Когда счёт за ИИ становится проблемой CEO

Представьте: ваша компания запустила десятки AI-инициатив, пилоты работают, команды довольны, а квартальный отчёт показывает, что расходы на ИИ выросли в два раза — но выручка не сдвинулась. Именно в такой ситуации оказались сотни корпораций в 2026 году.

Компании планируют удвоить расходы на ИИ в 2026 году — с 0,8% до примерно 1,7% выручки. При этом инвестиции и энтузиазм опережают измеримые результаты: 60% компаний сообщают о минимальной или нулевой ценности — включая снижение затрат или рост выручки — несмотря на значительные усилия.

Главный вопрос эпохи сформулирован в исследовании BCG предельно чётко: вопрос для CEO — не в том, может ли предприятие позволить себе ИИ, а в том, может ли оно доказать, что купленный интеллект стоит больше, чем затрачено.

Токен как новая единица стоимости

Чтобы понять реальную цену ИИ, нужно разобраться с токенами — атомарной единицей, которую потребляют языковые модели. Один токен ≈ 3–4 символа текста. Каждый запрос к GPT-4o, Claude, Gemini или корпоративной модели тарифицируется именно в токенах.

Стремительно растущая стоимость AI-токенов давит на CEO: необходимо измерять, сколько стоит интеллект и что он создаёт. По мере того как общий токен-счёт быстро растёт, компании теряют контроль над тем, сколько тратят — и на что.

⚠ Ловушка токен-слепоты
По данным BCG, большинство компаний не могут ответить на простой вопрос: «Сколько токенов потребил наш отдел продаж за последний месяц?» Без этих данных любой бюджет на ИИ — это стрельба вслепую.

Вот сравнение стоимости генерации одного миллиона токенов в зависимости от модели развёртывания в 2026 году:

Модель развёртыванияСтоимость / 1M токеновКонтрольРиски
Frontier API (OpenAI, Anthropic)~$2,00МинимальныйVendor lock-in, рост цен
Облачный инстанс (аренда GPU)~$0,89СреднийНепредсказуемые счета
On-premise (собственный H100)~$0,11–0,12МаксимальныйВысокий CapEx

По данным анализа Lenovo 2026 года, амортизированная стоимость генерации миллиона токенов на собственном оборудовании H100 составляет около $0,11 — против $0,89 за эквивалентный облачный инстанс и около $2,00 за сопоставимый Frontier API.


graph TD
    A[Запрос пользователя] --> B[Токены на входе]
    B --> C{Где считается?}
    C -->|Frontier API| D[~$2.00 / 1M токенов]
    C -->|Облако - аренда GPU| E[~$0.89 / 1M токенов]
    C -->|On-premise H100| F[~$0.11 / 1M токенов]
    D --> G[P&L: COGS / OpEx / CapEx]
    E --> G
    F --> G
    G --> H[Метрика RoAI]

Три строки P&L, которые меняет ИИ

Одна из ключевых идей BCG: расходы на токены бьют по финансовой отчётности сразу в трёх местах, и это кардинально отличается от традиционного SaaS.

Токены попадают в P&L по трём отдельным статьям — CapEx, OpEx и себестоимость реализованной продукции (COGS). CEO должны попросить своих CFO и CIO начать распределять затраты соответствующим образом.

CapEx — закупка GPU, серверов, сетевой инфраструктуры для on-premise-развёртывания.

OpEx — API-подписки, аренда облачных инстансов, зарплаты ML-инженеров, расходы на мониторинг и дообучение.

COGS — токены, которые непосредственно «вшиты» в продукт: каждый ответ AI-ассистента клиенту, каждая автоматическая генерация документа.

Традиционный FinOps не справляется с новыми задачами измерения. Нужен новый подход — метрика Return on AI (RoAI), которая охватывает полную стоимость применяемого ИИ.

Традиционный FinOps не соответствует новому вызову измерения. Вместо него соотношение, которое BCG называет Return on AI, охватывает полную стоимость применяемого ИИ. Чтобы точно учитывать затраты и оценивать RoAI, компаниям нужна операционная модель на уровне рабочих процессов, позволяющая менеджменту делать три вещи: видеть, что происходит; формировать стоимость; доказывать ценность или останавливать (или минимизировать) активность.

Скрытые затраты: айсберг корпоративного ИИ

Видимая часть — лицензии и облачные счета — лишь вершина. Большинство руководителей недооценивают реальный масштаб расходов.

Бизнес-лидеры зачастую не имеют полного представления о совокупной стоимости владения (TCO) при разработке, развёртывании, обслуживании и масштабировании AI-модели. Именно поэтому 85% организаций ошибаются в оценке стоимости AI-проектов более чем на 10%.

Совокупная стоимость владения AI-инструментами выходит далеко за рамки начальных лицензионных сборов — она охватывает инфраструктуру, обслуживание, обучение и часто упускаемые из виду расходы на интеграцию. Организации, которые не учитывают эти комплексные затраты, рискуют столкнуться с перерасходом бюджета на 30–40% в первый год реализации.

📝 Реальный кейс: цена сюрприза
Крупный ритейлер внедрил AI-прогнозирование спроса. Первоначальная смета — $300K. Реальный TCO за первый год составил $1,8M: $300K на ПО, $400K на облачные вычисления, $600K на трёх data scientists, $300K на интеграцию, $200K на подготовку обучающих данных. К третьему году TCO снизился до $900K в год по мере амортизации первоначальных затрат.

Основные категории скрытых затрат корпоративного ИИ:

Категория затратЧто включаетДоля в TCO (год 1)
Платформа, модель, облакоAPI, GPU, подписки~16%
Инженерия данныхОчистка, пайплайны, разметка~20%
Интеграция и безопасностьAPI-шлюзы, архитектура безопасности~18%
Compliance и управлениеЮридический аудит, EU AI Act~12%
Обучение и управление изменениямиАпскиллинг, документация~10%
Мониторинг и поддержкаНаблюдаемость, исправление ошибок~24%

По модели GS Consulting, в регулируемой организации платформа, модель и облако составляют около 16% TCO за первый год. Остальное — работа по превращению ИИ в продуктивный инструмент: очистка данных, интеграция, архитектура безопасности, compliance-проверка, управление, тестирование, обучение, мониторинг, поддержка и управление поставщиками.

Регуляторный риск как статья бюджета

Регуляторные риски — это уже не будущий сценарий, а вопрос бюджетирования прямо сейчас. Штрафная структура EU AI Act применяется к запрещённым практикам ИИ: штрафы до 7% мирового годового оборота или €35 млн — в зависимости от того, что больше. Для предприятия с выручкой $10 млрд это означает потенциальный штраф в $700 млн.

💡 Правило GS Consulting
Не спрашивайте, сколько стоит AI-инструмент. Спросите, сколько стоит использовать его безопасно, в масштабе, в операционной среде вашей организации.

RoAI: метрика, которая меняет разговор в зале заседаний

Компании, которые вырвутся вперёд, — не те, у кого меньший или больший счёт за ИИ, а те, кто производит наибольший Return on AI.

Концепция RoAI проста в формулировке, но сложна в измерении:

RoAI = Ценность, созданная ИИ / Полная стоимость ИИ (CapEx + OpEx + COGS)

Чтобы RoAI стал операционной метрикой, а не красивым слайдом, BCG рекомендует управление на уровне рабочих процессов по трём принципам:

  1. Видеть — инструментировать каждый AI-воркфлоу для сбора данных о потреблении токенов, задержках и бизнес-результатах в реальном времени.
  2. Формировать — активно управлять стоимостью: выбор модели (дорогой Frontier vs. дешёвый open-source), длина контекста, кэширование промптов, батчинг запросов.
  3. Доказывать или останавливать — каждый AI-процесс должен демонстрировать измеримую ценность или быть остановлен.

Победители будут иметь бюджеты, ведущие себя как портфели: растущие там, где интеллект усиливает P&L, и сокращающиеся там, где он лишь умножает затраты.

Кто такие высокоэффективные компании?

Высокоэффективные компании сообщают о снижении затрат не менее чем на 10% или росте выручки не менее чем на 5% от ИИ. Низкоэффективные — о снижении затрат менее чем на 5% или росте выручки менее чем на 2%.

Разрыв между лидерами и отстающими определяется не размером бюджета на ИИ, а качеством управления им.

CEO как главный архитектор AI-стратегии

Ещё год назад AI-стратегия была уделом CTO и Chief Data Officer. В 2026 году ситуация изменилась кардинально.

Почти три четверти руководителей (72%) говорят, что теперь являются главными лицами, принимающими решения по ИИ в своих организациях, — вдвое больше, чем годом ранее. При этом половина CEO считает, что их работа зависит от успеха ИИ, но четыре из пяти настроены более оптимистично в отношении потенциала ROI от ИИ, чем год назад.

CEO осознают: ИИ — это нечто большее, чем технология. Он открывает дверь к принципиально иному способу управления организациями — затрагивая стратегию, операции, культуру, риски и таланты.

Стремительная зрелость AI-агентов — одна из главных причин: около 90% руководителей считают, что агенты позволят их компаниям увидеть измеримый ROI в 2026 году. В результате CEO направили более 30% AI-бюджета своих организаций на этот год в агентный ИИ.

ℹ Сколько времени CEO тратят на ИИ?
По данным BCG AI Radar 2026, ведущие CEO тратят более 8 часов в неделю на собственный апскиллинг в области ИИ и вкладывают вдвое больше коллег в обучение и развитие компетенций своих команд.

Три вопроса, которые CEO должен задать прямо сейчас

1. Каков наш суммарный токен-счёт за последний квартал по каждому бизнес-процессу?
2. Какую измеримую ценность создал каждый AI-воркфлоу (снижение затрат / рост выручки)?
3. Какие инициативы стоит масштабировать, а какие — остановить на основе RoAI?

CEO будут ожидать от своих коллег по C-suite контроля над затратами на ИИ и концентрации технологии на достижении результатов, а не просто активности.

Выводы: от стоимости к ценности

Era «ИИ любой ценой» заканчивается. ИИ вошёл в стадию «докажи это». Компании, которые научатся управлять своим AI-портфелем с той же строгостью, что и инвестиционным, получат устойчивое конкурентное преимущество.

Практические шаги для CEO:

  1. Введите токен-учёт — потребуйте от CFO и CIO разбить AI-расходы по статьям CapEx / OpEx / COGS и привязать к конкретным воркфлоу.
  2. Внедрите метрику RoAI — сделайте её частью квартальной отчётности наравне с EBITDA и NPS.
  3. Управляйте AI-бюджетом как портфелем — масштабируйте то, что работает, безжалостно останавливайте то, что не доказало ценности.
  4. Не игнорируйте скрытые затраты — compliance, безопасность, данные и обучение персонала — это не «накладные расходы», а критическая часть TCO.
  5. Инвестируйте в собственные компетенции — CEO, который понимает токеномику и архитектуру агентных систем, принимает принципиально лучшие стратегические решения.

Выигрывают не те, кто тратит на ИИ больше или меньше всех. Выигрывают те, чья каждая инвестиция в интеллект возвращает больше, чем стоит.