Εταιρείες τεχνολογίας ενθάρρυναν ενεργά τη συγκεκριμένη πρακτική, δημοσιεύοντας εσωτερικές κατατάξεις με τους εργαζομένους που χρησιμοποιούσαν περισσότερο AI. Στη Meta, για παράδειγμα, οι κορυφαίοι χρήστες λάμβαναν χαρακτηρισμούς όπως «Token Legend».

Η εικόνα όμως αλλάζει. Η ολοένα μεγαλύτερη χρήση προηγμένων μοντέλων συλλογισμού και αυτόνομων AI agents έχει αυξήσει δραστικά την κατανάλωση πόρων, ιδιαίτερα όταν οι ίδιοι οι agents δημιουργούν νέους agents για την εκτέλεση επιμέρους εργασιών.

Οι δαπάνες εκτοξεύονται

Τα στοιχεία δείχνουν ότι το κόστος χρήσης AI αυξάνεται με εντυπωσιακούς ρυθμούς.

Η εταιρεία διαχείρισης εταιρικών δαπανών Ramp εκτιμά ότι οι επιχειρηματικές δαπάνες για υπηρεσίες τεχνητής νοημοσύνης αυξήθηκαν κατά 13 φορές μέσα σε έναν χρόνο.

Χαρακτηριστικά παραδείγματα:

Η Uber εξάντλησε τον ετήσιο προϋπολογισμό της για AI μέσα σε μόλις τέσσερις μήνες.

Μία μεγάλη επιχείρηση φέρεται να δαπάνησε 500 εκατ. δολάρια σε tokens σε έναν μόνο μήνα.

Ο διευθύνων σύμβουλος της OpenAI, Sam Altman, έχει χαρακτηρίσει το αυξανόμενο κόστος χρήσης ως «τεράστιο πρόβλημα».

Σύμφωνα με τη Ramp, το 1% των επιχειρήσεων με τη μεγαλύτερη χρήση AI δαπανά κατά μέσο όρο περίπου 7.450 δολάρια μηνιαίως ανά εργαζόμενο, ενώ η διάμεση επιχείρηση ξοδεύει μόλις 11 δολάρια ανά άτομο.

Οι εταιρείες βάζουν όρια και αναζητούν φθηνότερες λύσεις

Η αυξανόμενη οικονομική επιβάρυνση οδηγεί πλέον πολλές επιχειρήσεις σε πιο αυστηρή διαχείριση των πόρων τους.

Το «tokenmaxxing» εγκαταλείπεται σταδιακά, ενώ αρκετές εταιρείες, μεταξύ αυτών η Meta και η Amazon, έχουν καταργήσει τις σχετικές εσωτερικές κατατάξεις.

Παράλληλα, οι οργανισμοί εξετάζουν προσεκτικότερα ποιο μοντέλο AI χρησιμοποιούν για κάθε εργασία, καθώς δεν απαιτούν όλες οι εφαρμογές τα ακριβότερα μοντέλα.

Για παράδειγμα:

Το μοντέλο Claude Sonnet της Anthropic μπορεί σε ορισμένες περιπτώσεις να κοστίζει μόλις το 5% του κόστους του κορυφαίου Claude Opus.

Το ανοιχτού κώδικα Kimi της κινεζικής Moonshot AI μπορεί να είναι ακόμη φθηνότερο.

Επιπλέον, αρκετές επιχειρήσεις εφαρμόζουν πλέον πλαφόν χρήσης. Η Uber, για παράδειγμα, έχει θέσει ανώτατο όριο 1.500 δολαρίων μηνιαίως ανά εργαζόμενο για εργαλεία προγραμματισμού που βασίζονται στην τεχνητή νοημοσύνη.

Νέα μοντέλα χρέωσης από τους παρόχους

Οι πάροχοι υπηρεσιών AI επιχειρούν να περιορίσουν τις ανησυχίες των πελατών τους μέσω εναλλακτικών μοντέλων τιμολόγησης.

Η Intercom, για παράδειγμα, χρεώνει μόνο όταν ο AI agent επιλύει επιτυχώς ένα αίτημα υποστήριξης πελάτη.

Παράλληλα, οι μεγάλοι πάροχοι cloud προσφέρουν εργαλεία παρακολούθησης προϋπολογισμού και συστήματα που επιλέγουν αυτόματα το οικονομικότερο και καταλληλότερο μοντέλο για κάθε εργασία.

Το μεγάλο δίλημμα για τις εταιρείες AI

Το βασικό ζήτημα αφορά πλέον τους ίδιους τους δημιουργούς των μοντέλων τεχνητής νοημοσύνης.

Από τη μία πλευρά επιδιώκουν τη μέγιστη δυνατή χρήση των υπηρεσιών τους από μεγάλους πελάτες. Από την άλλη, γνωρίζουν ότι οι υπέρογκοι λογαριασμοί μπορούν να λειτουργήσουν αποτρεπτικά και να περιορίσουν τη ζήτηση.

Σήμερα, σημαντικό μέρος του πραγματικού κόστους εξακολουθεί να επιδοτείται έμμεσα από τις ίδιες τις εταιρείες AI. Η OpenAI, σύμφωνα με πληροφορίες, προσφέρει σημαντικές εκπτώσεις προκειμένου να προσελκύσει πελάτες από την Anthropic.

Ωστόσο, όπως επισημαίνει ο Economist, αυτή η στρατηγική δύσκολα θα συνεχιστεί επ' αόριστον. Καθώς οι εταιρείες του κλάδου θα επιδιώξουν υψηλότερη κερδοφορία και ενδεχομένως χρηματιστηριακή εισαγωγή, οι τιμές αναμένεται να αυξηθούν.

Ως αποτέλεσμα, οι επιχειρήσεις καλούνται να προετοιμαστούν για ένα περιβάλλον όπου η τεχνητή νοημοσύνη θα παραμένει κρίσιμο εργαλείο ανάπτυξης, αλλά ταυτόχρονα θα αποτελεί και μία από τις σημαντικότερες λειτουργικές δαπάνες των επόμενων ετών.