Токеномика: сколько стоит интеллектуальная работа с ИИ

Планомерно мы перешли в токеномику.

Я использую это слово не в криптовалютном смысле. Токеномика — это экономика, в которой интеллектуальная работа стала измеримой на уровне отдельной бизнес-операции. Машинная часть считается в токенах, человеческая — в минутах, инструменты — в вызовах, а итог — в принятых результатах.

Любую интеллектуальную работу сегодня можно как минимум частично выполнить с помощью нейросети. Это не означает, что нейросети можно передать любое полномочие. Это означает другое: почти любую работу можно разложить на операции и впервые увидеть себестоимость каждой. Сколько времени потратил человек, сколько текста прочитала и создала модель, сколько стоили сведения и инструменты, сколько съели повторы, проверка и исправление ошибок.

Раньше цена интеллектуальной работы пряталась внутри оклада, совещаний и общей суммы расходов подразделения. Теперь появляется счётчик, который срабатывает при каждой машинной операции. Таким счётчиком стал токен.

Что такое токеномика в бизнесе

Токен — это фрагмент текста, который модель принимает или создаёт. Он может быть целым словом, частью слова, знаком препинания или несколькими символами. Один и тот же текст разные модели и языки могут разбить на разное число токенов. Поэтому токен не похож на стандартный метр, одинаковый в любой системе.

Но для экономики он всё равно полезен. Каждый поставщик указывает цену входящих и исходящих токенов. Многие отдельно считают повторно используемый ввод, рассуждение, сведения от инструментов и хранение контекста. Модель возвращает фактический расход. Значит, машинную часть операции можно посчитать в деньгах.

У человеческого труда тоже нет универсального часа. Час помощника, аналитика, разработчика и юриста стоит по-разному и создаёт разный результат. Тем не менее компании считают человеко-часы. С токенами будет так же: в записи недостаточно числа 100 000. Нужны модель, её версия, тип токенов, тариф и результат, ради которого они были потрачены.

Поэтому точнее сказать так:

• токен — единица объёма машинной интеллектуальной работы;
• тариф модели — курс этой единицы;
• бизнес-операция — товар, который компания получает на выходе;
• принятый результат — основание признать затраты полезными.

Экономика начинается не с вопроса «сколько у нас токенов», а с вопроса «сколько стоит решить одну задачу с требуемым качеством».

Почему цена миллиона токенов почти ничего не говорит о выгоде

На витрине всё выглядит просто: одна модель просит 20 центов за миллион входящих токенов, другая — два доллара, третья — пять. Возникает соблазн выбрать минимальную цену и объявить экономию.

Это такая же ошибка, как выбирать сотрудника только по ставке за час. Более дешёвая модель может:

• сделать больше шагов и несколько раз перечитать накопленный контекст;
• чаще ошибаться и отправлять работу на повтор;
• потребовать более подробной инструкции;
• создать длинный ответ, который затем придётся сокращать;
• увеличить время ручной проверки;
• не справиться с исключением и передать его дорогому специалисту;
• совершить дешёвую по токенам, но дорогую для бизнеса ошибку.

OpenAI прямо предупреждает: меньшая цена миллиона токенов не гарантирует меньшей стоимости задачи. Разные модели по-разному разбивают текст, создают разный объём ответа и рассуждения. Сравнивать их нужно на представительной выборке собственных операций, а не по одной строке тарифа.

У агента разница ещё заметнее. Обычный ответ может состоять из одного обращения к модели. Агент сначала строит план, затем читает сведения, вызывает инструменты, оценивает результат, исправляет ход работы и формирует ответ. На каждом шаге часть накопленной истории снова попадает во входящие токены. Пять коротких шагов могут оказаться дороже одного длинного ответа.

Отсюда первое правило токеномики: считать весь запуск от постановки задачи до принятого результата, а не последний ответ на экране.

Сколько стоят модели на 10 сентября 2026 года

Ниже — не рейтинг качества, а ценовой срез. Долларовые тарифы пересчитаны по официальному курсу Банка России на 10 сентября 2026 года: 85,4594 рубля за доллар. Налоги, наценка посредника, хранение, поиск и другие инструменты в пересчёт не входят. Рублёвые цены Яндекса уже включают НДС.

У Яндекса есть ещё отдельная ставка для токенов встроенных инструментов. У OpenAI и Google некоторые инструменты тарифицируются по вызовам. У Google повторно используемый контекст имеет отдельную цену хранения. Цена GPT-5.6 Sol обозначена OpenAI как временная как минимум до 21 ноября 2026 года. Поэтому любая долговременная смета должна хранить не только название модели, но и дату тарифа.

Чтобы увидеть масштаб разницы, возьмём одну условную операцию: 50 тысяч входящих и 5 тысяч исходящих токенов, без повторно используемого контекста, инструментов и повторов.

Разница превышает 32 раза. Но из таблицы нельзя сделать вывод, что первая строка лучше последней. Если Luna даст 60% принятых результатов, а более сильная модель — 95%, стоимость полезного результата изменится. Если ошибка требует часа специалиста, несколько рублей разницы между моделями перестают быть главным фактором.

Формула полной себестоимости операции с ИИ

Цена токенов — только первая строка сметы. Полная стоимость попытки складывается так:

А цена полезного результата считается жёстче:

К этому добавляется доля первоначальных затрат:

Разберём состав по строкам.

1. Токены модели

Нужно раздельно учитывать обычный вход, повторно используемый ввод, сведения от инструментов, исходящий текст и оплачиваемое рассуждение. Если агент вызывает модель восемь раз, складываются все восемь обращений, включая неудачные.

2. Инструменты и сведения

Поиск, распознавание документов, расшифровка разговора, геокодирование, база компаний, отправка сообщения, работа в браузере и внешний программный интерфейс могут иметь собственную цену. Бесплатный вызов внутренней системы тоже использует вычисления и поддержку.

3. Инфраструктура

Сюда входят хранение истории, поиск по базе знаний, очередь задач, журнал действий, наблюдение за ошибками, защита данных и резерв мощности. Без этих расходов получается цена демонстрации, а не рабочего процесса.

4. Человеческое время

Кто-то формулирует задачу, разбирает исключения, проверяет значимые утверждения и принимает рискованные действия. Если нейросеть сэкономила аналитику три часа, но руководитель два часа перепроверял каждую цифру, экономия равна одному часу, а не трём.

5. Повторы, отказ и ущерб

Ошибка классификации обращения может стоить несколько минут. Ошибка в ставке, договоре, платеже или письме крупному клиенту может стоить значительно дороже всех токенов за год. Поэтому ожидаемый ущерб должен входить в смету: вероятность ошибки умножается на цену её последствия.

В одном разобранном McKinsey банковском сценарии токены составляли только 20–25% переменных расходов агента. Это не универсальная доля, но хороший ориентир для мышления: счёт от поставщика модели часто показывает лишь верхушку расходов.

Как правильно посчитать цену человека

Сравнивать счёт за токены с окладом нельзя. Оклад — не цена продуктивного часа, а только часть расходов работодателя.

Полная ставка часа считается так:

Внутренний расчёт у каждой компании свой. Поэтому для примеров ниже я использую три плановых уровня: 1500, 3000 и 6000 рублей за продуктивный час. Это не «средняя зарплата по рынку», а шкала чувствительности. Вместо неё нужно подставить собственную цифру.

При ставке 3000 рублей:

• три минуты работы стоят 150 рублей;
• пятнадцать минут — 750 рублей;
• час — 3000 рублей;
• рабочий день из восьми продуктивных часов — 24 000 рублей.

У модели иначе устроены постоянные и переменные расходы. Настройка процесса, подключение данных и испытания могут стоить дорого. Но следующая однотипная операция обходится почти только в токены, инструменты и короткую проверку. Поэтому ИИ редко окупается на красивом единичном примере и часто окупается на повторяемом объёме.

Семь бизнес-операций: модель против человека

Все числа ниже — расчётный пример, а не обещание экономии. Время человека и токеновый объём заданы явно. Поиск, расшифровка, платные сведения и инфраструктура не включены, чтобы не притворяться, будто у разных компаний они одинаковы.

Таблица показывает не «замену людей», а изменение состава труда. В простых операциях человек переходит от исполнения к выборочному контролю. В сложных — от сбора и черновой работы к постановке задачи, проверке и решению. В договоре юрист не исчезает: нейросеть сокращает время предварительного разбора, но не получает право принять юридический риск.

Даже при большом запасе на инструменты токеновая часть часто оказывается намного дешевле человеческой. Но главный экономический эффект создаёт не низкая цена токена. Его создаёт правильно спроектированная операция, в которой человеку оставлена именно та часть, где его решение дороже всего и нужнее всего.

Как выбирать модель под бизнес-операцию

Модель нужно подбирать не по должности сотрудника и не по моде, а по четырём свойствам операции: сложности, проверяемости, цене ошибки и объёму.

Экономичный класс

С него стоит начинать, если задача массовая, ответ короткий, структура жёсткая, а ошибку легко поймать правилом.

Примеры: определить тему обращения, извлечь ИНН и сумму из документа, присвоить метку, нормализовать текст, собрать простой ответ по утверждённому шаблону.

Кандидаты для испытания: GPT-5.6 Luna и Alice AI LLM Flash.

Контроль: проверка формата машинными правилами, выборочная ручная оценка и автоматическая передача сомнительных случаев выше.

Сбалансированный класс

Он нужен, когда модель должна читать базу знаний, удерживать больше условий, объяснять решение и давать устойчивый структурированный результат.

Примеры: ответ клиенту по документам компании, протокол встречи, разбор анкеты, сводка по обращениям, предварительная аналитическая записка.

Кандидаты: GPT-5.6 Terra, Gemini 3.8 Flash, Claude Haiku 4.5, DeepSeek V4 Flash.

Контроль: проверка источников и чисел, набор эталонных задач, отдельная очередь сложных случаев.

Сильный класс

Он оправдан, когда работа состоит из многих зависимых шагов, содержит неоднозначность или требует глубокого исследования.

Примеры: коммерческое предложение, диагностика рекламного портфеля, изменение кода, разбор большого договора, исследование рынка.

Кандидаты: GPT-5.6 Sol, Claude Sonnet 4.6, Claude Opus 4.8.

Контроль: доказательства у существенных выводов, автоматические испытания, ограничение числа шагов и человек в точке решения.

Критическое действие

Для списания денег, изменения рекламы, публикации, кадрового решения или отправки юридически значимого документа нет класса «достаточно умной модели». Здесь нужна система допуска: права, лимиты, предварительный результат, подтверждение человека, журнал действия и возможность остановки.

Правильная схема обычно начинается с дешёвой модели. Если ответ проходит правила и порог уверенности, операция завершается. Если нет — задача поднимается к более сильной модели или человеку. Так дорогая мощность тратится на исключения, а не на весь поток.

Самая важная метрика — цена принятого результата

Допустим, две модели обрабатывают по тысяче задач.

• Модель А стоит 10 рублей за попытку и даёт 700 принятых результатов.
• Модель Б стоит 25 рублей за попытку и даёт 950 принятых результатов.

Если учитывать только токены, А дешевле в 2,5 раза. Цена принятого результата у неё — 14,29 рубля, у Б — 26,32 рубля. А всё ещё дешевле.

Но добавим ручное исправление: непринятая задача требует десяти минут специалиста по ставке 3000 рублей в час, то есть 500 рублей.

• А: 10 000 рублей токенов + 150 000 рублей исправлений = 160 000 рублей, или 160 рублей на входящую задачу.
• Б: 25 000 рублей токенов + 25 000 рублей исправлений = 50 000 рублей, или 50 рублей на задачу.

Теперь более дорогая модель уменьшает общие расходы более чем втрое. Именно поэтому цена миллиона токенов не может быть главной метрикой.

Для управленческого отчёта нужны как минимум:

1. стоимость попытки;
2. доля завершённых операций;
3. доля принятых без исправления;
4. минуты проверки и исправления человеком;
5. число повторов и обращений к инструментам;
6. время до результата;
7. стоимость ошибки и исключения;
8. бизнес-результат после операции.

Потраченные токены без этих знаменателей похожи на отчёт завода о количестве израсходованной электроэнергии без числа годных изделий.

Где заканчивается простая экономия и начинается новая модель компании

Если операция выполняется один раз в месяц, внедрение агента может не окупиться. Если она повторяется тысячи раз, переменная цена становится решающей.

Порог окупаемости считается просто:

Предположим, настройка, подключение и испытания стоят 600 000 рублей. Операция человеком обходится в 3000 рублей, а после внедрения — в 600 рублей вместе с проверкой. Экономия на одной операции — 2400 рублей. Порог окупаемости — 250 принятых операций.

При десяти операциях в месяц решение спорное. При тысяче — затраты на внедрение возвращаются в первом месяце. Именно поэтому начинать нужно не с вопроса «какого агента купить», а с реестра повторяемых интеллектуальных операций: частота, время, цена, ошибки, данные и последствия.

После этого меняется сама структура компании. Раньше руководитель распределял работу между людьми и программами. Теперь он распределяет её между:

• правилами, которые выполняются без модели;
• экономичными моделями для массовых операций;
• сильными моделями для сложных исключений;
• специализированными ИИ-агентами с доступом к знаниям и инструментам;
• людьми, которые ставят цели, принимают риск и улучшают методику.

Токеномика — это не сокращение штата, записанное новым словом. Это новая система планирования мощности интеллектуального производства.

Как Андата превращает токены в управляемую бизнес-операцию

У Андаты для этого уже есть ключевые части технологического контура.

В Бизнес-терминале сотрудник ставит отдельную задачу. В модуле ИИ-агентов задаются цифровая роль, инструкция, знания, разрешённые инструменты и границы действий. Компоновщик моделей может направлять работу разным поставщикам. Генератор контента хранит задачу, её состояние и результат. Технические события уже содержат число токенов, название модели и поставщика.

Это принципиальная основа токеномики: есть идентичность операции и есть измеримый машинный расход. Следующий слой — соединить их с человеческим временем и итогом в сквозной аналитике Андаты.

Тогда у каждой операции появляется цифровой паспорт:

• кто поставил задачу;
• какой агент и какая версия инструкции работали;
• какие знания и сведения использовались;
• какая модель выполнила каждый шаг;
• сколько было входящих, повторно использованных и исходящих токенов;
• какие инструменты вызывались и сколько они стоили;
• сколько раз операция повторялась;
• сколько минут потратил человек;
• принят ли результат и что именно исправили;
• к какому действию он привёл;
• что произошло с выручкой, расходами, скоростью или риском.

Здесь особенно нужна память изменений. Без неё компания каждый раз видит только последний ответ. С памятью она знает, что в прошлой версии дешёвая модель путала два типа договоров, после исправления инструкции доля принятых результатов выросла с 72 до 91%, а перевод сложных случаев на сильную модель сократил ручную проверку. Память превращает отдельные запуски в производственную статистику.

Бизнес-терминал в такой системе перестаёт быть просто местом разговора с нейросетью. Он становится операционным пультом интеллектуального труда. Руководитель видит очередь задач, выбранных агентов, предел расходов, состояние, результат и отклонения. А аналитика отвечает не на вопрос «сколько токенов сожгли», а на вопрос «какие операции стали быстрее, дешевле и полезнее».

Я бы строил отчёт токеномики Андаты из трёх связанных книг.

Книга машинного труда

Модели, токены, повторно использованный контекст, инструменты, длительность, повторы и технические ошибки.

Книга человеческого труда

Постановка задачи, проверка, исправление, исключения и финальное решение в минутах и рублях.

Книга бизнес-результата

Принятые операции, срок выполнения, выручка, экономия, качество, риск и эффект после действия.

Только вместе эти три книги дают руководителю настоящую себестоимость. Отдельный счёт за токены показывает расход вычислений. Отдельный табель показывает занятость людей. Сквозное соединение показывает экономику компании.

Что компании нужно начать измерять завтра

Не надо начинать с закупки самой сильной модели. Начните с одной повторяемой операции, у которой есть владелец и понятный результат.

1. Назовите операцию. Не «работа отдела продаж», а «подготовить ответ на входящее обращение по базе знаний».
2. Зафиксируйте результат. Что считается принятым ответом, кто его принимает и какие ошибки недопустимы.
3. Посчитайте человека. Сколько продуктивных минут уходит сейчас, включая поиск, согласование и исправления.
4. Задайте цену ошибки. Что произойдёт при неверном ответе, пропущенном условии или лишнем действии.
5. Испытайте три класса моделей. Экономичный, сбалансированный и сильный — на одной и той же выборке.
6. Считайте полный запуск. Все токены, инструменты, повторы, время проверки и непринятые результаты.
7. Выберите не самый дешёвый ответ, а самую дешёвую принятую операцию.
8. Сохраните версию и результат. Чтобы следующее изменение можно было сравнить с предыдущим.
9. Свяжите операцию с бизнесом. Ответ должен закончиться продажей, экономией времени, снижением ошибки или другим измеримым итогом.

Через месяц у компании появится не мнение о пользе нейросетей, а производственная ведомость: где модель действительно дешевле, где человек всё ещё выполняет основную работу, где нужен другой класс модели и где автоматизация вообще не окупается.

Токен — не цель. Это начало новой бухгалтерии труда

Токены не отменяют людей и не заменяют рубль. Они делают видимой машинную часть интеллектуальной работы. Благодаря этому впервые можно посчитать одну и ту же операцию как сочетание труда человека и нейросети, сравнить способы исполнения и управлять ими как производством.

Победит не компания с самым большим счётом за модели и не та, которая выбрала самый дешёвый миллион токенов. Победит компания, которая знает:

• какую операцию она покупает;
• какой моделью её выгоднее выполнять;
• где нужен человек;
• сколько стоит принятый результат;
• как результат изменил бизнес;
• чему система научилась после каждого исправления.

Планомерно мы перешли в токеномику. Следующий шаг — перестать считать нейросеть подпиской на ещё одну программу и начать считать её производственной мощностью. У этой мощности есть цена, качество, загрузка, брак, память изменений и отдача. Всё это уже можно свести к одной бизнес-операции.

Короткие ответы на частые вопросы

Что такое токеномика применительно к ИИ

Это способ считать экономику интеллектуальных операций: машинный труд — по токенам и инструментам, человеческий — по времени, а полезность — по принятому и измеренному результату.

Можно ли сравнить один токен разных моделей

Только вместе с названием модели, типом токена и тарифом. Один и тот же текст может занимать разное число токенов, а модели могут давать разную долю принятых результатов.

Какая модель выгоднее для бизнеса

Та, у которой минимальна полная цена принятой операции при заданных требованиях к качеству, времени, данным и риску. Это определяется испытанием на реальных задачах, а не одной ценой миллиона токенов.

Как сравнить ИИ с сотрудником

Взять одну и ту же операцию, посчитать полную стоимость продуктивного времени человека, затем добавить к расходам ИИ токены, инструменты, инфраструктуру, проверку, повторы и исправления. Сравнивать нужно одинаковый принятый результат.

Нужно ли всегда выбирать сильную модель

Нет. Массовые и легко проверяемые задачи выгоднее начинать с экономичной модели. Сильную модель и человека подключают к исключениям и операциям с высокой ценой ошибки.

Источники

1. OpenAI: устройство, подсчёт и цена токенов.
2. OpenAI: GPT-5.6 Luna, GPT-5.6 Terra и GPT-5.6 Sol.
3. Google: тарифы Gemini.
4. Anthropic: официальный перечень цен моделей Claude от 27 мая 2026 года.
5. Яндекс: правила тарификации Yandex AI Studio.
6. Банк России: курс валют на 10 сентября 2026 года.
7. Harvard Business School: опыт с 758 консультантами и «неровная граница» возможностей ИИ.
8. McKinsey: экономика агентных бизнес-процессов.