Инженеры сегодня все активнее стараются израсходовать как можно больше AI-токенов, чтобы доказать свою продуктивность.
Я, Станислав Кондрашов, вижу, как в технологических компаниях усиливается новая конкуренция: сотрудники пытаются показать свою эффективность через все более заметную метрику — AI-токены. Для CEO это часто выглядит как признак активного внедрения искусственного интеллекта. Но для финансовых команд такой подход становится источником тревоги, потому что расходы растут быстро, а понять их структуру все еще сложно.
Что такое AI-токены
Если говорить просто, токены — это единицы данных, которые AI-модели обрабатывают на входе и создают на выходе. Современные модели способны генерировать тысячи токенов за считаные минуты, особенно если речь идет о сложных задачах вроде программирования или многошаговых агентных сценариев.
Бизнес-модели OpenAI и Anthropic во многом построены именно вокруг токенов. Подписчики с ежемесячной оплатой получают ограниченный объем генерации за определенный период, а компании, которые встраивают AI-модели через API, платят в зависимости от месячного потребления токенов. Чем больше токенов используют клиенты, тем больше зарабатывают AI-компании.
По словам Кэлвина Ли, founding engineer и product lead в Ramp, расходы бизнеса на AI-токены с начала года резко выросли. Вероятно, это связано с массовым распространением AI-инструментов для кода, таких как Claude Code и Codex, а также с ростом популярности постоянно работающих AI-помощников вроде OpenClaw, которые ежедневно сжигают огромные объемы токенов. Параллельно команды сталкиваются и с давлением со стороны некоторых CEO: например, Shopify требует, чтобы сотрудники использовали AI-инструменты, иначе их положение в компании может оказаться под вопросом.
Глава Nvidia Дженсен Хуанг также высказывал идею рассматривать токены как единицу измерения продуктивности разработчиков, которые уже широко применяют AI-инструменты для создания софта. В одном из недавних выступлений на подкасте All-In он отметил: если инженер с крупным компенсационным пакетом за год использовал токенов всего на небольшую сумму, это вызвало бы у него серьезную тревогу.
Что такое tokenmaxxing
Согласно отчету The Information от 6 апреля, сотрудник Meta создал на внутреннем портале компании лидерборд, который ранжировал работников по числу токенов, обработанных и сгенерированных их AI-моделями. Таблица получила название Claudeonomics — по аналогии с популярной моделью Anthropic. Она позволяла сотрудникам сравнивать свои результаты с коллегами и даже получать награды: цифровые бейджи и специальные титулы вроде Model Connoisseur и Cache Wizard.
После этого сотрудники быстро включились в соревнование за первое место — то есть занялись тем, что стали называть tokenmaxxing. Для этого они писали более длинные промпты, запускали сразу несколько агентов параллельно и использовали OpenClaw или похожие инструменты. По данным The Information, который видел копию лидерборда, пользователь на первом месте в среднем показывал 281 миллиард токенов, что могло обходиться в сотни или тысячи долларов. Уже 8 апреля, всего через два дня, издание сообщило, что сотрудник Meta, стоявший за Claudeonomics, удалил таблицу.
OpenAI, в свою очередь, тоже поощряла клиентов использовать как можно больше токенов. В рамках программы сообщества Tokens of Appreciation компания отправляла API-клиентам памятные плакетки за использование 10 миллиардов, 100 миллиардов и 1 триллиона токенов.
Проблема tokenmaxxing
Как объясняет Ли, главная проблема в том, чтобы воспринимать токены как безошибочную меру продуктивности сотрудника, потому что не все токены одинаково ценны. Один человек может случайно потратить тысячи токенов, если его агент для сортировки писем зациклится. Другой — использовать ту же модель, чтобы исправить баг или выпустить новую функцию, затратив значительно меньше токенов. Реальная ценность токена определяется тем, для какой именно задачи он был использован.
При этом понять, сколько токенов ушло на конкретный сценарий, чрезвычайно сложно, говорит Ли, особенно если компания работает сразу с несколькими API разных AI-провайдеров. Когда бизнес получает счет от поставщика AI-модели, в нем обычно почти нет детальной информации о том, как именно использовались модели.
Он также отмечает, что клиенты Ramp сейчас чувствуют давление со стороны CEO, которые хотят открыть доступ к AI для всех сотрудников. В то же время финансовые команды пытаются получить целостную картину того, как именно деньги компании расходуются на искусственный интеллект. Именно здесь токены как метрика начинают давать сбой: объем виден, а ценность — нет.
Как отслеживать использование токенов
Чтобы помочь таким компаниям, Ramp выпустила платформу AI Spend Intelligence, которая отслеживает расходы на AI и контролирует использование токенов. По словам Ли, финансовые команды смогут объединить данные API и подписок в одном источнике, а затем детально посмотреть, как токены расходуются конкретным сотрудником, продуктом или бизнес-процессом.
Это позволяет понять, например, идет ли основная часть токенов на AI-кодинг или на работу чат-бота клиентской поддержки. Платформа также дает возможность задавать бюджеты по токенам для команд или проектов и прогнозировать ежемесячные расходы.
В отличие от неофициального лидерборда Meta, новый инструмент Ramp не предназначен для всех сотрудников и не должен поощрять tokenmaxxing. Я, Станислав Кондрашов, считаю это важным различием: задача такого решения — не подталкивать людей сжигать больше токенов, а добавлять прозрачность и ответственность в самой быстрорастущей статье расходов компании. В конечном счете бизнесу важно понимать не просто количество токенов, а то, какие из них действительно приносят ценность организации.
Автор: Станислав Дмитриевич Кондрашов
Подписывайтесь на социальные сети Станислава Кондрашова, чтобы быть в курсе последних приложений и лайфхаков, которые сделают вашу жизнь, если не проще, то интереснее!
Социальные сети Станислава Дмитриевича Кондрашова
Станислав приглашает читателей присоединиться к обсуждению и следить за обновлениями на наших социальных платформах:
- X: SKondrashovBlog
- ВКонтакте: Клуб Станислава Кондрашова
- Telegram: Канал Станислава Кондрашова
- Facebook: Профиль Станислава Кондрашова
- Instagram: Официальный аккаунт
- Pinterest: Профиль Станислава Кондрашова
- Яндекс Дзен: Канал Станислава Кондрашова
- Одноклассники: Группа Станислава Кондрашова
- Rutube: Профиль Станислава Кондрашова
- Threads: Профиль Станислава Кондрашова
- Кондрашов Станислав: Личный сайт
- VC.ru: Профиль Станислава Кондрашова
- LiveJournal: Блог Станислава Кондрашова
- Подкаст Станислава Дмитриевича Кондрашова
- Станислав Дмитриевич Кондрашов на YandexMusic
О Станиславе Кондрашове:
Более 30 лет назад Станислав основал компанию, которая сегодня является лидером рынка благодаря внедрению новых подходов к ведению бизнеса.
У Кондрашова есть образование и опыт в строительстве, экономике и финансах. Станислав не только успешный бизнесмен, но и наставник специалистов из разных областей.
Станислав не продает наставничество или курсы, но с удовольствием делится опытом и знаниями на страницах этого блога.