Gartner: затраты на AI-разработку превысят зарплаты разработчиков к 2028 году

Есть старая история про лондонские газовые фонари: когда их только установили, домовладельцы платили фиксированную ставку, и половина города оставляла их гореть среди бела дня. Потом появился счётчик — и вдруг никто не мог позволить себе держать освещённым даже коридор. ИИ-инструменты для разработки переживают именно такой момент прямо сейчас, и счёт в конце месяца скоро заставит некоторых финансовых директоров поперхнуться кофе.

По прогнозу Gartner, к 2028 году годовые расходы на ИИ-разработку в расчёте на одного разработчика превысят его зарплату. Вдумайтесь в это на секунду. Инструмент стоит дороже человека, который им пользуется.

Цифры

Прогноз достаточно прост, чтобы написать его на салфетке: рост потребления токенов больших языковых моделей плюс отраслевой переход от лицензирования по количеству мест к тарификации по потреблению — и в итоге строка затрат в конечном счёте превышает фонд оплаты труда. Нитиш Тьяги из Gartner, старший главный аналитик, сформулировал это прямолинейно: «Организации стремительно переходят от экспериментов к масштабному внедрению ИИ-агентов для разработки, однако многие недооценивают финансовые последствия роста потребления токенов».

Токены — для тех, кто не следил за отраслью с момента появления ChatGPT — это единицы данных, обрабатываемые генеративными ИИ-моделями. При тарификации по потреблению каждый промпт, каждое контекстное окно, каждая повторная попытка, каждый цикл автономного агента — это оборот счётчика. И счётчик крутится независимо от того, попал результат в продакшн или нет.

Сравнение с дублинским газовым фонарём здесь работает пугающе точно. Лицензирование по местам — это и был фиксированный тариф: предсказуемый, ограниченный, порой расточительный, но всё же конечный. Тарификация по потреблению — это счётчик: экономически рациональная в теории, катастрофическая на практике, когда никто в здании не знает, как выключить свет.

Второе предупреждение Тьяги бьёт в самую суть: «Токенная дисциплина не возникнет сама по себе через индивидуальный выбор разработчиков — они, как правило, оптимизируют скорость и удобство, а не экономию затрат». Каждый, кто видел, как инженер вставляет весь кодовую базу в чат, чтобы задать одни единственный вопрос об одной строке, понимает, о чём речь. На индивидуальном уровне поведение рационально. На уровне организации — разорительно.

Третья цитата заслуживает того, чтобы висеть на стене у каждого вице-президента по разработке: «Без управляемой инженерной операционной модели затраты могут расти быстрее, чем прирост производительности, который обещают эти инструменты». Перевод: вы можете тратить на ИИ больше, чем экономите от его использования, а бухгалтерия не заметит этого до четвёртого квартала.

Сравнение с зарплатой — тоже не преувеличение. Это самый понятный способ, которым Gartner мог сказать: «Ваша юнит-экономика сломана, и вы этого ещё не знаете».

Что действительно ново

Начнём со скучного: платить за инструменты больше, чем за людей, — не новость. Терминалы Bloomberg, квантовая инфраструктура, GPU-кластеры, лицензии Salesforce для крупных отделов продаж — всё это регулярно превышает расходы на одного сотрудника в отдельных отраслях. Так что заголовок с эффектом шока делает своё дело.

По-настоящему новым является форма кривой затрат. Исторически инструменты разработки были ступенчатой функцией: купил лицензию, используй на полную, предельная стоимость дополнительного использования близка к нулю. Теперь предельная стоимость каждого дополнительного запроса реальна, переменна и, по данным Gartner, непрозрачна. «Многие поставщики не обеспечивают прозрачности в том, как рассчитывается и тарифицируется потребление токенов», — говорится в релизе, что является вежливым способом сказать: счётчик спрятан за запертой панелью.

Вторая действительно новая вещь — автономия агентов. Когда разработчик вводит промпт, в цепочке есть человек с примерным пониманием стоимости. Когда агент выполняет многошаговый рабочий процесс (планирование, поиск, генерация, критика, повтор), цикл может итерироваться тысячи раз, прежде чем кто-то это заметит. Gartner прямо указывает на «неуправляемую автономию в агентных рабочих процессах» и «раздутые контекстные окна» как на основные источники утечки затрат. Это разница между тем, чтобы оставить один газовый фонарь гореть, и тем, чтобы оставить освещённой всю улицу на неделю.

Третий новый элемент — сторона спроса. Прогноз Тьяги о том, что «пользователи с низкой активностью, как ожидается, быстро станут массовыми пользователями по мере роста привычки и зависимости», означает: базовое потребление на одного сотрудника, установленное вами в 2026 году, к 2027 году потеряет смысл. Пользователи пилотных программ — самые дешёвые. «Опоздавшие», освоившись, будут использовать инструменты больше, а не меньше.

На стороне предложения ценообразование на модели движется вверх, а не вниз. «Затраты на ИИ-разработку будут продолжать расти по мере того, как инвестиции в инфраструктуру и проблемы с прибыльностью будут толкать цены на модели выше», — сказал Тьяги. Это противоречит оптимистичному предположению о том, что стоимость инференса снижается по закону Мура. Для фронтирных моделей это может быть не так. Предложение GPU, стоимость электроэнергии и давление на маржу поставщиков толкают в обратную сторону. Страницы с ценами OpenAI и аналогичных компаний сейчас стоит читать как проспект облигаций.

Что уже учтено в цене ИИ-разработки

Те, кто следил за ситуацией, уже знали, что тарификация по потреблению придёт. Модель с оплатой по количеству мест никогда не имела смысла для инструментов, где активность пользователей различается на два порядка. Поставщики сигнализировали об этом переходе больше года. Этот момент уже учтён в ценах.

Чего не учли — по моему опыту общения с руководителями инженерных отделов — так это долг по управлению. У большинства команд инструменты типа Copilot работают без видимости затрат на уровне отдельного разработчика, без бюджета на репозиторий, без оповещений о всплесках расходов токенов в конкретной ветке. Спецификация MCP даёт необходимую инфраструктуру для интеграции агентов, но никто пока не предлагает готового FinOps-слоя для ИИ-агентов разработки. Gartner подтверждает это: «Поставщики ИИ-инструментов для разработки ещё не предоставили зрелых встроенных возможностей оптимизации затрат».

Также недооценён политический cost отката автономии. Как только вы сказали своим инженерам «пусть агент выполняет полный цикл, это быстрее», вернуться к «направляй простые задачи меньшим моделям, обращайся к фронтирным только когда это необходимо» ощущается как понижение — и для разработчика, и для инструмента. Рекомендация Тьяги классифицировать задачи на ведомые разработчиком, совместные с агентом и полностью агентные — проста в теории. На практике это означает объяснять старшим инженерам, что они не могут просто так запустить вызов Claude Opus ради переименования переменной.

Что переоценено в нынешнем дискурсе — так это паника. Ничьи зарплаты не были заменены в прошлом году, и ничьи расходы не удвоятся в следующем. Это история о юнит-экономике на пять лет, а не кризис третьего квартала. Команды, которые воспринимают это как проблему FinOps в замедленном темпе — так же, как облачные расходы стали такой проблемой примерно в 2015 году, — справятся.

Альтернативная точка зрения

Вот аргумент с другой стороны. Если затраты на ИИ-разработку действительно превысят зарплаты разработчиков к 2028 году, то либо (а) прирост производительности это оправдывает — и тогда кого это волнует, либо (б) не оправдывает — и тогда рынок скорректируется и цены упадут. Прогноз Gartner негласно предполагает, что поставщики смогут продолжать повышать цены без включения ценовой эластичности спроса. Это серьёзное допущение.

Выход через открытый исходный код тоже реален. Если стоимость API фронтирных моделей вырастет достаточно высоко, самостоятельно размещённые модели на инфраструктуре Hugging Face станут экономически целесообразными для большой доли задач разработки. Не для сложных. Но для задач типа «переименовать эту функцию в 40 файлах»? Квантизированная 7B-модель на одном H100 справится с этим целый день за стоимость электроэнергии.

Моя честная оценка: Gartner прав по сути в отношении давления и, вероятно, ошибается в хронологии. Предприятия почувствуют это в бюджетных циклах 2027 года, запаникуют в 2028-м, а к 2029 году появится зрелая категория FinOps для ИИ, где поставщики будут конкурировать по прозрачности затрат — так же, как это в конечном счёте сделали облачные провайдеры. Боль реальна. Момент пересечения с зарплатами может оказаться заголовком, который так и не реализуется, потому что сначала придёт управление.

Ключевые выводы

• Основной прогноз Gartner: затраты на ИИ-разработку превысят среднюю зарплату разработчика к 2028 году на фоне роста потребления токенов и перехода к тарификации по потреблению.
• Основные источники утечки затрат — неуправляемая автономия агентов, раздутые контекстные окна и отсутствие структурированной обратной связи для оптимизации использования. Все три — проблемы управления, а не инструментария.
• Распределяйте задачи по сложности. Небольшие модели — для частых простых задач, фронтирные модели — только когда задача этого требует. Интеллектуальная маршрутизация моделей — наиболее эффективный инструмент контроля затрат.
• Включайте анализ потребления токенов в ретроспективы спринта. Если это не стоит рядом с метриками скорости и дефектов — этим никто не будет управлять.
• Прозрачность поставщиков по-прежнему слаба. До тех пор пока встроенная оптимизация затрат не созреет, руководителям инженерных отделов придётся самостоятельно строить дашборды, устанавливать пороговые значения и политики эскалации. Никто не сделает это за вас.

Возвращаясь к газовым фонарям. Город, приспособившийся к счётчику, сделал это не путём сноса фонарей. Он сделал это, научив людей щёлкать выключателем. Инженерные организации, которые переживут 2028 год, — это те, кто относился к потреблению токенов как к электричеству: с учётом, мониторингом и уважением. Те же, кто нет, будут читать отчёты Gartner о себе.