Η τεχνητή νοημοσύνη ανεβάζει την παραγωγικότητα, αλλά και τους λογαριασμούς των επιχειρήσεων

Η τεχνητή νοημοσύνη εξελίσσεται με ταχύτατους ρυθμούς σε βασικό εργαλείο για τις επιχειρήσεις, από την ανάπτυξη λογισμικού και την εξυπηρέτηση πελατών έως την ανάλυση δεδομένων και την αυτοματοποίηση διαδικασιών. Όμως, όσο διευρύνεται η χρήση της, τόσο αναδεικνύεται μια νέα επιχειρηματική πρόκληση: το κόστος λειτουργίας.

Σύμφωνα με ανάλυση του Economist, πολλές εταιρείες που επενδύουν μαζικά στην τεχνητή νοημοσύνη διαπιστώνουν ότι οι δαπάνες για τις σχετικές υπηρεσίες αυξάνονται με πολύ ταχύτερους ρυθμούς από τους αρχικούς σχεδιασμούς τους. Η αιτία βρίσκεται στη λειτουργία των νέων μοντέλων και ιδιαίτερα των αυτόνομων AI agents, οι οποίοι απαιτούν ολοένα μεγαλύτερη υπολογιστική ισχύ και καταναλώνουν τεράστιο αριθμό tokens, δηλαδή των μονάδων κειμένου πάνω στις οποίες βασίζεται η χρέωση των περισσότερων υπηρεσιών τεχνητής νοημοσύνης.

Το ζήτημα απασχολεί ήδη τα μεγαλύτερα ονόματα της παγκόσμιας τεχνολογίας. Στελέχη του κλάδου εκτιμούν ότι το πρόβλημα θα ενταθεί τα επόμενα χρόνια, καθώς οι επιχειρήσεις χρησιμοποιούν εκατοντάδες διαφορετικές εφαρμογές λογισμικού και σταδιακά κάθε μία από αυτές αποκτά τα δικά της εργαλεία τεχνητής νοημοσύνης.

Μέχρι πρόσφατα, η εκτεταμένη χρήση εργαλείων AI αποτελούσε σχεδόν ένδειξη παραγωγικότητας μέσα στις μεγάλες εταιρείες τεχνολογίας.

Η κατανάλωση μεγάλου αριθμού tokens είχε αποκτήσει μάλιστα δική της ονομασία, το λεγόμενο «tokenmaxxing», ενώ αρκετές επιχειρήσεις ενθάρρυναν αυτή τη συμπεριφορά μέσω εσωτερικών κατατάξεων μεταξύ των εργαζομένων.

Στη Meta, για παράδειγμα, οι υπάλληλοι με τη μεγαλύτερη χρήση εργαλείων τεχνητής νοημοσύνης αποκτούσαν χαρακτηρισμούς όπως «Token Legend», σε μια προσπάθεια να ενισχυθεί η υιοθέτηση των νέων τεχνολογιών.

Η εικόνα όμως αλλάζει γρήγορα. Όσο οι λογαριασμοί αυξάνονται, οι επιχειρήσεις εγκαταλείπουν τη λογική της ανεξέλεγκτης χρήσης και στρέφονται πλέον στη διαχείριση του κόστους.

Δαπάνες που αυξάνονται με διψήφιους ρυθμούς

Τα στοιχεία που επικαλείται ο Economist είναι ενδεικτικά της νέας πραγματικότητας.

Η Ramp, εταιρεία που παρακολουθεί τις εταιρικές δαπάνες μέσω των καρτών που εκδίδει, υπολογίζει ότι μέσα σε μόλις έναν χρόνο οι επιχειρηματικές δαπάνες για υπηρεσίες τεχνητής νοημοσύνης αυξήθηκαν κατά 13 φορές.

Παράλληλα, πληθαίνουν οι περιπτώσεις επιχειρήσεων που εξαντλούν πολύ νωρίτερα από το αναμενόμενο τους διαθέσιμους προϋπολογισμούς.

Η Uber αποκάλυψε ότι κατανάλωσε μέσα σε τέσσερις μήνες ολόκληρο το ετήσιο κονδύλι που είχε προβλέψει για υπηρεσίες AI, ενώ σύμφωνα με πληροφορίες μία ακόμη μεγάλη εταιρεία δαπάνησε περίπου 500 εκατ. δολάρια σε tokens μέσα σε έναν μόνο μήνα.

Ακόμη και ο διευθύνων σύμβουλος της OpenAI, Sam Altman, έχει αναγνωρίσει δημόσια ότι το κόστος χρήσης εξελίσσεται σε σημαντικό ζήτημα για τους μεγάλους πελάτες.

Η εικόνα διαφέρει σημαντικά ανάλογα με το επίπεδο χρήσης. Σύμφωνα με τα στοιχεία της Ramp, το 1% των επιχειρήσεων με τη μεγαλύτερη κατανάλωση δαπανά κατά μέσο όρο περίπου 7.450 δολάρια τον μήνα ανά εργαζόμενο για υπηρεσίες τεχνητής νοημοσύνης.

Αντίθετα, η διάμεση επιχείρηση πληρώνει περίπου 11 δολάρια μηνιαίως ανά εργαζόμενο. Παρότι το υψηλό αυτό κόστος παραμένει μικρότερο από την αμοιβή ενός έμπειρου προγραμματιστή στη Σίλικον Βάλεϊ, θεωρείται ιδιαίτερα σημαντικό για επιχειρήσεις που δραστηριοποιούνται σε χώρες με χαμηλότερο εργατικό κόστος.

Νέα στρατηγική: φθηνότερα μοντέλα και πλαφόν

Μπροστά στην αύξηση των δαπανών, οι επιχειρήσεις αναθεωρούν πλέον τον τρόπο αξιοποίησης της τεχνητής νοημοσύνης.

Αρκετές εταιρείες, μεταξύ των οποίων η Meta και η Amazon, έχουν ήδη καταργήσει τις εσωτερικές κατατάξεις χρήσης AI, ενώ υιοθετούν πολιτικές που ενθαρρύνουν την επιλογή του κατάλληλου μοντέλου ανάλογα με τη δυσκολία κάθε εργασίας.

Όπως επισημαίνουν στελέχη της αγοράς, δεν απαιτούν όλες οι εφαρμογές τα ακριβότερα μοντέλα υψηλής συλλογιστικής ικανότητας. Σε πολλές περιπτώσεις, φθηνότερα μοντέλα προσφέρουν αντίστοιχο αποτέλεσμα με σημαντικά μικρότερο κόστος.

Παράλληλα, αρκετές επιχειρήσεις επιβάλλουν πλέον ανώτατα όρια χρήσης. Η Uber, για παράδειγμα, έχει θέσει μηνιαίο πλαφόν 1.500 δολαρίων ανά εργαζόμενο και ανά εργαλείο προγραμματισμού, ενώ κατευθύνει τους περισσότερους διαθέσιμους πόρους AI στα τμήματα που παράγουν τη μεγαλύτερη επιχειρηματική αξία.

Την ίδια στιγμή, οι ίδιες οι εταιρείες ανάπτυξης λογισμικού επιχειρούν να περιορίσουν τις ανησυχίες των πελατών τους μέσω νέων εμπορικών μοντέλων.

Η Intercom, για παράδειγμα, χρεώνει τις επιχειρήσεις μόνο όταν ο AI agent της επιλύει επιτυχώς ένα αίτημα πελάτη, ενώ οι μεγάλοι πάροχοι cloud ενσωματώνουν εργαλεία παρακολούθησης κόστους και αυτόματης επιλογής του οικονομικότερου μοντέλου για κάθε εργασία.

Ωστόσο, το μεγαλύτερο ερώτημα αφορά το μέλλον της ίδιας της αγοράς. Σήμερα μεγάλο μέρος του πραγματικού κόστους απορροφάται από τις εταιρείες ανάπτυξης μοντέλων τεχνητής νοημοσύνης, οι οποίες προσφέρουν σημαντικές εκπτώσεις προκειμένου να διευρύνουν το πελατολόγιό τους.

Η στρατηγική αυτή, όμως, δύσκολα μπορεί να διατηρηθεί επ’ αόριστον. Καθώς οι μεγάλες εταιρείες του κλάδου αναζητούν σταθερή κερδοφορία και εξετάζουν ακόμη και την είσοδό τους στα χρηματιστήρια, θεωρείται πιθανό ότι οι σημερινές επιδοτούμενες τιμές θα αντικατασταθούν από ακριβότερα εμπορικά πακέτα.

Αυτό σημαίνει ότι, όσο η τεχνητή νοημοσύνη γίνεται αναπόσπαστο κομμάτι της καθημερινής λειτουργίας των επιχειρήσεων, τόσο μεγαλύτερη βαρύτητα θα αποκτά και η αποτελεσματική διαχείριση του κόστους της.

Διαβάστε επίσης:  

HELLENiQ ENERGY: Πέντε χρόνια μετασχηματισμού, ανάπτυξης και δημιουργίας αξίας εν μέσω κρίσεων

Όμιλος AKTOR: Αναπτυξιακή δυναμική με διεθνή προσανατολισμό – Αύξηση κεφαλαίου 650 εκατ. και ομόλογο 300 εκατ. ευρώ

Νέα συλλογική σύμβαση στην Τράπεζα Πειραιώς – Κατώτατος μισθός στα 1.700 και αυξήσεις σε όλους ως 305 ευρώ

Ακολουθήστε το topontiki.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις.

Δείτε όλες τις τελευταίες Ειδήσεις από την Ελλάδα και τον Κόσμο, τη στιγμή που συμβαίνουν.