Сколько украинские IT-компании тратят на ИИ и почему бюджеты продолжают расти

Снижение стоимости работы языковых моделей не сделало корпоративный искусственный интеллект дешёвой статьёй расходов. Наоборот, компании подключают больше сотрудников, запускают внутренние решения, оплачивают профессиональные подписки и активнее используют программные интерфейсы. В украинских IT-компаниях масштабы расходов на ИИ могут различаться в разы: от нескольких тысяч долларов ежемесячно до заметной доли годовой выручки. Такой разрыв объясняется разной глубиной использования технологии. Одна команда ограничивается подписками на несколько рабочих инструментов, другая интегрирует генеративные модели в собственные продукты, автоматизирует внутренние процессы и оплачивает значительные объёмы вычислений.

Парадокс с ценой объясняется масштабом. Обработка одинакового объёма данных постепенно дешевеет, однако бизнес использует ИИ гораздо интенсивнее. Разработчики передают моделям часть работы с кодом, маркетологи создают и проверяют контент, аналитики работают с большими массивами информации, а руководители применяют инструменты для исследований и подготовки решений. К обычным подпискам добавляются расходы на токены, разработку собственных систем, тестирование моделей, контроль качества и интеграцию с корпоративными данными.

Для бизнеса из-за этого меняется главный вопрос. Низкая цена отдельного запроса уже мало говорит о реальной стоимости внедрения. Гораздо показательнее, сколько людей регулярно пользуются технологией, какие задачи ей передают и даёт ли дополнительное потребление измеримый результат. Корпоративный бюджет на ИИ всё больше напоминает отдельную технологическую статью, которую приходится планировать и контролировать так же внимательно, как облачную инфраструктуру или программное обеспечение.

От ИИ-консалтинга до киберзащиты: нужных исполнителей можно искать на Flagma

Компания может правильно рассчитать бюджет на ИИ, выбрать перспективные инструменты и определить процессы для автоматизации, но затем возникает практический вопрос: кто всё это будет внедрять. Собственной IT-команды может не хватать для отдельного проекта, а нанимать штатного специалиста ради разовой задачи экономически нецелесообразно. На Flagma можно искать исполнителей для разных этапов работы, от оценки бизнес-процессов и разработки программного решения до настройки систем и защиты данных.

• Консалтинговые услуги для бизнеса в Украине — предложения консультантов для компаний, которым нужен внешний взгляд на управленческие, организационные и бизнес-задачи; раздел полезен, если перед инвестициями в автоматизацию необходимо определить проблему, приоритеты и ожидаемый экономический результат.
• Услуги в сфере IT в Украине — более широкий выбор предложений от IT-исполнителей для различных технологических задач; ресурс помогает найти специалиста или компанию, если собственных компетенций или времени команды недостаточно для реализации проекта.
• Консалтинговые услуги в сфере IT — профильные предложения для бизнеса, которому необходимо оценить технологическое решение до начала разработки или интеграции; это позволяет сначала определить требования и объём работ, а затем закладывать расходы на реализацию.
• Разработка программного обеспечения — предложения исполнителей для создания программных продуктов и корпоративных решений; площадка становится практичным вариантом поиска команды, если готового сервиса недостаточно и бизнесу нужна собственная разработка или интеграция.
• Установка и настройка программного обеспечения — услуги для этапа, на котором выбранное решение необходимо корректно установить и подготовить к работе; такой формат закрывает потребность компаний, которым не нужна разработка с нуля, но не хватает внутреннего технического ресурса для запуска программного обеспечения.
• Обеспечение информационной безопасности в Украине — предложения в области защиты информации и IT-систем; этот раздел подходит для поиска профильных исполнителей, если внедрение новых цифровых решений требует отдельного внимания к безопасности корпоративных данных.
• Восстановление данных, информации, файлов — специализированные услуги для ситуаций, когда компания потеряла доступ к важной информации или файлам; сайт объявлений позволяет искать исполнителей под конкретную задачу вместо попыток решить техническую проблему собственными силами.

Такой подход позволяет подбирать внешнюю экспертизу под конкретный этап IT-проекта и не смешивать консалтинг, разработку, настройку и безопасность в один нечёткий заказ. На Flagma бизнес может искать исполнителей по нужному направлению и сравнивать доступные предложения в соответствии со своей задачей.

Дешевле токен, больше счёт: откуда возник этот парадокс

Стоимость вычислений действительно снижается. Стэнфордский институт человекоцентричного искусственного интеллекта зафиксировал, что стоимость использования модели с уровнем результативности, сопоставимым с GPT-3.5 по одному из распространённых тестов, с ноября 2022-го по октябрь 2024-го сократилась более чем в 280 раз. С тех пор конкуренция между разработчиками моделей продолжила смещаться, в частности, в сторону стоимости и эффективности.

На уровне отдельной операции экономия очевидна. Корпоративный счёт формируется иначе. После успешного эксперимента инструмент переходит от нескольких энтузиастов к целому отделу, затем охватывает другие команды, а простые текстовые запросы дополняются анализом документов, программированием, поиском, обработкой изображений и автоматизированными цепочками действий.

Есть и ещё одно изменение: сотрудник может взаимодействовать с моделью десятки раз в течение рабочего дня, даже не считая каждую операцию отдельно. Часть потребления скрыта внутри корпоративных продуктов и программ. Снижение стоимости единицы вычислений в таких условиях может сопровождаться ростом общего счёта.

От нескольких тысяч долларов до доли годовой выручки

Единой «нормальной» суммы для IT-бизнеса фактически не существует. Маркетинговое агентство может активно использовать генеративные модели, но иметь относительно небольшое количество сотрудников и сценариев с высоким потреблением. Крупная продуктовая компания способна одновременно оплачивать корпоративный доступ для команды, программные интерфейсы для собственных сервисов и разработку внутренних решений.

Показательный пример даёт Headway. По словам руководителя офиса генерального директора Александра Ярошенко, компания направляет на искусственный интеллект до 5% годовой выручки. Абсолютную сумму представитель бизнеса не раскрывал, поэтому оценивать её как подтверждённые расходы компании некорректно: расчёт в несколько миллионов долларов, приведённый в медиа, основывался на внешней оценке выручки.

Другой масштаб демонстрирует SPD Technology. Согласно опубликованным компанией данным, месячный бюджет может достигать $75 000, причём он охватывает не одну категорию расходов. Часть средств идёт на доступ к моделям и программным продуктам, остальные расходы связаны с исследованиями, разработкой и внутренними решениями.

Такое сопоставление полезно из-за одной детали: абсолютная сумма без контекста почти ничего не говорит об интенсивности внедрения. Для продуктовой компании ИИ может быть частью продукта, для сервисной — инструментом выполнения клиентских проектов, для маркетинговой команды — рабочей средой отдельных специалистов. Корректно сравнивать бюджеты можно только с учётом бизнес-модели и задач.

На что на самом деле уходят деньги

Корпоративные расходы уже не сводятся к покупке доступа к популярному чат-боту. Чем глубже технология входит в рабочие процессы, тем больше различных статей появляется в бюджете.

Эта структура объясняет, почему сравнение только по цене токенов даёт неполную картину. Компания может сократить расходы на конкретную модель, но одновременно открыть доступ новому подразделению или автоматизировать процесс, в котором раньше вообще не использовались генеративные технологии. Экономия на одной операции в таком случае высвобождает ресурсы для более широкого применения.

Самый дорогой пользователь не всегда тот, кто пишет код

Интуитивно наибольшее потребление легко приписать разработчикам: программирование требует большого контекста, анализа файлов и многократных обращений к моделям. Корпоративная практика сложнее. В отдельных компаниях высокие расходы на одного пользователя могут приходиться на руководителей, которые работают с исследованиями, большими документами и сложными аналитическими запросами.

Разницу определяет характер работы. Простое редактирование письма и анализ десятков страниц корпоративной информации имеют совершенно разную вычислительную нагрузку. Если в процессе задействованы инструменты углублённого поиска или несколько последовательных операций, потребление дополнительно увеличивается.

Поэтому количество выданных лицензий становится слабым показателем для оценки бюджета. Десять активных пользователей со сложными сценариями иногда создают большую нагрузку, чем значительно более многочисленная группа сотрудников, которая лишь изредка обращается к текстовому помощнику.

Бюджет растёт вместе со зрелостью использования

На начальном этапе расходы легко увидеть в бухгалтерии: несколько корпоративных подписок, ограниченный доступ и небольшая группа сотрудников. После интеграции технологии картина усложняется. Запросы могут поступать из внутреннего программного обеспечения, клиентских продуктов и автоматизированных процессов, а оплата распределяется между разными поставщиками.

Расширяется и перечень задач. Генерация кода или текста постепенно дополняется проверкой документов, анализом данных, поиском информации и автоматизацией повторяющихся операций. Каждый успешный сценарий создаёт предпосылки для следующего, если компания видит практический эффект.

В этом контексте рост счёта не следует автоматически трактовать как перерасход. Столь же ошибочно считать больший бюджет доказательством успешного внедрения. Финансовый смысл появляется только там, где бизнес может сопоставить дополнительные расходы с конкретным изменением производительности, скорости выполнения работы, дохода или себестоимости.

Какие показатели дают бизнесу реальную картину

Контролировать только общую сумму в конце месяца недостаточно. Финансовая дисциплина начинается с распределения потребления по командам и сценариям, ведь два одинаковых счёта могут приносить компании принципиально разную пользу.

• Расходы на активного пользователя показывают, где потребление концентрируется больше всего.
• Стоимость конкретного рабочего процесса позволяет сравнить его с прежним способом выполнения задачи.
• Доля активных лицензий помогает выявить подписки, которыми сотрудники фактически не пользуются.
• Себестоимость ИИ-функции в продукте показывает, сохраняется ли её экономика по мере роста аудитории.
• Качество результата необходимо оценивать вместе с финансовой метрикой, поскольку более дешёвая модель может требовать больше проверок или повторных запросов.

Такой учёт меняет сам принцип оптимизации. Вместо одинакового лимита для всех подразделений компания получает возможность сокращать малополезное потребление и сохранять ресурсы там, где технология даёт измеримый результат.

Бюджет на ИИ за 15 минут: считаем реальную стоимость одной задачи

Счёт за подписки показывает только видимую часть расходов. Чтобы понять реальную экономику, компании необходимо добавить оплату моделей через программные интерфейсы, инфраструктуру, рабочее время внутренней команды и проверку результатов. Последний компонент легко недооценить: неудачный результат может стоить дёшево на уровне запроса, но потребовать дорогого часа разработчика, аналитика или менеджера для исправления.

Для первоначального расчёта достаточно данных за один месяц. Их можно собрать в обычной таблице:

После сбора данных нужны два расчёта.

Полная месячная стоимость ИИ = подписки + использование моделей + инфраструктура + разработка + проверка + поддержка.

Затем эту сумму делят на количество успешно завершённых полезных задач. Так компания получает показатель, с которым уже можно работать: сколько фактически стоит результат, а не отдельный запрос к модели.

Самое интересное начинается после второго расчёта. Стоимость одного результата можно сопоставить с расходами на выполнение аналогичной работы без ИИ, включая рабочее время сотрудника. Если задача раньше занимала три часа, а теперь требует часа вместе с проверкой, для оценки эффекта нужна стоимость этих часов, а не количество сэкономленных токенов.

Такой расчёт полезно вести отдельно для разных сценариев. Помощник программиста, анализ договоров и генерация маркетинговых материалов имеют разную цену ошибки, потребность в проверке и потенциальную экономию времени. Один средний показатель для всей компании скроет эти различия, тогда как себестоимость конкретного процесса покажет, где бюджет работает эффективно, а где расходы растут без пропорциональной пользы.

Новые модели появляются одна за другой: как бизнесу не тратить бюджет хаотично

Постоянно тестировать новые ИИ-инструменты дорого, но игнорировать изменения на рынке тоже невыгодно. Рациональнее следить не за количеством запусков, а за собственными рабочими задачами. Новый продукт заслуживает тестирования, если обещает решить конкретную проблему: снизить себестоимость операции, сократить объём ручной проверки, повысить качество или закрыть сценарий, с которым текущее решение не справляется.

Корпоративный набор удобно разделить на три группы. Рабочие инструменты уже доказали свою пользу и используются регулярно. Кандидаты имеют потенциальное преимущество перед действующими решениями. Экспериментальные инструменты проходят ограниченное тестирование без закупки доступа для всей команды. Такая система оставляет место для новинок, но каждый громкий запуск не превращается в новую статью расходов.

Сначала задача, затем модель

Сравнение ИИ «в целом» мало помогает бизнесу. Одна модель может лучше работать с кодом, другая с большими документами, третья окажется достаточной для массовых простых операций при более низкой стоимости. Поэтому оценивать кандидатов нужно на тех задачах, которые компания действительно выполняет.

Для каждого важного сценария достаточно короткой карточки:

Последний пункт защищает от тестирования ради тестирования. Если команда не может сформулировать, что кандидат должен улучшить, тратить на него корпоративные ресурсы пока нет практической причины.

Новее не обязательно выгоднее

Более мощная или дешёвая модель ещё не делает переход экономически целесообразным. Замена может потребовать переноса процессов, изменения интеграций, обучения сотрудников и повторной настройки автоматизации. Эти расходы необходимо добавить к стоимости нового решения.

Проверять кандидата лучше на одинаковом наборе реальных задач: типовых операциях, сложных случаях и работе, где действующий инструмент регулярно даёт слабый результат. Демонстрации производителя или нескольких удачных запросов для такого решения недостаточно.

Критерий перехода прост: преимущество должно быть достаточным, чтобы окупить смену инструмента. Сравнивать нужно готовый результат с учётом качества, рабочего времени сотрудников, стоимости, интеграций и объёма исправлений.

Фильтр для нового ИИ-решения

Вместо бесконечного просмотра новинок команда может пропускать каждого кандидата через один алгоритм.

1. Сформулируйте задачу или проблему, ради которой рассматривается новый инструмент.
2. Проверьте, нет ли нужной возможности среди уже оплаченных продуктов.
3. Выберите одинаковые реальные задачи для действующего решения и кандидата.
4. Рассчитайте себестоимость готового результата с учётом проверки и исправлений.
5. Проверьте правила работы с корпоративными данными, доступами и интеграциями.
6. Оцените расходы на переход: обучение, технические изменения и рабочее время команды.
7. Оставляйте новое решение только в том случае, если тест показал практически значимое преимущество.

Так появляется полезная граница между «этот продукт лучше» и «компании выгодно на него перейти». Для бюджета второе утверждение гораздо важнее.

Когда пора снова проверить рынок

Постоянный поиск альтернатив не нужен. Гораздо рациональнее определить события, после которых действующее решение пересматривают.

При такой системе команда не пытается постоянно определять «лучший ИИ». Она возвращается к рынку после конкретного сигнала и проверяет, появилась ли альтернатива, способная заметно улучшить нужный процесс.

Экспериментам тоже нужен бюджет

Полностью отказываться от тестов рискованно: компания может не заметить решение, которое существенно меняет экономику работы. Для новинок целесообразно иметь отдельный экспериментальный бюджет и небольшую группу пользователей. Массовое подключение происходит уже после проверки.

Полезным активом становится простой реестр тестов: продукт, задача, предыдущее решение, результат и причина принятого решения. Он защищает от повторных безрезультатных экспериментов и показывает, как требования бизнеса менялись со временем.

В результате компании достаточно небольшого набора проверенных рабочих инструментов и контролируемого канала для новых. Так технологические новинки конкурируют за корпоративный бюджет результатом, а не популярностью.

Более дешёвая модель не всегда снижает себестоимость работы

Переход на более доступную модель выглядит самым простым способом сократить счёт. Однако цена запроса — лишь один из компонентов. Если сотруднику приходится чаще переделывать результат, тратить время на проверку или несколько раз уточнять задачу, экономия может исчезнуть.

Для рутинных операций более лёгкой модели может быть достаточно. Сложный анализ, программирование или работа с большим контекстом могут требовать другого уровня возможностей. Поэтому рациональная архитектура предполагает распределение задач: дорогие ресурсы используют там, где их качество оправдывает цену, а простые операции передают более экономичным решениям.

Существуют и технические способы уменьшить потребление без ухудшения результата. Команды могут ограничивать лишний контекст, повторно использовать уже полученные данные, контролировать длину ответов и убирать автоматические запросы, которые не приносят пользы. В масштабе корпоративного продукта такие небольшие решения влияют на бюджет заметнее, чем экономия отдельного сотрудника.

От экспериментов к отдельной статье корпоративных расходов

Искусственный интеллект постепенно переходит из категории экспериментальных инструментов в обычную технологическую инфраструктуру бизнеса. В отчёте Стэнфордского института человекоцентричного искусственного интеллекта за 2026 год говорится об использовании ИИ в 88% опрошенных организаций. Для украинских технологических компаний этот глобальный контекст важен ещё и из-за конкуренции за международные заказы и необходимости пересматривать привычные процессы разработки.

Следующий шаг для компании после массового подключения инструментов заключается в определении собственной единицы экономической эффективности. Для одного бизнеса ею будет стоимость выполненной задачи, для другого — себестоимость функции в продукте или время специалиста, которое удалось высвободить. Такой критерий даёт гораздо больше информации, чем сравнение корпоративного счёта с чужим бюджетом.

Для компаний, которые ищут подрядчиков, IT-услуги или другие деловые предложения, Flagma может стать одной из площадок для поиска подходящих исполнителей. А бюджет на ИИ целесообразно оценивать отдельно: через реальное потребление, стоимость конкретных процессов и результат, который получает компания.