Генеративный ИИ разрушает одно из самых устойчивых экономических предположений в софте: что после создания продукта обслуживание каждого дополнительного клиента почти ничего не стоит.

Традиционное ПО часто требовало значительных первоначальных инвестиций, но разработчики могли распространять готовый продукт с очень низкими предельными издержками. Генеративный ИИ работает иначе. Каждый запрос, каждый сгенерированный ответ и каждое агентское задание должны быть выполнены — и оплачены — заново.

Ранее в этом году сооснователь Stripe Патрик Коллисон утверждал, что в эпоху ИИ «софт должен быть как пицца» — изготавливаться под заказ в момент использования. Однако софт под заказ влечёт и издержки под заказ.

Интернет-экономика изначально строилась вокруг человеческих намерений: люди искали, кликали, подписывались и оформляли покупку, а бизнесы оптимизировались под это поведение — привлекая клиентов, превращая их в подписчиков и обслуживая их дёшево и масштабно. Теперь ИИ-агенты проводят исследования, пишут код, вызывают API, выполняют задачи и даже совершают платежи от имени людей или компаний. Это сулит скорость и масштаб, но автоматизированная активность может раздуть потребление — и расходы — далеко за пределы ожиданий и привычного управления.

Все следят за тем, как ИИ разжигает счета за вычисления; на то, кто ездит «зайцем», почти никто не обращает внимания. Злоупотребление бесплатными пробными периодами и мультиаккаунтами — тихие убийцы юнит-экономики ИИ, и компании нередко обнаруживают ущерб лишь тогда, когда маржа уже потеряна Задача теперь не в удешевлении вычислений, а в том, чтобы использование конвертировалось в выручку, а неоплаченное или злоупотребительное потребление не разъедало маржу.

Азия показывает, насколько быстро переход от экспериментов переходит к действиям. Опрос Stripe 2025 года показал, что 82% руководителей бизнеса уже внедряют или планируют внедрить агентский ИИ, а половина респондентов ожидает, что к 2030 году большая доля продаж будет идти через каналы на основе ИИ. По данным Bain, 85% покупателей Юго-Восточной Азии уже используют или рассматривают ИИ-инструменты для принятия решений о покупках.

Токены как новая единица коммерции

В эпоху ИИ два разных пользователя могут создавать совершенно разную нагрузку, и каждое взаимодействие имеет реальную стоимость. Токены — небольшие фрагменты текста, на которые ИИ-модели разбивают язык, — стали ключевым инструментом измерения и учёта потребления, подталкивая ИИ-компании к тарификации на основе использования или гибридным моделям, которые лучше отражают стоимость потребления и позволяют отслеживать использование и принимать платежи в реальном времени.

Lovable, платформа создания ПО на базе ИИ, использующая Stripe, иллюстрирует этот переход. Компания начинала с подписок, но затем перешла на биллинг по использованию: когда клиенты превышают бесплатную квоту своего тарифа, с них взимается плата в соответствии с потреблением ИИ-токенов.

Эта модель создаёт новую уязвимость: кражу токенов. Злоумышленники обыгрывают систему, создавая множественные аккаунты, используя бесплатные пробные периоды и потребляя ИИ-токены без всякого намерения платить. Каждый токен, потреблённый нахлебником, создаёт немедленные операционные расходы, которые компания никогда не компенсирует.

Исследование Stripe показало, что более одной из шести регистраций в ИИ-компаниях связаны со злоупотреблением мультиаккаунтами. При таком соотношении злоупотребления растут вместе с ростом: чем быстрее ИИ-компания привлекает пользователей, тем больше аккаунтов-нахлебников приходит вместе с легитимными.

Время имеет значение. ИИ-компании не могут позволить себе реагировать лишь тогда, когда платёжный запрос отклонён; к тому моменту пользователь уже ушёл. Вместо этого злоупотребления нужно выявлять на этапе регистрации — до того, как будет израсходован первый токен. Stripe с помощью решений вроде Stripe Radar — инструмента предотвращения мошенничества на базе ИИ, обученного на данных миллионов компаний по всему миру, — предотвратила в прошлом году мошенничество на 1,3 млрд долларов в Сингапуре.

Защита маржи

Задача не просто в выявлении кражи токенов или мошенничества, а в решении, как реагировать. Бизнесам нужны более ясное понимание того, где уязвима их маржа, и гибкость определении собственного уровня допустимого риска и в адаптации реакции к разному поведению. Например, к тому, кто раз за разом создаёт новые аккаунты для кражи бесплатных ИИ-токенов, следует относиться иначе, чем к платящему обычному пользователю, потребление которого внезапно выросло.

Показатели, за которыми стоит следить, конкретны: доля новых регистраций, помеченных за злоупотребление мультиаккаунтами, скорость исчерпания бесплатных квот и то, выявляются ли злоупотребления на этапе регистрации или лишь при неудачном платеже. Поскольку ИИ меняет стоимость обслуживания клиентов, защита маржи будет зависеть не только от более дешёвых вычислений, но и от того, чтобы каждый потреблённый токен был учтён.

Мнения, высказанные в авторских колонках Fortune.com, являются исключительно взглядами их авторов и не обязательно отражают мнения и убеждения Fortune. Эта история изначально была опубликована на Fortune.com.