ИИ-ассистенты для кодинга дорожают быстрее, чем приносят пользу: Gartner бьет тревогу

Почему расходы на ИИ-кодинг могут обогнать зарплаты

Gartner выделяет две сходящиеся причины :

• Взрывной рост потребления токенов — Чем активнее разработчики используют ИИ-агентов для написания кода, тем быстрее растет объем токенов (единиц, на которых строится ценообразование LLM). Этот рост намного опережает снижение цен за токен. Счета за ИИ-кодинг взлетают с $20 или $100 на разработчика в месяц до $2 000 и даже $5 000, рассказал The Register старший главный аналитик Gartner Нитиш Тьяги .
• Переход с фиксированной абонентской платы на потребление — Крупные вендоры, включая Anthropic, Cursor и GitHub Copilot, отказались от ежемесячной подписки в пользу поминутной тарификации по токенам. Это делает затраты переменными и растущими с каждым нажатием клавиши .

Прогноз — это проекция, основанная на заявленных допущениях, а не гарантированный сценарий . Но, как отметил Тьяги, «расходы на ИИ-кодинг будут неуклонно расти, поскольку инфраструктурные инвестиции и проблемы с рентабельностью повышают цены на модели» .

Реальная практика: когда приходят счета за токены

Uber: лимит в $1500 после того, как годовой бюджет сгорел за четыре месяца

Uber — самый задокументированный пример перерасхода на ИИ. Компания исчерпала весь бюджет на ИИ-кодинг на 2026 год всего за четыре месяца — к апрелю 2026-го . В ответ Uber ввел лимит в $1 500 в месяц на один инструмент для каждого сотрудника, использующего агентные платформы для кодинга, такие как Claude Code от Anthropic и Cursor .

Цифры, стоящие за этим коллапсом, впечатляют. К марту 2026 года 84% инженеров Uber использовали Claude Code, тогда как в конце 2025 года их было 32% . Ежемесячные расходы на одного инженера составляли от $500 до $2 000 до введения лимитов . COO Uber заявил: «Связь между тратами на ИИ и ценностью для клиента пока не прослеживается» .

Другие компании, испытывающие давление

• Microsoft отозвал доступ к Claude Code для своих разработчиков всего через несколько месяцев после его внедрения, сославшись на опасения по поводу затрат .
• Priceline столкнулся с пятикратным ростом цен на инструменты ИИ-кодинга .
• Gartner отдельно прогнозирует, что 40% предприятий, использующих ИИ-инструменты кодинга с оплатой по потреблению, столкнутся к 2027 году с незапланированными расходами, более чем вдвое превышающими ожидаемые бюджеты .

Accenture: счета накручивают не разработчики

Кейс Accenture выявил неожиданный источник перерасхода. Согласно утекшим аудиозаписям, не инженеры, а обычные сотрудники генерировали наибольшее потребление токенов, используя ИИ для конвертации PDF-файлов в презентации . Accenture планирует запустить продукт «Token IQ», который даст руководству прозрачность в отношении того, приносят ли траты на ИИ адекватную отдачу .

KPMG: проблема отслеживания

Опрос KPMG «Global AI Pulse» за второй квартал 2026 года, опубликованный 24 июня 2026 года и охвативший более 2100 старших руководителей из 20 стран, показал, что только 26% организаций имеют возможность в реальном времени видеть свои расходы на ИИ . В частности :

• 50% имеют лишь частичную видимость.
• 22% не видят расходы вовсе — они узнают о них только после получения счета.

Глобальный руководитель направления ИИ в KPMG Стив Чейз охарактеризовал проблему как ключевой риск финансовой непрозрачности, отметив, что некоторые клиенты исчерпали годовые бюджеты на токены и облачные вычисления за считанные месяцы, а у одного клиента потребление токенов выросло в шесть раз . Переход на оплату по токенам сделал расходы на ИИ непредсказуемыми и плохо поддающимися контролю через традиционные механизмы ИТ-финансов .

Как управлять затратами: рекомендации Gartner

Рекомендации Gartner, опубликованные как в записке от июня 2026 года, так и в отчете за март 2026 года 10 Best Practices for Optimizing Generative and Agentic AI Costs, основаны на дисциплинированной операционной модели :

• Создайте систему принятия решений на основе сценариев использования — Определите, когда следует использовать ИИ-агентов для кодинга и на каком уровне автономии, вместо того чтобы позволять использованию расти бесконтрольно. Классифицируйте задачи разработки по трем моделям выполнения: под руководством разработчика, разработчик с агентом и полностью агентная .
• Сопоставляйте выбор модели со сложностью задачи — Направляйте простые, высокочастотные задачи (написание тестов, рефакторинг, создание шаблонов, документация) на более мелкие и дешевые специализированные модели, вместо того чтобы всегда использовать топовые фронтирные модели .
• Внедрите инжиниринг контекста — Улучшайте входной контекст, который разработчики предоставляют ИИ-системам, чтобы тратить меньше токенов на нерелевантную или избыточную информацию .
• Используйте кэширование, пакетную обработку и мониторинг — Применяйте кэширование токенов и пакетирование запросов для снижения избыточных вычислений; отслеживайте потребление токенов на уровне каждого разработчика и каждой команды в реальном времени .
• Оцените зрелость использования ИИ при кодинге — Gartner призывает лидеров инженерных подразделений провести аудит текущих моделей потребления токенов, прежде чем затраты выйдут из-под контроля .
• Создайте уровень управления в стиле FinOps — Включите мониторинг потребления в реальном времени, бюджеты на каждого пользователя и автоматическое обнаружение аномалий при нештатном использовании .

Gartner также отмечает, что производительность при решении четко определенных задач — написании тестов, рефакторинге, создании шаблонов, документации, исправлении простых ошибок — действительно улучшается в разы, в то время как производительность при архитектурных решениях и отладке новых проблем улучшается незначительно . Ключ в том, чтобы оценить долю работы команды, попадающую в категорию высокоэффективных задач, и применять ИИ именно там .

Суть

Эпоха безудержных трат на ИИ-кодинг заканчивается. Инструменты дают реальный прирост производительности на четко определенных задачах, но без системы управления затраты могут расти быстрее, чем та производительность, для повышения которой они созданы . Дисциплина, которую рекомендует Gartner и к которой такие компании, как Uber, уже вынуждены прибегнуть, — это не отказ от ИИ, а управление им как реальной статьей расходов: с прозрачностью, маршрутизацией и защитными барьерами.