Высокая стоимость ИИ-агентов ставит под сомнение экономическую целесообразность их использования вместо живых сотрудников — к такому выводу пришли сразу несколько известных технологических инвесторов.
Инвестор Джейсон Каланис (Jason Calacanis) рассказал в подкасте All-In, что ежедневно тратит $300 на ИИ-агента от Anthropic Claude для нужд своего бизнеса. При этом бот работает лишь на 10–20% от своих потенциальных возможностей — то есть годовые расходы составляют порядка $110 000 при весьма скромной отдаче. «Когда токены обгонят по стоимости зарплату сотрудника?» — задался вопросом Каланис, имея в виду платные единицы доступа, которые необходимо приобретать для работы с большинством ИИ-моделей.
Глава Social Capital Чамат Палихапития (Chamath Palihapitiya) подтвердил, что сталкивается с аналогичной проблемой. По его словам, стоимость моделей требует, чтобы они были «как минимум вдвое продуктивнее обычного сотрудника». Он также допустил, что ему придется вводить бюджетные ограничения на использование ИИ в своем бизнесе.
Математика не сходится
Технологический инвестор Марк Кьюбан (Mark Cuban) заявил, что этот аргумент — сильнейший контрдовод против массового замещения людей ИИ, который он встречал. По его подсчетам, восемь ИИ-агентов Claude, выполняющих работу одного сотрудника за день, обойдутся в $1 200 с учетом стоимости токенов и обслуживания. Кьюбан поставил под сомнение не только экономику подобной замены, но и её качественную сторону: «моральный дух, этика — всё то, что нельзя оцифровать, но что должно учитываться при принятии решения».
Угроза автоматизации рабочих мест остается предметом острых дискуссий. Ряд компаний уже провели сокращения, ссылаясь на внедрение ИИ. Исследование Microsoft от июля прошлого года показало, что в зоне наибольшего риска находятся специалисты умственного труда, а также работники сферы клиентского сервиса и продаж. Советник Белого дома по ИИ и криптовалютам Дэвид Сакс (David Sacks) считает эти опасения преувеличенными: по его мнению, ИИ по-прежнему требует постоянного контроля и корректировки со стороны человека. Консалтинговая компания McKinsey & Co, напротив, подчеркивает, что цель ИИ-агентов — именно сквозная автоматизация процессов без постоянного участия человека.
Стейблкоины как базовая валюта ИИ
Параллельно развивается другой аспект темы: ИИ-агенты всё активнее интегрируются в криптовалютную инфраструктуру. Генеральный директор эмитента стейблкоинов Circle Джереми Аллер (Jeremy Allaire) в прошлом месяце спрогнозировал, что в течение пяти лет миллиарды ИИ-агентов будут совершать платежи в стейблкоинах от имени пользователей. Сооснователь Binance Чанпен Чжао (Changpeng Zhao) в январе высказался в том же ключе: по его мнению, криптовалюта станет нативной валютой для ИИ-агентов, поскольку блокчейн является наиболее органичной технологической средой для их работы.
На практике ИИ-агенты уже функционируют на нескольких блокчейнах. Например, на Virtuals — протоколе второго уровня на Ethereum — агент AIXBT осуществляет микроплатежи и совершает сделки в интересах пользователей. ASI Alliance на базе Fetch.ai управляет активами и координирует экономические задачи. На днях OpenAI представила новый эталон для оценки способности ИИ-моделей обнаруживать, устранять и эксплуатировать уязвимости в смарт-контрактах — компания назвала это исследование важным шагом к оценке работы ИИ в «экономически значимых средах».
Дебаты вокруг стоимости ИИ-агентов обнажают реальное противоречие между технологическими возможностями и экономической эффективностью их применения. Пока токены стоят дороже рабочих часов, аргумент в пользу полного замещения человеческого труда остается уязвимым — по крайней мере, в текущей модели ценообразования на ИИ-услуги.
Мнение ИИ
Исторический контекст подсказывает любопытную параллель: стоимость вычислительных мощностей на протяжении последних десятилетий неизменно падала по экспоненте — согласно закону Мура. Стоимость токенов следует схожей траектории: по данным аналитиков, цены на API крупных ИИ-провайдеров за последние два года снизились на порядок. Это означает, что порог экономической целесообразности, о котором говорят Каланис и Кьюбан, не статичен — он смещается с каждым новым поколением моделей.
Есть и менее очевидный аспект: сравнение «агент против сотрудника» некорректно в самой своей постановке, если агент работает на 10–20% мощности из-за ограничений промптинга, а не архитектуры модели. Это проблема не технологии, а её внедрения. Вопрос, который стоит задать: а насколько эффективно используют своих сотрудников компании, делающие поспешные выводы об ИИ?
▼ Самые интересные и важные новости на нашем канале в Telegram
