Планирование бюджетов на внедрение ИИ стало сложной задачей для бизнеса из-за непредсказуемости расходов. Опрос 400 компаний, проведенный в апреле и мае 2026 года, показал, что лишь 11% организаций смогли уложиться в запланированные бюджеты с учетом допустимой погрешности в 10%.
Результаты исследования свидетельствуют, что 39% респондентов превысили бюджет на 11–25%, а 35% столкнулись с перерасходом в диапазоне 26–50%. Еще 13% компаний превысили бюджет более чем на 50%, а 2% участников опроса вовсе не составляли прогнозов по расходам на использование нейросетей.
Исследование Microsoft и американских ученых, охватившее 6800 задач, выявило высокую вариативность расхода токенов. В 32% случаев применение более дешевых моделей для неоптимизированных задач приводило к более высоким затратам, чем использование производительных решений с более высокой удельной стоимостью.
Пример с моделями Google Gemini 3.1 Pro и Gemini 3 Flash демонстрирует разницу в эффективности: первая модель выполнила запрос за 85 шагов при затратах $1, вторая потратила 1000 шагов, не достигла результата и обошлась в $14. Расход токенов одной моделью также может варьироваться при повторных запусках.
В Google поясняют, что вариативность расходов является особенностью ИИ-систем. Для контроля затрат компания предлагает устанавливать лимиты, использовать различные тарифные планы и обучать сотрудников эффективным методам работы с нейросетями, чтобы снизить неопределенность при планировании.
