Счёт за ИИ

Как сообщило 4 ноября агентство Bloomberg (в пересказе 9to5Mac и MacRumors), в октябре Apple без лишнего шума снизила дневной лимит расходов на ИИ для части инженеров с 300 до 200 долларов. Компания планирует дальнейшие сокращения, которые могут довести лимит для некоторых инженерных команд до 100 долларов в день, как уже установлено для многих групп за пределами инженерии, а для некоторых команд рассматривала и всего 25 долларов. Некоторым командам рекомендуют использовать более дешёвые модели или модели, которые работают на их собственных устройствах, а тот, кому нужно больше, может попросить исключение у высшего руководства.

Источники Bloomberg также сообщили, что немногие тратили полные 300 долларов в день, и неясно, сколько Apple сэкономит. При этом Apple не отступает от ИИ: 9to5Mac отмечает, что её расходы на исследования и разработки в 2026 финансовом году выросли на 32 процента, до 45,8 миллиарда долларов, отчасти за счёт инфраструктуры и ИИ. Лимит не означает вывода о том, что ИИ не работает. Это признак того, что расходы выросли настолько, что ими пора управлять.

Два года большинство компаний покупали ИИ как программное обеспечение: одно место на человека по фиксированной цене. Агенты, которые читают кодовую базу, запускают тесты и пробуют снова, потребляют его гораздо больше, и всё большая его часть теперь оплачивается по факту использования. Поэтому ИИ становится расходом на сотрудника, который меняется каждый день, и ему нужна та же дисциплина, которую компания уже применяет к фонду оплаты труда. Ниже о том, как этого добиться, не теряя того, что эти расходы дают.

Не только Apple

Apple не одна такая. В июне представитель Uber подтвердил Bloomberg, что компания ограничивает каждого сотрудника 1'500 долларами в месяц на токены для каждого ИИ-инструмента для программирования, после того как в начале года превысила свой бюджет на ИИ. В октябре издание 404 Media сообщило, что Accenture объявила многим сотрудникам, что теперь будет тратить на Claude лишь 29 долларов в месяц на человека, хотя некоторые из них тратили до 1'000 долларов в месяц.

Поставщики видят тот же сдвиг. На звонке Microsoft по итогам квартала 28 октября Сатья Наделла сказал, что потребление кредитов агентными функциями GitHub более чем удвоилось с тех пор, как вступила в силу оплата по факту использования. По его словам, клиенты покупают кредиты и хотят расходовать их эффективно: «Мы не хотим, чтобы они переплачивали за что-то одно, а потом чувствовали, что занимаются погоней за токенами».

Арифметика

При прежнем лимите Apple инженер мог тратить 300 долларов в день. За месяц примерно из 20 рабочих дней это до 6'000 долларов, а команде из десяти человек это обойдётся в 60'000 долларов. Потолок Uber при использовании двух инструментов для программирования составляет 3'000 долларов в месяц на человека, у Accenture он равен 29.

Это потолки, а не средние расходы, но суммам такого размера нужно то, что уже есть у фонда оплаты труда и счетов за облако: ответственный, прогноз и ежемесячный разбор. Зарплата фиксирована, а счёт за ИИ меняется в зависимости от того, как выполняется работа: какая модель работает, сколько контекста ей нужно прочитать, как часто она начинает заново. Лимит ограничивает расходы. Лучше он их не делает.

Распределяйте рутинную работу

Первый рычаг: перестать отправлять рутинную работу самой дорогой модели. На своей конференции Universe 28 октября GitHub сделал Copilot Fusion общедоступным на всех тарифах Copilot. Вместо того чтобы выбирать модель, разработчик выбирает Fusion и один из трёх уровней усилий, а Copilot решает, какие модели обработают каждый промпт. В одном из сценариев экономичная модель готовит черновик ответа, а проверка качества либо принимает его, либо передаёт задачу более сильной модели. Администраторы решают, какие модели может использовать Fusion, и каждая модель оплачивается по своему стандартному тарифу.

По словам GitHub, Fusion Max отстал от Claude Code с Opus 5.5 Max не более чем на два пункта в Artificial Analysis Coding Agent Index, при этом средняя стоимость API за задачу была примерно вдвое ниже, токенов уходило примерно вдвое меньше, а времени примерно на 40 процентов меньше. Наделла на звонке пошёл дальше: «Он обеспечивает качество передового уровня до 40 процентов быстрее и до 77 процентов дешевле». Отвечая аналитикам, он назвал 45 и 75 процентов. Это собственные цифры поставщика, а «до» описывает лучший случай; собственный бенчмарк GitHub оценивает экономию примерно в половину.

Разница в ценах за этим стоит большая. Haiku 5.5 от Anthropic стоит 0,10 доллара за миллион входных токенов для более коротких промптов, это двадцатая часть цены Sonnet 5.5. Anthropic говорит, что модель «создана для больших объёмов задач, чувствительных к стоимости», а более крупные модели остаются лучшим выбором для сложного агентного программирования. Цель состоит в том, чтобы найти самую дешёвую модель, которая достаточно хороша для задачи, и именно это Apple теперь просит некоторые команды делать вручную.

Бюджеты и общий контекст

Второй рычаг: где находится бюджет. Единый лимит на человека приравнивает инженера, который перестраивает большую кодовую базу, к коллеге, который кратко пересказывает почту. На наш взгляд, лучше работает бюджет на команду с ответственным, который видит расходы каждую неделю, и понятным порядком исключений. Процедура исключений у Apple отражает верный инстинкт.

Третий рычаг: контекст. Многое из того, что читает агент, касается самой компании: кто клиент, как компания пишет коммерческое предложение, где что хранится, какие правила действуют. Когда каждый агент и каждый человек восстанавливает это с нуля, компания каждый раз платит за это токенами и исправлениями. Контекст, который написан один раз, поддерживается в актуальном состоянии и доступен всем, дешевле читать, и он ведёт к меньшему числу ошибочных поворотов. Поставщики соответственно оценивают повторное использование: у Haiku 5.5 чтение контекста из кэша стоит десятую часть обычной цены ввода.

Измеряйте результат, а не использование

Последний рычаг: что вы считаете. Рейтинг по использованным токенам поощряет расходы, а не результаты, ту самую погоню за токенами, которая, по словам Наделлы, никому не нужна. На наш взгляд, полезны те показатели, которые компания уже понимает: изменения, которые влиты в код и всё ещё работают месяц спустя, закрытые тикеты, отправленные предложения, стоимость выполненной задачи.

Команда, которая тратит больше и делает больше, может оказаться лучшей инвестицией компании. С командой, которая тратит больше, а делает столько же, стоит поговорить. При таком управлении счёт может сократиться, а польза при этом не уменьшится.

Наша позиция

Так мы строим в crue. North собирает на одном экране все цифры, важные для решения, включая реальные финансы, и именно там место счёту за ИИ: рядом с тем, что принесла работа. Twin даёт ассистентам и агентам компании единый мозг, где её знания, правила и инструменты подключены один раз, поэтому каждый ответ начинается с компании, а не с нуля. Оба продукта уже доступны.