Данные Ramp показывают, что расходы на ИИ на одного сотрудника у ведущих компаний в августе снизились

Согласно данным платежей Ramp, внедрение ИИ среди компаний в августе почти застопорилось, а компании, использующие ИИ активнее всего, резко сократили расходы на одного сотрудника. Эти цифры поднимают более важный вопрос, чем то, были ли сотрудники в летних отпусках: начинают ли падение цен и более дешевые модели подавлять рост выручки у поставщиков моделей и облачных компаний, финансирующих нынешнее развертывание ИИ?

Анализ Ramp охватывает расходы примерно 70 000 компаний. Он показал, что 56% клиентов платили за продукты ИИ в августе — всего на 0,4 процентного пункта больше, чем в июле. Среди верхних 1% компаний, использующих ИИ, в выборке расходы на ИИ на одного сотрудника снизились почти на 10% до 7 205 долларов.

Эти цифры не доказывают, что корпоративный спрос на ИИ навсегда ослаб. Август — месяц, богатый на отпуска, а клиентская база Ramp более технологически ориентирована, чем вся совокупность бизнеса. Но данные дают один из немногих прямых взглядов на корпоративные расходы и указывают на напряжение в центре рынка: использование ИИ может продолжать расти, в то время как сумма, уплачиваемая за каждую единицу использования, снижается.

Данные Ramp указывают на паузу, а не на окончательный вывод

Ramp ранее уже фиксировала похожий сезонный паттерн. Ее индекс ИИ показывал слабый рост или отсутствие роста внедрения с августа по октябрь прошлого года, а затем активность ускорилась к концу года. Эта история поддерживает вероятность того, что нынешнее замедление временное.

Выборку также нужно интерпретировать осторожно. Клиенты Ramp, вероятно, более готовы покупать программное обеспечение и ИИ-продукты, чем средний бизнес. Действующее обследование Бюро переписи США, обновленное 23 августа, показало, что 22% компаний сообщили об использовании ИИ — значительно ниже показателя Ramp в 56%. Эти две метрики напрямую несопоставимы, но разрыв показывает, почему данные Ramp следует рассматривать как сигнал из сегмента с высокой долей ПО, а не как полное измерение экономики.

Даже с учетом этих ограничений набор данных важен, потому что поведение расходов может выявлять изменения, которые не видны в опросах о продуктах. Если компании продолжают экспериментировать с ИИ, но переходят на более дешевые модели или снижают использование в периоды меньшей активности сотрудников, общая картина внедрения может оставаться позитивной, а выручка поставщиков будет расти медленнее.

Более низкие затраты на токены меняют экономику

Экономист Ramp Ара Харазян связал часть снижения расходов на одного сотрудника с падением цен на токены. По анализу компании, средняя стоимость в августе составила 0,68 доллара за миллион токенов против пика 1,15 доллара в марте 2026 года. Согласно сообщению TechCrunch, OpenAI и Anthropic обе снизили цены, сделав сопоставимый объем использования моделей дешевле для клиентов.

Это выгодно компаниям, внедряющим ИИ, но создает сложную формулу роста для поставщиков моделей. Лабораториям нужны большие объемы, чтобы компенсировать более низкие цены. Данные Ramp показывают, что по крайней мере до августа рост использования не полностью компенсировал сокращения у ее самых крупных по расходам клиентов.

Сдвиг может также отражать замену моделей. По сообщениям, компании выбирают более старые и дешевые системы, включая OpenAI ChatGPT 5.6-Terra и Anthropic Sonnet, вместо оплаты новейших frontier-релизов. Для обычных задач суммирования, черновиков, классификации и внутреннего поиска покупатели могут решить, что более дешевую модель достаточно. Это делает качество модели лишь одним из факторов при покупке; цена, задержка, надежность и стоимость интеграции могут быть столь же важны.

В отчете также указано, что только 6,4% компаний, тратящихся на ИИ, использовали в августе платформы для обслуживания моделей или инференса. Эта доля растет, но, по мнению Ramp, недостаточно быстро, чтобы изменить общую корпоративную картину внедрения. В результате рынок по-прежнему доминируется упакованными ИИ-продуктами, а не широким корпоративным развертыванием самостоятельно размещаемых моделей.

Почему этот сигнал важен для создателей ИИ

Для frontier-лабораторий августовские цифры ставят под сомнение предположение, что быстрое внедрение ИИ-инструментов автоматически создаст достаточно оплачиваемого использования, чтобы оправдать огромные инвестиции в обучение и инфраструктуру. Инженеры-программисты подстегнули сильный спрос на агентные инструменты кодирования, но замедление в этой категории повлияет и на потребление моделей, и на поставщиков ПО, построенного вокруг них.

Для разработчиков главный вывод — моделировать выручку вокруг завершенных рабочих процессов, а не только вокруг объема токенов. Продукт, который дешевле в эксплуатации, может быть привлекательнее для клиентов, но его поставщик не может исходить из того, что более низкая цена за единицу будет компенсирована достаточным числом дополнительных вызовов. Команды должны отслеживать активных пользователей, завершение задач, удержание и результаты для клиентов наряду с потреблением токенов.

У корпоративных покупателей иной стимул. Падение стоимости токенов может улучшить экономическое обоснование ИИ, особенно для высокообъемных задач. Это также может упростить тестирование нескольких моделей и маршрутизацию каждой задачи в самую дешевую систему, соответствующую требованиям качества и безопасности. Но экономия может исчезнуть, если организации добавят дорогую оркестрацию, мониторинг, проверки безопасности или участие человека без измерения получившегося роста производительности.

Эти цифры также помогают объяснить, почему ИИ-компании ищут нетехнических пользователей с более широкими продуктами для совместной работы и ассистентами на базе ИИ. Самые продвинутые технические клиенты могут агрессивно оптимизировать цену, тогда как менее технические команды могут стать новыми категориями спроса. Чтобы привлечь таких пользователей, нужны более простое внедрение и более очевидная бизнес-ценность, а не только лучшая производительность в бенчмарках.

Доказательства и утверждения по-прежнему ограничены

Самые сильные цифры в этой истории — это измерения, предоставленные Ramp и опубликованные TechCrunch. Это не аудированный отраслевой переписной учет, и источник не дает полной разбивки по размеру компании, отрасли, географии, типу нагрузки или влиянию отпусков сотрудников. Сравнение с Бюро переписи полезно для контекста, но не доказывает, что общенациональное внедрение ИИ замедлилось в августе.

Интерпретация Харазияна о том, что конкуренция между OpenAI и Anthropic снижает цены и расходы, — это управленческий анализ данных Ramp, а не независимо подтвержденное объяснение. Точно так же предположение, что frontier-лаборатории пока не компенсировали снижение цен достаточным объемом, следует воспринимать как рыночный вывод из описанной динамики расходов.

Эти оговорки не делают результат неважным. Они определяют, что именно он может подтверждать: предупреждение о монетизации и ценовом давлении среди технологически ориентированных клиентов, а не доказательство того, что корпоративный спрос на ИИ вошел в длительный спад.

На что смотреть дальше

Следующие данные Ramp покажут, был ли август повторяющимся сезонным спадом или началом более широкого сдвига. Новое увеличение доли компаний, платящих за ИИ, вместе с более высокими расходами на одного сотрудника поддержало бы объяснение летней вялости.

Цены на модели и объемы использования будут не менее важны. Если OpenAI и Anthropic продолжат снижать цены, а общее потребление токенов резко вырастет, лаборатории все еще смогут нарастить выручку за счет масштаба. Если клиенты продолжат переходить на более дешевые модели, а рост использования останется умеренным, давление на экономику frontier-моделей будет труднее игнорировать.

Создателям также стоит следить за внедрением платформ инференса, устойчивостью агентных инструментов кодирования и тем, создают ли ИИ-продукты для нетехнических пользователей новый платный спрос. Для корпоративных покупателей полезные сигналы будут связаны не столько с совокупным использованием моделей, сколько с коэффициентами продления, измеримыми улучшениями рабочих процессов и общей стоимостью эксплуатации ИИ-систем в продакшене.

Мнение Creati.ai

Августовские данные Ramp лучше всего понимать как стресс-тест для предположений о доходах на рынке ИИ. Более дешевые модели — хорошая новость для клиентов, но они вынуждают поставщиков доказать, что более низкие цены создают достаточно дополнительного использования или достаточно новых пользователей, чтобы поддерживать расходы на инфраструктуру.

Краткосрочный вывод не в том, что корпоративный ИИ застопорился. Он в том, что внедрение и монетизация расходятся. Создатели ИИ, которые смогут показать устойчивую ценность рабочих процессов, контролировать затраты на инференс и обслуживать чувствительных к цене клиентов, будут в лучшем положении, чем те, кто полагается лишь на рост потребления токенов.