Uber ввёл лимиты на ИИ: теперь расходы ограничены суммой в $1500 в месяц на сотрудника и на каждый агентный инструмент для программирования. По данным TechCrunch, повод прозаичный и для рынка очень показательный: компания успела сжечь весь годовой бюджет на ИИ всего за четыре месяца. Для разработчиков, продактов и IT-руководителей это хороший сигнал: эпоха лозунга «давайте просто дадим всем Copilot-подобный инструмент и разберёмся потом» быстро заканчивается.
Речь идёт не о полном откате от ИИ, а о включении финансовой дисциплины. Как пишет TechCrunch со ссылкой на Bloomberg, Uber установил внутреннее правило: не более $1500 в месяц на сотрудника и на каждый agentic coding tool, включая Anthropic Claude Code и Cursor. У сотрудников есть доступ к внутреннему дашборду, где эти траты можно отслеживать. В отдельных случаях лимит можно превысить, но уже только с разрешения. Иначе говоря, ИИ внутри компании переводят из разряда корпоративной игрушки с безлимитом в категорию обычной инфраструктурной статьи расходов, где всё считается.
Контекст у этой истории особенно любопытный. Ещё в апреле CTO Uber признал, что компания исчерпала весь свой годовой бюджет на ИИ за четыре месяца. Это случилось после того, как сотрудников, по данным The Information, фактически подталкивали использовать ИИ «как можно больше». Более того, внутреннее использование инструментов даже превращали в соревновательную метрику с лидербордами. Логика понятна: чем быстрее люди встроят ИИ в повседневную работу, тем быстрее компания получит рост производительности. На бумаге звучит бодро. На практике выходит знакомая для любой большой организации история: если не поставить рамки, расходы растут быстрее, чем доказательства пользы.
Собственно, в этом и главный нерв новости. Uber не стартап на десять человек, который может позволить себе пару месяцев хаотичных экспериментов. Это крупная публичная компания, где любая новая технологическая мода быстро превращается в ощутимую строчку затрат. Если даже там понадобились лимиты на ИИ после периода внутреннего энтузиазма, значит, вопрос уже не в том, внедрять ли такие инструменты, а в том, как ими управлять. Для IT-директора это почти классическая история про облака начала 2010-х: сначала все радуются скорости запуска, потом приходит финконтроль и спрашивает, почему счет вырос быстрее, чем выручка.
Дополнительный штрих добавил COO Uber Эндрю Макдональд. TechCrunch напоминает, что он недавно публично усомнился в том, насколько легко вообще доказать продуктивность ИИ. В подкасте он сказал, что провести прямую линию между использованием ИИ и появлением новых пользовательских функций очень трудно. Это, пожалуй, самая неприятная часть всей дискуссии для рынка. Траты видны отлично: подписки, токены, корпоративные лицензии, доступ к агентным IDE. А вот эффект часто расползается по мелочам: код пишется быстрее, ревью вроде бы короче, документация собирается охотнее, но где именно в этой цепочке рождается измеримый бизнес-результат, ответ есть не всегда.
Для разработчиков эта история важна ещё и потому, что меняется сама корпоративная модель использования ИИ. До недавнего времени во многих компаниях инструменты вроде Cursor или Claude Code продвигались почти как личный бустер продуктивности: бери, пробуй, автоматизируй рутину, ускоряйся. Теперь поверх этого слоя появляются бюджеты, квоты, внутренние панели мониторинга и, вероятно, новые правила закупки. Проще говоря, инженер больше не просто выбирает удобный инструмент, а работает внутри системы, где нужно объяснять, зачем именно этот инструмент, почему в таком объёме и что компания получила на выходе. Это уже не только про developer experience, но и про FinOps для ИИ.
Для бизнеса вывод ещё жёстче. Массовая раздача доступа к ИИ без сценариев применения почти гарантированно ведёт к красивой внутренней статистике использования и куда менее красивому разговору с финансистами. Если сотрудники соревнуются, кто активнее пользуется ИИ, метрика adoption растёт сама собой. Но adoption без привязки к результату легко превращается в дорогой корпоративный спорт. Поэтому лимиты на ИИ у Uber выглядят не как отказ от технологии, а как болезненный переход от фазы ажиотажа к фазе управления: считать стоимость по командам, сравнивать инструменты, смотреть на реальный вклад в продукт и перестать путать частоту использования с пользой.
Похоже, именно такой сценарий вскоре станет нормой и за пределами Uber. Рынок долго продавал генеративный ИИ как почти автоматический множитель эффективности, но в 2026 году разговор всё чаще возвращается к старому неудобному вопросу: где ROI и как его считать, если эффект размазан по десяткам процессов? Чем активнее компании раскатывают агентные инструменты на разработку и операции, тем чаще вместо восторженных демо появляются лимиты, дашборды и разрешения на перерасход. Для отрасли это, возможно, и есть первый признак взросления: ИИ больше не чудо-кнопка, а ещё одна дорогая корпоративная система, которую придётся защищать не презентациями, а цифрами.