Глава CBA сделал два неудобных предупреждения о корпоративном ИИ: взрывной рост расходов и «рабочий шлак»

«На раннем этапе вы поощряете людей пользоваться инструментами — и это действительно стоило копейки… но сейчас модели работают иначе: чем больше контекста вы в них загружаете, тем менее линейно растут ваши расходы», — объяснил Комин . По его словам, возникает «ключевая управленческая проблема»: финансовые и технологические директора заперты в годовых бюджетных циклах, которые неспособны учесть колебания стоимости задачи в 10–50 раз в зависимости от ее сложности .

Эта ситуация стала осязаемой с переходом GitHub Copilot на оплату по фактическому использованию (usage-based billing) с 1 июня 2026 года. Раньше фиксированная абонентская плата покрывала все запросы; теперь каждый токен — входной, выходной, кэшированный — тарифицируется через GitHub AI Credits, где один кредит равен $0.01 . Пользователи, активно применяющие агентные сценарии кодинга, немедленно ощутили скачок счетов — по некоторым оценкам, расходы выросли в 10–50 раз . Одна сложная агентная сессия на топовой модели способна исчерпать месячный лимит кредитов за один раз .

Что такое «рабочий шлак»: скрытая цена бесполезного ИИ-контента

Второе предупреждение Комина — качественное. Термином «work slop» он описал лавинообразный рост сгенерированных ИИ текстов, кода и аналитики, которые выглядят осмысленно, но не несут реальной ценности . Такой контент не просто бесполезен — он порождает скрытые издержки: каждый фрагмент ИИ-генерации, попавший в рабочий процесс, требует проверки, фактчекинга, редактирования или удаления силами живых сотрудников .

Это корпоративный аналог феномена «AI slop», захватившего потребительский интернет — поискового спама, шаблонных постов в соцсетях и автогенерируемого «наполнителя». В корпоративной среде риски выше. «Рабочий шлак» способен незаметно подорвать качество внутренних решений, комплаенс-документации и даже клиентских продуктов, если пройдет сквозь недостаточно строгие фильтры . Чем шире компании внедряют ИИ в каждую функцию без надежной валидации, тем больше становится гора бесполезной работы, за очистку которой платят людям.

Технологическая ставка CBA в A$2,4 млрд и уравнение для персонала

Предупреждение Комина звучит особенно весомо, учитывая масштаб ресурсов самого банка. CBA ежегодно инвестирует около A$2,4 млрд в технологии — минимум на $500 млн больше, чем любой другой крупный австралийский банк . Эти вложения позиционируются как стратегическая ставка на рост производительности благодаря ИИ, но Комин признает: данная бюджетная строка точно так же подвержена непредсказуемой инфляции, от которой он предостерегает других .

Параллельно банк демонстрирует влияние роста ИИ-производительности на штат. В начале 2026 года CBA сократил около 300 должностей, вдобавок к 90 позициям службы поддержки, ранее замененным ИИ-чатботом, и еще 120 позициям, ликвидированным в апреле . Комин высказывается прямо: ИИ «будет отнимать рабочие места в компаниях по всей экономике», и бизнес обязан помогать сотрудникам готовиться к этому будущему, а не делать вид, что ничего не происходит .

Одновременно банк выделил A$90 млн на три года на программу Future Workforce Program — масштабную инициативу по переквалификации для более чем 30 000 своих сотрудников . Программа включает внутреннюю карьерную платформу Grow Your Career, тренинги по ИИ и картирование навыков, призванное сделать внутреннюю мобильность прозрачной . Такая двойственная позиция — сокращения плюс переобучение — честно отражает убеждение Комина: трансформация уже здесь, и стратегия нужна как для уходящих, так и для остающихся .

Стратегические выводы для любого крупного бизнеса

Совпадение предупреждения Комина, действий самого CBA и триггера в виде смены биллинга GitHub Copilot указывает на три безотлагательных шага для любой организации, запускающей ИИ в продуктив:

1. Бюджетирование должно стать динамическим и тарифицируемым. Эпоха фиксированных годовых ИИ-бюджетов закончилась. Токеновая модель оплаты превращает ИИ в услугу с переменной стоимостью, аналогично облачным вычислениям. Компаниям нужны мониторинг затрат в реальном времени, покомандное распределение кредитов, лимиты потребления и возможность корректировать бюджеты на ходу — дисциплина, которую «облачно-ориентированные» компании освоили десятилетие назад, но которую многие традиционные предприятия пока не применяют к ИИ .

2. Контроль качества перестал быть опцией. «Рабочий шлак» создает прямую связь между провалом в качестве и перерасходом средств. Каждый непроверенный результат ИИ, попавший в процесс, требует последующей проверки человеком. Предприятия должны внедрять «гейты качества» (quality gates), валидацию с участием человека (human-in-the-loop) и аудит выходных данных. Без этих систем линия затрат будет расти, а линия ценности останется на месте .

3. Кадровая стратегия должна совмещать сокращения с повышением квалификации. Модель CBA показательна: ИИ сокращает численность одних команд, а инвестиции в переобучение создают новые карьерные траектории для других. Программа на A$90 млн сигнализирует: альтернатива увольнениям — не защита старых мест, а трансформация должностей. И ответственность за проводку сотрудников через этот переход лежит на компаниях .

Ключевой посыл Комина: корпоративный ИИ вступил в гораздо более сложную фазу. Легкие выгоды собраны; оставшееся — сложное, дорогое и требовательное к дисциплине, которой большинству организаций не хватает. Счет за отсутствие этой дисциплины приходит прямо сейчас — в форме непредсказуемых токен-расходов и растущей горы «рабочего шлака», который кто-то должен разгребать .