Meta вводить контроль AI-токенів для працівників через зростання витрат

Meta зіткнулася з неочікуваним наслідком власної AI-first стратегії: працівники почали настільки активно використовувати AI-інструменти, що витрати на токени перетворилися на окрему статтю бюджету. Компанія вже будує внутрішню систему контролю AI-витрат і планує встановлювати бюджети та ліміти використання.

Але початковий інфопривід потребує двох уточнень. Ідея лімітів походить не від Марка Цукерберга: про майбутні обмеження публічно говорив керівник Instagram Адам Моссері, а конкретний план Meta щодо контролю витрат описаний у внутрішньому memo. І це вже більше, ніж просто «Meta може подумати про ліміти» — компанія створює AI Gateway для обліку витрат, хоча жорстких caps для всіх працівників наразі немає.

Key Takeaways

• Meta будує AI Gateway — внутрішню платформу для відстеження використання AI та витрат на токени.
• Система має дозволити встановлювати бюджети, контролювати витрати команд і обмежувати надмірне споживання.
• Адам Моссері підтвердив, що зараз універсальних token caps для працівників Meta немає, але в майбутньому вони можуть з’явитися.
• Моссері припустив, що витрати сильного інженера на AI через рік-два потенційно можуть наблизитися до вартості його працевлаштування.
• У Q2 2026 Meta прямо назвала third-party AI token costs одним із факторів зростання операційних витрат.
• Історія показує нову проблему корпоративного AI: після етапу «використовуйте AI якомога більше» компаніям доводиться рахувати ROI кожного обчислювального ресурсу.

Meta спочатку стимулювала AI-споживання — тепер рахує його вартість

Протягом 2026 року Meta активно переводила внутрішні процеси на AI. Інженери використовують coding agents та інші моделі для написання коду, досліджень, автоматизації й виконання складніших робочих задач.

Але на відміну від традиційного корпоративного софту, вартість такого інструменту може безпосередньо залежати від інтенсивності використання. Що більше запитів, контексту та згенерованих відповідей обробляють моделі, то більшим стає token spend.

За даними The Information, Meta повідомила приблизно 6000 працівників про створення централізованої системи для контролю цих витрат. AI Gateway має показувати використання та spend у реальному часі, допомагати розподіляти бюджети й встановлювати обмеження.

Адам Моссері: AI-бюджет може стати порівнянним із зарплатою інженера

Масштаб потенційної проблеми добре описав керівник Instagram Адам Моссері.

В інтерв’ю Lenny’s Podcast він припустив, що через рік-два burn rate AI-інструментів у сильного інженера може наблизитися до його зарплати або загальної вартості працевлаштування.

У такому сценарії AI перестає бути просто ще однією корпоративною підпискою. Обчислювальний бюджет конкретного спеціаліста може перетворитися на ресурс, співставний за значенням із payroll, GPU, CPU, storage та іншою інфраструктурою.

Саме тому Моссері вважає майбутні caps логічними. Їхній розмір, за його словами, може залежати від того, наскільки компанія довіряє конкретному працівнику використовувати AI-бюджет із позитивним ROI.

Але Meta ще не встановила жорсткі ліміти для всіх

Тут важливо відділити вже ухвалені зміни від майбутньої моделі.

Моссері прямо зазначив, що зараз у Meta немає універсального token cap для кожного працівника. Йдеться про побудову системи контролю витрат і можливість перейти до жорсткіших бюджетів надалі.

Тому твердження «Meta обмежила працівникам використання AI» наразі було б передчасним. Точніше: Meta вже переходить від безконтрольного стимулювання AI-usage до вимірювання його вартості та підготовки бюджетних обмежень.

AI-витрати вже видно у фінансовій звітності Meta

Це не лише внутрішня дискусія між менеджерами та інженерами. У фінансових результатах за другий квартал 2026 року Meta прямо назвала third-party AI token costs одним із факторів зростання витрат.

Загальні витрати Meta у Q2 становили $42 млрд — на 55% більше, ніж роком раніше. На зростання також вплинули компенсації працівникам, інфраструктура, юридичні витрати та severance після скорочень, тому приписувати всі +55% саме AI було б неправильно.

Окремо Meta витратила $31,1 млрд на capital expenditures, включно з платежами за finance leases. Компанія пояснила цей рівень інвестиціями у сервери, дата-центри та мережеву інфраструктуру.

Тобто Meta одночасно платить за два рівні AI-економіки: будує власну обчислювальну інфраструктуру та оплачує використання сторонніх AI-моделей усередині компанії.

Що таке tokenmaxxing і чому Meta від нього відходить

Усередині технологічних компаній у 2026 році навіть з’явився термін tokenmaxxing — максимально активне використання AI-інструментів працівниками.

Для компанії така поведінка спочатку виглядає бажаною: якщо coding agent дозволяє інженеру зробити більше роботи, витрати на inference можуть окупитися продуктивністю.

Проблема виникає тоді, коли метрикою стає саме споживання. Високий token count ще не доводить, що працівник створив пропорційно більше цінності.

На початку вересня WIRED повідомив, що Meta знижує внутрішній акцент на tokenmaxxing і більше не хоче прив’язувати оцінку роботи до самого обсягу використання AI. Водночас працівників продовжують заохочувати експериментувати з агентними інструментами.

Парадокс Meta: компанія одночасно хоче більше й менше AI

На перший погляд стратегія виглядає суперечливою: Meta інвестує десятки мільярдів в AI-інфраструктуру, створює нові моделі й агентів, але одночасно думає, як обмежити використання AI власними працівниками.

Насправді суперечності немає. Meta не намагається скоротити використання AI як такого — вона намагається відокремити продуктивне використання від дорогого експериментування без очевидного результату.

Це видно й за продуктами компанії. UAGEEK раніше писав про Hatch — платформу автономних AI-агентів Meta, а після її розвитку компанія представила Muse — агента, здатного виконувати багатокрокові задачі замість користувача.

Тобто Meta не відмовляється від agentic AI. Навпаки, чим більше роботи компанія перекладає на агентів, тим важливішим стає питання вартості кожної виконаної ними задачі.

Token budget може стати новим корпоративним бюджетом

Історія Meta цікава далеко за межами самої компанії. Вона показує, що корпоративне впровадження AI переходить у наступну фазу.

На першому етапі бізнес рахував кількість AI-ліцензій: скільки коштує ChatGPT, Claude, Copilot або інший сервіс на одного працівника.

Агентні системи змінюють цю модель. Один працівник може запустити агента, який самостійно робить десятки або сотні model calls, використовує великий context window, перевіряє результати та повторює операції. Вартість такого workflow вже не обмежується ціною місячної підписки.

Тому компаніям доводиться керувати токенами приблизно так само, як cloud infrastructure: встановлювати бюджети, бачити аномальні витрати, визначати пріоритетні команди та рахувати ROI.

AI-агенти роблять проблему ще гострішою

Звичайний чат потребує дії людини для кожного нового запиту. Автономний агент може продовжувати працювати сам — планувати наступний крок, викликати інструменти, читати результати й повторювати цикл.

Через це агент здатний споживати значно більше inference-ресурсів за одну користувацьку задачу.

Для Meta це особливо актуально через розвиток власних агентів. UAGEEK уже розбирав Meta Muse, який може працювати із зовнішніми сервісами, виконувати багатокрокові завдання та продовжувати роботу у фоні.

Тому питання «скільки AI використовує працівник» поступово замінюється іншим: скільки обчислювального бюджету витрачається на одиницю корисного результату.

Meta фактично переходить від AI adoption до AI economics

Для корпоративного AI це важливий зсув. Ще недавно головною метрикою було adoption: скільки працівників використовують AI та наскільки часто вони це роблять.

Тепер одного adoption недостатньо. Якщо працівник спалює в десять разів більше токенів, але не створює пропорційно більше результату, масштабування такого workflow стає економічно сумнівним.

Meta вже використовує AI далеко за межами внутрішньої розробки. Наприклад, Meta AI отримав доступ до аналізу рекламних кампаній, а агентні системи поступово підключаються до інших бізнес-процесів.

Тому наступним етапом корпоративної AI-гонки може стати не питання «хто дасть працівникам більше AI», а «хто навчиться отримувати більше результату з одного долара inference». Meta вже починає будувати інфраструктуру саме для цього.

Будьте в курсі всіх новин! Приєднуйтесь до ҐікNews.

Джерела для перевірки

Джерела для перевірки

The Information. Першоджерело інформації про внутрішній план Meta: AI Gateway, контроль token spend, бюджети та майбутні ліміти використання AI працівниками.
Meta Moves to Curb Employee AI Usage as AI Costs Reach Billions

TechCrunch. Інтерв’ю Адама Моссері про можливі token caps, співвідношення AI-витрат із вартістю інженера та відсутність універсальних лімітів для працівників Meta зараз.
Meta’s Adam Mosseri says AI token budgets could soon be capped per engineer

Meta Investor Relations. Офіційний transcript Q2 2026: Meta називає third-party AI token costs серед факторів зростання витрат; загальні expenses становили $42 млрд, capex — $31,1 млрд.
Meta Q2 2026 Earnings Call Transcript

WIRED. Контекст про зміну внутрішньої політики Meta: компанія послаблює акцент на tokenmaxxing, одночасно продовжуючи тестувати нові AI-агенти серед працівників.
Meta Pushes Its New AI Agent on Employees—but Eases Off on Tokenmaxxing

UAGEEK.MEDIA. Контекст про розвиток автономних AI-агентів усередині Meta та проєкт Hatch.
Meta готує Hatch — платформу автономних AI-агентів

UAGEEK.MEDIA. Матеріал про Meta Muse та перехід від чатботів до агентів, здатних самостійно виконувати багатокрокові задачі.
Meta Muse: AI-агент сам бронює, купує і надсилає листи