Salesforce показала сильные финансовые результаты во втором квартале 2027 финансового года: выручка выросла до 11,35 млрд долларов, а скорректированная прибыль на акцию оказалась заметно выше ожиданий рынка.

После публикации отчётности акции компании поднялись почти на 12%. Однако за благополучными цифрами обнаружился тревожный для инвесторов сигнал: операционная маржа по GAAP снизилась с 22,8% до 20,5%.

Причину позднее объяснил финансовый директор Salesforce Майк Спенсер. По его словам, существенная часть давления на прибыль связана с масштабным использованием моделей Claude от Anthropic.

Около полугода назад компания фактически открыла доступ к Claude для внутренних команд разработки, чтобы оценить, насколько ИИ способен ускорить создание продуктов и изменить инженерские процессы. Эксперимент оказался успешным с точки зрения производительности, но одновременно резко увеличил расходы на токены.

Ранее глава Salesforce Марк Бениофф говорил, что в 2026 году компания может потратить около 300 млн долларов на токены Anthropic, преимущественно для задач программирования.

Подобные вложения выглядят логичными, если ИИ действительно ускоряет разработку, помогает автоматизировать рутинные операции и сокращает время вывода новых функций на рынок.

Но даже крупной технологической компании приходится искать баланс между выгодой от мощных моделей и стоимостью их постоянного использования.

Теперь Salesforce переходит к более прагматичной стратегии. Вместо того чтобы использовать наиболее дорогую и продвинутую модель для всех задач, компания намерена выбирать ИИ в зависимости от сложности конкретной работы.

Передовые модели могут оставаться необходимыми для архитектурных решений, сложной разработки и глубокого анализа, тогда как типовые операции можно передать более доступным моделям.

Внутри Salesforce уже используются решения Claude, OpenAI и Cursor, а также тестируется Grok, что позволяет сравнивать качество, скорость и цену разных поставщиков.

Этот подход отражает более широкую тенденцию в корпоративном использовании генеративного ИИ. На первом этапе компании стремились проверить, способен ли ИИ-кодинг вообще дать заметный прирост эффективности.

Когда положительный эффект подтвердился, в центр внимания вышла экономика: сколько токенов потребляют команды, какие модели действительно нужны и насколько рост расходов соответствует росту производительности. Большое число запросов к дорогой модели ещё не означает, что организация получает пропорциональную отдачу.

В итоге рынок AI Coding постепенно входит в эпоху оптимизации. Компании начинают внедрять маршрутизацию моделей, применять более компактные решения для повторяющихся задач, экспериментировать с открытыми моделями и искать способы не передавать один и тот же контекст заново при каждом запросе.

История Salesforce показывает, что ИИ уже перестал быть лишь модной технологической инициативой: он становится полноценной статьёй корпоративных расходов, где каждый дополнительный токен приходится обосновывать реальным результатом.