Экономика AI в разработке: от токенов к принятой работе

Александр Поломодов разбирает экономику AI-разработки: фиксированное качество дешевеет, но бюджет растёт вместе со сценариями и вызовами. Расходы — задачи × вызовы × токены × цена токена, плюс лицензии, платформа и мощности; снижение одного множителя не останавливает остальные.

Управлять надо полным trace работы: стоимостью, шагами, retries, tool calls, временем и полномочиями. Loop detector, kill switch и возврат к человеку ограничивают риск и цену расследования. Seat относится к человеку, exploration — к команде, production inference — к use case, платформа — к общему владельцу.

FinOps начинается с visibility и showback. Знаменатель — accepted task: стоимость включает модель, tools, retrieval, compute, review, rework и ожидаемый ущерб, а результат засчитывается после приёмки. Для bugfix это тесты без регрессии, для агента — завершённый workflow с допустимыми последствиями.

Маршруты сравнивают на одинаковых задачах и пороге качества, учитывая повторы, fallback, время человека и хвосты стоимости. Lock-in живёт в prompts, tools, state и evals, поэтому переносим бизнес-контракт задачи. Локальная модель проходит тот же gate, а её полный TCO включает простой, HA, storage, SRE, безопасность и обновления.