«Если ваша работа не выигрывает от современных ИИ-инструментов, это вывод, а не провал», — написала Amazon своим разработчикам в меморандуме, о котором сообщил CNBC. Необычная фраза для компании, которая продаёт ИИ другим бизнесам, и её легко упаковать в заголовок: Amazon велит инженерам меньше пользоваться ИИ.
Меморандум аккуратнее этого заголовка, а спор вокруг него важнее самого документа. Токены стали отдельной строкой в бюджетах разработки, и менеджеров повсюду спрашивают о том, на что Amazon только что ответила публично: как понять, что эти траты вообще окупаются? Дальше — что в меморандуме сказано и что опущено, сколько на самом деле стоит место в четырёх крупных инструментах и где лимит помогает, а где вредит.
Tokenmaxxing — это проблема лидербордов
CNBC определяет tokenmaxxing как использование ИИ разработчиками «по максимуму, без оглядки на результат». У этого слова в Amazon есть небольшая история. По данным CNBC, компания закрыла внутренний лидерборд в начале этого года, когда выяснилось, что сотрудники накручивают токены, чтобы подняться в рейтинге. Материал I-Programmer, который опирается на репортаж Financial Times, сообщает, что доска называлась Kirorank, проработала всего несколько недель и официально никогда не утверждалась. Люди придумывали бессмысленные задачи для ИИ-агентов, а токены оплачивала Amazon.
Не только Amazon. В том же материале сказано, что Meta в начале этого года закрыла доску, созданную сотрудниками, где они соревновались за звания вроде Token Legend по числу токенов, сожжённых в Claude Code. Там же вспоминается более раннее утёкшее сообщение старшего вице-президента Amazon Дейва Тредвелла с просьбой перестать «использовать ИИ ради самого использования ИИ».
Для этого никому не нужно было обманывать. Выведите число на экран, расставьте людей по нему в рейтинг, и число пойдёт вверх.
Что сказано в меморандуме, а что нет
По данным CNBC, меморандум сначала ходил внутри компании, а потом Amazon разместила его на своём сайте. Он пересматривает то, как Amazon описывает работу инженеров-разработчиков и их руководителей. Главный вывод касается измерений. Расход токенов, скорость внедрения ИИ-инструментов и число изменений кода или ревью остаются «глубоко ошибочными» способами оценивать, как команда использует ИИ, говорится в документе, потому что они могут приводить к росту затрат и излишней сложности.
Сами цифры он не запрещает. Их следует читать «внимательно и здраво» вместе с другими данными, а предпочтительная мерка названа прямо: «Мы считаем, что лучше всего измерять долгосрочные результаты и оценивать людей по ним».
Представитель Amazon сказал CNBC, что компания не вводила лимитов на использование токенов. Это важно, потому что «используйте меньше ИИ» — преувеличение относительно того, что сообщалось. Ни в одном из прочитанных нами материалов нет квоты, бюджета на инженера или суммы в долларах. Сколько Amazon тратит, она не говорила, и в публикациях этого тоже не нашлось.
Марк Брукер, вице-президент и заслуженный инженер AWS, объяснил CNBC логику из двух частей. Компания смотрит на такие вещи, как скорость выпуска фич (сколько запусков, сколько успешных изменений в продакшене), и считает эти траты инвестицией. Чего она не хочет, по его словам, так это «напрасных усилий» над неважными проблемами, и он признал, что порой трудно понять, какие из них неважные, так что некоторая готовность экспериментировать остаётся.
В таком прочтении меморандум скорее про политику оценки сотрудников, чем про сокращение расходов. Я бы подчеркнула строку, процитированную в начале. Инженер, который может объяснить, где ИИ пока не помогает, по словам меморандума, «демонстрирует то суждение, которого мы ждём». Это компания говорит руководителям: не наказывайте людей за то, что они отключили инструмент.
Почему компания, продающая ИИ, притормаживает
Простой ответ — стоимость, и цифры растут быстрее бюджетов. Jellyfish, делающая инструменты для инженерных команд, опубликовала отчёт об агентных инструментах для кодинга, о котором писал TechCrunch. У клиентов Jellyfish расходы на Claude Code и другие инструменты на моделях Anthropic выросли в 10 раз с начала года и теперь составляют около 2% всех затрат на разработку. Два процента — немного, но главный учёный Jellyfish Николас Арколано сказал TechCrunch: «Этот десятикратный рост большинство финансовых директоров не закладывало в планы».
Документация Anthropic задаёт нижнюю планку и для отдельного разработчика. В корпоративных внедрениях средняя стоимость Claude Code — около $13 на разработчика за активный день и от $150 до $250 на разработчика в месяц, а 90% пользователей укладываются в $30 в день (документация Claude Code). Это среднее по клиентам самого вендора, так что реальной цифрой считайте результат собственного пилота.
Ещё две причины — наш вывод, в публикациях о них не сказано. Метрика, построенная на числе изменений и ревью, может завалить ревьюеров ненужным никому объёмом. А инженеру, который гонится за показателем использования, незачем задумываться, нужна ли задаче модель вообще. Ни в материалах о меморандуме, ни вокруг них безопасность как мотив не упоминается, так что не будем делать вид, что это был он.
Выкупы Microsoft и вендор, который продаёт счётчик
Меморандум Amazon вышел в ту же неделю, что и другие истории о том, как компании сводят ИИ с бухгалтерией, но это разные истории. Microsoft предложила добровольный выкуп примерно 60 000 подходящих сотрудников, около 27% штата: компания пытается совместить дорогое строительство ИИ-инфраструктуры с капитальной эффективностью. CNBC связывает это с инфраструктурой и денежным потоком, а не с чьим-то расходом токенов. В той же статье сказано, что Microsoft пытается брать с клиентов плату в зависимости от того, сколько ИИ они реально используют, — то есть счётчик развёрнут в другую сторону.
А ещё есть компания, которой выгоднее всего, чтобы вы тратили больше. Anthropic выпустила инструменты отчётности: менеджер видит, что команда сделала за период, сколько это стоило и где ломались рабочие процессы, а ещё есть общие групповые бюджеты, чтобы команды управляли расходом токенов. TechCrunch называет это явной попыткой доказать окупаемость. Что бы вы ни думали о мотивах, продукт показывает, чего теперь просят покупатели: стоимость результата, а не стоимость места.
Узнайте, сколько на самом деле стоит место
Начните с пилотной группы и базовой линии, причём до того, как кто-то напишет лимит. Все вендоры перешли к тарификации по расходу, поэтому цена места говорит с каждым годом всё меньше. Вот что измеряет каждый крупный инструмент, по страницам самих вендоров.
| Инструмент | Что измеряется | Где ставить лимит |
|---|---|---|
| GitHub Copilot | Токены, переводимые в AI-кредиты по $0,01. Business даёт общий пул 1 900 кредитов на пользователя в месяц, Enterprise — 3 900 | Бюджеты в долларах на пользователя, центр затрат и организацию |
| Cursor (Teams) | Недельный пул на оплаченное место для собственных моделей Cursor. Сторонние модели списываются с общего предоплаченного баланса | Месячный лимит команды, а также лимиты по умолчанию и на участника |
| Claude Code | Токены API. Teams и Enterprise расходуют лимиты мест | Лимиты расходов в настройках администратора или лимиты рабочих пространств в Console |
| Codex (ChatGPT) | Общий лимит с ChatGPT Work, затем кредиты | Кредиты, которые вы покупаете, и дашборд использования, чтобы следить за темпом |
Несколько деталей из документации, о которых страница с ценами не расскажет. Политика платного использования в Copilot для Business и Enterprise включена по умолчанию, так что расход сверх общих кредитов продолжается, пока администратор явно её не отключит (документация GitHub). Инлайн-автодополнения остаются безлимитными даже при бюджете $0. Ревью кода в Copilot тарифицируется по уровню усилий: GitHub оценивает Lite в $0,05–$1, а Max в $1,50–$25, в среднем около $10, плюс минуты Actions сверху (модели и цены GitHub). Это оценки, и в документации сказано, что на них влияет размер pull request.
Если вы выбираете сами редакторы, об этом есть материал Cursor vs GitHub Copilot vs Windsurf. План Teams в Cursor продаёт места Premium, Super и Ultra по $30, $100 и $200 в месяц, у каждого свой недельный пул для собственных моделей Cursor, и между коллегами он не передаётся. Сторонние модели, включая Claude, в пул не входят: они списываются с общего предоплаченного баланса по прайсу API плюс ставка Cursor $0,25 за миллион токенов (документация Cursor). План Claude Enterprise стоит $20 за место в месяц плюс использование по тарифам API (цены Claude). На странице цен Codex прямо сказано, что цены токенов API не связаны с использованием по подписке и не годятся для оценки включённых задач.
Рутину — на более дешёвую модель
Самый большой рычаг в документации — не лимит, а модель. По прайсу API Anthropic, Claude Haiku 5.5 берёт $0,50 за миллион выходных токенов для промптов до 100 000 токенов (дальше — $2,50), Sonnet 5.5 — $10, Opus 5.5 — $20, а Fable 5.1 — $50. Разброс в 100 раз между низом и верхом одной линейки, и в таблицах GitHub и Cursor указаны те же цены на выход.
Собственные рекомендации Anthropic по затратам согласуются с этой арифметикой. Sonnet «хорошо справляется с большинством задач кодинга и стоит дешевле Opus», говорится там, а Opus стоит оставить для архитектурных решений и многошагового рассуждения, и model: haiku — для простых задач субагентов (документация Claude Code). Подробнее о подборе уровня модели под задачу — в материале какой уровень модели ИИ для какой задачи, а терминальные агенты сравниваются в Claude Code vs Codex vs Gemini CLI.
Вот экономия по прайсу; долю работы, которую может взять малая модель, вы задаёте сами как оценку. Цены — прайс Anthropic для коротких промптов.
Выходные токены — лишь часть счёта, а долю малой модели ещё придётся заслужить на своих задачах. Переименование переменных и заготовки тестов, скорее всего, подойдут. План миграции платёжного сервиса — вряд ли.
Лимиты — в том порядке, в каком ставили бы их мы
- Включите отчёты об использовании для пилотной группы и изучите две недели данных, прежде чем выбирать любое число.
- Сначала настройте оповещения. GitHub может присылать письмо и показывать баннер при 75%, 90% и 100% бюджета (документация GitHub).
- Добавьте общий месячный потолок для компании, с которым вы справились бы, даже если все места выберут лимит до конца, чтобы зациклившийся агент стоил известную сумму.
- Только после этого добавляйте лимиты на команду или человека и делайте их мягкими там, где инструмент позволяет. Бюджет GitHub на уровне пользователя всегда жёстко останавливает расход, а в документации предупреждают, что пересекающиеся бюджеты могут заблокировать людям нужный инструмент.
- Переведите модели по умолчанию на уровень ниже для рутины, а премиальную модель сделайте осознанным выбором.
В документации Claude Code есть и стартовые лимиты скорости на пользователя в зависимости от размера команды, например 15 000–20 000 токенов в минуту на пользователя для 100–500 пользователей. Это ограничители скорости, а не бюджеты, и в документации их называют рекомендациями, которые нужно подстраивать.
Когда ограничения разумны, а когда это ложная экономия
Ограничивать надо расточительство, а не попытки. Лимит, из-за которого разработчик дважды подумает, прежде чем засунуть в топовую модель весь репозиторий, работает как надо. Лимит, из-за которого тот же разработчик пропускает сгенерированный ИИ прогон тестов или обходит агента на сложном рефакторинге, где тот приносит больше всего пользы, обходится дороже, чем экономит.
Посчитайте. Если агентные инструменты составляют около 2% затрат на разработку, как сообщает Jellyfish, то сокращение счёта вдвое экономит 1% этих затрат. Инженер, замедленный на 1%, эту экономию возвращает. Ограничение выигрывает, только когда убирает траты, не давшие ничего, а это ровно мысль Amazon о напрасных усилиях.
Ограничивать разумно фоновую автоматизацию, которую никто не читает, топовую модель на рутине и лидерборды по людям. Ложная экономия — на ревью кода, тестах и онбординге. Если именно ИИ-ревью ловит плохой мерж, его урезание — ставка против собственной страховки; наш гид по ИИ-инструментам для ревью кода и доска ToolRank по ревью и тестированию покажут, сколько есть альтернатив, прежде чем вы что-то урежете.
Что мы бы не урезали
Ревью человеком остаётся, какая бы модель ни писала код. Меморандум Amazon предостерегает от подсчёта числа ревью, но не предлагает их пропускать. Обучение тоже остаётся: тот, кто знает, когда браться за дешёвую модель, — это человек, которому показали, для чего нужна каждая. И эксперименты остаются, потому что сам Брукер признаёт: заранее никто не скажет, какие проблемы важны.
Отслеживайте результаты так, как это делает меморандум: запуски, успешные изменения в продакшене, время от запроса до мержа. Сырые токены — в столбец затрат, и ни в коем случае не в оценку сотрудников. Если вы ещё не записали, что команде можно и нельзя загружать в эти инструменты, начать можно с нашего шаблона политики использования ИИ, а о стороне подписок рассказывают разбор моделей ценообразования и аудит стека.
Страницы цен GitHub Copilot, Cursor, Claude Code и Codex оставляют нам одно правило: цена места — лишь входной билет. Выгрузите из своего инструмента расход по людям за недавний месяц, отсортируйте и посмотрите на первые пять строк. Если это ваши лучшие инженеры, не трогайте их. Если это один скрипт в цикле, вы нашли, где нужен лимит.