Gartner: Витрати на AI-кодування перевищать зарплати розробників до 2028 року

Існує давня історія про лондонські газові ліхтарі: коли їх вперше встановили, домовласники платили фіксовану суму, і половина міста залишала їх горіти вдень. Потім з'явився лічильник — і раптом ніхто не міг дозволити собі тримати освітленим навіть коридор. AI-інструменти для кодування переживають свій «момент лічильника» просто зараз, і рахунок наприкінці місяця ось-ось змусить деяких фінансових директорів поперхнутися кавою.

До 2028 року, за прогнозом Gartner, щорічні витрати на AI-кодування на одного розробника перевищать його зарплату. Вдумайтеся в це на секунду. Інструмент коштує більше, ніж людина, яка ним користується.

Цифри

Прогноз достатньо простий, щоб записати його на серветці: зростання споживання токенів великими мовними моделями плюс загальногалузевий перехід від ліцензування на основі місць до ліцензування на основі споживання — і в результаті витрати зрештою перевищують фонд оплати праці. Ніті Тягі, старший провідний аналітик Gartner, сформулював цей зсув прямолінійно: «Організації стрімко переходять від експериментів до масштабного розгортання AI-агентів для кодування, але багато з них недооцінюють фінансовий вплив зростаючого споживання токенів».

Токени — для тих, хто не стежить за сферою з часу появи ChatGPT — це одиниці даних, що обробляються генеративними AI-моделями. При ціноутворенні на основі споживання кожен запит, кожне контекстне вікно, кожна повторна спроба, кожен цикл автономного агента — це оберт лічильника. І лічильник крутиться незалежно від того, чи потрапляє результат у продакшн.

Порівняння з дублінськими газовими ліхтарями тут напрочуд влучне. Ліцензування на основі місць — це фіксована плата: передбачувана, обмежена, іноді марнотратна, але з чіткою межею. Ціноутворення на основі споживання — це лічильник: економічно раціональне в теорії, катастрофічне на практиці, коли ніхто в будівлі не знає, як вимкнути світло.

Друге застереження Тягі б'є в саму суть проблеми: «Токенна дисципліна не виникне завдяки вибору розробників, адже вони схильні оптимізувати швидкість і зручність, а не економію витрат». Кожен, хто бачив, як інженер вставляє весь кодовий репозиторій у чат, щоб поставити одне коротке запитання, точно розуміє, що мається на увазі. Така поведінка раціональна на індивідуальному рівні. На рівні організації вона руйнівна.

Третя цитата — та, яку варто роздрукувати й повісити на стіні кожного віцепрезидента з інжинірингу: «Без керованої операційної моделі інжинірингу витрати можуть зростати швидше, ніж приріст продуктивності, який ці інструменти покликані забезпечити». Переклад: ви можете заплатити за AI більше, ніж заощадити від його використання, а бухгалтерія не встигне це відстежити до четвертого кварталу.

Порівняння із зарплатою — теж не перебільшення. Це найпростіший спосіб, яким Gartner міг сказати: «Ваша юніт-економіка зламана, і ви цього ще не знаєте».

Що справді нового

Спочатку нудна частина: платити за інструменти більше, ніж за людей, — не новина. Термінали Bloomberg, квантова інфраструктура, GPU-кластери, місця в Salesforce для великих відділів продажів — все це регулярно перевищує зарплату на одного співробітника в окремих вертикалях. Так що заголовок, розрахований на ефект, дещо перебільшує.

Справді нова — форма кривої витрат. Historically, інструментарій для розробників мав ступінчасту функцію: купив ліцензію, використовуєш на повну, граничні витрати на додаткове використання близькі до нуля. Тепер граничні витрати на кожен додатковий запит реальні, змінні і, за словами Gartner, непрозорі. «Багато постачальників не забезпечують прозорості щодо того, як розраховується і тарифікується споживання токенів», — зазначається у звіті, що є ввічливим способом сказати: лічильник захований за замкненою панеллю.

Друга справді нова річ — автономія агентів. Коли розробник вводить запит, у циклі є людина з приблизним розумінням вартості. Коли агент виконує багатокроковий робочий процес (планування, пошук, генерація, критика, повтор), цикл може ітеруватися тисячі разів, перш ніж хтось це помітить. Gartner прямо вказує на «некеровану автономію в робочих процесах на основі агентів» і «роздуті контекстні вікна» як основні джерела витоку витрат. Це різниця між тим, щоб залишити один газовий ліхтар увімкненим, і тим, щоб тримати освітленою всю вулицю тиждень.

Третій новий елемент — сторона попиту. Прогноз Тягі про те, що «рядові користувачі, за очікуваннями, швидко стануть масовими у міру зростання знайомства й залежності», означає: базовий рівень споживання на одного співробітника, встановлений у 2026 році, стає безглуздим у 2027-му. Пілотні користувачі — найдешевші. Ті, хто доєднується пізніше, освоївшись, споживатимуть більше, а не менше.

На стороні пропозиції ціни на моделі також ростуть, а не падають. «Витрати на AI-кодування продовжуватимуть зростати, оскільки інвестиції в інфраструктуру та виклики прибутковості підштовхують ціни на моделі вгору», — сказав Тягі. Це суперечить оптимістичному припущенню, що витрати на інференс знижуються за принципом закону Мура. Для фронтирних моделей це може бути не так. Дефіцит GPU, витрати на електроенергію та тиск на маржу постачальників штовхають у зворотному напрямку. Сторінки OpenAI з цінами та аналогічні ресурси варто вивчати з такою ж ретельністю, як проспект облігацій.

Що вже закладено в ціну AI-розробки

Ті, хто стежив за ринком, вже знали, що ціноутворення на основі споживання неминуче. Модель на основі місць ніколи не мала сенсу для можливостей, де споживання між користувачами відрізняється на два порядки. Постачальники сигналізували про цей перехід понад рік. Ця частина вже закладена в ціну.

Те, що не закладено в ціну — принаймні, за моїм досвідом спілкування з керівниками інжинірингових підрозділів — це борг з управління. У більшості команд інструменти на кшталт Copilot працюють без видимості витрат на рівні окремого розробника, без бюджету на репозиторій, без сповіщень про стрибки витрат на токени у конкретній гілці. Специфікація MCP дає вам сантехніку для інтеграції агентів, але ніхто поки що не постачає готовий FinOps-шар для агентів кодування. Gartner підтверджує: «Постачальники AI для кодування ще не надали зрілих вбудованих можливостей оптимізації витрат».

Також недооцінений: політичний ціна скасування автономії. Коли ви вже сказали інженерам «нехай агент виконує повний цикл, так швидше», відкотитися до «направляйте прості завдання до менших моделей, вдавайтеся до фронтирних лише за потреби» сприймається як пониження і для розробника, і для інструменту. Рекомендація Тягі класифікувати завдання на ті, що виконуються розробником, розробником з агентом і повністю агентом, — проста в теорії. На практиці це означає, що треба сказати старшим інженерам: не можна просто запустити Claude Opus для перейменування змінної.

Що переоцінено в нинішньому дискурсі: паніка. Торік нікого не замінили AI, і наступного року нічий фонд оплати праці не подвоїться. Це п'ятирічна історія про юніт-економіку, а не надзвичайна ситуація третього кварталу. Команди, які підходять до цього як до повільної FinOps-проблеми — так само, як хмарні витрати стали нею приблизно у 2015 році, — впораються добре.

Контраріанська точка зору

Ось аргумент з іншого боку. Якщо витрати на AI-кодування справді перевищать зарплати розробників до 2028 року, то або (а) приріст продуктивності виправдовує це — і тоді яка різниця, або (б) ні — і тоді ринок виправить ситуацію та ціни знизяться. Прогноз Gartner мовчки припускає, що постачальники зможуть продовжувати підвищувати ціни без урахування еластичності попиту. Це сміливе припущення.

Відкритий вихід через open source також реальний. Якщо витрати на API фронтирних моделей зростатимуть достатньо, самостійно розгорнуті моделі на інфраструктурі Hugging Face стануть економічно доцільними для значної частини завдань кодування. Не для складних. Але «перейменувати цю функцію в 40 файлах»? Квантизована 7B-модель на одному H100 впорається з цим весь день за ціну електроенергії.

Моя чесна думка: Gartner правий щодо напрямку тиску і, мабуть, помиляється щодо часових рамок. Підприємства відчують це в бюджетних циклах 2027 року, запанікують у 2028-му, а до 2029-го з'явиться зрілий FinOps-for-AI-категорія, де постачальники конкуруватимуть за прозорість витрат так само, як це врешті зробили хмарні провайдери. Біль реальний. Але момент перетину зі зарплатами може виявитися заголовком, який так і не справдиться — бо система управління прийде першою.

Ключові висновки

• Основний прогноз Gartner: витрати на AI-кодування перевищать середню зарплату розробника до 2028 року — через зростання споживання токенів і перехід до ціноутворення на основі споживання.
• Основні джерела витоку витрат — некерована автономія агентів, роздуті контекстні вікна та відсутність структурованого зворотного зв'язку для оптимізації використання. Усі три — проблеми управління, а не інструментарію.
• Розподіляйте роботу за складністю. Малі моделі — для частих простих завдань, фронтирні — лише коли завдання цього вимагає. Інтелектуальна маршрутизація між моделями — найефективніший інструмент контролю витрат.
• Включіть огляди споживання токенів у ретроспективи спринтів. Якщо це не на тій самій сторінці, що швидкість і кількість дефектів, — цим ніхто не займатиметься.
• Прозорість постачальників досі слабка. Поки вбудована оптимізація витрат не досягне зрілості, керівники інжинірингових підрозділів мають самостійно будувати дашборди, встановлювати порогові значення та політику ескалації. Ніхто не зробить це за вас.

Повернімося до газових ліхтарів. Місто, яке адаптувалося до лічильника, зробило це не шляхом демонтажу ліхтарів. Воно навчило людей клацати вимикачем. Інжинірингові організації, які переживуть 2028 рік, — це ті, що ставляться до споживання токенів як до електрики: вимірюваної, контрольованої й шанованої. Ті, хто цього не робить, читатимуть звіти Gartner про самих себе.