// SYSTEM.LOG 100 трлн токенов: как LLM реально используют “в полях” (декабрь 2025) Вышел большой отчёт от OpenRouter и a16z: они посмотрели, как люди и компании реально пользуются ИИ, опираясь на данные объёма более 100 триллионов токенов (то есть огромный массив “сколько и как пишут в ИИ”). Важно: это статистика с одной платформы, а не “всего мира”, но масштаб большой. ⸻ 7 простых выводов для бизнеса 1) Главный вопрос уже не “какой ИИ самый умный” Важно другое: какой ИИ выгоднее и надёжнее для каждой задачи. Как в автопарке: не выбирают “одну лучшую машину на все случаи”, а держат разные — под груз, под город, под трассу. 2) ИИ всё чаще работает “серией шагов”, а не одним ответом Факт: в отчёте отмечают рост так называемых “агентных” сценариев — когда ИИ делает задачу не одним сообщением, а цепочкой: подумал → уточнил → проверил → воспользовался инструментом → выдал результат. Значит, считать расходы нужно не “за один ответ”, а за готовый результат: закрытую заявку, готовый документ, решённую проблему. 3) Нужен контроль, как у финансов: “сколько стоит и где течёт” Факт: OpenRouter описывает, что видит метаданные: токены, скорость, задержки, отмены, и т.п. В бизнесе нужен похожий “спидометр”: • сколько стоит одна задача, • где растут расходы, • где ИИ стал медленнее/хуже, • где ответы чаще “срываются”. 4) “Открытые” модели (условно бесплатные/самостоятельные) перестают быть игрушкой Факт: отчёт фиксирует, что open-weight модели набрали заметную долю использования и продолжают расти. Для бизнеса это значит: часть задач можно делать дешевле и под своим контролем, а для самых сложных — использовать топовые закрытые модели. 5) Нельзя управлять ИИ “по ощущениям” — нужен список задач и правил Факт: исследование не читало реальные тексты запросов, оно классифицировало только часть выборки и по метаданным/категориям. Поэтому внутри компании нужно очень простое: • список, где ИИ разрешён, • где нельзя, • какие данные точно не отдаём, • кто отвечает за качество и риски. 6) В компании нужна роль “ответственного за ИИ-результат”, а не “человек, который умеет промпты” Факт: рост многошаговых сценариев и инструментов. Нужен человек/функция, кто отвечает за: “ИИ реально экономит время?”, “не выросли ли расходы?”, “не появились ли юридические риски?”, “что внедряем следующим”. 7) Не надо слепо верить “общей статистике” — проверяйте на своих процессах Факт: OpenRouter прямо говорит, что это “линза” их платформы и она может искажать картину. Правильный подход: берёте 3–5 процессов (поддержка, продажи, документооборот, найм) и измеряете свою экономику. ⸻ Две фразы, которыми можно закрыть тему на совете директоров “ИИ — это уже не игрушка и не один чат-бот. Это набор инструментов, и выигрывает тот, кто умеет ими управлять как бюджетом.” “Нам нужен не ‘самый умный ИИ’, а управляемая система: сколько стоит результат, где риски, где экономия.” ⸻ Первоисточник • https://openrouter.ai/state-of-ai • https://a16z.com/state-of-ai/ • https://openrouter.ai/announcements/the-2025-state-of-ai-report