Бюджеты на корпоративный софт в 2027 году, похоже, снова пойдут вверх, и заметную часть прибавки даст не функциональность, а рост цен на ИИ. Forrester в опросе более 2600 бизнес- и технологических руководителей зафиксировала простой сдвиг: вендоры перекладывают собственные расходы на AI-инфраструктуру в счета клиентов, а для русскоязычной IT-аудитории это знакомый сигнал — считать TCO придется заново, даже если лицензии вчера казались предсказуемыми.
Как пишет The Register, аналитики Forrester предупреждают: поставщики ПО и AI-сервисов одновременно повышают базовые цены и активнее переводят продукты на usage-модель. Речь не о далеком прогнозе, а о том, что многие заказчики уже видят в прайсинге. В материале отдельно упомянуты Anthropic, OpenAI и GitHub, которые за последние шесть месяцев сместили часть сервисов от фиксированной подписки к оплате по потреблению. В этот же ряд Forrester ставит Microsoft с недавним запуском премиальной лицензии E7, где к E5 добавлены M365 Copilot, Agent 365 и набор защитных инструментов. Логика прозрачная: если AI-добавка требует дорогих вычислений, значит, за нее заплатит не инвестор, а заказчик.
На уровне рынка этот разворот вполне укладывается в экономику отрасли. Еще в прошлом году Bain & Company оценивала стоимость строительства AI-центров обработки данных в 2 трлн долларов к 2030 году. Такие капитальные затраты не растворяются в воздухе: кто-то должен покрыть GPU, энергетику, сетевую инфраструктуру, хранение данных и все, что превращает красивое демо в сервис с SLA. До недавнего времени часть вендоров субсидировала гонку за долю рынка щедрыми лимитами и плоскими тарифами. Теперь аттракцион заканчивается, и рост цен на ИИ переходит из категории «возможно, позже» в строку бюджета на следующий финансовый цикл.
Forrester прямо связывает этот тренд с ростом расходов не только на ПО, но и на данные. По данным компании, 80 процентов опрошенных руководителей ожидают увеличения бюджетов по этим двум направлениям. Это важный момент: AI почти никогда не приходит один. Вместе с ним приходят дополнительные траты на хранение, интеграцию, очистку данных, безопасность, контроль доступа и мониторинг использования моделей. Шэрин Ливер, chief research officer Forrester, формулирует это без романтики: лучше в 2027 году будут выглядеть не те организации, которые больше всех потратят на AI, а те, кто вложится в основу — доверенные данные, управление, готовность процессов и способность быстро адаптироваться. Для CIO и продуктовых команд это, по сути, неприятная, но полезная новость: покупать «еще один copilоt» проще, чем выстроить управляемую платформу, но счет за первый вариант приходит быстрее.
Отдельно любопытно, что обещанная экономия на людях пока не проявилась. Forrester пишет, что несмотря на волну увольнений у крупных игроков и популярный жанр «сократили штат, потому что AI все автоматизирует», реальные расходы на IT-персонал не снижаются. В 2025 году staffing занимал 35 процентов IT-бюджетов, а на 2027-й 67 процентов технологических руководителей ожидают дальнейшего роста затрат на персонал, 23 процента — сохранения на прежнем уровне и только 10 процентов — снижения. Для data- и analytics-ролей цифры еще показательнее: 68 процентов профильных руководителей ждут роста бюджета. Иначе говоря, рост цен на ИИ пока не отменяет спрос на людей, которые умеют настроить данные, следить за качеством, считать затраты и разбираться, почему модель внезапно сожгла месячный лимит за три дня.
Для разработчиков и IT-менеджеров из этого следует довольно приземленный вывод: usage-модель делает стоимость AI-функций менее предсказуемой, чем классическая лицензия на пользователя. Если раньше финансовый спор сводился к числу seats, то теперь нужно учитывать токены, интенсивность запросов, размер контекста, частоту вызовов, пиковые нагрузки и то, как именно продукт маршрутизирует задачи между моделями. Forrester советует адаптировать FinOps-практики под новую реальность, потому что традиционный FinOps строился не для токенов и не для расходов, которые скачут в зависимости от поведения пользователей. В рекомендациях названы вполне конкретные меры: model routing, semantic caching и usage guardrails, то есть механизмы, которые не дают AI-функциям тихо превратиться в бесконтрольный генератор расходов. В июле и KPMG зафиксировала похожую проблему: почти треть корпоративных руководителей признала, что при масштабном внедрении бизнес-AI им трудно понимать и контролировать операционные издержки.
Для российского рынка и русскоязычных команд здесь нет повода делать вид, будто это касается только западных корпораций с бездонными бюджетами. Даже если компания не покупает напрямую все перечисленные сервисы, сама модель монетизации быстро становится отраслевым стандартом. SaaS-поставщики, платформы для разработки, аналитические продукты и инструменты поддержки будут все чаще продавать AI не как «бонус в тарифе», а как отдельный слой потребления. Это меняет и закупки, и архитектурные решения. Продуктовым командам придется заранее отвечать на неприятные вопросы: сколько стоит одна AI-функция на активного пользователя, где верхняя граница расходов, что происходит при всплеске использования и можно ли в нужный момент переключиться на более дешевую модель без деградации сервиса. Если на эти вопросы нет ответа, рост цен на ИИ быстро превращается из рыночной новости в внутренний инцидент.
Главная интрига теперь не в том, вырастут ли счета, а в том, какие компании успеют перестроиться раньше: те, кто научится считать unit-экономику AI так же жестко, как считают облака и рекламу, получат инструмент, а остальные — дорогую привычку. Вендоры уже дали понять, что эпоха щедрых AI-дотаций не бесконечна; следующий раунд конкуренции пройдет не за сам факт наличия «умной функции», а за способность сделать ее полезной без регулярного бюджетного шока.