Как да намерим баланса между цената днес и готовността утре? Радослав Димов, Senior Manager, Cloud & Infrastructure, KPMG IT Service OOD

На 1 септември 2026 г. много компании навлязоха в нов етап от управлението на AI разходите. Промяната в модела на таксуване на GitHub Copilot направи видим проблем, който дотогава лесно оставаше скрит: AI вече не се управлява като обикновен софтуерен лиценз. Но цената е само видимата част от много по-голям управленски въпрос.

Промененият модел е повод за преоценка, но предизвикателствата пред инвестициите в AI са много по-дълбоки. Те изискват не реактивни решения, а споделена дългосрочна визия на целия мениджмънт екип. Големият въпрос днес не е само колко ще струва AI, а как компанията да бъде готова за утре.

От лиценз към консумация

Доскоро сметката за IT инвестициите в големите компании беше ясна: плащаш за софтуер с лиценз на потребител и залагаш сумата в годишния бюджет. Затова много организации пускат универсален асистент на целия персонал без много колебание. Сметката се знае предварително. С AI това вече не работи. Промени се самата единица, за която се плаща.

С инструментите за разработка и с платформите за агенти положението е различно и това вече се вижда в публикуваните ценови политики.

От 1 юни GitHub Copilot се таксува според употребата, като се отчитат входящите, изходящите и кешираните токени по ставките на съответния модел1. Всеки платен план включва базов месечен пакет AI кредити на стойност, равна на цената на самия абонамент. Използването над включеното количество изисква допълнителен бюджет.

Има и втора подробност от същото обявление – отпадна автоматичното преминаване към по-евтин модел, а потреблението се управлява чрез наличните кредити и бюджетните лимити, зададени от администратора – на ниво организация, разходен център или отделен потребител.

Важен детайл е, че преходът беше „подсладен“, като за юни, юли и август бизнес плановете получаваха чувствително по-голям пул от стандартния. На 1 септември добавката обаче отпадна и включеното се върна към стойността на абонамента. За различните планове това е спад от порядъка на 40%1. Нищо в употребата не се е променило. Промени се сметката.

При платформите за агенти логиката е сходна. Купуваш пакет кредити на фиксирана месечна цена или плащаш по употреба без ангажимент, а кредит се използва при действията на агента – обобщаване, отговор, генериране, изпълнение на задача.

Разликата между двата модела не е ценова, а управленска. Лицензът се бюджетира веднъж, а консумацията се управлява постоянно. Някой трябва всеки месец да гледа число, което преди го е нямало. А това изисква нов подход, за да не се озоват компаниите пред неочаквани разходи.

В практиката виждам все повече организации да поставят таван на потреблението и да следят резултата, преди да го увеличат. Това не е скъперничество, а необходим механизъм за контрол. Видимостта е условието сметката да бъде защитена, вместо спряна.

Кой носи отговорност за резултата

Това е основният въпрос, който отново излиза на преден план при променените правила на играта. В доклад на KPMG от 2026 г. 80% от висшите ръководители на компании в 27 държави твърдят, че организацията им има ясна AI стратегия. 68% от техническите мениджъри, които трябва да я изпълнят, са съгласни с това2. Дванайсет пункта разлика между това как изглежда стратегията отгоре и как изглежда от мястото, където се изпълнява.

Стратегическата готовност се решава на едно заседание. Оперативната се изгражда с години и не може да се ускори с бюджет в последния момент.

Има и нещо в самата дума „стратегия“. Тя гледа напред, а AI вече е тук. Стратегия, която не е стигнала до изпълнение, не е подготовка за бъдещето. Тя е закъснение с добър външен вид.

При агентите това личи директно. 88% от организациите вече вграждат AI агенти в процесите и продуктите си2. А в тримесечното проучване на KPMG сред бизнес ръководители една трета посочват като основна пречка пред внедряването им именно това, че не разбират добре разходите за употреба3. Агентите излизат от пилотната фаза по-бързо, отколкото се изгражда контролът над тях.

Най-голямата разлика обаче не идва от технологията, а от това кой в компанията отговаря за резултата от нея. В 24% от анкетираните компании за бизнес резултата от AI отговаря главният изпълнителен директор. В останалите 76% тя е възложена на друг член на ръководството, бизнес звено или на технологичния екип3.

Резултатите на двете групи се различават. В компаниите с ясно определена отговорност за AI, преди всичко на ниво главен изпълнителен директор, установена възвръщаемост отчитат 14%. При липса на този ангажимент нивото пада до 4%, или над три пъти по-нисък дял при една и съща технология.

Причината не е, че изпълнителните директори разбират технологията по-добре, а че възвръщаемостта зависи от стратегически решения – кои процеси и роли се променят, кои не и какъв риск може да бъде поет. Технологичният екип трябва да осигури платформата, експертизата, сигурността и прозрачността на разходите. Но решенията кои бизнес процеси да бъдат променени, как да се преразпределят ролите и какъв риск да бъде поет изискват обща отговорност на висшето ръководство и бизнеса.

Как мерим възвръщаемост от AI

Същото изследване на KPMG поставя и ясната диагноза: 79% от над 2 000 анкетирани ръководители в 20 държави определят AI като ключова инвестиционна област, но само 7% от тях отчитат установена възвръщаемост3.

Първосигналният прочит на резултатите е „още е рано“. Според мен обаче има и друго възможно обяснение. 58% от технологичните ръководители признават, че традиционните показатели за възвръщаемост не вършат работа при AI проекти, а 55% не могат да обяснят стойността на AI пред акционери и заинтересовани страни2. Когато повече от половината хора, които водят тези проекти, казват, че показателят не работи, проблемът вероятно е в показателя, а не в резултата.

Компаниите постигат това, което измерват. Измерват разход и намаляват разход. Измерват производителност и вдигат производителност. Печалбата е третото и единственото, което не се постига директно, а само през решения, взети доста преди нея. Затова и липсва.

Разходът е по-лесен за измерване днес, но оценката на възвръщаемостта от AI не е директна величина, която се отчита в реално време. Затова според мен оптимизацията на разхода за AI е погрешната цел. AI е скъп и има основания да поскъпва. Лятото на 2026 г. го показа нагледно.

На 6 август средната цена за обработка на заявки към водещите модели достигна най-ниското си равнище от началото на годината: около 1,16 долара за милион токена, спрямо 2,04 долара в края на май. Данните са на изследователската фирма Silicon Data, цитирани от анализатори на Jefferies4. Седем дни по-късно, на 13 август, DeepSeek обяви нови цени за моделите си V4. По данни на Reuters поскъпването е от 50% до над 1 100% в зависимост от модела, вида токени и часа на употреба. Официалната ценова страница показва какво значи това на практика: пиковата тарифа е двойна спрямо извънпиковата, а пиковите часове съвпадат с работния ден в Китай. За по-големия модел милион изходящи токена струват 1,98 долара извън пик и 3,96 долара в пик5. Седем дни между дъното и обръщането. Така AI получи дневна и нощна тарифа.

Не твърдя, че това е краят на евтиния AI. В края на юли OpenAI намали цената на един от по-малките си модели с 80%6, а на 21 август свали и цената на флагмана си с над 20% на входа и с 33% на изхода7. Второто намаление обаче е обявено като промоционално за три месеца до 21 ноември. Натискът от моделите с отворен код продължава. Две сили действат в противоположни посоки – конкуренцията оказва натиск надолу, а нуждата от възвръщаемост тегли нагоре. И не мисля, че някой в момента може да даде точна прогноза коя от двете ще надделее.

Знам обаче кое се повтаря достатъчно често, за да не е съвпадение. Все по-често ниската цена идва със срок. Доставчиците я обявяват като промоция, а не като нова тарифа. Ясно е и кой плаща най-скъпо, когато нуждата от възвръщаемост започне да печели над конкуренцията – това е този, който в този момент няма подготвени хора, няма платформа и няма договор.

Компанията, която се бори единствено с цената, се състезава за малката награда, докато голямата остава извън полезрението. Разходът може да расте, стига в крайна сметка производителността и печалбата да нараснат повече. Спестеният лиценз не носи растеж.

Разходите, разбира се, не могат да бъдат безлимитни и тук идва темата за тяхното управление. Разликата между това да управляваш разхода и да го спреш е тънка. 42% от компаниите виждат само частично какво харчат за AI3. Тук сравнението между двете групи казва повече от самото число: сред компаниите с пълна видимост върху AI разхода възвръщаемост отчитат 15%, а сред останалите – едва 3%3. Данните не показват, че по-ниският разход носи възвръщаемост, а че проследимият разход я прави възможна.

Възвръщаемостта е съотношение, печалбата е сума. 300% върху 10 000 евро са 30 000 евро и един красив слайд. 30% върху 10 милиона са 3 милиона и растеж. Съотношението расте и когато просто харчиш по-малко. Дивиденти се изплащат от сумата. Затова мярката е печалбата. Но не печалбата за тримесечието.

И тук идва неудобната истина. В първите години печалба може да не се появи, каквото и да измервате. Така разходът остава единственото видимо число. Изходът е да можете да го обясните: колко, за какво, срещу какво очакване и в какъв срок. Разходът не е целта. Той е доказателството, с което проектът оцелява, докато целта закъснява.

Защо възвръщаемостта закъснява

За мен този въпрос е ключов и той не е технологичен. Бизнесът има бюджет за IT услугите, които ползва, а IT организацията решава какви инструменти може да си позволи в рамките му. Когато бизнесът поиска проект, се обръща към IT звеното, за да се направи оценка колко ще струва и колко време ще отнеме. Така се стига до следната ситуация: звеното, което трябва да инвестира в платформата, не е звеното, което после ще отчете печалбата от нея. IT съществува, за да подкрепя бизнеса, а в същото време трябва да го убеждава да финансира технологии, които ще го направят по-продуктивен на по-късен етап. Това е трудна борба, която виждам често.

На тази база компаниите се разделят на две групи: едните инвестират реактивно, когато търсенето е доказано, а другите проактивно и са готови да се ангажират по-рано. Изборът зависи от това какъв финансов риск е готов да поеме висшият мениджмънт.

Има причина реактивният подход да изглежда по-разумен, отколкото в действителност е. Печалбата обикновено пада, преди да се вдигне. Инвестицията и обучението отнемат една-две години, а ефектът идва едва след това. Икономистите Brynjolfsson, Rock и Syverson го наричат J-крива на продуктивността и го описват в American Economic Journal: Macroeconomics през 2021 г.8 Те посочват, че технологиите с общо предназначение изискват допълващи инвестиции като обучение, преустройство на процеси, нови роли.

Така разходът е видим веднага, а печалбата закъснява с години. Съпоставянето на двете в едно тримесечие отговаря единствено на въпроса „Покри ли този проект разхода си досега?“. В началото отговорът винаги е „не“, но това не означава, че проектът е лош. Означава, че е рано. Компанията, която приеме този отговор буквално, рискува да спре проекта в дъното на кривата.

Както вече стана ясно, според актуални проучвания само 7% от ръководителите отчитат установена възвръщаемост от AI3. За това има две обяснения и те не се изключват взаимно. Първото е, че компаниите допускат грешка в измерването, като следят разхода, вместо това какво е останало като печалба. Второто е, че правят оценката твърде рано, т.е. печалбата още не е постигната и няма как да се появи в отчета.

Разликата има практическо значение. Показателят може да се смени. Времето не може. Решението колко дълго компанията е готова да чака трябва да бъде взето от хората на върха на организацията, с поглед върху голямата картина и след открит диалог с проектния екип.

Проактивна или реактивна инвестиция

Аз вярвам в дългосрочната визия, която изпреварва търсенето. Ако то удари компанията неподготвена, тя вече е загубила. Ако няма подготвени кадри, а подготовката им отнема години, и няма платформа, върху която хората да се учат, се налага ползване на готов инструмент от пазара. Тогава цената е не само маржът на доставчика, но и сигурността. Без изгоден рамков договор преговорите отнемат време, а дотогава не е ясно какво доставчикът прави с информацията, която се подава към него.

Къде е България

Същият избор се вижда и на равнище икономика. В реч от 23 март 2026 г. Филип Лейн от ЕЦБ посочва, че ползването на AI сред работещите в еврозоната е скочило от 26% през 2024 г. на 40% през 2025 г. Около две трети от анкетираните фирми съобщават, че служители ползват AI, но под една десета от тях го ползват в значителен обем. Дигиталните инвестиции в еврозоната са нараснали с малко над 60% от 2014 г., докато в САЩ са се удвоили. Лейн нарича разликата „поразителна и разширяваща се“, а скоростта на приемане е решаващата променлива9.

И докато разликите между САЩ и Европа са значителни, на Стария континент също има значителни вътрешни разминавания. По данни на Евростат, публикувани през декември 2025 г., 20% от предприятията в ЕС с 10 и повече работещи са използвали поне една AI технология през 2025 г. спрямо 13,5% година по-рано. Отвъд индикациите за сериозен ръст обаче, става ясно, че летвата е много ниска. Причина за това е списъкът от осем задачи, за които се ползва AI в компаниите, сред които са разпознаването на реч и генерирането на текст. Тоест в групата на ползващите AI технологии в Европа попадат и фирмите, които просто транскрибират срещите си10.

И макар летвата да не е висока, България остава под нея с едва 8,5%. Това е далеч под средното ниво на ползване за ЕС и близо пет пъти под Дания, която води с 42%10. И една подробност, която прави картината по-лоша, а не по-добра – изследването обхваща само фирми с 10 и повече работещи, което означава, че микрофирмите остават изцяло под радара, а тези 8,5% са измерени върху по-голямата и по-ресурсната част от икономиката.

Данните за България са неудобно точни и не са изненадващи. Ако скоростта на приемане определя ползата, а цените тръгнат нагоре, българският бизнес рискува да навлезе в AI ерата по-късно, на по-висока цена и с по-малко натрупан собствен капацитет. Доброто изключение ще бъдат компаниите, които са се подготвили, преди клиентът да го е поискал.

Къде мога да греша

Важно е да отбележим, че тезата на тази статия стъпва на три допускания. Първо, посоката на цените се анализира въз основа на единичен случай. DeepSeek е голям доставчик, но е само един. Юлското намаление на OpenAI беше с 80% и без срок, тоест към момента изглежда като истинско поевтиняване, а не промоция. Ако конкуренцията се окаже по-силна от нуждата от възвръщаемост, цената за единица ще продължи да пада, а това ще промени частично картината. Общата сметка обаче се очаква да продължи да се увеличава, защото употребата расте по-бързо, отколкото пада цената.

Второ, проактивната инвестиция е риск. Мениджърът, вложил преди доказано търсене, може да направи правилен ход, но може и да сгреши и това да донесе реална загуба. Този текст не му обещава нито едното, нито другото.

Трето, J-кривата обяснява защо ползата закъснява, но не и колко. Работата на Brynjolfsson и колегите му е за компютрите и софтуера, не за AI, и не се ангажира с конкретен срок. А когато дори икономистите не могат да предвидят дали AI дъното трае година, три или повече, аз със сигурност също не бих правил предположения. А точно този срок може да се окаже разликата между смела инвестиция и скъпа грешка.

Балансът между цената днес и готовността утре

Правилното решение при уравнение с толкова неизвестни започва с правилните въпроси. Кой носи отговорност за бизнес резултата? Има ли пълна прозрачност върху потреблението и разходите? Как се измерва стойността и какъв е реалистичният хоризонт за нея? Отговорите изискват споделена управленска отговорност между бизнеса, висшето ръководство и технологичния екип.

Разликата между подготвената и неподготвената компания е няколко години: хора, платформа, договор, ред в данните. И нищо от това не се купува в тримесечието, в което потрябва.

Затова въпросът вече не е само „Колко ще ни струва AI?“, а как компанията да намери баланса между цената днес и готовността утре.

*Статията представя личната гледна точка на автора и има информационен и аналитичен характер въз основа на публично достъпни данни към датата на подготовката ѝ. Тя не представляват конкретна инвестиционна, финансова или бизнес препоръка от страна на автора или организацията.

Източници

GitHub, официален блог, 27 април 2026 г. — преминаване към таксуване по употреба от 1 юни 2026 г.; промоционален пул кредити за юни–август 2026 г.

KPMG, Global Tech Report 2026, януари 2026 г. — 2 500 технологични ръководители в 27 държави.

KPMG, Global AI Pulse Q2 2026, 24 юни 2026 г. — над 2 000 бизнес ръководители в 20 държави.

Silicon Data, LLM Token Expenditure Index, цитиран от Jefferies чрез South China Morning Post, август 2026 г.

Reuters, 13 август 2026 г.; официална ценова страница на DeepSeek, api-docs.deepseek.com.

CNBC, 30 юли 2026 г. — OpenAI намалява цените на GPT-5.6 Luna с 80% и Terra с 20%.

OpenAI, официално обявление от 21 август 2026 г. — GPT-5.6 Sol, промоционална цена до 21 ноември 2026 г.

Brynjolfsson, Rock, Syverson, „The Productivity J-Curve: How Intangibles Complement General Purpose Technologies“, American Economic Journal: Macroeconomics, 13(1), 2021, с. 333–372.

Philip R. Lane, Европейска централна банка, реч „AI and the euro area economy”, 23 март 2026 г.

Евростат, съобщение от 11 декември 2025 г. — използване на AI в предприятията с поне 10 заети, 2025 г.

The post AI между разхода и растежа first appeared on Forbes България.