О наведённом спросе, увольнениях и реальной цене ИИ, которым мы не умеем пользоваться
Если вы хоть немного бывали в «твиттере про транспорт», вы видели этот мем.
«Бро, ещё одну полосу — и всё».
Неразборчиво, как будто карандашом нарисованный дорожный инженер стоит рядом с шоссе и указывает на новые полосы, которые он хочет добавить, потому что пробки. Лицо у него серьёзное. На этот раз он всё исправит. Ещё одна полоса — и заторы исчезнут.
Они почти никогда не исчезают надолго.
Новые полосы создают новые поездки. Новая пропускная способность создаёт новый спрос. Экономисты называют это наведённым спросом. Автомагистраль Katy Freeway в Техасе расширили до одной из самых широких в мире. 405‑ю в Лос‑Анджелесе расширили на миллиард долларов. Шаблон десятилетий расширения шоссе знаком: мощность растёт, использование догоняет её, и пробки возвращаются.
Инженер из мема всё равно продолжает просить ещё одну полосу.
Сейчас мы в той же точке с дата‑центрами для ИИ.
Правильная инфраструктура, говорят они
Каждый квартал приносит очередной анонс гипермасштабера. Ещё один проект на десять цифр. Ещё один кампус. Ещё одна подстанция. Ещё одна сделка по электроэнергии. Ещё один спор по поводу воды. Ещё один сельский округу говорят, что это цена прогресса.
Обоснование всегда одно и то же.
Спрос на ИИ взрывается. Нам нужно больше вычислений. Если мы не будем строить, США отстанут от Китая. У предприятий не будет нужной им мощности. Разработчики будут стеснены. Инновации замедлятся.
Всего ещё один дата‑центр.
Всего ещё один кампус на гигаватт.
Всего ещё один участок на 2700 акров.
Всего ещё одно обновление сети.
Тогда мощности хватит.
Это тот же инженер, только с другим чертежом.
Это инфраструктурная ставка на целое поколение, и значительная её часть уже подписана.
Это не аргумент о том, что ИИ не нужна никакая инфраструктура. Некоторая новая мощность действительно необходима.
Вопрос в том, стоит ли продолжать брать на себя такие объёмы новой мощности, пока мы не заставим покупателей доказать, что они разумно используют уже имеющиеся ресурсы.
Сейчас часть этого взрывного спроса — реальная новая продуктивность. А часть — избежимое потребление, созданное плохими настройками по умолчанию, бесконтрольными повторами запросов, протухшими учётными данными, чрезмерно мощными моделями и нагрузками, которые никто никогда не заставлял оправдывать свою стоимость.
Наведённый спрос
У вычислений нет фиксированной кривой спроса. Она сгибается под доступное предложение.
Дайте разработчикам дешёвый доступ к передовым моделям — и многие нагрузки по умолчанию начнут использовать именно их. Дайте агентам крупные бюджеты — и многие агенты их потратят. Дайте командам неограниченные API‑ключи — и счёт будет расти, пока кто‑то не заметит.
Но к тому моменту система уже в продакшене.
Основатель запускает дорогую модель на каждом шаге пайплайна поддержки клиентов, потому что это был дефолт, когда инженер «быстро выкатил фичу». Пайплайн работает. Счёт становится болезненным. Позже кто‑то обнаруживает, что большую часть нагрузки можно было запускать на более дешёвой модели почти без потери качества — или вовсе без измеримой потери.
Это не странный крайний случай. Так часто выглядит быстрое развитие ИИ.
Настройки по умолчанию неверны. Расточительство невидимо. Счёт выставляют с опозданием.
То же самое происходит везде.
Система поиска с векторным поиском хранит дубликаты. Агент поддержки зацикливается на повторах запросов. Код‑агент жжёт самую дорогую модель на тривиальных правках. Ключ подрядчика живёт дольше контракта. Ключ бывшего сотрудника переживает офбординг. Продукционный ключ оказывается на чьём‑то ноутбуке.
Они не обязательно злонамеренны. Просто система не управляется.
Когда индустрия ИИ говорит, что спрос взрывается, часть этого спроса — реальная продуктивность. А часть — плохие дефолты, протухшие учётные данные, отсутствие бюджетов и неуправляемая работа машин.
Добавление вычислительных мощностей этого не исправляет. Оно это подкармливает. Даже такие компании, как Amazon, сообщают, что всё именно так и обстоит.
Это наведённый спрос. Это то самое шоссе.
Ментальность «людей — вон, ИИ — вон»
При сокращении штата и росте бюджетов на ИИ эти две вещи часто явно связывают. Microsoft прямо говорит, что её сокращения — не просто замена людей ИИ. Сэм Альтман признал, что часть приписывания — это то, что он называет AI washing: ссылки на ИИ, чтобы оправдать сокращения, которые компания и так бы сделала. Опросы директоров показывают, что им приходится планировать изменения, исходя из ИИ.
Данные ясно показывают переалломацию приоритетов. Challenger описывает, как технологические компании реструктурируются вокруг ИИ, автоматизируя одни роли и перераспределяя бюджеты в пользу новых возможностей. Конкретного работника и конкретный GPU не нужно сводить в пару «один к одному», чтобы сдвиг капитала был реальным.
От этого неприятный вопрос становится острее, а не мягче.
Если обмен — это не «люди в обмен на продуктивность ИИ» и не полностью «люди в обмен на ничего», то что именно стоит в машинной части баланса? Никто не может дать уверенный ответ, потому что траты на ИИ превращаются в эквивалент зарплатной ведомости, но управляют ими вовсе не с той строгостью, что управляют зарплатами.
У человеческих работников есть менеджеры, бюджеты, права доступа, корпоративные карты, пропуска, процедуры офбординга, аттестации и следы аудита.
У машинных работников часто есть только API‑ключ.
Мы переносим бюджеты с оплаты труда людей на оплату труда машин — и затем управляем этой «машинной зарплатой» как кучей паролей. Без владельца. Без менеджера. Без срока действия. Без политики расходов. Без чека. Без стоимости за полезный результат. Без доказательства, что работа машины стоила её цены.
API‑ключ — новая корпоративная карта
Компания никогда не скажет: «У бывшего сотрудника осталась корпоративная карта, никто не знает, что по ней проходит, и мы узнали об этом через несколько месяцев». Это считалось бы очевидным операционным провалом. Но API‑версия такой ситуации происходит постоянно.
Ключ провайдера моделей может генерировать расходы. Ключ облака может создавать инфраструктуру. Ключ Stripe может двигать деньги. Ключ GitHub — выкатывать код. Ключ поставщика данных — получать доступ к платным наборам. Ключ рекламной платформы — сжигать бюджет кампании. Ключ биржи — торговать активами.
Это не просто секреты. Это экономические полномочия.
Слишком много API‑ключей по‑прежнему считают паролями. Их нужно считать корпоративными картами для машин.
Подрядчики, дев‑шопы, маркетинговые агентства, аудиторы, fractional‑команды, сотрудники и агенты — все они нуждаются в доступе к ресурсам, который должен то расширяться, то сжиматься. Сегодня компании либо чрезмерно расширяют доступ, либо сильно всё тормозят. Проект заканчивается, доступ остаётся, а траты продолжают идти.
Это не только проблема безопасности. Это проблема учёта. Проблема управления и проблема инфраструктуры.
Местные всё понимают
Общественный протест против дата‑центров — это не просто синдром NIMBY. Люди чувствуют противоречие. Недавний опрос Gallup показал, что семь из десяти американцев выступили бы против строительства дата‑центров для ИИ в своих городах.
(https://news.gallup.com/poll/709772/americans-oppose-data-centers-area.aspx?utm_source)
Дата‑центры потребляют колоссальное количество электроэнергии. В зависимости от системы охлаждения и локации они могут существенно потреблять и воду, и землю. Они создают реальный жар, шум, конфликты вокруг линий электропередачи и локальное политическое давление. Выгоды часто кажутся далёкими, частными или спекулятивными. Издержки — локальны.
Инфраструктурное бремя концентрируется в сельских округах. Экономическая выгода размазана и часто достаётся где‑то ещё. Выгоды обещают потом. Издержки приходят сейчас.
Это политически неустойчиво. В 2026 году это перестало быть прогнозом.
Индустрия не должна удивляться, что дата‑центры превратились в общенациональный политический конфликт. Если инфраструктура ИИ просит у сообществ землю, энергию, воду и терпение, индустрия должна уметь доказать, что вычисления используются разумно.
Сейчас многие покупатели этого доказать не могут.
Обмен «люди на неучтённую машинную работу» — ошибочен
Сведём всё вместе.
CFO читает инвестиционный тезис по ИИ, одобряет расширение, сокращает штат, чтобы его профинансировать, и говорит совету директоров, что математика сходится. Вычислительные ресурсы выделены. Нагрузки выкатываются. Настройки по умолчанию неверны. Ключи не управляются. Дорогие модели используются сверх меры. Агенты слишком часто повторяют запросы. Старые учётные данные продолжают работать. Счёт растёт быстрее прогноза.
Совет спрашивает — почему. Ответ: спрос на ИИ взрывается. Нам нужно больше мощностей. CFO подписывает следующий контракт. Цикл повторяется.
Тем временем уволенный сотрудник наблюдает, как компания агрессивно тратится на ИИ‑системы, которые могут и не дать обещанной продуктивности. Комиссар округа принимает гневные звонки о свете, воде, земле и шуме. Оператор сети пытается свести баланс. Местному жителю говорят, что это — будущее.
Слишком часто обмен был не «люди за продуктивность». Это был обмен «люди за неучтённую машинную работу». Люди за плохие дефолты. Люди за разгильдяйство. А когда это разгильдяйство стало дорогим, ответом индустрии была не дисциплина. Это был ещё один
дата‑центр. Всего ещё один, бро.
Реальный ответ
Реальный ответ — не просто строительство новых дата‑центров.
Реальный ответ — разумное использование дата‑центров, которые у нас уже есть.
Это неприятно произносить индустрии, потому что стимулы устроены не идеально. Провайдерам обычно платят, когда растёт потребление. Покупатели выигрывают, когда растёт количество полезных результатов. Эти две кривые — не одно и то же.
Интерес покупателя конкретен.
Покупателю нужна самая маленькая модель, которая справляется с задачей. Наименьшее число обращений, решающих проблему. Ключ, который истекает, когда проект заканчивается. Учётные данные, которые работают только с нужного устройства. Агент, которого отключают, когда он выходит за рамки политики. Исключение, которое одобряют только при реальном бизнес‑обосновании.
Для всего этого не нужен новый дата‑центр. Нужна разумная выдача и управление вычислительными ресурсами, которые уже есть.
Путь к решению скучен
Подбирать размер модели под нагрузку. Пакетировать то, что можно пакетировать. Кэшировать то, что можно кэшировать. Ограничивать то, что должно быть ограничено. Авторизовывать то, что действительно должно превышать лимиты. Отказывать тому, что запускается на неверной… учётные данные — с неправильного устройства, у неправильного держателя, для неправильной задачи. Измеряйте стоимость на один полезный результат. Автоматически истекающий доступ. Останавливайте зацикленные процессы. Направляйте низкорисковые задачи в недорогие модели. Эскалируйте только тогда, когда этого требует качество. Формируйте квитанции.
Рынок начал это замечать. Этим летом финансовые директора (CFO) и советы директоров стали жёстко резать счета за ИИ, которые выходили за рамки бюджета. Маршрутизация моделей превратилась из темы научных статей в термин из лексикона советов директоров: команды искали способы отправлять рутинную работу в более дешёвые модели без потери качества. Сами провайдеры моделей начали выпускать админ‑лимиты на расходы, потому что клиенты потребовали способ обуздать счета.
И правильно. Эта волна реальна и назрела давно. Провайдеры теперь предлагают жёсткие лимиты расходов, которые действительно отклоняют вызовы при достижении порога, лимиты на пользователя и маршруты согласования.
Но обратите внимание на границы текущей волны. Эти средства управления регулируют потребление внутри одного провайдера, одного проекта или одного приложения. Маршрутизация выбирает более дешёвую модель. Лимит останавливает раздувающийся счёт. Ни то, ни другое не отвечает на более широкий вопрос об авторитете: какая машина действует, из какого рантайма, от чьего имени, с какой целью, к каким внешним ресурсам и какое переносимое подтверждение существует после. Контроль затрат — это не то же самое, что программируемый, проверяемый авторитет.
ИИ нужен полный набор дисциплин, а не только часть про стоимость. Не потому что ИИ плох. А потому что ИИ становится трудом. А труду нужно управление.
Уровень, которого не хватает ИИ‑агентам
Это тот уровень, которого, по нашему мнению, не хватает ИИ, и он намеренно уже, чем весь стек FinOps.
Экономический авторитет должен регулироваться до выполнения: кто и что может тратить, с какого устройства и в каком рантайме, для какой нагрузки и при каких лимитах. И всё это — с квитанцией в конце, которую может проверить реальный человек.
Часть наращивания дата‑центров необходима. ИИ реален, а реальные вещи требуют инфраструктуры. Но неуправляемый спрос делает необходимое наращивание больше, быстрее и труднее для обоснования, чем нужно. Правильный путь — это не более красивый дашборд после получения счёта. Решение — это уровень управления на уровне учётных данных, до того как произойдёт расход.
Движение в верном направлении
Просто ещё один дата‑центр, бро.
Обещаем, в этот раз всё сработает. Мощности вот‑вот выйдут в строй. Уровень потерь вот‑вот снизится. Маржа вот‑вот проявится. Нагрузки вот‑вот станут эффективными. Местные жители вот‑вот смирятся. Энергосистема вот‑вот выдержит. Триллион долларов по подписанным договорам аренды вот‑вот будет выглядеть консервативной оценкой. Совет директоров вот‑вот увидит рост производительности.
Ещё один.
Возможно, часть этих мощностей действительно нужна. Но прежде чем индустрия попросит у сообществ больше земли, больше воды, больше энергии и больше терпения, покупатели должны уметь ответить на более простой вопрос.
Хорошо ли мы используем уже имеющиеся вычислительные ресурсы? Не на слайде и не в служебной записке о политике.
В квитанциях. Какая модель была использована. Какой рабочей нагрузке она была нужна. Какой ключ её авторизовал. Это следующий бой за инфраструктуру ИИ. Не вычисления против отсутствия вычислений. Управляемые вычисления против расточительства.
Стройте менее вслепую. Используйте то, что уже есть.