Orion soft анонсировала платформу StarScale AI, которая должна показать бизнесу не только счет за корпоративный ИИ, но и отдачу от него. Разработчик оценивает потенциальное потребление крупным российским бизнесом в 2026 году в 912,5 трлн ИИ-токенов — это около 237 млрд рублей; для IT-команд такая цифра означает, что экспериментировать с моделями без нормального учета становится все дороже.
Новый продукт собирает данные об использовании ИИ-инструментов, моделях, проектах и сценариях. Как сообщает CNews, система учитывает объем запросов, число токенов, инфраструктурные расходы и привязывает их к пользователям и подразделениям. В результате компания может посмотреть на затраты не только в масштабе всей организации, но и разложить их по сервисам, командам, сценариям и отдельным сотрудникам.
Это попытка закрыть неприятный разрыв между пилотом и финансовой отчетностью. Пока ИИ-ассистентом пользуются несколько разработчиков или служба поддержки, расходы обычно помещаются в один контракт с провайдером либо в бюджет на инфраструктуру. Но когда внутри компании появляются десятки ассистентов, собственные модели, агенты и интеграции, деньги начинают расходиться по разным статьям. Одни команды оплачивают API, другие — GPU-инфраструктуру, третьи — подписки на готовые сервисы. Без единой картины трудно понять, кто действительно решает задачу, а кто просто генерирует дорогие черновики.
StarScale AI, по заявлению Orion soft, классифицирует запросы и рассчитывает стоимость работы с ИИ. Практическая ценность здесь зависит от качества исходных данных: сама по себе цена токена еще ничего не говорит о пользе. Зато в связке с проектом, подразделением и бизнес-сценарием она помогает увидеть аномалии. Например, сервис с умеренным числом пользователей может оказаться главным потребителем ресурсов из-за тяжелых промптов, частых повторных запросов или выбранной модели. А популярный внутренний помощник — напротив, давать заметный эффект при небольшой себестоимости.
Вторая часть продукта посвящена оценке экономического результата. Платформа StarScale AI сопоставляет стоимость конкретного сценария с эффектом от его применения, включая экономию рабочего времени и ее денежный эквивалент. Это не отменяет вопросов к методике: сэкономленные минуты не всегда превращаются в выручку или сокращение затрат. Но даже прозрачная модель с оговорками полезнее, чем привычное «сотрудникам вроде стало быстрее». Для продактов и руководителей направлений появляется повод обсуждать ИИ-проекты через измеримые метрики, а не через количество запущенных чат-ботов.
Руководитель продуктов Nova AI и StarGuard AI в Orion soft Никита Векессер считает, что компаниям сложнее измерить отдачу от инвестиций в ИИ, чем посчитать расходы на модели и инфраструктуру. По его словам, задача — понять, где ИИ действительно экономит ресурсы, а где расходы не дают сопоставимого результата. Логика знакома любому, кто видел корпоративный портфель автоматизации: небольшая экономия на одной операции может быть важнее эффектной демонстрации генеративного ассистента, если операцию выполняют тысячи раз в месяц.
Для разработчиков такой учет может повлиять и на технические решения. Когда стоимость запроса видна на уровне сценария, проще обосновать кеширование, маршрутизацию между моделями, ограничение контекста, использование меньшей модели для типовых задач или доработку RAG-контура. Для CIO и финансовых команд это способ связать инженерные параметры с бюджетом. Правда, платформа не избавит организацию от главной работы: заранее определить, какую именно метрику должен улучшить каждый ИИ-сценарий и кто отвечает за подтверждение эффекта.
Рынок корпоративного ИИ постепенно смещается от вопроса «можем ли мы внедрить модель?» к более прозаичному «зачем мы платим за каждый ее ответ?». Если StarScale AI сможет собирать данные из разнородных ИИ-сервисов без ручной бухгалтерии и спорных допущений, она попадет в востребованную нишу FinOps для моделей и агентов. Следующей проверкой станет не объем обработанных токенов, а готовность компаний закрывать по этим расчетам проекты, которые красиво выглядят на демо, но плохо сходятся в экономике.