По данным финансовой отчётности, расходы Uber на все исследования и разработки за 2025 год составили $3,4 млрд — рекорд за всю историю компании. А в апреле этого года технический директор Uber Правин Неппалли Наги публично признался, что компания уже полностью израсходовала весь выделенный на 2026 год бюджет по ИИ-инструментам для разработки. За четыре месяца. Точная цифра не названа, но она где-то в рамках прошлого года. Перерасход обеспечил главным образом один инструмент — Claude Code от Anthropic, ИИ-ассистент для программистов.
Операционный директор Uber Эндрю Макдональд дал этому явлению название «токенмаксинг» — от слова «токен» (минимальная единица текста, которую обрабатывает языковая модель; примерно как слог или короткое слово) и английского «maxxing» — то есть максимизация ради самой максимизации. По его словам, рост потребления токенов не даёт пропорционального роста полезных функций для пользователей: «Эта связь ещё не установлена».
Около 11% живых обновлений серверного кода теперь пишутся ИИ-агентами полностью автономно, а 95% инженеров ежемесячно используют ИИ-инструменты. Но вопрос не в том, используют ли люди ИИ, а в том, что именно он производит. Расходы на API для активных пользователей составляли от $500 до $2 000 в месяц на одного инженера. При пяти тысячах инженеров даже нижняя граница даёт $2,5 млн ежемесячно, только на токены.
Проблема, однако, не уникальна. Meta создала внутренний рейтинг «Claudeonomics», где 80 000 сотрудников ранжировались по потреблению токенов, а победитель сжёг 281 миллиард токенов за 30 дней. Amazon открыто поощрял сотрудников к токенмаксингу. Nvidia CEO Дженсен Хуанг публично заявил, что инженеры должны использовать токены на сумму не менее половины своей годовой зарплаты, иначе они работают недостаточно эффективно. Microsoft тем временем начал переводить разработчиков с прямых лицензий Claude Code на собственный GitHub Copilot, очевидно пытаясь взять расходы под контроль. Один пользователь Claude Code в самой Anthropic умудрился потратить больше $150 000 за один месяц.
Особого внимания заслуживает механизм, по которому токены вообще так разрастаются. ИИ-агенты (системы, которые выполняют задачи автономно, без участия человека на каждом шаге) умножают потребление токенов, потому что превращают один человеческий запрос во множество автономных подзапросов. Вы попросили «добавить кнопку», а агент уже сгенерировал 40 промежуточных шагов, протестировал их, переписал три раза и выставил счёт за всё.
Впрочем, аналитики из Brownstone Research считают, что компании, наоборот, недоинвестируют в ИИ — и что токенмаксинг сигнализирует о высокоэластичном спросе: чем дешевле токены, тем больше их используют, тем быстрее находят реально работающие сценарии. Иными словами: сначала люди экспериментируют, потом перерасходуют, потом нащупывают нужное.
Проблема в том, что Uber (и не только он) попал в ловушку собственного энтузиазма. Когда метрикой успеха становится количество потреблённых токенов, а не качество продукта, система начинает оптимизироваться под метрику. На Amazon сотрудники признавались, что использовали Искусственного интеллекта для ненужных задач только ради улучшения внутренних показателей. Это не проблема ИИ — это классическая управленческая ошибка, которую в теории менеджмента давно описал закон Гудхарта: когда показатель становится целью, он перестаёт быть хорошим показателем.
