Искусственный интеллект вогнал многие внедрившие его компании в колоссальные расходы. Как пишет издание The Wall Street Journal, бизнес столкнулся с перерасходом средств, запланированных на внедрение и эксплуатацию нейросетей.

Вопрос о том, чтобы уложиться в бюджет в вопросе ИИ, у многих компаний уже даже не стоит. Согласно результатам проведенного изданием опроса, удержать траты на нейросети в рамках запланированных и рассчитанных смогло лишь подавляющее меньшинство предприятий.

В опросе участвовало 400 компаний. Учитывался период до мая 2026 г. включительно. У 11% из респондентов перерасход денег на ИИ составил в пределах от 0% до 11% от первоначального плана.

39% компаний отчитались о выходе за рамки бюджета на 11-25%, у 35% перерасход составил 26-50%. В 13% случаев использование ИИ в итоге потребовало более чем в полтора раза больше денег, нежели предполагалось.

Некоторые компании вовсе не делали прогнозы относительно своих трат на нейросети. Таковых среди респондентов набралось 2%. Они фактически не знают, насколько меньше могли бы заплатить за ИИ – необходимых расчетов у них нет.

Между тем, причин, по которым нейросети оказываются для многих предприятий чересчур дорогим инструментом, может быть множество, и одна из них особенности самих нейросетей. CNews писал, выполнение одной и той же работы в различных ИИ-сервисах может обходиться в совершенно разные суммы – иногда разница оказывается четырехкратной.

Также стоит учитывать, что нейросети хоть и являются программой, но функционируют не как обычная утилита. Как пишет The World Street Journal, они действуют больше как человек – обдумывают, принимают решения, иногда ошибаются. И за все это, включая ошибки, платят пользователи, как частные, так и коммерческие.

Попытки компаний урезать расходы на ИИ путем отказа от дорогих продвинутых моделей в пользу более доступных очень часто приводят к прямо противоположным результатам. Это наглядно демонстрирует исследование ученых изуниверситетов Стэнфорда, Беркли, Карнеги Меллона и Калифорнии, основанное на изучении более 6800 заданий для нейросетей по математике, программированию и пр.

Согласно результатам исследования, нередко использование именно более дорогих моделей обходится дешевле, нежели работа с более доступными. С одной стороны, токены в них стоят дороже, но, с другой стороны, общая стоимость их использования оказывается ниже.

Low/no-code-революция: новая архитектура цифровой независимости Конференция

Издание приводит в пример две ИИ-модели за авторством Google – дорогую и тяжелую Gemini 3.1 Pro и более доступную (а также более быструю) Gemini 3 Flash. При выполнении одного и того же задания Gemini 3.1 Pro выдала нужный результат за 85 шагов, тогда как Gemini 3 Flash понадобилось 1000 шагов, и в итоге она еще и провалила задание.

В деньгах на Gemini 3 Flash исследователи потратили $14 и не получили нужного результата. Расходы на Gemini 3.1 Pro составили $1, то есть в 14 раз меньше.

Тот факт, что более дорогие модели на выходе могут сэкономить бюджет, на фоне результатов исследования может показаться очевидным, но на деле это не так. The Wall Street Journal пишет, что даже одна и та же модель может расходовать разное количество денег в разные периоды времени, и никакой закономерности нет.

В качестве сравнительного примера издание приводит абстрактную компанию по покосу газона. Ее услуги стоят $20 в час, и сегодня она управится с газоном за два часа и $40. На следующей неделе она выполнит ту же работу за восемь часов и возьмет с заказчика $160, а еще через неделю ее специалист заверит, что управится за пять часов, но в итоге выполнит лишь половину работы за это время.