Агент потратил — кто заплатит? Рекламные агентства учатся контролировать расходы на ИИ

Агенты обогнали людей

В начале 2026 года медианный исследователь OpenAI использовал ИИ- агентов лишь изредка. К середине августа частота использования выросла до ежедневной, а среднестатистический сотрудник исследовательского подразделения OpenAI тратит на токены (своего рода внутренняя валюта нейросетей, затраты на которую отражают объем работы ИИ-агента) более $600 в день по ценам API. Некоторые наиболее активные пользователи — больше $7000 в день. Рост использования агентов исследователями компании составил 124 раза с декабря 2025 года, существенно опережая другие команды компании, сообщается в блоге OpenAI. До июня суммарный агентный труд уступал человеческому. К середине августа соотношение изменилось: 3,1 агентного рабочего дня на каждый человеческий.

Показательна одна деталь из блога OpenAI: несколько команд, ранее проводивших еженедельные сессии технической поддержки для исследователей компании, зафиксировали резкое падение числа обращений. Одна команда полностью прекратила эти встречи — пишущие программный код агенты теперь закрывают основную часть запросов. Число сообщений в главном внутреннем канале технической поддержки также значительно упало.

По оценке Gartner, 56% компаний внедряют ИИ-инструменты без четких политик использования, а маркетинговые руководители реже других вводят финансовые ограничения на работу команд с ИИ.

Главная причина перерасхода

Чтобы понять природу проблемы, нужно разобраться в одном ключевом понятии. Токен — это единица вычислительной работы ИИ: примерно три-четыре буквы текста. Чем сложнее задача, тем больше токенов тратит агент. Но разные модели стоят принципиально по-разному: мощная модель справляется со сложными задачами, но потребляет в разы больше ресурсов. Если сотрудник запускает самую мощную модель для простой задачи — это как вызвать экскаватор, чтобы посадить цветок, пишет Digiday.

Значительная часть роста потребления токенов происходит потому, что люди не задумываются о необходимости подбирать под конкретную задачу наиболее подходящую модель

— рассказала изданию аналитик Gartner Николь Грин

В агентстве Dept эту проблему прочувствовали на практике. «Некоторые сотрудники сжигают 1,5 миллиона токенов в день», — сообщил Digiday глобальный исполнительный вице-президент Dept по технологиям Джонатан Уайтсайд. При этом, согласно данным OpenAI, даже дорогостоящие вычисления не гарантируют результата на сложных задачах: для задач продолжительностью 4–8 часов агент справляется без вмешательства человека лишь в 8% случаев против 86% на коротких задачах до 15 минут.

Механизмы контроля

Агентства выработали три рабочих подхода к проблеме, каждый работает на своем уровне.

Первый — журнал действий. Агентство Rise (входит в группу Quad) с июня тестирует ИИ-агентов в медиабаинге и подключило аудит-лог от SSP-провайдера (SSP, Supply-side platform — автоматизированная система продажи рекламного инвентаря сайтами и приложениями — прим. ред.) PubMatic. Инструмент фиксирует каждое действие агента: что изменил, когда, через какой интерфейс. «Я могу спросить: почему ты сделал это изменение, какова была логика на основе исходного брифа? Я могу убедиться, что все записано и мы можем восстановить, что произошло и почему», — рассказала Digiday директор рекламной группы Rise Клаудия Смыковска. Без такого журнала агент — черный ящик, который невозможно предъявить клиенту.

Второй — лимиты токенов. Агентство PMG разработало инструмент Alli For You с дневным лимитом расхода для каждого сотрудника. Brainlabs выдает токены порциями: превысил норму — проходишь аудит, и получаешь прибавку, только если использование оправдано. «Мы хотим, чтобы люди тратили. Мы просто хотим, чтобы они делали это с пользой», — пояснил основатель и генеральный директор независимого агентства полного цикла Brainlabs Дэниел Гилберт. Он назвал мониторинг не дополнительной опцией, а «экзистенциальным» вопросом.

Третий — централизованный шлюз. В Dept полностью убрали возможность самостоятельного выбора модели: сотрудник отправляет задачу, система автоматически направляет ее к подходящей модели с учетом коммерческих и правовых требований. Некоторые клиенты требуют использовать только те модели, данные которых хранятся в определенной стране, — и шлюз решает эту задачу централизованно. «Я не еду на работу на фуре», — сформулировал принцип подбора ИИ-моделей директор по стратегии платформы цифрового маркетинга PMG Диллон Ларберг

Читайте новости ADPASS
в Telegram канале