Uber не «сломал» ИИ‑кодинг — он просто стал первым громким кейсом, где реальное использование опередило старую финансовую модель. Для нас это хорошее предупреждение: проблема не в нейросетях, а в том, как менеджмент планирует бюджеты и измеряет результат.
Что произошло с бюджетом Uber на ИИ
В конце 2025 Uber массово выкатил Claude Code инженерам, а к весне 2026‑го стал понятно, что годовой бюджет на ИИ‑кодинг сгорел всего за четыре месяца. По открытым данным:
- Доступ получили около 5 000 инженеров.
- Доля активных пользователей агентного режима выросла до 80+% за несколько месяцев.
- Средний чек — от 500 до 2 000 долларов в месяц на разработчика, в зависимости от сценариев использования.
- Более 70% коммитов и значимая часть ревью теперь генерируется с участием ИИ‑агентов.
CTO компании прямо сказал: «Бюджет, который я думал, что мне нужен, уже сгорел — я возвращаюсь к чертежной доске». Это выглядит как паника, но если смотреть на цифры трезво, картинка другая.[x]
Почему сжечь бюджет — не обязательно «плохо»
Главный миф в обсуждениях — «ИИ слишком дорогой, надо тормозить». На самом деле:
- Бюджет планировали под другую реальность
Финансовая модель 2025‑го строилась под меньшее проникновение ИИ, более слабые модели и осторожные сценарии использования. В реальности:
Модель стала мощнее.
Появились агентные режимы, которые делают больше работы за те же деньги, но потребляют больше токенов.
Инженеры поняли, что инструмент реально помогает, и начали использовать его не эпизодически, а как часть ежедневного рабочего процесса.«Перерасход» здесь — не провал, а разрыв между старым прогнозом и новой продуктивностью. - Стоимость ИИ логично сравнивать с зарплатой, а не с ценой IDE
Если разработчик стоит компании, условно, 10 000 долларов в месяц, добавить к нему инструмент за 1 000–1 500 долларов, который ускоряет его на +20–30%, — это нормально. Это не игрушка на полке, а добавка к производительности:
+25% скорости разработки за +10–15% к стоимости инженера — разумный обмен.
Особенно на уровне компании масштаба Uber, где задержка фичи в проде может стоить намного дороже. - Проблема в управлении, а не в технологии
Uber параллельно запустил внутренние рейтинги по использованию ИИ, фактически поощряя максимальное потребление токенов. Логика была «чем больше используешь — тем ты моднее», а платить по счету приходилось уже финансовому блоку. В такой конфигурации ИИ‑агент — это не столько техническая проблема, сколько культурная и управленческая.
Ускорились ли фичи и деньги от того, что выросли коммиты
Здесь начинается самое интересное. По открытым данным:
- 65–70% кода, попадающего в репозитории, уже создаётся с участием ИИ.
- AI‑агенты участвуют в ревью, тестах, автогенерации pull‑request’ов.
- Но руководство не может чётко связать это с ростом количества и качества потребительских фич.
Почему так
- Коммиты ≠ ценность для пользователя
Можно генерировать на 25% больше кода, но:
часть усилий уйдёт в рефакторинг, техдолг и внутренние инструменты;
часть — в эксперименты, которые не доедут до релиза;
часть потребуется на обслуживание увеличившейся сложности системы.Это нормальная жизнь большого продукта, просто сейчас этот процесс ускорился. - И конкуренты ускорились тоже
Если только вы используете ИИ, у вас есть временное преимущество. Но когда все крупные игроки в отрасли массово внедряют похожие инструменты, «+25% скорости» становится новым стандартом, а не уникальным преимуществом. В таких условиях ROI считать сложнее: вы бежите быстрее, чтобы остаться там же. - Шум в метриках
Ввод ИИ сразу в несколько частей пайплайна — код, ревью, тесты — делает причинно‑следственные связи размытыми. Сложно сказать: «Вот здесь Claude Code увеличил выручку на N процентов», особенно в кратком горизонте.
Где настоящая проблема: не ИИ, а управляемость
История Uber показывает, что ИИ‑зация — это не «волшебный апгрейд инженера», а тяжёлая управленческая задача.
Что стало ясно на примере их кейса:
- Финансовые модели не успевают за токен‑экономикой
Бюджеты строились под лицензии «X долларов за пользователя в год», а получили «облако 2015 года»: счёт растёт, пока кто‑то не заметит. - Ответственные за adoption и за деньги — разные люди
Те, кто продвигал Claude Code, поощряли использование, а блок, который платит по счетам, оказался перед фактом. - Инструмент стал инфраструктурой, а не экспериментом
Когда 80–90% инженеров используют ИИ каждый день, это уже не «игрушка в пилоте», а часть производственного контура. К нему надо применять те же подходы, что и к облакам: лимиты, мониторинг, оптимизация запросов.
И вот это как раз и есть «болезнь роста» для менеджмента. Нужно научиться:
- задавать бюджеты не «на год вперёд», а с оглядкой на реальные кривые потребления;
- оптимизировать сценарии использования (агенты, контексты, режимы), а не просто резать лимиты;
- связывать метрики ИИ (количество вызовов, токены, проценты AI‑кода) с понятными бизнес‑результатами.
Что из этого вынести обычной компании
Снаружи всё выглядит так: «крупный игрок сжёг бюджет на ИИ за четыре месяца, значит, это опасная игрушка». На практике сигнал другой:
- ИИ‑кодинг — уже не вопрос «пробовать или нет», он становится гигиеной.
- Настоящий риск не в том, что вы потратите на Claude Code или аналог 500–1500 долларов на инженера, а в том, что будете делать это хаотично, без понимания отдачи.
- Преимущество получат те, кто научится одновременно:
считать деньги на токенах;
проектировать процессы вокруг ИИ‑агентов;
и честно смотреть, где ускорение превращается в реальную ценность для продукта, а где — в красивую статистику про «70% AI‑кода».
По сути, история Uber — это первая большая публичная демонстрация новой роли менеджмента: ему придётся разбираться не только в людях и функциях, но и в параметрах моделей, сценариях агентов и архитектуре запросов. И именно это делает ИИ‑зацию сейчас сложной — не для машин, а для управленцев.
Хочешь, следующим шагом могу набросать конкретный чек‑лист для СТО и руководителя продукта: как внедрять ИИ‑кодинг, чтобы не повторить кейс Uber с сожжённым бюджетом?