Η χρήση της τεχνητής νοημοσύνης στις μεγάλες επιχειρήσεις αυξάνεται με εκρηκτικούς ρυθμούς. Το ίδιο όμως και ο λογαριασμός της.
Σύμφωνα με ρεπορτάζ της Wall Street Journal η ταχύτητα με την οποία διογκώνεται το κόστος αρχίζει να προκαλεί ανησυχία σε διοικήσεις και οικονομικές διευθύνσεις, οδηγώντας αρκετές εταιρείες στην υιοθέτηση μέτρων για τον περιορισμό της κατανάλωσης και τον αυστηρότερο έλεγχο των δαπανών.
Τους τελευταίους μήνες, στελέχη σε ολόκληρο το φάσμα της αμερικανικής επιχειρηματικής κοινότητας ενθάρρυναν τους εργαζομένους να ενσωματώσουν εργαλεία AI στην καθημερινή τους εργασία. Η λογική ήταν απλή: καμία εταιρεία δεν ήθελε να βρεθεί πίσω σε μια τεχνολογική επανάσταση που υπόσχεται να αλλάξει ριζικά την παραγωγικότητα και τα επιχειρηματικά μοντέλα.
Όμως η μαζική υιοθέτηση έχει τίμημα. Οι δαπάνες για τα λεγόμενα «tokens» – τη βασική μονάδα μέτρησης της υπολογιστικής ισχύος που καταναλώνουν τα μοντέλα τεχνητής νοημοσύνης – αυξάνονται κατακόρυφα. Ορισμένες επιχειρήσεις εξάντλησαν τον ετήσιο προϋπολογισμό τους για AI μέσα σε λίγους μήνες, ενώ άλλες είδαν τους σχετικούς λογαριασμούς να διπλασιάζονται ή και να τριπλασιάζονται.
Από τον ενθουσιασμό στον έλεγχο του κόστους
Η εξέλιξη αυτή έχει οδηγήσει πολλές διοικήσεις σε μια νέα φάση: από την άνευ όρων ενθάρρυνση της χρήσης AI περνούν πλέον στην αναζήτηση τρόπων ελέγχου της κατανάλωσης και βελτίωσης της απόδοσης των επενδύσεων.
Μεγάλες εταιρείες όπως οι Uber, Meta, Microsoft, Salesforce και DoorDash έχουν ήδη προχωρήσει σε πρωτοβουλίες για να διασφαλίσουν ότι η χρήση τεχνητής νοημοσύνης μεταφράζεται σε πραγματική αύξηση παραγωγικότητας και όχι απλώς σε αυξημένους λογαριασμούς.
Σε ορισμένες περιπτώσεις, οι εργαζόμενοι ενθαρρύνονται να χρησιμοποιούν φθηνότερα ή εσωτερικά αναπτυγμένα εργαλεία, ενώ σε άλλες η πρόσβαση σε ορισμένα προηγμένα μοντέλα έχει περιοριστεί.
Η Meta είναι χαρακτηριστικό παράδειγμα της αλλαγής κλίματος. Ο επικεφαλής τεχνολογίας της εταιρείας, Άντριου Μπόσγουορθ, προειδοποίησε πρόσφατα ότι οι εργαζόμενοι δεν θα πρέπει να χρησιμοποιούν εργαλεία AI απλώς και μόνο για να τα χρησιμοποιούν, τονίζοντας ότι η κατανάλωση υπολογιστικών πόρων δεν αποτελεί από μόνη της ένδειξη παραγωγικότητας.
Η εποχή του «tokenmaxxing»
Μέχρι πρόσφατα, σε πολλές επιχειρήσεις επικρατούσε η αντίληψη ότι όσο περισσότερη AI χρησιμοποιείται τόσο το καλύτερο. Οι εργαζόμενοι ενθαρρύνονταν να πειραματίζονται με κάθε διαθέσιμο εργαλείο, ενώ οι πάροχοι μοντέλων συχνά προσέφεραν γενναιόδωρα προγράμματα πρόσβασης.
Το αποτέλεσμα ήταν η εμφάνιση του λεγόμενου «tokenmaxxing» — μιας πρακτικής κατά την οποία εργαζόμενοι χρησιμοποιούσαν όσο το δυνατόν περισσότερο υπολογιστικό χρόνο AI ώστε να δείχνουν τεχνολογικά πρωτοπόροι ή πλήρως ευθυγραμμισμένοι με τη νέα στρατηγική των εταιρειών τους.
Σύμφωνα με στελέχη του κλάδου, δεν ήταν σπάνιο εργαζόμενοι να χρησιμοποιούν πανίσχυρα και ακριβά μοντέλα ακόμη και για τις πιο απλές ερωτήσεις ή για εργασίες που θα μπορούσαν να εκτελεστούν με σημαντικά χαμηλότερο κόστος.
Οι φθηνότερες εναλλακτικές
Η αύξηση των δαπανών οδηγεί πλέον πολλές επιχειρήσεις στην αναζήτηση φθηνότερων λύσεων. Οι μεγάλοι πάροχοι, όπως οι OpenAI, Anthropic και Google, διαθέτουν ήδη οικονομικότερες εκδόσεις των κορυφαίων μοντέλων τους, ενώ αναπτύσσονται και εργαλεία που κατευθύνουν κάθε ερώτημα προς το κατάλληλο μοντέλο ανάλογα με την πολυπλοκότητά του.
Παράλληλα, αρκετές επιχειρήσεις εξακολουθούν να αντιμετωπίζουν με επιφύλαξη ορισμένα πολύ χαμηλού κόστους μοντέλα, ιδιαίτερα όταν αυτά έχουν αναπτυχθεί στην Κίνα, επικαλούμενες λόγους ασφάλειας, κανονιστικής συμμόρφωσης και προστασίας δεδομένων.
Η ανάπτυξη συνεχίζεται
Παρά τις προσπάθειες συγκράτησης του κόστους, οι περισσότεροι αναλυτές δεν βλέπουν ενδείξεις ουσιαστικής επιβράδυνσης της υιοθέτησης της τεχνητής νοημοσύνης.
Η Google ανακοίνωσε πρόσφατα ότι επεξεργάζεται πλέον περισσότερα από 3,2 τετράκις εκατομμύρια tokens τον μήνα, επτά φορές περισσότερα σε σχέση με έναν χρόνο πριν, γεγονός που αποτυπώνει την εκρηκτική αύξηση της ζήτησης.
Επενδυτές και στελέχη της τεχνολογικής βιομηχανίας εκτιμούν ότι η αγορά βρίσκεται ακόμη στα πρώτα στάδια της μετάβασης στην εποχή της AI. Ωστόσο, η συζήτηση μετατοπίζεται πλέον από το ερώτημα «πόση AI μπορούμε να χρησιμοποιήσουμε» στο πιο σύνθετο «πώς θα αξιοποιήσουμε την AI με τρόπο που να δικαιολογεί το κόστος της».
Και αυτό ίσως αποτελέσει το επόμενο μεγάλο τεστ για τη βιομηχανία της τεχνητής νοημοσύνης: όχι αν μπορεί να κάνει περισσότερα, αλλά αν μπορεί να αποδείξει ότι αξίζει όσα κοστίζει.
