Uber стал первым IT-гигантом, публично признавшим: внедрение ИИ часто выходит из-под финансового контроля. Крупный годовой бюджет компании на ИИ был исчерпан уже к концу апреля. Львиная доля средств ушла на оплату токенов — каждого запроса, который сотрудники отправляли в Claude Code и Cursor.

Производительность команд выросла, но счета росли ещё быстрее, и теперь компания ускоренно пересчитывает бюджеты и варианты оптимизации расходов (в том числе персонала).

Мой взгляд: кейс Uber вскрывает три главные ошибки внедрения ИИ, которые сейчас повторяют многие компании.

1. Жить в иллюзии, что ИИ-инструменты дёшевы. Помимо токенов, есть скрытые затраты: работа менеджеров по настройке и отладке стабильности моделей, обеспечение безопасности данных.

Достаточно вспомнить недавний инцидент в компании PocketOS, когда ИИ-агент за девять секунд удалил всю продакшен-базу вместе с резервными копиями.

2. Увольнять сотрудников ради финансирования ИИ. Oracle недавно пошла похожим путём, сократив десятки тысяч, но такой подход упускает главное: продвинутые компании стремятся поднять производительность с ИИ у всех сотрудников и считать эффективность каждого токена перед решением об увольнениях.

Чаще всего эффективнее справляться с большим количеством задач текущей AI-native командой и не раздувать штат, вместо того чтобы потом разом сокращать десятки процентов людей.

3. Недооценивать важность продумывания архитектуры ИИ-проектов. Это нужно делать сразу, чтобы не сжигать токены на бесконечные перегенерации. Именно поэтому сейчас как никогда ценятся навыки логики и построения ИИ-систем.

Я уже видел кейсы маркетологов, продактов, аналитиков и разработчиков, которые получили повышения или офферы, доказав, что они могут эффективно решать задачи за счёт качественного планирования, а не заливания проблем токенами.

Что делать, если вы уже во всю решились внедрять нейросети в работу:

— Начните считать экономику генераций: оцените, сколько кредитов или токенов нейросетей было потрачено на прошлые крупные проекты, и внедрите метрики оптимальной стоимости токена на задачу, к которым должна стремиться ваша команда, чтобы не прожичь весь бюджет на ИИ.

— Инвестируйте в развитие навыков построения ИИ-систем у ключевых ответственных за проекты: они сэкономят вам миллионы на повторных или лишних генерациях, размышлениях моделей.

💜 - если тема откликается

💬 - поделитесь мнением в комментах