Новый тренд — "экономный AI".

Ещё несколько месяцев назад многие компании стремились максимально масштабировать использование нейросетей. Чем больше запросов к AI, тем выше считалась цифровая зрелость бизнеса. Использование искусственного интеллекта включали в KPI, а сотрудников поощряли активнее применять AI в работе.

Однако после первых крупных счетов стратегия начала меняться.

Сегодня всё больше компаний переходят к новому подходу — использовать искусственный интеллект не больше, а эффективнее.

Почему это важно 👇

— компании начинают оптимизировать расходы на генеративный AI и вводят лимиты на использование нейросетей;

— для снижения затрат корпоративных AI-ассистентов всё чаще переводят в режим максимально коротких ответов без лишних объяснений и "вежливых" формулировок — это позволяет сократить расход токенов до 75%;

— бизнес начинает оценивать не количество запросов к AI, а реальную отдачу от каждого потраченного бюджета.

Известно, что ряд крупных международных компаний уже пересматривает подход к использованию AI и вводят лимиты:

🚗 Uber

Самый известный пример.

Компания израсходовала весь бюджет на AI-кодинг уже к апрелю, хотя он был рассчитан на весь 2026 год. После этого Uber ввёл лимит в $1500 в месяц на сотрудника для каждого AI-инструмента (Claude Code, Cursor и др.).

💻 Microsoft

Весной Microsoft начала отзывать большинство внутренних лицензий Claude Code и переводить сотрудников на GitHub Copilot CLI и собственные AI-инструменты.

Причина — слишком быстрый рост расходов на токены.

🛒 Walmart

Walmart ограничил использование собственного AI-ассистента для разработки.

Компания пришла к выводу, что далеко не каждая задача требует дорогих LLM, и начала пересматривать сценарии использования AI.

🏢 Accenture

Accenture попросила сотрудников не использовать AI для простых или тривиальных задач, где стоимость вычислений выше потенциальной экономии времени.

Фокус сместился с количества запросов к реальной эффективности.

🛍 Amazon

По данным отраслевых публикаций, Amazon сначала активно стимулировал сотрудников использовать AI ("tokenmaxxing"), а затем отказался от этой практики после роста расходов и появления случаев бессмысленной генерации ради внутренних рейтингов.

📱 Meta

В Meta существовал внутренний рейтинг Claudeonomics, где сотрудники соревновались по объёму использования AI. Сейчас подобный подход всё чаще критикуют, поскольку он стимулирует рост расходов без гарантии роста эффективности.

Что это означает для HR?

👉 Если ещё недавно задачей HR было максимально быстро внедрить AI в работу сотрудников, то теперь появляется новая задача — научить команды использовать искусственный интеллект экономически эффективно.

Компании начинают оценивать не количество AI-запросов, а бизнес-результат:

— какие задачи действительно стоит автоматизировать;
— где AI создаёт ценность, а где только увеличивает расходы;
— какие сотрудники умеют работать с AI наиболее эффективно;
— как измерять отдачу от внедрения искусственного интеллекта.

Главный вывод 👇

Первая волна внедрения AI была посвящена скорости.Следующая будет посвящена эффективности.

Возможно, уже совсем скоро рядом с привычными HR-метриками появятся новые показатели: стоимость AI на одного сотрудника, экономический эффект от использования AI или даже выручка на миллион AI-токенов.