему они важны для AI-бюджета?

Токен — единица обработки информации нейросетью, примерно 3/4 слова. Провайдеры AI зарабатывают на количестве обработанных токенов. При бесконтрольном использовании, особенно с тяжёлыми моделями и при загрузке изображений, годовой AI-бюджет может быть исчерпан за квартал — именно это произошло с командой Uber в 2026 году.

Стоит ли бизнесу переходить с OpenAI на Claude прямо сейчас?

Не стоит делать выбор в пользу единственного инструмента для всех задач. Оптимальная стратегия — мультимодельный подход: Claude Cowork для агентских сценариев и интеграций, OpenAI Codex для программирования, дешёвые open-source модели для рутины. Стоимость переключения между провайдерами близка к нулю — это нужно использовать осознанно, а не игнорировать.

Как контролировать расходы на AI в компании?

Ввести политику выбора модели по типу задачи, ограничить массовую загрузку изображений без реальной необходимости, внедрить платформы-роутеры моделей и ежемесячно анализировать расходы в разрезе инструментов и команд. Закладывать в бюджет буфер 30% на непредвиденные пики.

Что такое платформы-посредники (роутеры моделей) и зачем они нужны бизнесу?

Это инструменты, которые автоматически маршрутизируют задачи к наиболее подходящей и экономичной модели: сложные творческие и аналитические задачи — к премиальным моделям, рутину (сортировка, классификация, шаблонные тексты) — к дешёвым open-source аналогам. По оценкам практиков, это позволяет сократить AI-расходы на 30–50% без потери качества на ключевых задачах.

Любовь Черемисина

Стратегический маркетолог, fractional CMO, консультант по AI в маркетинге

20 лет в digital-маркетинге. Более 100 компаний в работе. 4 000+ часов стратегических сессий, 2 000+ интервью с маркетологами, 2,3 млрд ₽ дополнительной выручки клиентам. Специализация: маркетинговые системы, AI-стратегия для бизнеса, синергия маркетинга и продаж.

Читать также: