Корпоративная арифметика AI-трансформации: как не сжечь на токенах, подписках и серверах всю экономию от сокращения ФОТ

Коротко. CEO и финдиректору корпорации надо немного понимать технику и экономику AI. Покупка подписок и облачных токенов без жесткого финансового плана увеличит ИТ-бюджет на 5-7 %. При старте трансформации бизнес сталкивается с четырьмя «демонами»: иллюзией дешевизны кода, ямой двойных затрат, ценовым капканом провайдеров и рисками доступности плюс КИИ. По моей модели почти 95 % всех токенов компании сжигает тяжелая разработка, где нужны сильные модели и большой контекст. Мое решение для вас - модель «Двойной компьют»: тяжелую разработку перевести на собственный купленный серверный узел, а «мелочевку» + операционные процессы отдавать облачным провайдерам. Эта статья - результат моей работы, дополненный исправлениями по комментариям рецензентов, коллег из индустрии. В статье мысль разверну, но статья скорее для реалий РФ 2026. В других странах ситуация с доступностью мировых сервисов, как вы знаете, намного лучше, там при наличии законодательства можно попробовать найти сверхдешевые облачные решения.

Вопрос на 100 миллионов: реакция на прошлую статью и страх бизнеса

После публикации предыдущей статьи о сокращении до 50 % ИТ-штата к 2028 году коллеги из правлений банков и крупных холдингов стали писать мне в личку. Если собрать их вопросы в один, получится примерно так:

«Сабынин, прогноз твой красивый и хайповый. Но ты сам вообще открывал корпоративные счета за токены и подписки? Многие уже начали с этим «играться» и знают цену «ai-игрушки». Если я завтра выдам каждому сотруднику по условному безлимиту, а оптимизации ФОТ не добьюсь - я не сэкономлю, а тупо потеряю контроль над расходами, просадив финрез. ФОТ, как обычно, остается на месте, а сверху плюс прилипнет счет за облако на 15-20 миллионов рублей в месяц. И где здесь твоя экономика? Кто готов «руку на отсечение» дать, что все получится по твоему плану?»

И да, вопрос абсолютно справедливый. Это реальный управленческий страх, и под ним лежит практика ИТ управления.

Если проводить AI-трансформацию как бесплатную раздачу удобных инструментов сотрудникам (так, например делала Meta), никакого снижения операционных расходов не произойдет. В Meta сотрудники соревновались, кто сожжет больше токенов, пока расходы не пошли к миллиардам и Meta не ввела лимиты. По данным McKinsey за 2026 год, 93 % опрошенных компаний уже превысили свои бюджеты на AI. На мой взгляд, вычисления «сожрут» всю операционную маржу.

Чтобы не «сжечь» деньги акционеров, надо сразу разделить комфортные эксперименты для сотрудников и холодную корпоративную арифметику под российские реалии.

На пути трансформации вас ждут, на мой взгляд, четыре «демона» расходов AI-трансформации. Разберем каждого.

Демон первый: иллюзия дешевизны или почему тяжелая разработка пожирает 94.6 % токенов

Допустим, у вас компания (банк топ 40) на 2 500 человек, из которых примерно 500 - это ИТ (развитие и саппорт). Цифры примерные, но средние. В любой корпорации внедрение AI начинается с офисных восторгов: маркетологи генерируют слоганы и сотни креативов, юристы вычитывают договоры, HR настраивает чат-ботов, фильтруя кандидатов. Руководство видит тысячи запросов в день в AI и делает вывод: «AI уже охватил компанию стихийно, пора бы закупать корпоративный тариф». И это ошибка.

Прежде чем смотреть в расчеты, три базовых термина «на пальцах», без которых финансовому директору и CEO невозможно контролировать расходы:

• Компьют (Compute) - это физические вычислительные «мозги»: серверы, специализированные тензорные ускорители (видеокарты) и сверхбыстрая память VRAM. Они круглосуточно считают миллиарды матричных операций, чтобы мы видели сгенерированный текст или код. В облаке вы платите за чужой компьют - за те мощности, которые купил провайдер и сдает вам в аренду с наценкой. При собственном узле - вы покупаете сервер с ускорителями один раз и ставите его в стойку ЦОД.
• Контекст (Context window) - это «оперативная память» AI-агента в рамках конкретного запроса: сколько текста и кода модель может одновременно удержать в голове и осмыслить, считается в токенах. Для офисного чат-бота юриста или HR хватает 8 000–16 000 токенов. Топовые американские модели заявляют от 256k до 1M токенов, но для российских реалий и суверенных дата-центров аппетиты придется понизить: локальный сервер стабильно держит честные 128k–256k на команду ядра разработки, и этого с запасом хватает под сложные задачи.
• Токен (Token) - это единица измерения данных и тарификации, за которую вам и выставляют счет. По сути, это слог или кусочек слова: в русском тексте 1 токен равен примерно 3-4 символам (в слове «трансформация» - три токена). Когда модель читает входящий запрос, монорепозиторий или документ - вы платите за входящие токены (Input). Когда формулирует ответ или генерирует код - за исходящие (Output), которые у коммерческих провайдеров стоят в 3-4 раза дороже. В масштабах компании счет идет на миллиарды токенов ежемесячно.

В прошлой статье я говорил банальную истину, что все корпоративное ИТ делится на два фундаментальных контура: Развитие и Саппорт. Если наложить эту структуру на математику потребления токенов, получается показательная картина:

Сводные данные по компании (детальная модель с формулами по каждому подразделению, нормативами запросов и тарифами Input/Output выложена в файле ai-infrastructure-spec-2026.xlsx, Лист 1):

Суммарно по компании набегает 23.88 млрд токенов в месяц, из которых контур Развития сжигает 22.59 млрд токенов (94.6 %), а весь Саппорт и двухтысячный офис вместе взятые - лишь 1.29 млрд (5.4 %). Бороться за экономию, урезая лимиты офису - классическая экономия на скрепках. Управлять надо разработкой и ее эффективностью в первую очередь.

Это нижняя граница, скромная эксплуатация. У активных пользователей агентов объем в разы выше, поэтому дальше я считаю и вариант ×2, 45 млрд токенов в месяц. Кому-то и эта оценка покажется заниженной, но давайте будем реалистами: в реалиях РФ дешевые по сравнению с API подписки американских лабораторий недоступны, и работать приходится с тем, что доступно.

При этом в разработке слабая AI-модель – катастрофа, поверьте. В сложном цикле Развития слабая модель без глубокого контекста не держит архитектуру, лепит костыли и спагетти-код (потом к вам еще придут аутсорс-вендоры разгребать этот «завал» за тройной прайс). Именно поэтому разработчики тайно через VPN заходят по вашим рабочим задачам в американский Claude и Codex, создавая риски безопасности – просто эти модели реально справляются со сложными задачами.

Инженерам осенью 26 года бескомпромиссно нужен честный контекст AI агентов 128k-256k токенов на сильных флагманских моделях (DeepSeek-V4, GLM 5.3, Kimi K3.1).

Откуда берется счет на 9-14 миллионов рублей ежемесячно в облаке? Тарифы облачных провайдеров на коммерческие флагманские модели при глубоком контексте (>128k) с учетом повышающего коэффициента составляют в среднем 400–600 ₽ за 1 млн токенов в общем потоке вычислений (ссылки на тарифы в конце статьи). При объеме 22.59 млрд токенов в месяц в контуре Развития прямой счет за облачный API составляет 9-14 млн рублей в месяц (110-160 млн рублей в год) — без гарантий доступности и без учета пиковых нагрузок. Финдиректор точно не обрадуется росту затрат, хотя я иногда думаю, что это копейки на фоне эпохи костов на аутстафф середины 2010-х.

Демон второй: почему важен тайминг трансформации и Трудовой кодекс (ловушка двойных затрат)

В презентациях консультантов все гладко: внедрили AI, продуктивность выросла, штат сократился на 30-50 %, затраты упали. В жизни генеральный и финансовый директора попадают в классическую «яму двойных затрат».

Давайте пример. Периметр: ИТ банка или холдинга на 500 человек. При средней ставке специалиста в 420 000 рублей базовый ФОТ составляет условно 210 миллионов рублей ежемесячно.

Сравнение трех сценариев прохождения трансформации (помесячный график оптимизации ФОТ, выплат по ТК РФ и модели самофинансирования волн сведен в файле ai-infrastructure-spec-2026.xlsx на Листе 3 «Модель ФОТ и волны»):

Главный секрет перехода — набегающие волны и самофинансирование: штат сокращается не залпом, а по 25–30 человек ежемесячно с 3-го по 9-й месяц по мере перевода каждой команды на конвейер ИИ. Экономия ФОТ от первых когорт (уже с 5-го месяца это ~31 млн ₽/мес.) постепенно «оплачивает» выходные пособия следующих, сжимая кассовый разрыв с +68 млн до управляемых +25 млн ₽ без дорогих кредитов под ставку ЦБ 14%.

А чтобы 50 ключевых архитекторов и ведущих инженеров не уволились при первых слухах, их до старта выделяют в защищенную категорию главных ИИ-архитекторов. Премии руководителей команд отвязываются от численности подчиненных и привязываются к себестоимости поставки доработки в бой. Направление 10–15 % сэкономленного ФОТ в фонд удержания (+25–30 % к окладу оставшихся) превращает сопротивление во внутреннюю селекцию силами самих команд.

Демон третий: зависимость от чужой инфраструктуры или как не попасть в ценовой капкан?

Сейчас на рынке разворачивается классическая платформная экспансия: провайдеры «подсаживают» корпоративных клиентов на свои API, как драгдилеры.

Наглядный пример, вспомните такси в 2010-х: поездки стоили копейки, водителям доплачивали за счет венчура. Как только таксопарки закрылись, а пользователи привыкли жать кнопку - тарифы взлетели, а комиссия всем известного сервиса выросла до 30 %, водители и клиенты жалуются, а уже поздно.

В AI, возможно, будет то же самое. Вендоры субсидируют токены, пока вы перестраиваете процессы и увольняете людей, «подсаживаясь на иглу». А когда компания завязала критические процессы на внешний API без собственных вычислительных мощностей, начнется банальный ценовой шантаж. Сказать «мы уходим» будет тяжело: нанять людей обратно сложно, да и институциональная память будет частично утеряна. Повышение цен тогда просто переложит экономию ФОТ в карман облачного монополиста. Кстати, именно поэтому, я говорил ранее в первой статье, надо сохранять лучшую экспертизу даже при оптимизации.

Демон четвертый: бесперебойность операционной деятельности и соблюдение законов

Очевидно, если вы работаете с облачным провайдером, требуйте гарантированного SLA 99.99 % на задержку ответа. Особенно это актуально для текущих форс-мажоров с датацентрами. Если модели внедрены в живой операционный процесс (выдача кредита, антифрод), а внешний сервис завис - бизнес встал.

Поэтому регуляторика на пальцах:

1. Ни один безопасник ИТ банка не согласует отправку исходного кода критичных систем и скоринга во внешнее SaaS-облако. В коде могут быть зашиты структуры баз данных, токены и банковская тайна (ст. 26 395-1), а внешние ai-агенты за этим не следят.
2. К тому же закон об ИТ-аутсорсинге для финансовых организаций (законопроект № 404786-8, Госдума приняла его 14 октября 2026 года, Совет Федерации одобрил) требует заранее уведомлять ЦБ РФ с заключением операционного аудита и держать системы исполнителя в России, а объекты КИИ подчиняются отдельным требованиям 187-ФЗ.
3. Утечка кода через личные подписки и VPN в публичную сеть - прямой повод для предписаний ЦБ, отзыва лицензии и персональной ответственности руководства.

Отдавать критические процессы внешнему API без своего серверного узла - недопустимо. Что же делать?

«Истребитель демонов»: собственный серверный узел и модель двойного контура

Если внешние облака несут такие риски, нужно ли строить дата-центр? Нет. Базовый вычислительный блок для компании на 2 500 человек - один серверный узел на 8 специализированных ускорителей с 1 ТБ памяти VRAM. Этого достаточно, чтобы локально развернуть квантованные флагманские модели (DeepSeek-V4, GLM 5.3) и дать разработчикам честный контекст 256k.

Финансовое сравнение собственного серверного узла с коммерческим облачным API:

Главное сравнение с облаком

За 2.3 млн рублей в месяц ваш сервер дает полный безлимит вычислений и свободу выбора моделей: у локального узла себестоимость дополнительного токена равна нулю. В облачном API объем в 22.6 млрд токенов обходится в 9-14 млн рублей ежемесячно.

Чистая экономия за 3 года только на разнице между своим сервером и облачными токенами составляет 210-370 млн ₽ (и свыше 1.8 млрд ₽ суммарно с оптимизацией ФОТ!). Даже при жестком финансовом стресс-тесте со ставкой капитала ЦБ 14% собственный узел в 2-3 раза выгоднее облака и окупается за 7-8 месяцев.

А если взять те же модели в облаке и включить кэш?

Справедливый вопрос коллег после публикации: зачем сравнивать свой узел с YandexGPT и GigaChat по полному тарифу, если те же открытые флагманы уже есть в российских облаках, а повторно прочитанный контекст провайдеры считают со скидкой? У агентной разработки до 90 % входящих токенов - кэш: агент на каждом шаге перечитывает один и тот же репозиторий.

Пересчитал по прайсу Cloud.ru на GLM 5.3 (вход 173 ₽, кэш 43 ₽, выход 606 ₽ за 1 млн токенов с НДС) при 90 % кэша:

Вывод честный: при скромной эксплуатации облако с теми же моделями и работающим кэшем дешевле своего узла. Порог, после которого покупка узла выгоднее, - около 34 млрд токенов в месяц, для лизинга - около 59 млрд. Лизинг против облака с кэшем не экономит, его задача - убрать CAPEX и кассовый разрыв на старте.

Но у кэша два «но». У российских провайдеров он не гарантирован: Yandex включает его «когда возможно», GigaChat требует тот же идентификатор сессии и не публикует срок хранения. А без кэша облако уже при скромной эксплуатации стоит 4 млн в месяц. И главное, код ядра, схемы БД и банковская тайна во внешнее облако все равно не уйдут, об этом демон четвертый.

Поэтому логика двойного контура остается, уточняется только порядок: начинать с облака или аренды сервера, замерить реальный объем токенов за 2-3 месяца и переводить разработку на свой узел, когда объем подходит к порогу или этого требуют ИБ и регулятор. Расчет порога и чувствительность к доле кэша - на Листе 4 таблицы.

А потянет ли один узел 50 разработчиков по факту?

Вопрос вашего технического директора: «У вас в узле 1 ТБ памяти. Если 50 сильных инженеров параллельно загрузят задачи с контекстом 256k - сервер не ляжет?».

Отвечаю: потянет с запасом. 50 человек никогда не нажимают «Enter» в одну и ту же миллисекунду. Нагрузка распределена по дню, а архитектуры моделей (DeepSeek-V4, GLM 5.3, Kimi K3.1) держат поток за счет латентного сжатия памяти (MLA/DSA), дедупликации общих префиксов репозитория (RadixAttention) и выгрузки неактивных сессий на быстрые накопители NVMe.

А хватит ли одного узла на 45 млрд токенов в месяц, если его купить? Считаю на пальцах. Рабочий месяц - 21 день по 10 часов, это 756 тыс. секунд. 45.2 млрд токенов на это время - около 60 тыс. токенов в секунду. Звучит много, но около 90 % из них - кэш: агент перечитывает тот же репозиторий, и узел не пересчитывает его заново, а берет готовым из памяти. Считать по-настоящему надо около 6 тыс. токенов в секунду нового входа и около 1.1 тыс. токенов в секунду ответа.

Сколько дает узел? DeepSeek публиковал данные своего сервиса: узел из 8 ускорителей H800 в среднем обрабатывал около 74 тыс. токенов в секунду на входе, больше половины из них из кэша, и около 15 тыс. токенов в секунду на выходе. DeepSeek обрабатывает вход и ответ на разных узлах, а я складываю оба потока на один узел, поэтому беру в три раза меньше, тем более что у нас один узел, а не кластер, и квантованная модель: примерно 10 тыс. токенов нового входа и 5 тыс. токенов ответа в секунду. Нагрузка выходит около 55-60 % по входу и 20-25 % по ответу. Остается запас на пики и на ночные пакетные задачи: прогон тестов, ревью, документацию. При ×10 так уже не выйдет, понадобятся еще узлы.

Провокационный тезис: разработка без отказоустойчивости, а клиентский Саппорт - в дешевое облако

Когда архитекторы приносят смету на 250 миллионов рублей за резервирование внутреннего облака (два узла в разных ЦОД, гео-репликация), задайте циничный вопрос: а что случится, если сервер внутреннего ИИ для разработчиков зависнет на 45 минут?

Платежи остановятся? Банкоматы перестанут выдавать наличные? Регулятор отзовет лицензию? Ничего не случится. Программисты вздохнут, пойдут налить кофе, обсудят архитектуру у доски или напишут код руками, как делали последние тридцать лет. Тяжелая разработка (контур Развития, 94.6 % токенов) - это внутренний контур, где заказчики привыкли ждать задач месяцами, все равно будет быстрее и намного, чем «вчера».

Оговорка, которую справедливо сделали коллеги: «напишут руками» работает, пока люди есть. Когда штат уже сокращен и производство держится на агентах, простой узла надо считать через операционный риск. Решение недорогое: заранее заключить договоры с оплатой по факту у двух облачных провайдеров с теми же открытыми моделями и поднять лимиты до аварии. Пока узел работает, такой резерв почти ничего не стоит, а при 5 днях простоя в год обходится в 40-70 тыс. ₽ в месяц (Лист 4).

Настоящая непрерывность 24/7 критически важна только в клиентских сервисах и Саппорте:

Архитектура «рачительного CIO»

Гибридная модель двойного контура:

1. Единый внутренний AI-шлюз: все запросы идут через единую корпоративную точку (проверка прав, DLP-маскирование данных, аудит и умная маршрутизация).
2. Дифференцированные квоты: офису и клиентским сервисам — жесткие лимиты на легких внешних моделях с SLA 99.99%, отсекая спам.
3. Изолированный контур ядра: разработка критичных систем живет на собственном сервере под контролем ИБ, без затрат на избыточный второй кластер.
4. Инверсия старта и лизинг: День 1 — аренда выделенного сервера (~600 тыс. ₽/мес.), при масштабировании — перевод узла в 3-летний лизинг.
5. Мандат на оптимизацию: доступ к агентам открывается командам строго под обязательство снижения себестоимости фичи и сокращения штата волнами.

Вывод

AI-трансформация - это точно не технологический проект ИТ-директора. Это жесткая финансовая реорганизация компании, и спокойно считается в деньгах.

И если просто натянуть AI-агентов поверх старых раздутых процессов и прежнего штата, вы гарантированно получите ухудшение P&L и, возможно, кабальную зависимость от провайдеров.

Выиграют те руководители, которые с первого дня подойдут к процессу скрупулезно - с карандашом, калькулятором и финансовым директором: рассчитают график набегающих волн, договорятся с ключевым ядром инженеров и построят суверенный вычислительный контур.

Детализированный расчет потребления токенов по подразделениям, методика пересчета контекста и полная аппаратная спецификация серверного узла выложены в файле: ai-infrastructure-spec-2026.xlsx (внутри: помесячная разбивка по ролям, формулы тарификации Input/Output, спецификация серверного узла с ценами в Китае и доставкой в РФ, модель оптимизации ФОТ по набегающим волнам, а на Листе 4 - облако с кэшем, порог окупаемости своего узла и резерв на простой).

Источники

• Тарифы Yandex AI Studio: aistudio.yandex.ru
• Тарифы GigaChat API: обзор тарифов Сбера с 1 февраля 2026 года, тарифы для юрлиц, кэшированные токены не тарифицируются
• Тарифы Cloud.ru на открытые модели, включая GLM 5.3: прайс Evolution Foundation Models
• Тарифы MWS GPT: mws.ru
• Meta: внутренний рейтинг расхода токенов среди сотрудников и последующие лимиты: Fortune, The Decoder
• DeepSeek, пропускная способность узла: DeepSeek-V3/R1 Inference System Overview
• McKinsey, перерасход бюджетов на AI: Burning through the AI budget
• Закон об ИТ-аутсорсинге в финсекторе (законопроект № 404786-8): Интерфакс, Право.ru