Основатель стартапа Hebbia Джордж Сивулка отметил, что многие организации столкнулись с управленческими вызовами при внедрении ИИ-агентов из-за отсутствия необходимой инфраструктуры для контроля их работы и расходов. По его оценке, компании ошибочно интерпретировали рост потребления вычислительных токенов как показатель успешной цифровизации и повышения общей продуктивности. На практике это привело к тому, что искусственный интеллект не столько сократил затраты на оплату труда, сколько фундаментально изменил структуру операционных расходов, сделав программное обеспечение более затратным ресурсом по сравнению с человеческим капиталом. Подобная практика, получившая в отрасли название «токенмаксинг», вынуждает организации пересматривать подходы к оценке эффективности автоматизированных систем и отказываться от поощрения бессмысленной активности.

Основной причиной неэффективной работы алгоритмов являются не технические ограничения самих моделей, а нечеткие внутренние инструкции и недостаток релевантного контекста. Эксперт подчеркивает, что лишь незначительная доля сотрудников обладает навыками формулирования запросов, обеспечивающих качественное выполнение поставленных задач. Это приводит к возникновению циклических процессов, когда агент многократно обращается к модели для корректировки собственных действий, расходуя дополнительные вычислительные ресурсы без соразмерного коммерческого результата. В результате корпорации сталкиваются с резким увеличением счетов от провайдеров ИИ-услуг, что заставляет руководство вводить строгие внутренние лимиты и системы предупреждения о превышении пороговых значений потребления.

В качестве решения проблемы эксперты предлагают не отказ от технологий, а формирование комплексной управленческой инфраструктуры для агентных систем. Это включает в себя детальное описание бизнес-процессов, внедрение метрик оценки качества результата и применение стратегии маршрутизации моделей, при которой простые операции делегируются более экономичным алгоритмам, а передовые модели используются исключительно для ключевых сценариев. Кроме того, успешная интеграция требует преодоления внутренних барьеров: сотрудники могут неохотно передавать ИИ-системам критически важные рабочие знания, опасаясь потери собственной профессиональной значимости. Поэтому построение доверительных отношений и установление понятных правил взаимодействия становятся обязательными условиями для устойчивого развития корпоративного искусственного интеллекта.