Как компании приобрести ChatGPT: 5 шагов от лицензий за 20 долларов до корпоративных решений на заказ и оплаты по токенам

Примечание автора: на фоне новости о том, что больше половины доходов OpenAI теперь приходится на корпоративный бизнес, разберём 5 шагов закупки ИИ для компании и подходы к управлению затратами — с опорой на исследование Harness и показатель «стоимость одного успешно выполненного задания».

4 ноября 2026 года президент OpenAI Greg Brockman заявил на технологической конференции WSJ, что более половины доходов OpenAI уже приходится на корпоративный бизнес. При этом доходы от потребительского бизнеса продолжают расти, просто корпоративное направление растёт быстрее. В то же время несколько отраслевых исследований показывают, что счета компаний за ИИ увеличиваются быстрее, чем ожидалось.

Это не очередная статья о сравнении цен на тарифы ChatGPT. Reuters и TechCrunch уже рассказали о заявлении Brockman, а исследование Harness в области FinOps привело данные о компаниях, у которых расходы на ИИ вышли из-под контроля. Сегодня главная сложность для бизнеса — уже не в том, какую модель выбрать, а в том, как одновременно управлять несколькими поставщиками, растущими расходами на вызовы и реальной стоимостью каждого задания.

Что вы узнаете: какие варианты оплаты доступны компаниям при закупке ChatGPT и как организовать закупку ИИ и управление затратами в 5 шагов — от определения заданий до оценки результатов.

ChatGPT для бизнеса: главное о закупках

Для начала соберём ключевые факты. Важно не путать долю корпоративных клиентов в выручке самой OpenAI с долей компании на рынке корпоративных API из отраслевых отчётов: это разные показатели.

Три основных способа закупки ChatGPT для бизнеса

Судя по опубликованным ценам, у компаний есть примерно три варианта. ChatGPT Business рассчитан на команды от 2 до 200 человек. Место Standard при годовой оплате обходится примерно в 20 долларов на человека в месяц, при помесячной — в 25 долларов. Место Premium даёт примерно в 5 раз больше лимитов использования, чем Standard. Для ChatGPT Enterprise нужно обращаться в отдел продаж за индивидуальным предложением. В этот план входят SCIM, EKM, RBAC, размещение данных в выбранном регионе, SLA и индивидуальные юридические условия; оплата может рассчитываться на основе кредитов или токенов.

Третий вариант — напрямую закупать доступ к API с оплатой за токены. API и подписка ChatGPT оплачиваются отдельно: стоимость API зависит от фактического количества входных, выходных и кэшированных токенов, а также от режима работы и длины контекста. Примечательно, что в октябре 2026 года OpenAI предоставила подходящим рабочим пространствам Business промокредиты для API. Но они учитываются отдельно от лимитов ChatGPT — ещё одно подтверждение того, что расходы на места и API нужно контролировать раздельно.

Почему компании постоянно превышают бюджет на ИИ

Если смотреть только на цену за единицу, ИИ кажется недорогим. Но реальные счета компаний часто сильно расходятся с ожиданиями. В исследовании «State of AI in FinOps 2026» компания Harness опросила 700 руководителей инженерных подразделений и специалистов в мае — июне 2026 года. Опрос охватил США, Великобританию, Францию, Германию и Индию; все компании-участники насчитывали более 1000 сотрудников.

По результатам опроса, 67% организаций ежемесячно тратят на ИИ более 250 тысяч долларов, а 20% — уже более 1 миллиона. 80% сообщили, что за последние шесть месяцев общие расходы на ИИ выросли, а 78% ожидают дальнейшего роста. Ещё показательнее проблемы с управлением счетами:

Ещё одно сравнение хорошо показывает масштаб проблемы: 73% компаний уже разработали политику расходов на ИИ, но лишь 13% имеют базовую прозрачность затрат. Иными словами, правила существуют на бумаге, но возможности их исполнения и мониторинга пока отстают. При этом сама Harness — поставщик инструментов FinOps, а выборка ограничена компаниями с численностью более тысячи человек в пяти странах. Поэтому выводы полезнее рассматривать как ориентир для средних и крупных предприятий, а не как статистику по всей отрасли.

Агенты отвязывают расход токенов от числа сотрудников

При традиционной закупке SaaS оплата рассчитывается на пользователя, поэтому бюджет относительно легко контролировать. Но агенты меняют эту логику: согласно анализу Menlo Ventures на основе данных OpenRouter, на агентов приходится около 80% потребления токенов на платформе. С февраля 2026 года, когда трафик агентов превысил трафик, инициированный людьми, он вырос примерно в 37 раз. В Menlo также отмечают, что параллельная работа агентов и их непрерывное выполнение задач в фоновом режиме — одна из важных причин превышения корпоративных бюджетов.

У этих данных тоже есть ограничения: среди пользователей OpenRouter преобладают разработчики и стартапы, поэтому они не отражают ситуацию во всей отрасли. Но сама тенденция очевидна: расход токенов всё больше зависит от числа задач, степени их параллельности и времени выполнения, а не только от количества сотрудников. По данным Axios, более 60% пользователей Codex в какой-то момент дня запускают несколько задач одновременно. Именно поэтому счета так сложно прогнозировать.

Почему корпоративные закупки ChatGPT переходят к мультимодельному подходу

Многие компании поначалу выбирают одного поставщика, но быстро обнаруживают, что одна модель не справляется со всеми задачами. Согласно исследованию Harness, 69% компаний используют OpenAI в продакшене, 58% — Azure OpenAI, 53% — Google Vertex AI, 41% — AWS Bedrock и 37% — Anthropic. Эти показатели могут пересекаться: они означают, что большинство компаний одновременно используют несколько платформ, а не отражают доли рынка. Складывать их тоже нельзя.

Похожие данные приводит препринт «The Multi-Lab Enterprise», опубликованный на arXiv в июле 2026 года: среди 2000 крупнейших компаний мира 81% используют три или более семейства моделей, а 79% хотя бы раз превышали бюджет на ИИ. Даже у компаний с развитыми практиками FinOps средний перерасход составил 30,9%. Однако препринт ещё не прошёл рецензирование, поэтому его стоит рассматривать лишь как ориентир для дальнейшего изучения, а не использовать как единственное основание для решений.

Закупка нескольких моделей создаёт вполне конкретные сложности. Единицы тарификации, форматы счетов и способы подсчёта потребления различаются от платформы к платформе. Финансовому отделу трудно распределять расходы по подразделениям и проектам, а технической команде — сравнивать результаты моделей по единым метрикам. Здесь и пригодится единый слой доступа через API: он объединяет модели разных поставщиков под одним интерфейсом и в одном отчёте об использовании.

Сравнение способов корпоративной закупки ChatGPT

Cost per Successful Task: цена токена не равна реальной стоимости

Самая частая ошибка при сравнении моделей — смотреть только на цену за миллион токенов. Представим две модели: вызов модели A стоит дешевле, но для выполнения задачи требуется несколько попыток, качество результата нестабильно и нужна тщательная проверка человеком. Модель B дороже за вызов, но чаще справляется с первого раза, а на проверку уходит меньше времени. В итоге стоимость каждого готового результата у модели A может оказаться выше.

Поэтому для закупки полезнее показатель Cost per Successful Task — фактическая стоимость одной успешно выполненной задачи. Он учитывает расходы на модель, инструменты, повторные попытки и проверку человеком. Их сумму делят на количество задач, которые действительно удалось выполнить и сдать. Самая дешёвая модель не обязательно окажется лучшим выбором: важно, у какой из них ниже совокупные затраты на ваши задачи.

Особенно заметно это при использовании агентов. Axios рассказывал о том, как профессор Стэнфордской школы бизнеса Andrew Hall использовал Claude Code для обновления старой научной статьи. Агент смог собрать данные, провести анализ и построить графики, но последующая проверка человеком выявила ошибки в данных и коде. Затраты на контроль со стороны человека вполне реальны: если их игнорировать, общую стоимость ИИ можно серьёзно недооценить.

На диаграмме показана распространённая закономерность, а не результаты реального тестирования двух конкретных моделей. На практике лучше запустить разные модели на одной и той же выборке реальных бизнес-задач, а затем рассчитать затраты по критериям из таблицы выше. С помощью платформ с единым интерфейсом, таких как APIYI apiyi.com, можно переключать модели в одном и том же коде и сократить объём разработки для сравнительного тестирования.

Как рассчитать стоимость одной задачи при корпоративной закупке ChatGPT

В примере ниже показано, как записывать расход токенов при каждом вызове. Эти данные понадобятся для расчёта стоимости одной успешно выполненной задачи (Cost per Successful Task):

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

resp = client.chat.completions.create(
    model="your-model-id",  # Укажите ID модели из списка моделей платформы
    messages=[{"role": "user", "content": "总结这份合同的关键风险条款"}]
)
print(resp.choices[0].message.content)
print("输入 Token:", resp.usage.prompt_tokens, "输出 Token:", resp.usage.completion_tokens)

import openai
from collections import defaultdict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Единый интерфейс: для смены модели достаточно изменить параметр model
)

# Укажите цены приобретённых моделей в долларах за миллион токенов
PRICE = {
    "model-a-id": {"input": 0.0, "output": 0.0},
    "model-b-id": {"input": 0.0, "output": 0.0},
}
REVIEW_COST_PER_MIN = 0.0  # Стоимость минуты ручной проверки с учётом затрат компании на персонал

ledger = defaultdict(lambda: {"cost": 0.0, "tasks": 0, "success": 0})

def run_task(dept: str, model: str, prompt: str, validator, max_retry: int = 2):
    """Выполняет задачу, записывает стоимость вызовов модели и повторных попыток, возвращает результат"""
    key = (dept, model)
    ledger[key]["tasks"] += 1
    for _ in range(max_retry + 1):
        resp = client.chat.completions.create(
            model=model,
            messages=[{"role": "user", "content": prompt}],
        )
        u = resp.usage
        p = PRICE[model]
        ledger[key]["cost"] += (u.prompt_tokens * p["input"]
                                + u.completion_tokens * p["output"]) / 1_000_000
        if validator(resp.choices[0].message.content):
            ledger[key]["success"] += 1
            return True
    return False

def add_review(dept: str, model: str, minutes: float):
    """Добавляет стоимость времени, потраченного на ручную проверку"""
    ledger[(dept, model)]["cost"] += minutes * REVIEW_COST_PER_MIN

def report():
    for (dept, model), d in ledger.items():
        cpst = d["cost"] / d["success"] if d["success"] else float("inf")
        rate = d["success"] / d["tasks"] if d["tasks"] else 0
        print(f"{dept} | {model} | 成功率 {rate:.0%} | 每个成功任务成本 ${cpst:.4f}")

🚀 Совет для быстрого старта: прежде чем подписывать годовой контракт, проведите небольшое тестирование на реальных рабочих примерах в течение двух-четырёх недель. После регистрации на APIYI apiyi.com вы получите бесплатный лимит для тестирования. С одним API-ключом можно вызывать популярные модели OpenAI, Claude, Gemini и других разработчиков и сравнивать стоимость задачи для разных моделей в одном отчёте об использовании.

Как выбрать корпоративную подписку ChatGPT: план из 5 шагов

Перейдём от обсуждения к практике: закупку корпоративного ИИ можно разбить на пять шагов. У каждого будет конкретный результат — так вы избежите ситуации «сначала купим, потом разберёмся» и не потеряете контроль над бюджетом.

Подробнее о шагах: от задач до оценки результатов

Первый и пятый шаги чаще всего пропускают, хотя именно они определяют, будет ли закупка иметь смысл. В качестве ориентира можно взять подход Credit Saison: сначала компания провела пилот ChatGPT Enterprise с участием 315 сотрудников в течение чуть более месяца, а затем по результатам решила внедрить его для всех сотрудников. Компания сообщила, что ROI пилотного проекта составил 954%, а каждый участник экономил около 14 часов в месяц. Однако это клиентский кейс, опубликованный OpenAI, и данные самой компании — не результат независимого аудита и тем более не средний показатель по отрасли.

На третьем шаге обычно не нужно выбирать только один вариант. Распространённая комбинация: сотрудники интеллектуального труда используют места в Business или Enterprise, а команда разработки и автоматизированные процессы — API с оплатой по фактическому использованию. Четвёртый шаг должен охватывать несколько возможностей, выделенных в исследовании Harness:

• Распределение затрат: разбивать расходы на ИИ по отделам, командам и проектам, чтобы у каждой статьи затрат был ответственный
• Единая статистика: сводить счета разных поставщиков к единому формату
• Предупреждения о расходах: задавать пороговые значения, чтобы обнаружить риск превышения бюджета до конца месяца
• Выявление аномалий: вовремя замечать необычный расход токенов и бесконечные циклы агентов
• Подбор моделей: использовать лёгкие модели для простых задач и более мощные — для сложных
• Аудиторский след: сохранять журналы вызовов, результаты задач и записи аудита

Влияние корпоративных закупок ChatGPT на компании и отрасль

Для технических руководителей компаний

• Бюджетную модель придётся пересмотреть: агенты отвязывают расход токенов от численности сотрудников, поэтому бюджет в расчёте на одного человека будет систематически занижать расходы
• Метрики оценки нужно обновить: вместо сравнения цены за токен стоит сравнивать стоимость одной успешно выполненной задачи
• В архитектуре нужно предусмотреть возможность переключения: использование нескольких моделей уже стало нормой, поэтому бизнес-логику не стоит жёстко привязывать к SDK одного поставщика

Для команд по закупкам AI и финансовых команд

• Закупки становятся сложнее: одновременно могут использоваться лицензии на пользователей, кредиты, токены, облачные платформы и услуги партнёров
• Нужно назначить ответственного за расходы: по данным опроса Harness, более чем в половине организаций нет человека, который явно отвечал бы за эти расходы
• Появились новые аргументы для переговоров: точные данные об использовании помогают договариваться об оптовых скидках и условиях оплаты токенов

Для отрасли

Более половины выручки OpenAI приходится на корпоративных клиентов. Это говорит о том, что основной рынок для разработчиков больших языковых моделей смещается в сторону бизнеса, а ключевыми направлениями конкуренции станут корпоративная безопасность, хранение данных в нужной юрисдикции и SLA. При этом оценки Menlo по распределению корпоративных расходов на API показывают, что на рынке сосуществуют несколько поставщиков. Значит, возможности «промежуточного слоя» — подключение моделей, маршрутизация запросов, учёт использования и контроль бюджета — будут становиться всё важнее. Впрочем, это оценка тенденции: она не означает, что какой-либо отдельный поставщик услуг уже вырос благодаря ей.

Частые вопросы FAQ

Ключевые выводы о закупке ChatGPT для бизнеса

• Структура доходов меняется: на корпоративных клиентов приходится уже больше половины доходов OpenAI, при этом потребительский бизнес продолжает расти
• Непредвиденные счета — частая проблема: в исследовании Harness 72% компаний сообщили, что сталкивались с неожиданными счетами за AI
• Несколько моделей — норма: большинство компаний одновременно используют разные платформы, поэтому показатели их использования нельзя складывать как доли рынка
• Цена за единицу не равна затратам: при выборе ориентируйтесь на стоимость успешно выполненной задачи, а не на цену за миллион токенов
• Агенты увеличивают расход: параллельное и фоновое выполнение задач нарушает прямую связь между расходом токенов и числом сотрудников
• Пятиэтапный процесс закупки: определение задач, выбор моделей и способа закупки, управление затратами и оценка результатов одинаково важны
• Сначала тест, потом контракт: единый интерфейс APIYI apiyi.com поможет оценить затраты на реальных примерах

Итоги

Главное о закупке ChatGPT для бизнеса:

1. Способы закупки можно комбинировать: места в Business, индивидуальный контракт Enterprise и оплата API по токенам подходят для разных сценариев; большинству компаний нужна их комбинация
2. Управлять затратами сложнее, чем выбирать модель: распределение расходов, единый учёт, бюджетные оповещения и выявление аномалий определяют, насколько контролируемыми будут расходы на AI
3. Главный показатель — стоимость задачи: учитывайте повторные попытки, вызовы инструментов и проверку человеком, чтобы принять действительно выгодное решение о закупке

Техническим руководителям и специалистам по закупкам, которые планируют бюджет на AI, разумно сначала провести небольшой пилотный проект, получить реальные данные об использовании и лишь затем подписывать долгосрочный контракт. Чтобы быстро проверить стоимость одной задачи для разных моделей в своём бизнесе, можно воспользоваться APIYI apiyi.com: платформа предоставляет бесплатный лимит для тестирования и единый интерфейс для работы с несколькими моделями.

📚 Источники

1. Reuters: большая часть выручки OpenAI приходится на корпоративных клиентов: заявление Брокмана на технологической конференции WSJ
2. Ссылка: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05

3. Описание: доля корпоративной выручки, рост в третьем квартале и заявления об IPO

4. Harness: State of AI in FinOps 2026: исследование управления расходами на ИИ в компаниях

5. Ссылка: harness.io/state-of-ai-in-finops-2026

6. Описание: неожиданные счета, прозрачность затрат и данные об использовании нескольких платформ

7. OpenAI Business Pricing: официальная страница с ценами на ChatGPT Business и Enterprise

8. Ссылка: openai.com/business/pricing

9. Описание: типы пользовательских лицензий, корпоративные функции и порядок оплаты

10. Menlo Ventures: 2026 The State of Enterprise AI: исследование корпоративного рынка ИИ

11. Ссылка: menlovc.com/perspective/2026-the-state-of-enterprise-ai

12. Описание: оценки расходов компаний на ИИ, доли API и тенденции потребления ресурсов агентами

13. The Multi-Lab Enterprise: препринт исследования управления использованием нескольких моделей в компаниях

14. Ссылка: arxiv.org/abs/2609.31622
15. Описание: результаты исследования использования нескольких моделей и превышения бюджета; работа ещё не прошла рецензирование

Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу APIYI apiyi.com. Дополнительные материалы по подключению доступны в центре документации docs.apiyi.com.

Читайте также

• Не смотрите только на цену за токен: 7 шагов для оценки полной стоимости одной задачи: От ввода, вывода, инференса, кеширования и повторных попыток до валидации с обновлением — за 7 шагов пересчитайте «сколько стоит за миллион токенов» в «сколько стоит за выполнение одной задачи».
• Как разобраться в счёте за API большой языковой модели и проверить его: 5 видов начислений и 4 шага для сверки: Разбор тарификации входных, выходных, кэшированных токенов, токенов рассуждения и мультимодальных данных в счетах за API больших языковых моделей, а также практические способы сверки использования по журналам вызовов, выявления скачков расходов и реагирования на изменение цен.
• Низкая цена модели не означает низкий счёт: 5 шагов для расчёта реальной стоимости с учётом расхода токенов и кэширования: Разберите структуру счёта, объясните, как различия в токенизации, токены рассуждений и попадания в кеш влияют на реальную стоимость модели, и предложите воспроизводимый пятишаговый метод расчёта на небольшой выборке.