Uber сжёг бюджет на ИИ за 4 месяца: внутренняя гонка токенов не принесла отдачи бизнесу

Скорость, с которой произошёл перерасход, ошеломляет. Uber развернула Claude Code в конце 2025 года и активно стимулировала его использование с помощью внутренних таблиц лидеров, ранжировавших разработчиков по объёму потребления токенов . К февралю использование Claude Code почти удвоилось. К марту 84% разработчиков Uber были классифицированы как пользователи агентного кодинга, а 65–72% кода внутри IDE-инструментов генерировалось ИИ . Внутренний ИИ-агент Uber теперь создаёт примерно 1 800 изменений кода в неделю . По сути, компания геймифицировала максимальное потребление токенов — и получила ровно то, что стимулировала.

Бюджетная модель, которая дала сбой

Причина не только в энтузиазме разработчиков. Uber строила бюджет на ментальной модели SaaS с оплатой за «место» — подходе, который работал два десятилетия для предсказуемого лицензирования ПО . Ценообразование в генеративном ИИ работает по принципиально иной схеме: каждый обработанный токен стоит денег, и счёт растёт от интенсивности использования инструмента, а не от количества имеющих к нему доступ. Gartner сообщает, что агентные рабочие процессы сжигают в 5–30 раз больше токенов на задачу, чем статичные взаимодействия с чат-ботами, создавая кривую расходов, которую невозможно спрогнозировать традиционными методами .

Uber измеряла свои расходы, но не выгоду. Сколько времени сэкономил каждый инженер? Сколько багов удалось избежать? Что изменилось в выручке или клиентском опыте? Чётких ответов у компании не было .

Операционный директор проводит черту

В мае 2026 года в интервью Business Insider операционный директор Uber Эндрю Макдональд ясно обозначил проблему. После бесед с ведущими инженерными руководителями Макдональд заявил, что «всё труднее обосновать» деньги, которые компания тратит на ИИ-«токенмаксинг» . Он признал, что более высокое потребление токенов не приводит к пропорциональному увеличению полезных пользовательских функций: «Этой связи пока нет, понимаете? Я думаю, возможно, неявно мы и выпускаем больше, но очень трудно провести прямую линию между одной из этих метрик и мыслью: „Окей, теперь бизнес движется быстрее“» .

Сам технический директор признал, что компания «возвращается к чертёжной доске» в вопросах управления расходами на ИИ . Внутренняя динамика обнажает классический конфликт стимулов: руководство агрессивно подталкивало к внедрению инструментов — с помощью рейтингов, публичных списков и поощрения от технического директора, — а затем обнаружило, что неограниченное потребление токенов создаёт безудержный рост расходов без естественного регулятора . Инженеры рационально использовали инструменты ровно настолько, насколько их за это поощряли. Бизнес теперь рационально задаётся вопросом, двигает ли всё это потребление хоть какие-то иголки в маржинальности, опыте пассажиров или выручке.

Это общеотраслевая тенденция

Uber — не исключение. Microsoft сообщила об аналогичных выводах: помощники в написании кода на базе ИИ могут обходиться дороже, чем труд людей, который они призваны заменить . Структурная проблема едина для всего корпоративного сектора: инструменты генеративного ИИ тарифицируются за токен, их ценность трудно изолировать и измерить, а стимулы внутри инженерных организаций толкают к максимальному потреблению, а не к максимальной эффективности.

Мультипликатор Gartner в 5–30 раз для агентных рабочих процессов применим ко всей индустрии . Только Claude Code от Anthropic достиг $2,5 млрд годового дохода к февралю 2026 года — рост с $1 млрд в ноябре 2025-го. Это самый быстрый взлёт корпоративного ПО в истории . Расходы реальны. Отдача пока не видна.

Что индустрии предстоит решить

Кейс Uber вскрывает задачу, которую пока не решила ни одна крупная компания: как бюджетировать технологию, чья стоимость масштабируется с использованием, чьё качество на выходе трудно измерить и чьё внедрение нужно поощрять, чтобы оставаться конкурентоспособным, — и всё это в то время, когда финансовому директору нужно видеть ясное влияние на P&L (отчёт о прибылях и убытках)? Пока компании не построят модели управления, увязывающие расходы на токены с конкретными, измеримыми бизнес-результатами, проблема «токенмаксинга» распространится далеко за пределы Uber. Компания, которая первой научится измерять и оптимизировать реальную окупаемость инвестиций в ИИ, а не просто потребление токенов, получит преимущество гораздо более важное, чем любое место в таблице лидеров.