Οι εταιρείες που πέρασαν το τελευταίο χρόνο πιέζοντας τους υπαλλήλους να χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης όσο πιο επιθετικά γίνεται, τώρα δυσκολεύονται να διαχειριστούν το κόστος.
Οι CFO τώρα απαιτούν να δουν μετρήσιμες αποδόσεις από τους συνεχώς αυξανόμενους λογαριασμούς API, απειλώντας τις προβλέψεις ανάπτυξης της OpenAI, της Anthropic και άλλων παρόχων μεγάλων γλωσσικών μοντέλων.

Οι εταιρείες τώρα μειώνουν τις δαπάνες τους για την τεχνητή νοημοσύνη, καθώς οι CFO απαιτούν δικαιολόγηση για τους φουσκωμένους λογαριασμούς API. Αυτή η αντιστροφή σηματοδοτεί το τέλος αυτού που ο κλάδος έχει αποκαλέσει «tokenmaxxing», και η διόρθωση συμβαίνει γρήγορα.
Η Amazon διέλυσε πρόσφατα έναν εσωτερικό πίνακα κατάταξης που παρακολουθούσε τη χρήση τεχνητής νοημοσύνης από τους υπαλλήλους, αφού η ηγεσία κατέληξε στο συμπέρασμα ότι το σύστημα παρήγαγε περισσότερη άσκοπη εργασία με τεχνητή νοημοσύνη παρά χρήσιμα αποτελέσματα. «Παρακαλώ μην χρησιμοποιείτε την τεχνητή νοημοσύνη απλώς για χάρη της τεχνητής νοημοσύνης», είπε ένας Αντιπρόεδρος της Amazon στο προσωπικό.
Η Uber εξάντλησε ολόκληρο τον προϋπολογισμό κωδικοποίησης τεχνητής νοημοσύνης του 2026 σε τέσσερις μήνες, και η Meta έστειλε ένα εσωτερικό σημείωμα σε περίπου 6.000 υπαλλήλους επισημαίνοντας αυτό που ονόμασε «εκθετική αύξηση» στη χρήση τεχνητής νοημοσύνης, προειδοποιώντας ότι η εταιρεία αντιμετώπιζε δισεκατομμύρια σε εσωτερικό κόστος τεχνητής νοημοσύνης. Η Uber έκτοτε επέβαλε μηνιαίο όριο δαπανών 1.500 δολαρίων ανά υπάλληλο για εργαλεία κωδικοποίησης τεχνητής νοημοσύνης.
Ο κολοσσός συμβούλων Accenture προειδοποίησε προηγουμένως τους υπαλλήλους ότι θα μπορούσαν να «κινδυνεύσουν να χάσουν προαγωγές» εάν δεν υιοθετούσαν εργαλεία τεχνητής νοημοσύνης. Τώρα, η Accenture προσπαθεί να σταματήσει το προσωπικό από τη χρήση τεχνητής νοημοσύνης σε ασήμαντες εργασίες.
Διαρρεύσαν ηχητικά από μια εσωτερική σύσκεψη αποτύπωσαν έναν διευθυντή της Accenture να λέει ότι οι δαπάνες για την τεχνητή νοημοσύνη «γίνονται πολύ απρόβλεπτες». Ο ίδιος διευθυντής είπε ότι η ηγεσία στο «επίπεδο CFO, COO και CIO εξακολουθεί να θέτει το ερώτημα αν αποκομίζουν αξία από αυτά που ξοδεύουμε».
Οι Adam McDaniel και Markus Eisele της International Business Machines (IBM) υποστήριξαν σε μια πρόσφατη ανάλυση ότι η ελαχιστοποίηση token είναι εξίσου κακή με το tokenmaxxing, επειδή και τα δύο κάνουν την κατανάλωση token τον κύριο στόχο αντί να επικεντρώνονται στα επιχειρηματικά αποτελέσματα.
Η IBM υποστηρίζει αυτό που ονομάζει «valuemaxxing», το οποίο επικεντρώνεται στη μέτρηση ολοκληρωμένων εργασιών, εξοικονόμησης χρόνου και αποφυγής επανεργασίας αντί για tokens που καταναλώθηκαν.
Η OpenAI και η Anthropic έχτισαν τα σχέδια ανάπτυξής τους στην ιδέα ότι οι επιχειρήσεις θα συνέχιζαν να καταναλώνουν όλο και περισσότερα tokens.
Η OpenAI ξεπέρασε τα 25 δισεκατομμύρια δολάρια σε ετήσια έσοδα νωρίτερα φέτος, ενώ τοποθετεί την αξία της στο 1 τρισεκατομμύριο δολάρια, ενώ η Anthropic αποτιμάται μερικά δισεκατομμύρια δολάρια λιγότερο. Και οι δύο εταιρείες ξοδεύουν χρήματα για υπολογιστική ισχύ, έρευνα και προσλήψεις, ελπίζοντας ότι η υιοθέτηση από τις επιχειρήσεις θα τις καταστήσει κερδοφόρες.
Αλλά οι επιχειρήσεις ήδη διατηρούν τα ακριβά κορυφαία μοντέλα για πολύπλοκες εργασίες και χρησιμοποιούν μικρότερες, φθηνότερες εναλλακτικές για ρουτίνα εργασίες. Κάποιες μεταφέρουν φόρτους εργασίας σε μοντέλα ανοικτού κώδικα που τρέχουν στη δική τους υποδομή χωρίς χρεώσεις ανά token.
Η International Data Corporation (IDC) προβλέπει ότι έως το 2028, το 70% των κορυφαίων επιχειρήσεων που βασίζονται στην τεχνητή νοημοσύνη θα χρησιμοποιούν πολλαπλά μοντέλα αντί να βασίζονται σε έναν μόνο πάροχο. Αυτό θα μετέτρεπε την τεχνητή νοημοσύνη σε εμπόρευμα όπου οι πάροχοι ανταγωνίζονται στην τιμή και όχι μόνο στις δυνατότητες.
Το ζήτημα του χρήματος δεν πρόκειται να εξαφανιστεί σύντομα. Ακόμα και ο CEO της OpenAI, Sam Altman, έχει παραδεχθεί ότι το κόστος της τεχνητής νοημοσύνης έχει γίνει ένα «τεράστιο ζήτημα» για τους πελάτες φέτος.
Αν διαβάζεις αυτό, έχεις ήδη προβάδισμα. Διατήρησέ το με το newsletter μας.


