Расходы на ИИ в самых увлеченных AI-компаниях в США дошли до $7500 в месяц на одного сотрудника. Это еще не больше средней зарплаты софтверного инженера, но уже достаточно, чтобы вопрос «что дороже — люди или модели?» перестал быть шуткой из твиттера и превратился в строку бюджета, на которую смотрят CFO, CTO и руководители продуктов.
Такие цифры приводит Ramp AI Index, о чем сообщает TechCrunch. По данным индекса, верхний 1% компаний по интенсивности внедрения ИИ тратит примерно $7500 на сотрудника в месяц. Для сравнения: у верхних 10% этот показатель составляет около $611, а медианное значение по выборке — всего $11,38 на человека в месяц. Разброс выглядит почти карикатурно, но именно он хорошо показывает, где сейчас находится корпоративный AI: для большинства это цена одной подписки, для узкой группы — уже полноценная статья операционных расходов.
Самый важный контраст в заметке TechCrunch — сопоставление с расходами на персонал. Даже $7500 на сотрудника пока не обгоняют примерно $16 000 в месяц, которые в среднем получает software engineer. Иными словами, разговоры о том, что «модели уже дороже команды», пока остаются скорее эффектной риторикой, чем массовой реальностью. Но риторика эта не возникла на пустом месте: топ-менеджер Nvidia недавно заявил, что стоимость вычислений уже превышает зарплаты его сотрудников, а глава Mercor на прошлой неделе сказал, что стартап тратит на токены для внутренних агентов больше, чем на headcount. То есть крайние кейсы уже есть, просто они еще не стали нормой для среднего бизнеса.
Есть и еще одна деталь, которая делает эти цифры менее экзотическими, чем кажется на первый взгляд. У компаний из верхнего 1% расходы на ИИ за последний месяц выросли на 14,1% в пересчете на сотрудника. Это очень быстрый темп даже для рынка, который привык к перегретым ожиданиям. Важно, что речь не о разовой покупке GPU-серверов и не о красивом PoC для совета директоров, а о текущих ежемесячных тратах. Если такой темп сохранится хотя бы несколько кварталов, AI-бюджеты начнут конкурировать уже не с «экспериментальными» статьями, а с наймом, подрядчиками и частью классического SaaS-стека.
Почему разрыв такой большой
Ответ в самом профиле этих компаний. TechCrunch пишет, что верхний 1% не ставит все на одну модель или одну платформу. Такие команды комбинируют несколько frontier-моделей и параллельно используют платформы, через которые можно добраться до более дешевых open source-решений. На практике это означает не только гибкость, но и усложнение экономики: больше оркестрации, больше тестов, больше параллельных сценариев, больше токенов, уходящих на внутренние агентные цепочки, автоматизацию поддержки, генерацию кода, поиск по корпоративным данным и бесконечные A/B-сравнения качества ответа.
Для разработчиков и продуктовых команд здесь нет особой магии, только довольно жесткая арифметика. Пока компания платит условные $11,38 на сотрудника в месяц, ИИ остается «еще одним инструментом» рядом с почтой, таск-трекером и IDE. Когда сумма поднимается до сотен долларов, начинается разговор об окупаемости по командам и функциям. Когда счет идет на тысячи, у бизнеса уже должны быть ответы на неудобные вопросы: какие процессы реально ускорились, сколько ручной работы ушло, что стало дешевле, где выросла выручка или хотя бы сократился цикл доставки фич. Иначе AI легко превращается в дорогую привычку, которую сложно защищать на планерке с финансистами.
Для русскоязычной IT-аудитории в этом сюжете интересна не американская экзотика, а траектория. Многие команды в 2024 и 2025 годах обсуждали ИИ как тему для пилота: подключить ассистента разработчика, попробовать RAG-поиск по внутренней документации, выдать саппорту текстовый copilot, автоматизировать рутину в продажах и HR. В 2026-м фокус явно смещается: теперь вопрос не в том, «используем ли мы ИИ вообще», а в том, сколько стоит его повседневное использование на масштабе компании. И здесь выясняется неприятная, но полезная правда: стоимость моделей — это не абстрактная инновационная надбавка, а новый слой инфраструктурных расходов, который растет по мере того, как компании переводят эксперименты в production.
Особенно показателен медианный уровень в $11,38. Он говорит, что большая часть бизнеса пока живет в совсем другой реальности, чем AI-максималисты с тысячами долларов на человека. То есть рынок не просто делится на «внедривших» и «не внедривших». Он делится на тех, кто купил несколько мест в enterprise-плане и считает задачу закрытой, и тех, кто уже строит внутренние агентные системы, переключается между моделями ради цены и качества и фактически заводит себе новый облачный счет, только с токенами вместо виртуалок. Для CIO и CTO это прямой намек: прежние подходы к контролю SaaS-закупок здесь не сработают, потому что потребление ИИ меняется быстрее и зачастую хуже прогнозируется.
Что это меняет для компаний
Если смотреть без хайпа, данные Ramp AI Index фиксируют момент, когда расходы на ИИ перестают быть только темой про технологическое лидерство и становятся темой про дисциплину. Бизнесу придется считать не просто цену «доступа к модели», а стоимость всего контура: экспериментов, интеграций, неудачных прогонов, многомодельных маршрутов, внутренней безопасности и команд, которые все это поддерживают. Для разработчиков это означает рост интереса к FinOps для AI, кэшированию, выбору модели под конкретную задачу и более приземленному вопросу: действительно ли здесь нужен дорогой frontier-стек, или ту же задачу закроет более дешевый open source-вариант.
Главная интрига теперь не в том, догонят ли AI-расходы зарплаты инженеров в среднем по рынку, а в том, сколько компаний добровольно подпишутся на такую экономику после первых волн восторга. Пока верхний 1% тратит по $7500 на человека и наращивает этот показатель двузначными темпами, остальные могут спокойно наблюдать и считать. Но если продуктивность у этих «AI-одержимых» компаний действительно начнет расти быстрее, чем фонд оплаты труда, сдержанный скепсис быстро закончится, и расходы на ИИ из любопытной метрики превратятся в новый стандарт корпоративной конкуренции. Первоисточник с цифрами — .