Разработчики систем искусственного интеллекта призывают к более активному внедрению технологий в бизнес-процессы, однако на практике компании сталкиваются с трудностью: точно подсчитать, сколько средств уйдет на решение конкретной задачи силами ИИ, практически невозможно. В уравнении задействовано слишком много переменных — от сложности задачи и конкретной модели до условий эксплуатации и тарифных планов провайдеров. По данным обзора, опубликованного в контексте этой темы, предсказуемость расходов по-прежнему фрагментарна и во многом зависит от выбранной модели и сферы применения.

Сводная статистика за апрель–май текущего года демонстрирует существенные расхождения между планируемыми и фактическими затратами: лишь 11 % из 400 опрошенных бизнес-структур удалось уложиться в запланированный бюджет по оплате использования ИИ-сервисов, при этом погрешность заявлялась в пределах 10 %. Остальная часть компаний вышла за рамки бюджета с различной степенью перерасхода — от 11–25 % до более 50 %, причём 2 % опрошенных вообще не проводили подобных расчетов.

Исследование группы американских учёных совместно с Microsoft Research охватило 6800 задач и указало на существенную непредсказуемость расхода токенов: более дорогие по цене за токен модели не всегда обходятся дешевле с учётом общей потребности в токенах. В отдельных случаях продвинутые модели, хотя и имеют более высокую цену, могут экономить средства пользователя за счёт меньшего общего объема токенов, потребляемых на одну задачу.

На примере публикации The Wall Street Journal в примере показывается, как один и тот же запрос обрабатывается двумя моделями Google — Gemini 3.1 Pro и Gemini 3 Flash. Первая потребовала лишь около 85 шагов и обошлась почти бесплатно (примерно 1 доллар), в то время как вторая потребовала почти 1000 шагов и затрат достигло 14 долларов, но итог не удовлетворил пользователя. Этот кейс подчёркивает вариативность расходов внутри одной экосистемы и сложности в предсказании реальной суммы.

Сами представители Google отмечают: вариативность расходов — характерная черта ИИ-систем, и общая стоимость использования зависит от множества факторов. Чтобы смягчать колебания, компания внедряет ограничители и предлагает разные тарифные опции, а также подчёркивает необходимость обучения сотрудников эффективным методам работы с ИИ для более предсказуемых затрат.