Ответ токенмаксингу: как стимулировать использование ИИ без переплаты за токены

Инженер OpenAI потратил 210 млрд токенов за неделю — эквивалент 33 Википедий, пользователь Claude Code у Anthropic — более $150 000 за месяц. Это примеры токенмаксинга, когда расход токенов объявляется соревнованием и одновременно показателем продуктивности. Но как связать его с бизнес‑результатом?

Разбираемся, как не платить космические счета за нейросети, при этом стимулировать использование ИИ в компании и сохранить поле для экспериментов.

Чего стоит токенмаксинг

Технологические гиганты, такие как Microsoft, Amazon, Salesforce, Google, Shopify, включили AI‑показатели в оценки сотрудников в этому году. Бюджет на токены становится частью компенсационного пакета, наподобие бесплатных обедов и медицинских страховок.

Оплачивать космические счета за нейросети могут позволить себе единицы, но проблема токенмаксинга состоит не только в цене. По данным исследования Deloitte 2026 Global Human Capital Trends, 80% руководителей и работников обеспокоены тем, что коллеги используют AI, только чтобы казаться продуктивнее. При необходимости накрутить AI‑потребление до нужного объема несложно — сотрудники могут специально раздувать промпты, гонять агентов по кругу, переспрашивать нейросеть одно и то же в разных формулировках.

Получается не автоматизация, а прокрастинация с AI‑вайбом. Компания в этом случае переплачивает и недополучает одновременно. Поведение токенмаксера напоминает «цифровой презентеизм» на удаленке: когда сотрудники сидят в онлайне, но вместо работы занимаются своими делами.

Объем потребления токенов не равен ценности готового решения. Один разработчик может написать с AI бесполезную, никому не нужную программу и возглавить лидерборд. Другой с первой попытки сделает готовое решение, но останется в конце турнирной таблицы. Вспоминается экономический закон Гудхарта: когда метрика становится целью, она перестает быть полезной как метрика.

Однако токенмаксинг не всегда означает недобросовестность сотрудников или гонку за первенством в турнирной таблице. Иногда это просто неграмотность. Например, сотруднику дали AI‑инструмент, но не обучили работе с ним. Он не знает, как функционирует контекстное окно, загружает в нейросеть многостраничный документ вместо конкретного раздела и неосознанно сжигает лишние токены.

Когда токенмаксинг оправдан

С другой стороны, есть кейсы, которые можно принять за токенмаксинг, но на деле это не так.

Большой расход токенов объективно необходим:

1. Для сложных задач — мультиагентные исследования, кодинг, итеративный рефакторинг, генерация синтетических данных для обучения собственных моделей.
2. Для конкурентной разведки и исследований, где параллельные агенты анализируют большие массивы данных для получения инсайтов и автономно работают длительное время.

Сотрудники должны быть уверены, что их не оштрафуют за неудачный пилот. Культура «что если это не сработает?», напротив, погубит инновации на корню.

Культура бизнес‑ценности вместо токенмаксинга

Токенмаксинг процветает в корпоративной культуре, где система оценки сотрудников построена на количестве запросов к AI. Такая парадигма мышления настраивает генерировать активность, но не бизнес‑ценность и не осмысленные решения. В итоге для компании это может оказаться не только дорого, но и вредно.

Правильные метрики сложнее собирать, но именно они покажут реальный эффект от использования AI.

Мы рекомендуем и уже используем у себя в Just AI комплексную систему оценки проектов, условно ее можно разбить на четыре группы показателей:

1. Экономические: возврат инвестиций (ROI), сокращение операционных затрат, снижение стоимости бизнес‑процессов, срок окупаемости проекта.
2. Операционные: доля автоматизированных операций, время ответа, экономия человеко‑часов.
3. Качественные: точность работы AI‑инструментов, снижение количества ошибок, улучшение клиентского опыта, повышение NPS.
4. Технические: стабильность работы системы, производительность при росте нагрузки.

Как избежать токенмаксинга среди начинающих пользователей

Вспомним правило 10‑20‑70 консалтинговой компании Boston Consulting Group: при внедрении AI 70% усилий должно приходиться на людей, процессы, управление изменениями, обучение сотрудников и создание AI‑Native‑культуры. То же самое относится и к мерам предотвращения токенмаксинга.

На начальных стадиях AI‑адаптации сотрудники должны понимать, что сейчас они учатся, ошибки возможны, но вовремя заданный вопрос может сократить их число и минимизировать необоснованные траты. Что еще можно сделать?

Научить промпт‑инжинирингу можно быстро, требуется только практика. Для обучения целесообразно взять реальные задачи конкретного отдела, чтобы сотрудники увидели, как AI перестраивает привычные рабочие процессы. Получится достойный ответ на вопрос WIIFM — What’s In It For Me, что я получу лично для себя, он будет мотивировать реально применять нейросети в задачах и делать это грамотно.

Создать корпоративную библиотеку промптов. Если сотрудники каждый раз составляют типовые запросы для AI с нуля, компания теряет трижды: на времени, токенах и качестве результата. Проблему решает корпоративная библиотека промптов: нужно собрать типовые задачи каждого отдела, написать оптимальные промпты и выложить в общий доступ.

Установить разумные лимиты токенов, сделать добавление по запросу. Разумно ограничить расход на токены определенной долей от ФОТ компании или конкретных отделов. Вместе с этим оставить возможность для расширения бюджета на AI по запросу, когда дополнительные токены нужны сотруднику для решения конкретной задачи.

Инвестировать в инфраструктуру и данные. Для обучения эффективных и экономичных моделей нужны хорошо структурированные, правильно размеченные внутренние данные. Интеграция AI с другими корпоративными системами повысит точность ответов и одновременно сократить потребность во внешних запросах.

Выбирать модели исходя из задачи. Не для каждой задачи нужна дорогая и умная нейросеть. Корпоративная политика распределения задач по нейросетям или система рекомендаций позволит снизить общие затраты на AI без потери качества конечного результата.

Выделить рабочее время на эксперименты с AI. Чтобы стимулировать использование AI, в компании Just AI мы ввели AI O’Clock — специальные слоты, которые еженедельно бронируются в календаре каждого сотрудника для развития практических навыков работы с нейросетями и не занимаются под другие встречи. В рамках AI O’Clock можно освоить новый инструмент одному или в группе, послушать практический митап от коллег или потратить время на разработку решения — при этом, если что‑либо подобное уже создано в компании, опыт переиспользуют, не создавая новый проект полностью с нуля.

Как избежать токенмаксинга среди продвинутых пользователей

Технически подготовленные сотрудники должны понимать, что от них ожидают осмысленных решений и свежих идей, а не гиперактивности в нейросетях. Нет задачи просто потратить токены — от взаимодействия с AI должна быть реальная польза.

Что стоит попробовать?

Сделать потребление токенов видимым. Прозрачность сама по себе меняет поведение людей. Допустим, разовая задача сожгла недельный объем токенов — пользователю имеет смысл проанализировать, почему так произошло, и в следующий раз поискать альтернативные подходы. Как вариант за тратой токенов может следить супервизор, который периодически будет возвращаться к сотрудникам с рекомендациями.

Поощрять лучшие AI‑инициативы. Быстро собрать банк идей для внедрения AI в компании позволяет хакатон. Чтобы мотивировать разработчиков к участию, создать соревновательную атмосферу, стоит выделить призовой денежный фонд и после подведения итогов наградить победителей. Логично, если суммы подарочных чеков будут пропорциональны уровню сложности номинации. В систему мотивации также стоит включить и нематериальные бонусы: результаты хакатона и лучшие кейсы нужно осветить на корпоративных ресурсах, внутренний пиар также мотивирует и вдохновляет.

Подчеркну, что настоящая GenAI‑трансформация разовым мероприятием не ограничивается. Так запускается конвейер идей, которые продолжают развиваться и после его завершения. Например, наиболее перспективные решения, разработанные в рамках внутреннего хакатона Just AI, мы отобрали для маркетплейса клиентских решений и предложили владельцам кейсов шеринг будущей прибыли.

Всего на хакатон по агентам в Just AI была предложена 131 идея, 75 из которых дошли до демо. Более половины сотрудников компании работали в составе разных команд. За участниками, кейсы которого не заняли призовых мест, оставили право доработать проекты и снова отправить на рассмотрение жюри.

На примере консалтинговых проектов в разных отраслях, от банков до промышленности, и у себя в компании Just AI мы видим, что для устойчивой AI‑трансформации необходимы два фактора — системная перенастройка рычагов культуры и создание условий для проактивности сотрудников. Полагаю, что связка top‑down и bottom‑up эффективно сработает, если корпоративные ценности выстроить вокруг бизнес‑результата, а не самого факта потребления AI‑токенов.