Salesforce сама объяснила, почему не стала повышать годовой прогноз по марже: расходы на Claude оказались настолько заметными, что их пришлось проговаривать инвесторам отдельно. Для русскоязычного IT-рынка это важный сигнал: даже у компании масштаба Salesforce генеративный ИИ уже не выглядит как абстрактная ставка на будущее, а как вполне приземлённая статья расходов, которая бьёт по финансовым ориентирам здесь и сейчас.
Об этом, как пишет The Register, заявил заместитель CFO и руководитель финансового блока Salesforce Майк Спенсер на конференции Deutsche Bank Technology Conference. По его словам, примерно полгода назад компания «выпустила» Claude в собственный цикл R&D и сознательно пошла на дополнительные траты на токены, чтобы ускорить разработку продуктов и проверить пределы того, что такие модели вообще могут дать инженерным командам. Логика была предельно прикладная: сначала нагрузить команды инструментом по максимуму, посмотреть, что удастся ускорить и где всё начинает ломаться, а потом уже решать, стоит ли масштабировать такой подход или откатываться назад.
В цифрах история выглядит без лишней поэзии. По итогам второго квартала, завершившегося 31 июля 2026 года, Salesforce сообщила об операционной марже по стандартам бухгалтерского учёта на уровне 20,5%. Но прогноз на весь финансовый год компания оставила на уровне 20,1%. Разрыв вроде бы не драматический, но именно его Спенсер связал с затратами на токены Claude. И это, пожалуй, одна из самых интересных деталей всей истории: крупный публичный вендор больше не прячет AI-расходы за туманными формулировками про «инвестиции в инновации», а фактически говорит рынку прямым текстом, что доступ к лучшим моделям стоит дорого и эти деньги приходится учитывать так же жёстко, как расходы на облако, найм или продажи.
Для Salesforce тема особенно чувствительна, потому что речь идёт не о стороннем эксперименте в лаборатории, а о внутреннем производственном контуре. Компания использует модели для ускорения продуктовой разработки и работы над собственной технологической платформой. И если верить словам Спенсера, первые месяцы были устроены скорее в режиме стресс-теста, чем в режиме тонкой оптимизации. Иначе говоря, Salesforce сначала позволила разработчикам активно расходовать дорогой AI-ресурс, чтобы понять фактическую отдачу. Такой подход хорошо знаком любой зрелой инженерной организации: сначала собираем реальные данные из эксплуатации, потом включаем финансовую дисциплину. Разница только в том, что раньше так экспериментировали с кластерами, GPU или облачными сервисами, а теперь с токенами LLM.
Самое показательное в этой истории не признание перерасхода, а то, что последовало дальше. Спенсер сказал инвесторам, что Salesforce входит в режим refinement mode — то есть перестаёт решать все задачи самой дорогой и самой свежей моделью подряд. Внутри компании это описывают как «предписанный выбор модели под конкретную задачу». Практический смысл очень простой: топовые модели нужны не везде. Для части задач в разработке и построении техстека они действительно могут быть оправданы, но в «большинстве случаев», по словам топ-менеджера, достаточно моделей второго или третьего поколения. Это уже не культ универсального супер-LLM, а нормальная инженерная сегментация по цене и качеству.
Здесь Salesforce выглядит не исключением, а довольно честным отражением того, куда движется весь корпоративный рынок генеративного ИИ. Внутри компании, по словам Спенсера, уже используются OpenAI, Cursor и Claude, а также идут эксперименты с Grok от X. У всех разные тарифы и разная экономическая модель, поэтому вопрос больше не в том, «есть ли у нас ИИ», а в том, какая модель на каком участке даёт лучшую экономику. Для CTO, VP of Engineering и продуктовых команд это, возможно, главная мысль всей заметки: эпоха безразборного AI-энтузиазма быстро сменяется периодом закупочной и архитектурной трезвости. Если одна модель пишет код чуть лучше, но стоит заметно дороже, бизнес неизбежно начнёт считать, где эта разница окупается, а где нет.
Контекст у этой истории тоже весьма красноречивый. Ещё в мае 2026 года CEO Salesforce Марк Бениофф говорил в подкасте All-In, что компания рассчитывает потратить на Anthropic около $300 млн в 2026 году. На этом фоне нынешние слова о давлении на маржу уже не выглядят случайной оговоркой финансиста на конференции. Скорее это подтверждение того, что рынок вошёл в фазу, где стоимость использования внешних моделей стала заметным фактором корпоративной экономики. И Salesforce здесь не одинока. The Register напоминает, что Cockroach Labs тоже оптимизирует внутренние AI-расходы и активнее использует open source-модели. Параллельно Gartner предупреждала: в ряде регионов затраты на кодинговых агентов могут вскоре превысить зарплату разработчика. Формулировка спорная, но сама постановка вопроса показательная. Ещё недавно обсуждали, заменит ли ИИ инженеров, а теперь всё чаще обсуждают, не окажется ли сам ИИ слишком дорогим сотрудником.
Для российских и русскоязычных команд здесь нет экзотики, завязанной только на американский фондовый рынок. Наоборот, кейс Salesforce полезен именно своей приземлённостью. Во-первых, он показывает, что внедрение LLM в разработку почти неизбежно проходит через период перерасхода: сначала команды получают дорогой инструмент и начинают применять его шире, чем это экономически оправдано. Во-вторых, быстро выясняется, что единый «лучший» AI-стек не существует. Для генерации кода, ревью, суммаризации документации, саппорта, внутреннего поиска и продуктовых сценариев часто подходят разные модели с разной ценой и разным SLA. В-третьих, CFO и закупка в какой-то момент неизбежно приходят туда, где раньше спорили только инженеры. После этого разговор о качестве промптов и производительности агента превращается в разговор о unit economics.
Следующий этап, похоже, будет определяться не тем, кто громче всех объявил о партнёрстве с очередным LLM-вендором, а тем, кто научился раскладывать AI-нагрузку по классам задач и не переплачивать за «премиальные токены» там, где они не нужны. В этом смысле история про расходы на Claude у Salesforce интересна не как частная проблема одной корпорации, а как ранний и довольно честный отчёт о взрослении всего рынка. Перепроверить детали можно в материале .