Аналитика
Дебаты о бюджетировании токенов Meta превращают программирование ИИ в проблему контроля затрат
Глава Instagram Адам Моссери сказал, что ограничения по токенам на каждого инженера могут в конечном итоге иметь смысл, что является признаком того, что расходы на генеративный ИИ становятся операционной дисциплиной даже в крупнейших технологических компаниях.
Патрик Т ·
Внутренний энтузиазм Meta в области ИИ сталкивается с тем же ограничением, с которым в конце концов сталкивается любая компания: кто-то должен оплатить счет. TechCrunch сообщили, что глава Instagram Адам Моссери сказал, что он может представить себе будущее, возможно, через год или два, когда Meta введет ограничения на расходование токенов ИИ сотрудниками. Это заявление не было анонсом новой политики. Оно было более показательным, чем это. Оно показало, что даже компания, строящая собственную инфраструктуру ИИ, начинает рассматривать использование моделей как ресурс для распределения, измерения и управления.
Токены — это единицы, с помощью которых большие языковые модели обрабатывают подсказки, контекст и результаты. Когда инженеры интенсивно используют инструменты AI для программирования, стоимость перестает быть фиксированной оплатой за программное обеспечение. Она превращается в счет за использование вычислительных ресурсов. Моссери описал мир, в котором высокий уровень расхода AI у сильного инженера может приблизиться к его зарплате или общим затратам на труд. В этом мире, сказал он, компаниям, вероятно, потребуется устанавливать лимиты, пропорциональные доверию к тому, что сотрудник сможет использовать бюджет с положительной окупаемостью.
Это резкое изменение по сравнению с первой фазой внедрения корпоративного ИИ. Изначально компании поощряли широкие эксперименты, потому что стратегическим риском казалось недостаточное использование. Разработчикам поручали пробовать ассистентов, автоматизировать рутинную работу и исследовать новые агентские рабочие процессы. Сейчас риск заключается в неконтролируемом потреблении. TechCrunch сообщил, что Meta закрыла внутреннюю таблицу лидеров по расходу токенов после того, как затраты поставили компанию на путь к миллиардам долларов в 2026 году.
Meta не одна. TechCrunch отметил, что Uber израсходовал свой бюджет на ИИ-программирование на 2026 год к апрелю, и это Microsoft перевел инженеров с лицензий Claude Code на свой собственный инструмент Copilot CLI. Эти примеры указывают на один и тот же рабочий подход. Инструменты ИИ могут повышать производительность, но предельные затраты на каждый запрос, повторную попытку, цикл агента и сессии кодирования с большим количеством контекста могут накапливаться быстрее, чем системы закупок были разработаны для отслеживания.
Финансовая проблема заключается не только в стоимости токенов. Речь идет о распределении ресурсов. Если инженер тратит тысячи долларов на вызовы модели, чтобы быстрее реализовать функцию, это может быть хорошей инвестицией. Если же автоматизированный процесс использует ту же сумму на создание малоценного эксперимента или застревает на некачественных заданиях, такие расходы являются пустой тратой. Компаниям понадобятся дашборды, которые связывают использование модели с пулл-реквестами, инцидентами, функциями, тикетами, доходом, снижением нагрузки на поддержку или другими конкретными результатами.
Такой вид измерения изменит инженерную культуру. Предел токенов может превратиться в грубое сокращение бюджета, если его применять одинаково ко всем. Он также может стать серьёзным инструментом управления, если отражает роль, ценность проекта, ограничения по безопасности и ожидаемое воздействие. Старшие инженеры могут получать большие бюджеты, потому что они могут направлять ИИ на задачи с большим эффектом. Новым разработчикам может потребоваться руководство, чтобы избежать превращения ассистент по программированию в токеновый инсенератор.
Последствия для продавца значительны. OpenAI, Anthropic, Google и поставщики открытых моделей будут конкурировать не только по качеству тестов, но и по экономике рутинной работы. Если большинство задач программирования не требует самой мощной модели, компании будут распределять запросы в зависимости от сложности, конфиденциальности, задержки и цены. Это благоприятствует оркестрации моделей, более дешевым небольшим моделям, локальному выводу и политическим механизмам, которые решают, когда оправданы дорогие передовые модели.
Для Meta дебаты имеют дополнительный стратегический слой. Компания продвигает открытые модели Llama и сильно инвестировала во внутреннюю инфраструктуру. Если Meta по-прежнему видит будущую необходимость в нормировании использования ИИ, более мелкие компании должны предполагать, что проблема затрат для них будет острее. Неограниченный эксперимент с ИИ может оставаться полезной тактикой раннего внедрения. Маловероятно, что он сохранится как постоянная модель работы.
Практический урок заключается в том, что управление ИИ становится финансовым управлением. Команды по безопасности будут спрашивать, какие данные может видеть инструмент. Юридические команды будут спрашивать, что он может сохранять. Руководители инженерных команд теперь будут спрашивать, сколько это стоит за значимый результат. Комментарий Моссери не положил конец буму программирования ИИ. Он обозначил его переход от новинки к статье бюджета.
Темы: Meta, ИИ-программирование, токены, корпоративный ИИ