Согласно отчету Associated Press, корпоративное увлечение «токен-максингом» на технологии искусственного интеллекта достигает своих пределов, поскольку рабочие места, использующие ИИ во всем, видят рост затрат без аналогичного всплеска производительности.
То, что началось весной 2026 года как ажиотаж, подпитываемый технологической индустрией, по поводу выжимания как можно большего объема работы, создаваемой искусственным интеллектом, из таких продуктов, как ChatGPT от OpenAI и Claude от Anthropic, перерос в летнюю негативную реакцию. Руководители, аналитики и разработчики теперь открыто задаются вопросом, было ли когда-либо разумной стратегией максимизация потребления токенов ИИ. Для постоянного освещения бизнес-среды ИИ посетите наш [последний отчет об отрасли ИИ] (https://aibuzzwire.news).
Взлет и падение увлечения
«Tokenmaxxing» означает максимальное использование токенов — строительных блоков генеративного ИИ, которые соответствуют небольшим фрагментам текста, которые считывает или записывает система ИИ. Каждый токен представляет собой примерно три четверти слова, и поставщики ИИ обычно налагают ограничения на использование, при этом более дорогие подписки предлагают более высокие ограничения.
Эту тенденцию активно продвигали некоторые наиболее видные лидеры в области технологий. Генеральный директор OpenAI Сэм Альтман заявил в мае 2026 года, что он «был рад видеть, что произойдет со стартапами, использующими токены, как с точки зрения их внутренней работы, так и с продуктами, которые они могут создавать». Генеральный директор Nvidia Дженсен Хуанг заявил, что «если ваш инженер стоимостью 500 тысяч долларов не сжигает 250 тысяч долларов в токенах, что-то не так». Материнская компания Facebook Meta провела внутренний конкурс, поощряющий активное использование токенов.
Но по мере накопления затрат энтузиазм угас. «Когда счета начали накапливаться, люди поняли, что эти новые инструменты довольно дороги, и их нужно использовать с умом», — сказал Винсент Гусдорф, руководитель отдела аналитики искусственного интеллекта в Moody's Ratings и автор нового отчета, рекомендующего более дисциплинированный подход.
«С помощью ИИ очень легко создать что-то, что вам не нужно», — добавил Гусдорф.
Ответная реакция руководителей
Обратная реакция была вызвана некоторыми из самых влиятельных голосов в технологической индустрии. Генеральный директор Microsoft Сатья Наделла признал, что максимизация токенов может вызвать привыкание, но предупредил, что клиенты фактически платят дважды за ИИ — во-первых, тратя на токены, а во-вторых, передавая свои собственные данные поставщикам ИИ. Комментарии Наделлы были необычными в том смысле, что он поставил под сомнение гарантии защиты данных ведущих компаний, занимающихся искусственным интеллектом, даже несмотря на то, что он продвигал собственную стратегию Microsoft в области искусственного интеллекта.
Генеральный директор Palantir Алекс Карп пошел еще дальше, заявив CNBC, что что-то пошло «совершенно не так». Он сказал, что в частном порядке передает голос американского бизнеса, «разъяренного» тем, что он платит огромные суммы за токены, которые не создают никакой ценности.
«Основное мнение среди предприятий в этой стране таково: «Я буду расслабляться и тратить свое время на токены. Я не получу никакой пользы, а они получат мою интеллектуальную собственность», — сказал Карп.
Технический директор Mozilla Раффи Крикорян сравнил tokenmaxxing с дискредитированной практикой измерения производительности программистов по строкам кода. «Я думаю, что максимизация токенов происходит по той же схеме», — сказал он. «Я думаю, что это будет интересный момент, о котором мы все будем вспоминать и смеяться через год».
Проблема стоимости в масштабе
Финансовые последствия становятся резкими в масштабах предприятия. Консультант по вопросам управления Bain & Company Джу Ванг рассказала, что многие крупные предприятия, которые консультирует ее фирма, внимательно изучают прибыль от своих инвестиций в искусственный интеллект.
«Стоимость токенов для них удваивается почти каждый месяц», — сказал Ван. «Скажем, 200 долларов на разработчика в месяц. Умножьте это на 20 000 разработчиков, с которыми мы часто имеем дело в этих компаниях, и вы быстро получите цифру, которую не планировал ни один генеральный менеджер».
Ван указал на распространенную модель неправильного использования: использование по умолчанию самых мощных и самых дорогих моделей ИИ для задач, которые в них не нуждаются. «Не всем нужен Claude Opus 4.6», — сказала она об одной из самых эффективных моделей Anthropic, подходящей для разработки программного обеспечения или глубоких исследований. «И тем не менее, вы видите так много компаний, так много пользователей, которые по умолчанию используют Opus для всего, включая создание электронных писем».
Рост популярности маршрутизации моделей и открытых весов
Ценовое давление усилило спрос на инструменты «маршрутизации моделей» ИИ, которые автоматически отправляют более простые запросы в более дешевые и эффективные системы ИИ, сохраняя при этом мощные модели для сложных задач. Разработчик программного обеспечения Хасан Эль Мгари, который возглавляет опыт разработчиков в стартапе Together AI, сказал, что шок компаний от «смехотворных сумм денег», потраченных на подписки на продукты искусственного интеллекта от ведущих компаний США, заставил многих переосмыслить подход к максимальному использованию.
«Лучше просто дать сотрудникам возможность использовать эти вещи и позволить им использовать ИИ, когда и сколько им нужно», — сказал Эль Мгари.
Между тем, сторонники высокого потребления токенов находят новые боеприпасы в моделях открытого веса от китайских стартапов, таких как Kimi от Moonshot и GLM от Zhipu, которые почти соответствуют возможностям ведущих моделей США за небольшую часть стоимости. Крикорян признал, что существует «некоторая обоснованность теории о том, что это может еще больше подтолкнуть максимизацию токенов», но отметил, что более широкая отраслевая тенденция направлена на более дисциплинированное использование.
Уроки для предприятий
Эпизод о токенмакксинге представляет собой предостережение для компаний, ориентирующихся в сфере искусственного интеллекта. В то время как ведущие разработчики моделей ИИ, такие как OpenAI и Anthropic, выиграли от резкого роста потребления, этот опыт побудил многие организации принять более взвешенные подходы — сосредоточив внимание на конкретных случаях использования, где ИИ обеспечивает измеримую отдачу, а не на максимизации исходных показателей использования.
По мере того, как первоначальный цикл ажиотажа вокруг ИИ уступает место прагматическому внедрению, успеха могут достичь компании, которые рассматривают ИИ как точный инструмент, а не грубый инструмент, подбирая правильную модель для правильной задачи и внимательно следя за расходами.
