Корпоративные бюджеты на AI уперлись не в амбиции, а в банальную рутину: сотрудники слишком охотно отдают модели задачи уровня «сделай слайды из PDF». 24 июня 2026 года стало ясно, что после весенней гонки за внутренним внедрением ИИ компании переходят к режиму экономии токенов, и для IT-команд это сигнал простой: эпоха безлимитного эксперимента закончилась.
Об этом сообщает TechCrunch со ссылкой на материал 404 Media о внутренней встрече в Accenture. По данным издания, консалтинговая компания пытается остановить сотрудников, которые расходуют выделенные лимиты на базовые операции, включая конвертацию PDF в презентации. История особенно показательная потому, что совсем недавно внутри компании, как утверждается, продвигалась обратная логика: не используешь AI достаточно активно — рискуешь карьерными последствиями, вплоть до недополученных повышений.
Ключевая деталь здесь не в самой Accenture, а в риторике ее руководителей. На утекшей записи внутреннего обсуждения, которую цитирует 404 Media и пересказывает TechCrunch, лидер по стратегии agentic AI Justice Kwak прямо говорит, что AI начинает заметно влиять на структуру затрат компании. Еще жестче звучит другая мысль: расходы становятся непредсказуемыми, а CFO, COO и CIO все еще пытаются понять, получают ли они вообще сопоставимую отдачу от этих трат. Для рынка это почти официальное признание: фаза «подключим всем, потом разберемся» столкнулась с реальным счетом от провайдера.
Весной и в начале лета многие крупные работодатели фактически подталкивали команды к максимальному использованию ИИ. Где-то это оформляли как KPI, где-то как культурную норму, а где-то даже как внутреннее соревнование между сотрудниками и подразделениями. Логика была понятной: если генеративный AI обещает ускорение, то нужно как можно быстрее встроить его в повседневную работу. Но в корпоративной среде быстро выяснилась неприятная особенность модели потребления: когда доступ к инструменту открывают широко, он начинает использоваться не только для кода, аналитики и поиска инсайтов, но и для мелких бытовых задач, которые легко масштабируются в большой счет. Один сотрудник просит модель переписать письмо, другой загружает пачку PDF, третий генерирует пять версий одной и той же презентации. По отдельности это выглядит безобидно. На уровне десятков тысяч сотрудников превращается в расходную статью, которую уже нельзя списать на «инновации».
Сама формулировка tokenmaxxing, на которой строится заметка TechCrunch, звучит иронично, но описывает реальный перекос корпоративного внедрения. Сначала компании боялись отстать и поощряли максимальную активность. Теперь они видят, что рост потребления токенов сам по себе ничего не доказывает. Если ИИ помогает с дорогой экспертизой, экономит часы инженеров, сокращает цикл вывода продукта или снижает нагрузку на саппорт, разговор один. Если он массово уходит на косметические задачи, которые раньше решались обычным офисным софтом или пятнадцатью минутами ручной работы, разговор уже совсем другой. В этом смысле бюджеты на AI стали новой версией облачных затрат: пока счет небольшой, все любят гибкость; когда приходит крупная сумма, внезапно выясняется, что половина нагрузки никому не нужна.
На это накладывается и более широкий рыночный фон. TechCrunch пишет, что в последние дни усилились разговоры об «AI selloff» — распродаже бумаг компаний, завязанных на ИИ, особенно производителей чипов памяти. Материал не приводит цифр, и делать из этого вывод о долгосрочном развороте рынка рано. Но сам контекст важен: индустрия дошла до этапа, когда новизны уже недостаточно. От AI требуют не красивой демонстрации, а внятной экономики. И если раньше вопрос звучал как «насколько быстро мы можем внедрить ИИ», то теперь он все чаще формулируется иначе: «какие именно процессы оправдывают расход токенов, а какие нет».
Что это меняет для команд и руководителей
Для разработчиков новость неприятная, но полезная. Неприятная потому, что свободный доступ к моделям, вероятно, будут урезать: лимиты, квоты, согласования, списки разрешенных сценариев использования. Полезная потому, что наконец начнется взрослая фаза внедрения. У инженеров появляется шанс перестать доказывать ценность AI количеством запросов и начать доказывать ее результатом: сокращением времени на ревью, ускорением написания тестов, более быстрой подготовкой документации, снижением числа ручных операций в поддержке и аналитике. То есть не «мы сделали 40 тысяч промптов за квартал», а «мы сэкономили столько-то часов команды на повторяемом процессе».
Для продактов и руководителей функций вывод еще прямее. Если в компании нет карты сценариев, где AI дает высокую отдачу, расходы почти гарантированно расползутся по мелочам. Самый дорогой вариант внедрения — не тот, где модели сильные, а тот, где ими пользуются без приоритизации. В одной корзине оказываются и действительно полезные кейсы, и автоматическое оформление слайдов, и бесконечные вариации внутренних текстов, и десятки промптов ради ответа, который никто не внедрит в продукт. Когда у бизнеса исчезает связь между потреблением модели и конкретным эффектом, бюджеты на AI начинают восприниматься как еще один налог на хайп.
Для HR и внутренних трансформационных офисов тут тоже плохая новость. Принуждение сотрудников к использованию AI ради самого использования быстро бьет по доверию. Если вчера людям намекали, что без активной работы с ИИ у них меньше шансов на повышение, а сегодня тем же людям говорят перестать тратить токены на простые задачи, проблема уже не в инструментах, а в управленческом контуре. Сначала от сотрудников требуют энтузиазма, потом за тот же энтузиазм начинают выставлять ограничения. Такой маятник почти неизбежно рождает имитацию внедрения: люди используют AI там, где это проще показать, а не там, где это действительно окупается.
На практике рынок, похоже, движется к куда более скучной, но здоровой модели. Вместо лозунга «AI для всех и всего» компании будут нормировать доступ, делить сценарии по уровню ценности, привязывать использование к бизнес-метрикам и, вероятно, внимательнее считать стоимость запроса в расчете на конечный результат. Для поставщиков AI-сервисов это тоже тревожный сигнал: продавать токены как новый универсальный ресурс оказалось проще, чем доказать, зачем клиенту тратить их на каждом шаге. Если корпоративные заказчики начнут всерьез резать рутинные кейсы, давление почувствуют и платформы, и интеграторы, и все, кто строил прогнозы на бесконечный рост внутреннего потребления.
Главный вопрос теперь не в том, будут ли компании экономить на ИИ, а в том, научатся ли они отделять дорогую игрушку от реально полезного инструмента. Если следующая волна внедрения пройдет через жесткие лимиты, то выживут не самые шумные AI-инициативы, а те, которые умеют доказать свою экономику в цифрах, а не в презентациях. Подробности исходной истории можно сверить в .