---
title: 'Расходы на генеративный ИИ: Как не разориться на трансформации'
excerpt: >-
  Исследование IBM Institute for Business Value о том, как хаос в бюджетировании
  ИИ приводит к перерасходу, и почему только 15% руководителей готовы платить за
  инновации по-новому.
author:
  id: ozand
  collection: users
date: '2026-01-22'
readTime: 10 мин
image: /images/blog/genai-tech-spend.webp
industries:
  - Финансы
  - Стратегия
  - IT
aiTypes:
  - Generative AI
  - Analytics
format: Аналитика
featured: true
sources:
  - title: 'The CEO’s guide to generative AI: Tech spend (IBM IBV)'
    url: >-
      https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/ceo-generative-ai/tech-spend
  - title: Tech services and generative AI (McKinsey)
    url: >-
      https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/tech-services-and-generative-ai-plotting-the-necessary-reinvention
---
import { DirectAnswer } from '@/components/content/DirectAnswer';

# Расходы на генеративный ИИ: Как не разориться на трансформации

<DirectAnswer>
По данным IBM IBV, прогнозы расходов на GenAI выросли в 3.4 раза за 4 месяца, но только 15% руководителей готовы выделять новые бюджеты, тогда как 85% пытаются перераспределять старые статьи. При структуре, где 74% инвестиций уходит в автоматизацию центров затрат и лишь 26% - в продуктовый рост, большинство программ упирается в слабый ROI на фоне кадровой инфляции (до $900k за ключевых AI-специалистов). Практически рабочий подход: запускать инициативы с окупаемостью до 18 месяцев, считать unit-экономику на уровне токена и закреплять минимум 40% AI-бюджета за кейсами, влияющими на выручку.
</DirectAnswer>

:::tip[Key Takeaways]
*   **Хаос в бюджетах:** Прогнозы расходов выросли в 3.4 раза.
*   **Иллюзия перераспределения:** Нельзя профинансировать ИИ только за счет экономии на поддержке.
*   **FinOps:** Необходимость жесткого контроля ROI каждого токена.
:::


## Введение ([SCQA](/glossary/concept-scqa-framework))

**Ситуация (Situation):** Генеративный ИИ-guide-2025) стремительно превратился из технологической новинки в обязательный элемент корпоративной инфраструктуры. Руководители (CEO) по всему миру пересматривают бизнес-модели, осознавая, что эта технология затронет каждую функцию — от HR до цепочек поставок.

**Сложность (Complication):** Однако традиционные методы бюджетирования трещат по швам. "Спешка с внедрением" создает хаос: прогнозы расходов на GenAI выросли в 3.4 раза всего за четыре месяца, а цены на специалистов (до $900k за сеньора) и дефицит GPU грозят торпедировать любые стратегии. При этом 72% CEO даже не оценивали влияние ИИ на рабочую силу, а большинство компаний просто "размазывают" бюджет тонким слоем, вместо того чтобы инвестировать в рост.

**Вопрос (Question):** Как компаниям преодолеть бюджетный кризис, избежать ловушки "раздутых штатов" и превратить расходы на ИИ в реальное конкурентное преимущество, а не в черную дыру для денег?

**Ответ (Answer):** Решение в радикальной прозрачности (FinOps), жестком приоритете проектов с доказанным ROI и отказе от финансирования за счет сокращения других статей. Исследование [IBM Institute for Business Value](/glossary/organization_ibm-ibv) показывает: нельзя прийти к росту только за счет экономии.

---

## 📊 Data Core: О чем предупреждают цифры?

<div style="display: flex; gap: 20px; justify-content: space-around; background-color: #f5f5f5; padding: 20px; border-radius: 8px;">

<div style="text-align: center;">
<h3>3.4x</h3>
<p><strong>Рост прогнозов</strong><br />Во столько раз выросли ожидаемые бюджеты на GenAI всего за 4 месяца.</p>
</div>

<div style="text-align: center;">
<h3>$900k</h3>
<p><strong>Цена таланта</strong><br />Зарплата топ-инженеров по ИИ, что делает "битву за кадры" критическим риском.</p>
</div>

<div style="text-align: center;">
<h3>15%</h3>
<p><strong>Новые деньги</strong><br />Лишь такая доля руководителей планирует выделять <em>новые</em> бюджеты, остальные режут другие расходы.</p>
</div>

</div>

---

## Глубокий анализ: В какие три ловушки ИТ-бюджета попадают компании?

### 1. Иллюзия перераспределения
Исследование IBM Institute for Business Value выявило тревожный тренд: **85% компаний** планируют финансировать внедрение GenAI за счет перераспределения существующих средств.
*   33% заберут деньги у "не-ИИ" проектов.
*   37% перенаправят средства внутри ИИ-бюджета.

> *"Увеличение бюджета на 5 миллионов долларов не позволит ведущему предприятию продвинуться далеко."* — IBM IBV

**Инсайт:** Перекладывание денег из одного кармана в другой не сработает. Внедрение GenAI повышает нагрузку на *всю* инфраструктуру (облака, данные, безопасность). Если вы забираете деньги у поддержки бэкенда ради покупки API [OpenAI](/glossary/organization_openai), вы создаете технический долг, который обрушит систему в момент масштабирования.

### 2. Кадровая инфляция
Рынок труда в сфере ИИ перегрет до предела. Стартовые позиции промпт-инженеров начинаются от $130,000, а архитекторы стоят почти миллион.
*   **Проблема:** ИТ-директора (CIO) живут в иллюзии, прогнозируя *снижение* доли затрат на персонал (с 18% до 16% к 2025 году).
*   **Реальность:** Это "принимаемое желаемое за действительное". Каждая новая модель требует настройки, дообучения и контроля. Без внутренних компетенций вы станете заложниками дорогих вендоров и интеграторов.

### 3. Ошибка фокуса: Экономия vs Рост
Куда идут деньги? Статистика удручает:
*   **74%** инвестиций направляются в HR, финансы и поддержку (центры затрат) для *оптимизации*.
*   Только **26%** идут в продукты и R&D (центры прибыли) для *инноваций*.

Компании используют мощнейшую технологию десятилетия, чтобы просто "срезать косты", вместо того чтобы создавать новые продукты. Это путь в тупик: вы станете чуть эффективнее, но ваши конкуренты, вложившиеся в R&D, создадут продукт, который сделает ваш бизнес ненужным.

---

## Авторская модель приоритизации: 40/40/20 для бюджета GenAI

Чтобы выйти из режима "пилотов без масштаба", используйте классификацию портфеля по влиянию на P&L:

| Класс инвестиций | Доля бюджета | Цель | Порог ROI | Срок окупаемости |
| --- | --- | --- | --- | --- |
| **R (Revenue Engines)** | **40%** | Рост выручки (новые AI-продукты, upsell, персонализация) | {'>'}35% | {'<='}18 месяцев |
| **P (Productivity Core)** | **40%** | Снижение операционных затрат (поддержка, back-office, внутренние ассистенты) | {'>'}20% | {'<='}12 месяцев |
| **O (Options Portfolio)** | **20%** | Эксперименты и опционные ставки (R&D, прототипы, новые модели) | {'>'}0% на портфельном уровне | {'<='}24 месяцев |

### Как считать финансовую состоятельность инициативы

Используйте единую формулу на квартал:

`ROI_AI = (Delta Gross Profit + Cost Avoidance - AI OpEx - Amortized CapEx) / AI Investment`

Где:
- `Delta Gross Profit` - валовая прибыль от новых AI-функций.
- `Cost Avoidance` - предотвращенные расходы (не просто "сэкономили часы", а подтвержденный денежный эффект).
- `AI OpEx` - API, облако, MLOps, мониторинг, безопасность.
- `Amortized CapEx` - амортизация инфраструктуры и лицензий.

Пример: если проект дает +$2.4 млн валовой прибыли и $0.8 млн предотвращенных затрат, при суммарных расходах $2.1 млн, то `ROI_AI = (2.4 + 0.8 - 2.1) / 2.1 = 52.4%`. Это выше порога для класса R, значит проект масштабируется.

---

## 🔍 Reality Check: Готова ли инфраструктура к нагрузкам?

### Проблема 1: Дефицит "Железа" (GPU)
В отчете упоминается необходимость "держать GPU в поле зрения" (ключевой ресурс в войне техногигантов). В реальности это мягко сказано.
*   **Риск:** Доступ к H100/B100 стал геополитическим и экономическим рычагом. Облачные провайдеры повышают цены.
*   **Вердикт:** Если ваша стратегия зависит от дешевого инференса, она мертва. Закладывайте ежегодный рост затрат на вычислительные мощности на 20-30%, несмотря на закон Мура.

### Проблема 2: "Inner Source" как панацея
IBM предлагает создать "внутренний маркетплейс талантов".
*   **Риск:** Переучить Java-разработчика в ML-инженера за месяц невозможно. Это требует фундаментально иного мышления (вероятностного, а не детерминированного).
*   **Вердикт:** Ставка только на внутренние резервы замедлит вас. Нужен гибрид: найм "ядра" экспертов + обучение широких масс использованию инструментов ([Copilot](/glossary/product_copilot)).

---

## ✅ Чеклист FinOps: 6 проверок перед утверждением AI-бюджета

Модель 40/40/20 задает структуру портфеля; этот чеклист — операционный framework для CFO — проверяет готовность каждой инициативы к финансированию:

1.  У кейса есть владелец P&L и порог ROI по своему классу (R, P или O)?
2.  Посчитана стоимость 1k токенов и стоимость ошибки на каждый сценарий?
3.  Заложен рост затрат на вычисления на 20-30% в год (дефицит GPU никуда не денется)?
4.  Инициатива не финансируется за счет критичной поддержки инфраструктуры?
5.  Определена дата kill-решения: максимум 2 квартала без выхода на целевой ROI?
6.  В команде есть «ядро» собственных экспертов, а не только вендоры и интеграторы?

**Trade-off источников финансирования.** Новые бюджеты vs перераспределение старых: первый подход (его выбирают лишь 15% руководителей) сохраняет устойчивость инфраструктуры, но требует защиты инвестиций перед советом директоров. Второй кажется бесплатным, однако 85% компаний, идущих этим путем, накапливают технический долг, который проявится в момент масштабирования. Практическое правило: перераспределение допустимо только для класса O (эксперименты), а классы R и P должны получать выделенное финансирование отдельной строкой.

---

## 🚀 Стратегический прогноз: Как перестроить финансовую модель?

Для C-level руководителей пришло время жестких решений:

1.  **CEO:** Перестаньте требовать "внедрить ИИ везде". Требуйте бизнес-кейсы с понятным влиянием на выручку (Revenue), а не только на экономию (Cost Saving).
2.  **CFO:** Внедрите FinOps для ИИ. Вы должны знать, сколько стоит каждый токен в разрезе бизнес-юнитов. Если маркетинг тратит $10k на генерацию картинок - какой ROI это приносит?
3.  **HRD:** Приготовьтесь платить выше рынка за ключевые компетенции, но автоматизируйте рутину, чтобы компенсировать этот рост.
4.  **CIO/CDO:** Установите "kill-rate" не ниже 30% для слабых пилотов каждый квартал. Если кейс не выходит на целевой ROI в 2 квартала, бюджет перераспределяется в класс R.

### Прикладные рекомендации на 12 месяцев

1.  **Q1-Q2:** Проведите ревизию всех GenAI-кейсов и классифицируйте их по модели 40/40/20.
2.  **Q2:** Введите token-level P&L: стоимость 1k токенов, маржа на сценарий, SLA и стоимость ошибки.
3.  **Q3:** Перенаправьте минимум 10-15% бюджета из "широких пилотов" в 2-3 revenue-кейса с подтвержденным спросом.
4.  **Q4:** Зафиксируйте целевой портфельный KPI: ROI программы {'>'}25%, доля выручечных кейсов {'>='}40%, payback медианного проекта {'<='}15 месяцев.

**Итог:** Эпоха "бесплатных пилотов" закончилась. Победителями станут компании, которые управляют GenAI как портфелем активов: режут слабые кейсы, концентрируют капитал в revenue-направлениях и ежеквартально подтверждают ROI цифрами, а не презентациями.

---

### 📥 Дополнительные материалы

Мы подготовили ключевые инсайты из оригинального исследования "Tech Spend: How are you going to pay for this?".

[Читать руководство для CEO (Перевод)](/resources/genai-tech-spend-translation)