Microsoft переходит к жесткому контролю расходов на ИИ-сервисы

Ранее крупные компании, напротив, подталкивали команды активнее применять такие инструменты — вплоть до практики «tokenmaxxing», то есть максимально интенсивного расходования доступных ИИ-ресурсов. Для рынка корпоративного софта это заметный сдвиг: эффективность ИИ теперь оценивают не только по числу подключённых сервисов, но и по стоимости их использования.

От бесконтрольного внедрения к управлению ресурсом

В Microsoft объяснили необходимость изменений ростом использования GitHub Copilot — ИИ-инструмента для написания программного кода. Руководство корпорации призвало сотрудников учитывать, как именно они расходуют токены, то есть платные ресурсы ИИ-сервисов.

Согласно сообщению, каждому подразделению Microsoft выделят ограниченный набор токенов. Источник не уточняет общий объём таких лимитов, порядок их распределения и то, какие именно сервисы, кроме GitHub Copilot, попадут под ограничения. Поэтому речь пока корректнее вести не о полном запрете ИИ, а о переходе к контролируемому потреблению.

Для пользователя это знакомая ситуация. На старте команда подключает несколько помощников: один пишет код, другой пересказывает документы, третий помогает с подготовкой писем и аналитикой. Пока расходы не видны в интерфейсе ежедневной работы, ИИ воспринимается как почти бесплатная функция. Но при масштабировании каждый дополнительный запрос превращается в часть операционной нагрузки, которую нужно учитывать на уровне подразделения.

Почему это важно для корпоративных сервисов

Ограничение токенов меняет сам подход к онбордингу ИИ-инструментов. Компании уже недостаточно сообщить сотрудникам, где находится кнопка запуска Copilot. Нужно понимать, какие пользовательские сценарии действительно сокращают время работы, а какие лишь увеличивают объём запросов без сопоставимой пользы.

Я бы рассматривала решение Microsoft как сигнал для команд, которые выбирают SaaS-продукты с генеративными функциями. При сравнении сервисов важно смотреть не только на список возможностей, но и на модель потребления: есть ли прозрачный учёт запросов, можно ли распределять лимиты между командами, видит ли администратор нагрузку и понятно ли сотруднику, почему доступ к функции ограничен.

Это напрямую связано с пользовательским опытом. Если лимит появляется неожиданно, человек воспринимает его как поломку или ухудшение продукта. Если же система заранее показывает доступный ресурс и объясняет правила расходования, когнитивная нагрузка ниже: сотрудник понимает, когда использовать ИИ для черновой задачи, а когда выбрать более простой инструмент.

При этом в доступных материалах нет данных о том, повлияли ли ограничения на производительность сотрудников Microsoft или на расходы корпорации. Нельзя утверждать и то, что подобная модель станет отраслевым стандартом. Известно лишь, что решение перекликается с позицией Palantir: компания ранее заявляла, что расходование всех доступных средств на ИИ может привести к утрате ценностных ориентиров.

Что отслеживать при выборе ИИ-сервисов

Для бизнеса главный вопрос теперь звучит не «есть ли в продукте ИИ», а «как управляется его использование». В практическом выборе я бы проверила три вещи: насколько прозрачно сервис показывает потребление ресурсов, как устроены лимиты для разных ролей и может ли компания связать расходы с конкретными рабочими процессами.

Пока Microsoft не раскрыла подробности новой системы, рано оценивать её эффективность. Но сам переход от призыва использовать ИИ как можно чаще к распределению ограниченного набора токенов показывает: корпоративный рынок начинает учитывать не только скорость внедрения, но и цену бесшовного опыта. Для команд это повод заранее договориться, какие задачи действительно стоит передавать ИИ, а какие лучше решать без дополнительного расхода ресурсов.