Η Tεχνητή Nοημοσύνη εξελίσσεται σε βασικό εργαλείο των επιχειρήσεων. Ωστόσο, μαζί με τα οφέλη φέρνει και έναν νέο, απρόσμενο πονοκέφαλο: το υψηλό κόστος για τη χρήση της. Σύμφωνα με ανάλυση του Economist, οι επιχειρήσεις που επενδύουν συστηματικά στην Τεχνητή Νοημοσύνη βλέπουν πλέον τους λογαριασμούς να αυξάνονται με ρυθμούς που δυσκολεύονται να ελέγξουν, καθώς οι νέοι AI agents καταναλώνουν τεράστια υπολογιστική ισχύ και, κατά συνέπεια, ολοένα περισσότερα tokens.
Η εκτεταμένη χρήση τεχνητής νοημοσύνης αποτελούσε σχεδόν… παράσημο για τους εργαζομένους στις εταιρείες τεχνολογίας
Στελέχη της αμερικανικής τεχνολογικής βιομηχανίας προειδοποιούν ότι το πρόβλημα βρίσκεται στην αρχή. Μεγάλες επιχειρήσεις χρησιμοποιούν ήδη εκατοντάδες διαφορετικές εφαρμογές λογισμικού και, εφόσον καθεμία αποκτήσει τους δικούς της AI agents, οι συνολικές δαπάνες ενδέχεται να εκτοξευθούν.
Η Τεχνητή Νοημοσύνη και οι… token Legend
Η εκτεταμένη χρήση τεχνητής νοημοσύνης αποτελούσε σχεδόν… παράσημο για τους εργαζομένους στις εταιρείες τεχνολογίας. Η κατανάλωση μεγάλου αριθμού tokens – των μονάδων κειμένου που επεξεργάζονται τα μοντέλα AI και πάνω στις οποίες βασίζεται συχνά η τιμολόγηση – είχε αποκτήσει τη δική της ονομασία, το λεγόμενο «tokenmaxxing».
Εταιρείες προωθούσαν ενεργά αυτή τη συμπεριφορά, δημοσιεύοντας εσωτερικές κατατάξεις των εργαζομένων με τη μεγαλύτερη χρήση AI. Στη Meta, για παράδειγμα, οι κορυφαίοι χρήστες αποκτούσαν τίτλους όπως «Token Legend».
Η πρακτική αυτή, σε συνδυασμό με την ολοένα μεγαλύτερη αξιοποίηση προηγμένων μοντέλων συλλογισμού και αυτόνομων AI agents, συνέβαλε στην εκρηκτική αύξηση των δαπανών. Σε αρκετές περιπτώσεις, μάλιστα, οι ίδιοι οι AI agents δημιουργούν νέους agents για την εκτέλεση εργασιών, αυξάνοντας ακόμη περισσότερο την κατανάλωση πόρων.
Προς το παρόν, οι μεγαλύτερες δαπάνες εντοπίζονται κυρίως στον κλάδο της τεχνολογίας, καθώς οι εν λόγω επιχειρήσεις ήταν οι πρώτες που υιοθέτησαν μαζικά την AI, ιδιαίτερα για την ανάπτυξη λογισμικού
Δαπάνες που αυξάνονται με εκρηκτικούς ρυθμούς
Η εταιρεία καρτών Ramp, η οποία αναλύει τα έξοδα των πελατών της, εκτιμά ότι οι επιχειρηματικές δαπάνες για υπηρεσίες AI αυξήθηκαν κατά 13 φορές μέσα σε μόλις έναν χρόνο.
Οι περιπτώσεις που οι εταιρεία υπερβαίνουν τους προϋπολογισμούς πληθαίνουν. Η Uber αποκάλυψε ότι εξάντλησε μέσα σε τέσσερις μήνες ολόκληρο τον ετήσιο προϋπολογισμό της για AI. Άλλη εταιρεία φέρεται να δαπάνησε 500 εκατ. δολάρια σε tokens μέσα σε έναν μόνο μήνα, ενώ ακόμη και ο επικεφαλής της OpenAI, Sam Altman, έχει χαρακτηρίσει το αυξανόμενο κόστος των πελατών ως «τεράστιο πρόβλημα».
Σύμφωνα με τη Ramp, το 1% των πελατών με τη μεγαλύτερη δαπάνη ξοδεύει κατά μέσο όρο περίπου 7.450 δολάρια τον μήνα ανά εργαζόμενο για υπηρεσίες AI,
Προς το παρόν, οι μεγαλύτερες δαπάνες εντοπίζονται κυρίως στον κλάδο της τεχνολογίας, καθώς οι εν λόγω επιχειρήσεις ήταν οι πρώτες που υιοθέτησαν μαζικά την AI, ιδιαίτερα για την ανάπτυξη λογισμικού.
Σύμφωνα με τη Ramp, το 1% των πελατών με τη μεγαλύτερη δαπάνη ξοδεύει κατά μέσο όρο περίπου 7.450 δολάρια τον μήνα ανά εργαζόμενο για υπηρεσίες AI, όταν η διάμεση επιχείρηση πληρώνει μόλις 11 δολάρια. Αν και το κόστος αυτό παραμένει μικρότερο από την αμοιβή ενός προγραμματιστή στο Σαν Φρανσίσκο, είναι ιδιαίτερα υψηλό σε σύγκριση με το κόστος απασχόλησης ενός αντίστοιχου εργαζομένου σε αγορές όπως το Δελχί.
Σύμφωνα με τον Economist, αρκετές επιχειρήσεις επιβάλλουν πλέον ανώτατα όρια χρήσης. Η Uber, για παράδειγμα, έχει περιορίσει κάθε εργαζόμενο σε μηνιαίο όριο 1.500 δολαρίων σε tokens ανά εργαλείο προγραμματισμού
Πλαφόν, φθηνότερα μοντέλα και καλύτερη διαχείριση
Η αύξηση των δαπανών οδηγεί πλέον τις επιχειρήσεις σε αλλαγή στρατηγικής. Το «tokenmaxxing» εγκαταλείπεται και αρκετές εταιρείες, μεταξύ των οποίων η Meta και η Amazon, έχουν ήδη καταργήσει τις σχετικές εσωτερικές κατατάξεις. Παράλληλα, οι επιχειρήσεις εξετάζουν προσεκτικότερα ποιο μοντέλο AI χρησιμοποιούν για κάθε εργασία, καθώς δεν απαιτούν όλες οι εφαρμογές τα ακριβότερα και ισχυρότερα μοντέλα.
Όπως επισημαίνει ο Aran Khanna της Archera.ai, το μοντέλο Sonnet της Anthropic μπορεί σε ορισμένες περιπτώσεις να κοστίζει μόλις το ένα εικοστό του κορυφαίου Opus, ενώ το ανοικτού κώδικα Kimi της κινεζικής Moonshot AI μπορεί να είναι ακόμη είκοσι φορές φθηνότερο.
Οι προμηθευτές λογισμικού προσπαθούν να καθησυχάσουν τους πελάτες τους μέσω νέων μοντέλων τιμολόγησης
Σύμφωνα με τον Economist, αρκετές επιχειρήσεις επιβάλλουν πλέον ανώτατα όρια χρήσης. Η Uber, για παράδειγμα, έχει περιορίσει κάθε εργαζόμενο σε μηνιαίο όριο 1.500 δολαρίων σε tokens ανά εργαλείο προγραμματισμού. Όπως λέει η Rachel Laycock της Thoughtworks, οι επιχειρήσεις προσανατολίζουν τους περισσότερους διαθέσιμους πόρους AI στα τμήματα που δημιουργούν τη μεγαλύτερη επιχειρηματική αξία, όπως οι ομάδες ανάπτυξης λογισμικού στις εταιρείες τεχνολογίας.
Η OpenAI, σύμφωνα με πληροφορίες, χρησιμοποιεί ακόμη και σημαντικές μειώσεις τιμών για να προσελκύσει πελάτες από την Anthropic
Νέα μοντέλα χρέωσης και το δίλημμα
Την ίδια στιγμή, οι προμηθευτές λογισμικού προσπαθούν να καθησυχάσουν τους πελάτες τους μέσω νέων μοντέλων τιμολόγησης. Η Intercom, για παράδειγμα, χρεώνει μόνο όταν ο AI agent της επιλύει επιτυχώς ένα αίτημα υποστήριξης, ενώ οι μεγάλοι πάροχοι cloud προσφέρουν εργαλεία παρακολούθησης προϋπολογισμού και αυτόματης επιλογής του καταλληλότερου μοντέλου για κάθε εργασία.
Το μεγαλύτερο δίλημμα, ωστόσο, αφορά τις ίδιες τις εταιρείες ανάπτυξης μοντέλων τεχνητής νοημοσύνης. Από τη μία πλευρά επιδιώκουν τη μέγιστη δυνατή χρήση των υπηρεσιών τους από τους μεγάλους πελάτες και από την άλλη γνωρίζουν ότι οι υπέρογκοι λογαριασμοί μπορούν να αποθαρρύνουν τη ζήτηση.
Ο Economist αναφέρει ότι οι επιχειρήσεις θα πρέπει να προετοιμαστούν για ακόμη πιο εντυπωσιακούς λογαριασμούς χρήσης τεχνητής νοημοσύνης
Η επιδότηση για την Τεχνητή Νοημοσύνη
Σήμερα, μεγάλο μέρος του πραγματικού κόστους εξακολουθεί να επιδοτείται από τις ίδιες τις εταιρείες AI. Η OpenAI, σύμφωνα με πληροφορίες, χρησιμοποιεί ακόμη και σημαντικές μειώσεις τιμών για να προσελκύσει πελάτες από την Anthropic. Ωστόσο, όπως επισημαίνει ο Economist, αυτή η στρατηγική δύσκολα θα διατηρηθεί επ’ αόριστον.
Οι εταιρείες θα χρειαστεί τελικά να περάσουν σε κερδοφορία, γεγονός που αναμένεται να οδηγήσει σε αυξήσεις τιμών, ιδιαίτερα εάν, όπως εκτιμάται, η OpenAI και η Anthropic προχωρήσουν σε δημόσια εγγραφή μέσα στους επόμενους μήνες. Σε αυτή την περίπτωση, καταλήγει ο Economist, οι επιχειρήσεις θα πρέπει να προετοιμαστούν για ακόμη πιο εντυπωσιακούς λογαριασμούς χρήσης τεχνητής νοημοσύνης.
