Чому вартість токенів руйнує бюджети фінансових директорів у 2026 році

Менш ніж за рік витрати на токени ШІ перетворилися з незначної технологічної деталі на бюджетну проблему рівня ради директорів. Дванадцять місяців тому «вартість токенів» не була окремою статтею, за якою стежила більшість фінансових директорів. Тепер вона з’являється всюди, де її не хотілося б бачити: у новинах, внутрішніх службових записках, рішеннях про замороження бюджетів і під час обговорення фінансових результатів.

Наприкінці 2025 року Uber надав своїм інженерам доступ до Claude Code. До квітня 2026 року компанія за чотири місяці витратила весь річний бюджет на програмування з використанням ШІ. У відповідь вона обмежила витрати сумою 1 500 доларів на одного працівника на місяць для кожного інструмента, як уперше повідомило агентство Bloomberg. Якщо дозволити одночасне використання двох агентних інструментів програмування, наприклад Claude і Cursor, ця межа подвоюється до 3 000 доларів на місяць на одного інженера. Це 36 000 доларів на рік за використання ШІ однією людиною. За оцінками, в Uber працює приблизно 4 000 інженерів, що відповідало б витратам на ШІ у розмірі 144 мільйонів доларів.

Витрати Meta можуть бути ще більшими. У внутрішній службовій записці попереджали, що вартість токенів ШІ у 2026 році може сягнути мільярдів доларів. Причина криється в механіці роботи агентів у великому масштабі. Коли агент ШІ підключається до кодової бази, щоб виправити помилку або написати програму, він під час кожного запиту обробляє тисячі токенів фонового контексту. Перенесіть це на організацію розміру Meta, додайте корпоративне заохочення інженерів використовувати Claude — і споживання токенів не просто зростає, а вибухає.

Згідно з індексом ШІ компанії Ramp, який відстежує реальні платежі постачальникам у понад 70 000 компаній, один відсоток компаній, що найактивніше впроваджують ШІ, тепер витрачає на нього приблизно 7 500 доларів на одного працівника щомісяця, а ці витрати зростають на 14,1% щомісяця. Керівники стартапу Mercor, який використовує ШІ для підбору персоналу, публічно заявляли, що в деяких організаціях витрати на токени ШІ починають наближатися до витрат на оплату праці або навіть перевищують їх.

З цього можна зробити висновок. Якщо такі витрати можуть заскочити зненацька найбільші технологічні компанії світу, це може трапитися з будь-ким. Споживання токенів стало справді новою категорією витрат, якої два роки тому не існувало в жодному звіті про прибутки та збитки. Воно не поводиться так, як витрати на програмне забезпечення, які фінансові команди десятиліттями вчилися моделювати та враховувати у традиційних розрахунках рентабельності інвестицій. Розуміння того, чому вартість токенів ШІ так відрізняється від традиційних витрат на програмне забезпечення, є першим кроком до встановлення контролю.

Чому витрати на токени ШІ так складно передбачити

Традиційне бюджетування програмного забезпечення ґрунтується на простому припущенні: витрати зростають разом із чисельністю персоналу. Десять нових працівників означають десять додаткових ліцензій за відомою ціною. Це легко прогнозувати й планувати під час зростання компанії або придбання ліцензій на нові програмні платформи.

Токени ШІ руйнують це припущення. Витрати залежать від використання, а не від чисельності персоналу, причому використання є дуже нерівномірним, його важко передбачити, а у випадку автономних агентів воно навіть не пов’язане з людиною за клавіатурою. Один інженер, який запускає агентний сеанс програмування, може без попередження витратити тисячі доларів за місяць, адже лічильник працює незалежно від того, чи корисний результат. Багато моделей також генерують тисячі прихованих, невидимих токенів лише для того, щоб крок за кроком «думати» перед відповіддю, багаторазово збільшуючи вартість кожного запиту.

Саме цього більшість організацій досі не врахувала: кожен новий долар витрат на агентний ШІ має звідкись узятися. Для більшості фінансових директорів це не похибка округлення, яку може поглинути інноваційний фонд. Йдеться про мільйони доларів нових витрат, яких не існувало два роки тому. Це створює реальний вибір між цими витратами та чисельністю персоналу, іншими технологічними інвестиціями або дискреційними бюджетами в інших підрозділах компанії.

Три рівні ризику корпоративних витрат на ШІ

Якщо подивитися, як організації насправді витрачають кошти на ШІ, стає помітною чіткіша закономірність. Ризик витрат розподілений нерівномірно. Він зосереджується у певних місцях, і в типовій організації сьогодні, ймовірно, контролюється лише один із трьох рівнів.

Бізнес-користувачі у відділах продажів, маркетингу та операцій переважно працюють з інструментами, ціна яких визначається за ліцензію: фіксовані 20–30 доларів на користувача щомісяця. Фінансова служба вже знає, як складати бюджет для цього рівня, оскільки він поводиться так само, як усі інші статті SaaS, що закуповувалися протягом останніх двадцяти років.

Саме розробники, які використовують агентні інструменти програмування, стають джерелом історій на кшталт випадку Uber, а вся категорія щойно перейшла від фіксованих тарифів до оплати за споживання. GitHub Copilot перейшов на тарифікацію за токенами у червні 2026 року, і розробники прогнозували, що рахунки зростуть із 29 до 750 доларів на місяць та з 50 до 3 000 доларів на місяць під час інтенсивних агентних сеансів. Uber тут не є винятком — це ранній погляд на напрямок руху всієї категорії.

Автономні агенти — це рівень, який майже ніхто ще не моделював. Для агента не існує поняття «користувацької ліцензії». Він працює без нагляду, запускає підагентів, повторює спроби після помилок і весь час споживає токени незалежно від того, чи створює щось цінне. Саме для цього рівня є найменше даних про витрати та найменше прецедентів бюджетування.

Простіше кажучи, рівень, з яким фінансові директори почуваються найкомфортніше, також несе найменший фінансовий ризик. Два рівні, які справді руйнують бюджети, відмовляються від передбачуваного ціноутворення саме тоді, коли їх використання зростає найшвидше.

Як усунути прогалину в управлінні витратами на ШІ

Спільною рисою випадків Uber і Meta та ширшого масиву даних Ramp є брак прозорості. У більшості організацій немає рівня контролю між працівником або агентом і інструментом, який той відкриває. Обмеження витрат на кшталт Uber — це грубе рішення заднім числом для проблеми, яку насправді потрібно вирішувати раніше.

Саме цю прогалину покликана закрити нова категорія інструментів, яку часто називають оркестрацією агентів або агентними шлюзами: спрямовувати кожне завдання до найдешевшої моделі, здатної його виконати, забезпечувати дотримання лімітів до їх перевищення та надавати фінансовій службі лічильник у реальному часі замість щомісячного сюрпризу.

Ця категорія швидко розвивається й уже поділяється на кілька окремих рівнів. Один із них — шлюзи з контролем витрат, які розташовуються між програмами організації та постачальниками моделей. Вони додають ліміти витрат для команд, автоматичне спрямування простих завдань до дешевших моделей і кешування відповідей — ті самі важелі, які Uber застосував вручну, коли встановив свій ліміт. Другий рівень — оркестрація агентів, зосереджена на координації кількох агентів, що працюють разом; прозорість витрат дедалі частіше вбудовується в неї від самого початку, а не додається згодом. Новіший рівень, орієнтований на фінансову службу, починає ставитися до витрат на ШІ так, як команди FinOps уже давно ставляться до хмарних витрат: розподіляти їх за командами та функціями, бюджетувати й переглядати щомісяця, а не виявляти постфактум.

Існує також архітектурний підхід, спрямований на обмеження витрат через зменшення залежності від великих мовних моделей. Деякі компанії почали створювати гібридну архітектуру SLM/LLM, у якій малі мовні моделі навчаються для вузького набору корпоративних завдань, наприклад внутрішніх політик, обслуговування клієнтів, опрацювання кредитних документів або аналізу вантажних маніфестів. Економічна вигода може бути переконливою.

Згідно з порівнянням корпоративних LLM за 2026 рік, за одного мільйона розмов на місяць розміщені у постачальника передові LLM коштують від 15 000 до 75 000 доларів щомісяця, тоді як донавчена мала мовна модель, розгорнута всередині компанії, за такого самого обсягу коштує від 150 до 800 доларів на місяць. Goldman Sachs, наприклад, керує витратами на ШІ у великому масштабі за допомогою централізованого шлюзу моделей, який класифікує кожен запит за типом завдання та спрямовує його до найвигіднішої моделі для відповідної роботи — від легких моделей із відкритим кодом до передових LLM, і все це в межах власного периметра безпеки.

Спільна риса полягає в тому, що більшість сучасних інструментів створили інженери для інженерів, аби значно підвищити їхню продуктивність за допомогою агентів. Рівень, якого досі бракує більшості організацій, має прямо відповідати на запитання фінансового директора: яка команда, який бюджет, як прогнозувати витрати та який бізнес-сценарій підтримує ця витрата? Саме ця прогалина, ймовірно, матиме найбільше значення, оскільки витрати на агентний ШІ продовжуватимуть накопичуватися.

Два роки тому нічого з цього не існувало як окрема стаття. Сьогодні вартість токенів ШІ належить до найшвидше зростаючих і найменш зрозумілих статей балансу, а управління витратами на ШІ швидко стає основною фінансовою дисципліною, а не побічним проєктом. Подібну історію ми бачили під час першого впровадження хмарних технологій, коли в першу хвилю витрати вибухнули. Організаціям, які планують розгортання агентного ШІ, варто вже зараз провести цю розмову між технічними та фінансовими командами й розробити підхід до управління. Uber і Meta вже показали, що відбувається, коли це обговорюють після факту, а не заздалегідь.