Уолмарт ограничил использование ИИ-ассистента Code Puppy
Крупнейший ритейлер Walmart, насчитывающий около 2,1 миллиона сотрудников, начал ограничивать внутреннее использование ИИ-ассистента Code Puppy. Ранее работникам поощряли свободное применение инструмента без каких-либо ограничений, однако возросшие расходы на обработку запросов к языковой модели вынудили компанию пересмотреть политику. Теперь каждому сотруднику выделяется фиксированное количество ИИ-токенов, что напрямую ограничивает объём использования.
Code Puppy позиционировался как помощник для рутинных задач: анализа электронных таблиц, создания презентаций и других автоматизируемых рабочих процессов. Тем не менее даже скромный объём запросов на одного сотрудника при масштабе компании способен генерировать значительные расходы. Руководство Walmart призывает сотрудников использовать ИИ там, где он создаёт реальную ценность, и предоставляет рекомендации по выбору подходящего инструмента для каждой задачи. Компания также сохраняет доступ к другим ИИ-платформам, оплачиваемым корпорацией, и продолжает обучать персонал работе с искусственным интеллектом.
Оплата по токенам: новая финансовая реальность ИИ
Изменение внутренней политики Walmart — это мера по контролю затрат на фоне перехода крупных языковых моделей с фиксированной подписки на модель pay-per-use. Anthropic и OpenAI уже перевели свои корпоративные тарифы высшего уровня на оплату по токенам, а Microsoft с 1 июня начала взимать плату за инструменты разработки GitHub Copilot. По данным отчётов, Uber израсходовал бюджет на ИИ за 2026 год уже за первые четыре месяца года, что наглядно демонстрирует масштаб проблемы.
«Токен-максинг»: как сотрудники разыгрывали KPI
Проблема чрезмерного использования ИИ-инструментов усугубляется практикой «токен-максинга» — когда сотрудники намеренно увеличивают количество и сложность запросов к ИИ для повышения показателей эффективности. Как рассказал партнёр инвестиционной компании Sequoia Capital в интервью Wall Street Journal в апреле этого года: «Мы все должны заниматься токен-максингом». Этот подход привёл к появлению внутри компаний специальных рейтингов, отмечающих сотрудников, наиболее активно использующих ИИ-программное обеспечение.
Однако такая «перформативная» практика оборачивается реальными финансовыми потерями: чем сложнее задача и чем более мощная модель её решает, тем выше счёт.
Мультиагентные системы и скрытые издержки
Отдельную статью расходов создаёт многоагентная работа с ИИ. Когда сотрудники запускают итерационные циклы на нескольких агентах для достижения нужного результата, реальная стоимость неоптимальных ответов — включая доработку и повторную отправку промптов — становится измеримой в жёстких деньгах. Крупные модели, способные к рекурсивным «размышлениям», потребляют значительно больше токенов на интроспективную обработку входных данных, что приводит к ещё более высоким счетам.
Баланс между продуктивностью и затратами
Ограничивая количество токенов на сотрудника, Walmart стремится сдерживать текущие расходы, стимулировать более осмысленное использование ИИ-инструментов и выработать метрики возврата инвестиций в искусственный интеллект. Этот подход отражает более широкую тенденцию среди крупных предприятий, которые пытаются совместить заявленные улучшения продуктивности с реальной стоимостью достижения тех же результатов.