07 мая 2026. Автор: Арсений Колчин
Новость о том, что Uber потратил весь AI-бюджет 2026 на Claude Code — и не знает, что делать дальше, шокирует только на первый взгляд. За ней стоит знакомая история крупных компаний: большой капитал, высокая уверенность в технологии и недостаточный план действий на случай непредвиденных результатов.
Краткая хронология инцидента
Руководство Uber в начале года приняло стратегическое решение сосредоточить ресурсы на одной платформе для генерации и проверки кода. С точки зрения управления это выглядело логично: единый вендор, обещания ускорения разработок и стандартизация инструментов.
Планы рухнули, когда внедрение оказалось дороже и сложнее, чем рассчитывали. Интеграция и обучение внутренней команды заняли больше времени, а ожиданный прирост производительности не перекрыл расходы. В результате основной бюджет AI на год оказался исчерпан.
Почему Uber мог сделать ставку на Claude Code
Решение следовало из нескольких мотиваций. Во-первых, кодогенерация обещает резко сократить рутинную работу разработчиков и ускорить выпуск фич. Во-вторых, один большой контракт упрощает управление лицензиями и поддержкой.
Наконец, коммерческие переговоры часто ориентируются на гарантии от поставщика. Anthropic и другие игроки рынка предлагали продукты с готовыми интеграциями и SLA, что выглядело предпочтительнее, чем эксперимент с открытыми моделями и собственными разработками.
Главные риски единой ставки
Когда компания закладывает в план весь ресурс в один инструмент, у нее остаются уязвимости. Ниже перечислены ключевые проблемы, с которыми столкнулись в случае Uber.
- Зависимость от одного поставщика. Это снижает гибкость переговоров и увеличивает уязвимость при изменении цен и условий.
- Кодогенерация не лишена ошибок. Модель может предлагать небезопасные паттерны или уязвимый код, что требует строгого контроля качества.
- Скрытые расходы на интеграцию и поддержку. Лицензия — не все затраты; нужны тесты, сканеры безопасности, обучение персонала.
- Юридические и комплаенс-риски. Передача данных, интеллектуальная собственность и соответствие локальному регулированию могут усложнить использование модели.
Эти пункты не просто теоретические опасения. Они приводят к реальным финансовым и операционным проблемам, если заранее не предусмотреть меры защиты.
Что, вероятно, уже происходит внутри Uber
Внутри компании запустился срочный аудит расходов и проектов. Команды проектируют приоритеты заново и ищут, как продлить жизнь ключевым инициативам при новых финансовых ограничениях.
Часто в таких ситуациях появляются два параллельных процесса: техническая команда ищет способы оптимизировать использование купленной платформы, а финансовая и юридическая служба готовят план по «перекрою» бюджета и возможным переговорам с поставщиком.
Практический план выхода из кризиса — пошагово
Чтобы не тратить время на панические решения, лучше действовать по ясному плану. Ниже — последовательность шагов, которые помогут быстро снизить риски и вернуть темп разработки.
- Аудит использования. Немедленно собрать данные о потреблении модели, бюджете, проектах, зависящих от Claude Code.
- Приоритизация. Остановить или заморозить низкоприоритетные инициативы, перенаправив ресурсы на размещенные критически важные фичи.
- Переговоры с поставщиком. Попытаться реструктурировать условия контракта: скидки, поэтапные платежи, ограничение функционала в обмен на поддержку.
- Параллельные эксперименты. Запустить POC на открытых моделях и альтернативных решениях, чтобы оценить реальную экономику замены.
- Усиление контроля качества. Ввести обязательные проверки для всего кода, генерируемого моделью, тесты безопасности и ревью человеком.
Каждый из этих шагов занимает время, но в сумме дает управляемую стратегию выхода. Это лучше, чем импульсивные решения вроде полного отказа от AI-инструментов без проработки альтернатив.
Сравнение вариантов: продолжать с Claude Code или менять курс
Решение зависит от конкретных целей и от того, насколько глубоко система уже интегрирована в процессы. Ниже таблица с упрощенным сравнением опций.
Вариант Плюсы Минусы Оставить Claude Code и оптимизировать Стабильная интеграция, поддержка вендора Высокие постоянные платежи, зависимость Частичный переход на открытые модели Гибкость, возможное снижение затрат Потребность в собственной инфраструктуре и экспертизе Разработать внутреннюю модель/инструмент Полный контроль над продуктом и данными Длительная разработка и значительные начальные инвестиции
Каждый путь требует оценки total cost of ownership, а не только лицензионных платежей. Важно учитывать эксплуатацию, безопасность и скорость вывода фич.
Технические меры, которые снизят будущие траты
Контроль расхода модели начинается с тарифных ограничений и заканчивается автоматизированным мониторингом качества. Несколько практических шагов помогут предотвратить повторение ошибки.
- Квоты и лимиты. Внедрить строгие лимиты по использованию модели по командам и проектам.
- Кэширование и шаблоны. Для часто генерируемых фрагментов использовать заранее одобренные шаблоны и кэшировать результаты.
- Интеграция с CI. Включать проверки безопасности и статический анализ в процесс CI, чтобы любой сгенерированный код проходил автоматические тесты.
- Телеметрия. Собрать метрики: частота вызовов, время отклика, процент отклонений, количество багов вследствие сгенерированного кода.
Эти меры позволяют не только экономить, но и создавать прозрачную историю для последующих переговоров с поставщиками.
Юридические и кадровые аспекты
Иногда именно юридические условия становятся тормозом для изменения курса. Нужно проверить, какие данные передаются поставщику, кому принадлежат артефакты и есть ли ограничения в смене вендора.
Кадрово компания должна инвестировать в обучение. Prompt engineering, тестирование с использованием моделей, знание механизмов защиты от утечек — все это должно войти в обязанности команд.
Мой короткий опыт
В одном из проектов, где я участвовал, компания тоже пережила «взрывной» старт с кодогенератором. Мы сначала сэкономили на времени, но затем столкнулись с повышенной нагрузкой на тестировщиков и безопасников.
Только когда ввели обязательные проверки и уменьшили объем автоматической генерации, проект перестал «съедать» ресурсы. Это заняло несколько месяцев, но урок оказался ценным.
Что это значит для рынка в целом
Крупные провалы с бюджетами демонстрируют, что ни один инструмент сам по себе не решает бизнес-проблемы. Поставщики будут стараться предложить более гибкие схемы и доказать экономику решений.
Для конкурентов Uber это шанс перенять уроки: диверсифицировать поставщиков, комбинировать модели и вкладывать в процессы, а не только в технологии.
Как избежать повторения ошибки при планировании AI-бюджета
Несколько практических правил для руководителей: не выделяйте весь ресурс на одну технологию, планируйте поэтапные закупки и требуйте KPI от поставщика. Оценка должна включать и расходы на интеграцию, и на поддержку.
Также полезно заводить «резервный фонд» для непредвиденных расходов. Он позволяет плавно перетасовывать приоритеты, не ломая дорожную карту продуктов.
Что делать прямо сейчас — чек-лист
Если вы управляете проектом в компании, попавшей в аналогичную ситуацию, используйте этот короткий чек-лист.
- Провести оперативный аудит расходов и использования.
- Оценить критичность зависимых проектов.
- Заключить временные лимиты на потребление модели.
- Запустить параллельные POC на альтернативных решениях.
- Внедрить обязательный человекоцентричный ревью сгенерированного кода.
Четкие шаги дают пространство для переговоров и снижают риски резких решений, которые могут навредить продукту и клиентам.
Финальные мысли
Ставка на одну технологию может принести быстрый выигрыш, но она редко оказывается безрисковой. Uber оказался в ситуации, где ожидания и реальность расходятся, и это шанс пересмотреть подход к AI-инвестициям.
Главное — извлечь урок: большие деньги в AI нужно распределять между целями, людьми и процессами, а не только среди поставщиков. Это дороже нематериально, но защищает компанию от повторных ошибок.
FAQ
1. Что означает, что бюджет «вышел» на Claude Code?
Это значит, что основная часть средств, выделенных на проекты по искусственному интеллекту в 2026 году, была потрачена на лицензирование, интеграцию и эксплуатацию решения Claude Code. В реальности это включает не только плату за сервис, но и сопутствующие расходы на внедрение и безопасность.
2. Почему нельзя просто прекратить использование и перейти на другую модель?
Резкий отказ от текущего решения влечет за собой потерю интеграций, возможные юридические последствия и необходимость срочной разработки альтернативной инфраструктуры. Переход требует времени и ресурсов, поэтому часто практичнее сначала оптимизировать текущее использование.
3. Какие альтернативы Claude Code разумно рассмотреть?
Варианты включают открытые модели с разворачиваемой инфраструктурой, другие коммерческие платформы и разработку внутренних инструментов. Выбор зависит от конкретных задач, компетенций команды и требований по безопасности.
4. Как снизить риск повторения такой ошибки в будущем?
Разработать многовендорную стратегию, вводить пилоты перед крупными закупками, учитывать полный lifecycle cost и обучать команды проверке результатов работы моделей. Важно также иметь резервный фонд для непредвиденных затрат.
5. Что делать пользователям и партнерам Uber сейчас?
Сторонним пользователям и партнерам стоит ожидать постепенной реструктуризации проектов и потенциальных приоритетных изменений в roadmap. Обычно компании стараются минимизировать влияние на внешние сервисы, но могут временно замедлить выпуск новых функций.