OpenAI может перейти от оплаты токенов к оплате за выполненную работу

OpenAI, как сообщается, разрешила нескольким крупным корпоративным клиентам платить только в том случае, если ИИ-агент выполнит заранее согласованную бизнес-задачу. Речь идёт об ограниченном пилотном проекте, а не о публично объявленном тарифном плане: компания не раскрыла ни список задач, ни ставки, ни условия контрактов. 5

Эксперимент отражает важную проблему экономики автономных ИИ-агентов. В отличие от обычного чат-бота, агент может многократно обращаться к модели, вызывать внешние инструменты, повторять неудачные попытки и запускать несколько процессов параллельно. При оплате за токены клиент платит за всю эту активность — даже если итоговая задача не выполнена.

Чем оплата за результат отличается от тарификации по токенам

Опубликованные тарифы OpenAI для API и корпоративных продуктов рассчитывают стоимость входных, кэшированных входных и выходных токенов за миллион токенов. 1 2 Иными словами, заказчик оплачивает использованные вычислительные ресурсы независимо от того, завершил ли агент работу успешно.

При оплате за результат меняется само событие, за которое выставляется счёт. Вместо вопроса «Сколько токенов обработала система?» контракт задаёт другой критерий: «Достиг ли агент согласованного результата?»

Таким результатом может быть успешно закрытое обращение в службу поддержки, завершённый рабочий процесс или подтверждённое обновление корпоративной системы. Однако конкретные сценарии в пилоте OpenAI публично не раскрыты. 5

Такая схема переносит часть риска выполнения с покупателя на поставщика. Длинные цепочки рассуждений, дополнительные вызовы инструментов и неудачные запуски могут увеличить расходы OpenAI, но не привести к оплате, если договор признаёт их безрезультатными.

Почему компании опасаются непредсказуемых расходов на агентов

Для относительно простых и стабильных приложений модель оплаты за использование обычно понятна. Но прогнозировать бюджет сложнее, когда агент самостоятельно выбирает последовательность действий, многократно вызывает инструменты, делегирует задачи или работает в нескольких потоках одновременно.

Показательный пример, о котором сообщалось ранее, связан с разработчиком, запустившим 100 агентов: за 30 дней его расходы на токены OpenAI достигли 1,3 млн долларов. 5 Это крайний случай, но он хорошо демонстрирует проблему: у автономных систем затраты могут расти вместе с количеством попыток, а не с ценностью завершённой работы.

Контракт с оплатой за результат способен сделать бюджет более предсказуемым. Он также может защитить клиента от полной оплаты неудачного запуска — если договор действительно предусматривает, что провал не тарифицируется. Применяется ли такая защита в пилоте OpenAI и как в нём обрабатываются исключения, пока неизвестно.

Где такая модель может заработать первой

Проще всего внедрить оплату за результат там, где у задачи есть чёткая граница и наблюдаемый момент завершения. Наиболее очевидный пример — служба поддержки: факт решения проблемы можно проверить по статусу тикета, переписке с клиентом или отсутствию необходимости подключать сотрудника.

Потенциальными направлениями также могут стать узкие задачи в разработке, обработке страховых заявлений, квалификации лидов и бэк-офисных операциях. Это возможные сценарии, а не раскрытые примеры использования OpenAI. Общим условием для них является возможность заранее определить, что именно считается успехом.

Практический контракт, вероятно, должен устанавливать:

• точное условие успешного выполнения;
• требования к качеству и точности;
• считается ли передача задачи человеку провалом или частичным успехом;
• правила оплаты повторных попыток и исключений;
• системное событие, подтверждающее завершение;
• порядок рассмотрения споров по счетам.

Без таких правил формула «платите только когда ИИ справился» остаётся привлекательным слоганом, но не вполне определённым коммерческим обещанием.

На рынке уже есть разные варианты оплаты за результат

Эксперимент OpenAI вписывается в более широкий сдвиг в ценообразовании ИИ-агентов. Однако эти модели не стоит смешивать: оплата за действие или разговор не всегда означает оплату только за конечный бизнес-результат.

• Intercom Fin: компания указывает цену 0,99 доллара за успешно решённую проблему. Оплата взимается, когда ИИ закрывает обращение полностью, без участия человека. 8
• Zendesk: использует термин Verified Resolution — «подтверждённое решение». Стоимость связывается с успешным результатом работы ИИ, а не просто с количеством лицензий пользователей. 14
• Salesforce Agentforce: изначально предлагался по цене 2 доллара за разговор, а затем Salesforce представила Flex Credits. В сравнении Intercom стандартное действие оценивается в 20 кредитов, то есть примерно в 0,10 доллара за действие. Это модель потребления, привязанная к отдельной операции, а не обязательно оплата только за достигнутую конечную цель. 8

Разница принципиальна. Оплата за действие или разговор делает использование более прозрачным, но клиент всё ещё может платить, если общая бизнес-задача в итоге не решена.

Что показывают опросы корпоративных покупателей

Данные Futurum Group указывают не на победу одной универсальной модели, а на разделение предпочтений в зависимости от типа ИИ-функции.

В опросе 830 руководителей и лиц, принимающих решения в сфере ИТ по всему миру, 43% респондентов предпочли модель оплаты за потребление для функций генеративного ИИ, а 27% — оплату за результат. 14

В отдельном исследовании за вторую половину 2026 года для отдельно оплачиваемых ИИ-функций на первом месте оказалась модель с оплатой за пользователя — 42,3%. Её опередили потребительская модель с оплатой за использование — 36,6% — и оплата за результат — 21,1%. Для основного программного обеспечения картина была другой: потребление набрало 28,9%, результат — 22,2%, а оплата за пользователя заняла последнее место с 12,6%.

Вывод прост: предсказуемая вспомогательная функция может хорошо продаваться по лицензии или как дополнение к тарифу. А автономный сервис, который выполняет измеримую работу, легче обосновать через оплату за использование или конкретный результат.

Почему оплата за результат может распространиться — и что ей мешает

Для покупателей привлекательность модели очевидна: расходы можно напрямую сопоставить с полученной ценностью. Для поставщика это дополнительный стимул повышать надёжность системы и сокращать бесполезные запуски. Кроме того, финансовым подразделениям проще согласовать внедрение агента, если бюджет не зависит от открытого числа токенов и попыток.

Но у поставщиков появляются расходы, которые уже нельзя автоматически переложить на клиента. Возникают и новые риски. Если агент оптимизирован под один узкий показатель, он может формально выполнить условие договора, одновременно ухудшив реальный клиентский опыт.

Отдельная проблема — распределение ответственности. Представим процесс, в котором участвуют несколько моделей, внешние сервисы, сотрудники и корпоративные системы. Если агент выполнил только часть работы, а окончательное решение принял человек, как определить, был ли достигнут результат именно благодаря OpenAI?

Поэтому модель, скорее всего, будет распространяться сначала в узких и проверяемых процессах, а не в открытой интеллектуальной работе без чётких границ. Для сложных внедрений более практичными могут оказаться гибридные схемы, объединяющие лицензии, оплату потребления, кредиты и отдельные платежи за результат. Futurum Group называет такие гибридные модели важным промежуточным вариантом, пока поставщики ищут способ связать цену ИИ с ценностью для клиента. 14

Что будет означать пилот OpenAI

Если эксперимент расширится, это станет заметным изменением в экономике корпоративного ИИ: поставщики начнут продавать не только доступ к модели и объём вычислений, но и выполненную работу.

Пока, однако, корректнее делать более осторожный вывод. OpenAI, по сообщениям СМИ, тестирует оплату за результат с отдельными крупными клиентами, но не опубликовала универсальный тариф и не раскрыла достаточно деталей, чтобы оценить ставки, масштабы или коммерческий успех программы. 5

На данном этапе это скорее ранняя проверка: можно ли превратить обещание «платить за результат» в достаточно точную и проверяемую модель для корпоративных закупок.