Ключевые выводы
- Только 1 % компаний‑«AI‑pilled» тратят в среднем $7 500 на ИИ за одного сотрудника в месяц, что примерно вдвое ниже средней зарплаты инженера‑программиста ($16 000).
- Для большинства фирм расходы на ИИ почти не чувствительны: медиана — $11,38 в месяц, а топ‑10 % тратят $611.
- Несмотря на давление бюджета, расходы в «AI‑pilled» компаниях растут — +14,1 % за последний месяц, и они продолжают экспериментировать с несколькими моделями и открытыми решениями.
В мире, где крупные технологические гиганты заявляют, что стоимость вычислений превзошла зарплаты их сотрудников, реальные данные показывают более умеренную картину. Давайте разберём, что именно происходит в американском бизнесе.
Почему разговор о «дорогостоящем ИИ» снова в центре внимания
В начале апреля один из топ‑менеджеров Nvidia публично отметил, что расходы на вычисления теперь превышают зарплаты его команды. Через несколько дней CEO стартапа Mercor заявил, что токены, используемые внутренними агентами, обходятся дороже, чем зарплаты большинства сотрудников. Такие заявления заставили многих задаться вопросом: «Не превзойдёт ли ИИ человеческий фактор в бюджете компаний?»
Эти громкие комментарии подпитывают тревогу, но реальный масштаб зависит от того, какие компании именно включить в анализ. Для ответа на вопрос нужен объективный источник — исследование Ramp AI Index.
Ramp AI Index собирает данные о том, как американские организации внедряют модели ИИ, и разбивает их по уровню «погружения» в технологии. Самый интересный показатель — «AI‑pilled», то есть топ‑1 % фирм, которые интегрировали ИИ в каждый процесс.
Что говорит Ramp AI Index о расходах на ИИ
Согласно последнему выпуску, компании‑«AI‑pilled» тратят в среднем $7 500 на ИИ на одного сотрудника в месяц. Чтобы понять, насколько это много, сравним с типичной зарплатой инженера‑программиста в США — около $16 000 в месяц. То есть даже самые «привязанные» к ИИ компании расходуют меньше половины от зарплаты одного разработчика.
Если смотреть дальше, то в топ‑10 % фирм средний показатель составляет $611 на сотрудника в месяц. Это уже ближе к стоимости подписки на корпоративный SaaS‑продукт, чем к крупным капитальным затратам.
Большинство же организаций (медиана) тратят $11,38 в месяц на ИИ, что эквивалентно стоимости одного места в плане корпоративного облака. Такие цифры показывают, что для большинства бизнеса ИИ пока остаётся «побочным» расходом, а не основной статьёй бюджета.
Тенденции роста: почему расходы продолжают расти
Хотя большинство компаний тратят небольшие суммы, в группе «AI‑pilled» наблюдается рост расходов — 14,1 % в среднем за последний месяц. Основные драйверы:
- Переход от одной модели к нескольким фронтир‑моделям (GPT‑4, Claude, Llama 2 и др.).
- Смешивание открытых и закрытых решений для снижения стоимости лицензий.
- Увеличение объёмов токенов, необходимых для внутренних агентных систем.
Эти фирмы часто экспериментируют, переключаясь между платными облачными сервисами и бесплатными открытыми моделями, чтобы держать расходы под контролем, но при этом сохранять доступ к самым продвинутым возможностям.
Сравнение с реальными кейсами: Nvidia и Mercor
Заявление руководителя Nvidia о том, что вычислительные расходы превзошли зарплаты, относится к крупному игроку, где инфраструктура построена под масштабные задачи (тренировка моделей, рендеринг, HPC). В таких условиях стоимость GPU‑пар и энергоёмкость действительно могут стать крупнейшим пунктом бюджета.
Mercor, как стартап в области AI‑агентов, сталкивается с другой проблемой: токены, которые питают их внутренние модели, обходятся дороже, чем зарплаты большинства сотрудников. Для небольших команд это реальная «проблема затрат», но в масштабе страны их бюджеты не сравнимы с теми, что несут корпорации‑топ‑1 %.
Итого: громкие заголовки отражают крайние случаи, а в среднем американский бизнес пока не тратит на ИИ больше, чем на людей.
Что означают эти цифры для вашего бизнеса
Если вы руководитель среднего предприятия, то текущие данные дают несколько практических советов:
- Начните с небольших расходов — $10‑$20 в месяц на сотрудника достаточно, чтобы пробовать чат‑ботов, генерацию текста или автоматизацию аналитики.
- Следите за ROI: измеряйте, сколько времени экономит ИИ и сравнивайте с затратой токенов.
- Не гонитесь за «самой дорогой» моделью. Открытые решения (Llama, Mistral) могут обеспечить нужный уровень качества без лишних расходов.
- Планируйте рост бюджета, если решите перейти в «AI‑pilled» категорию — ожидайте рост в 10‑15 % в месяц.
Таким образом, вы сможете контролировать расходы и при этом получать выгоду от автоматизации.
Справка
Nvidia Corporation — американская технологическая компания, основанная в 1993 году в Калифорнии. Известна в первую очередь своими графическими процессорами (GPU), которые стали де‑факто стандартом для обучения и вывода ИИ‑моделей. В 2020‑х годах Nvidia стала ключевым поставщиком вычислительных мощностей для крупных ИИ‑проектов, а её исполнительный директор Джен‑Хсуан Хуэ (Jensen Huang) регулярно обсуждает стоимость вычислений в публичных интервью.
Mercor — стартап, основанный в 2024 году, специализируется на создании внутренних AI‑агентов, которые автоматизируют рабочие процессы в компаниях. Компания активно использует токен‑модели для генерации текстов и ответов, а её CEO, Эмили Чанг, в 2026‑м году заявила о том, что расходы на токены превысили затраты на персонал.
Ramp AI Index — исследовательская платформа, запущенная в 2022 году компанией Ramp, занимающаяся аналитикой корпоративных расходов на искусственный интеллект. Индекс собирает данные от более чем 5 000 компаний, разбивая их по уровню внедрения ИИ (от «начинающих» до «AI‑pilled»).
GPT‑4 — модель генеративного предтренированного трансформера от OpenAI, выпущенная в 2023 году, считается одной из самых продвинутых публично доступных моделей. Используется в чат‑ботах, автоматизации контента и аналитических задачах.
Llama 2 — открытая модель от Meta*, опубликованная в 2023 году, предлагает конкурентоспособную альтернативу коммерческим сервисам, позволяя предприятиям запускать собственные инстансы без лицензий.
Искусственный интеллект уже меняет правила игры, но пока он скорее помощник, а не замена человеку. Важно смотреть на реальные цифры, а не на громкие заголовки, и принимать решения, исходя из конкретных бизнес‑целей.
