बिले येईपर्यंत प्रत्येकाला एआय हवे होते: एआय गोल्ड रश त्याच्या पहिल्या खर्चाच्या संकटाला सामोरे गेले

गेल्या दोन वर्षांपासून, कृत्रिम बुद्धिमत्ता जवळजवळ अमर्याद उत्पादकता इंजिन म्हणून विकली जात आहे. कंपनीच्या अधिका-यांनी वेगवान कोडिंग, स्वयंचलित ग्राहक सेवा, सुधारित संशोधन क्षमता आणि कामगार खर्च कमी करण्याच्या नवीन मार्गांबद्दल सांगितले. गुंतवणूकदारांनी AI शी जोडलेल्या कोणत्याही गोष्टीला वाढत्या मुल्यांकनासह बक्षीस दिले, तर व्यवसायांनी चॅटबॉट्स, कोडिंग सहाय्यक आणि स्वायत्त सॉफ्टवेअर एजंटना दैनंदिन कामात एकत्रित करण्यासाठी धाव घेतली.

ज्याकडे फार कमी लक्ष दिले गेले ते एक साधा प्रश्न होता की अनेक वित्त विभाग आता विचारू लागले आहेत: जेव्हा बिल येते तेव्हा काय होते?

तंत्रज्ञान उद्योगातील कंपन्या मोठ्या भाषा मॉडेल्स चालवण्याच्या खर्चावर बारकाईने नजर टाकत असल्याने या प्रश्नाकडे दुर्लक्ष करणे कठीण होत आहे. एआयचा अवलंब वाढत असताना, कॉर्पोरेट वापरकर्त्यांकडील अहवाल सूचित करतात की या प्रणालींवरील खर्च बऱ्याच संस्थांनी सुरुवातीला अपेक्षेपेक्षा खूप वेगाने वाढत आहे. याचा परिणाम म्हणजे AI चे अर्थशास्त्र उद्योगाभोवती बांधलेल्या अपेक्षांचे समर्थन करू शकते की नाही याबद्दल वाढणारी चर्चा आहे.

एंथ्रोपिकच्या मॉडेल्सच्या प्रवेशासाठी शुल्क आकारण्याच्या पद्धतीत बदल केल्यानंतर एंटरप्राइझ सॉफ्टवेअर कंपनी वर्काटोने तिच्या एआयच्या किमती नाटकीयरित्या वाढल्याच्या अहवालानंतर चर्चेने नवीन लक्ष वेधले आहे. कंपनीच्या अधिकाऱ्यांच्या खात्यांनुसार, फ्लॅट सबस्क्रिप्शन व्यवस्थेपासून वापर-आधारित किंमतीकडे जाण्यामुळे खर्च कमी कालावधीत झपाट्याने वाढला.

हा भाग एआय सेवांवर मोठ्या प्रमाणावर अवलंबून असलेल्या व्यवसायांना तोंड देत असलेल्या व्यापक समस्येचे व्यापकपणे चर्चिले जाणारे उदाहरण बनले आहे. दत्तक घेण्याच्या सुरुवातीच्या टप्प्यात, अनेक ग्राहकांना किंमतींच्या संरचनांद्वारे प्रवेश मिळाला ज्यामुळे प्रयोग तुलनेने स्वस्त झाले. जसजसा वापर वाढत गेला आणि कंपन्या या प्रणालींवर अवलंबून झाल्या, बिलिंग मॉडेल्सने प्रत्येक विनंतीद्वारे वापरल्या जाणाऱ्या वास्तविक संगणकीय संसाधनांचे चित्रण वाढले.

हा फरक महत्त्वाचा आहे कारण मोठ्या भाषेच्या मॉडेल्सना प्रचंड संगणकीय शक्ती आवश्यक असते. प्रत्येक क्वेरी, प्रतिसाद, प्रतिमा निर्मिती विनंती किंवा सॉफ्टवेअर कार्य प्रगत चिप्सने पॅक केलेल्या डेटा सेंटरमध्ये प्रक्रिया संसाधने वापरते. वापरकर्त्याला एक साधा संभाषण बॉक्स दिसत असला तरी, लाखो दैनंदिन परस्परसंवादांमध्ये गुणाकार केल्यावर त्या प्रतिसादांच्या निर्मितीसाठी लागणारा खर्च लक्षणीय असू शकतो.

एआय खर्चाकडे कंपन्या अधिक बारकाईने पाहण्यास सुरुवात करतात

खर्चावर वाढणारे लक्ष एका कंपनी किंवा एका एआय प्रदात्यापुरते मर्यादित नाही. खर्च अपेक्षेपेक्षा वेगाने वाढत असल्याचे लक्षात आल्यानंतर अनेक मोठ्या कंपन्यांनी अंतर्गत एआय वापरावर मर्यादा घालण्यास सुरुवात केली आहे.

कामाच्या ठिकाणी AI च्या सुरुवातीच्या वकिलांपैकी असलेल्या तंत्रज्ञान कंपन्या आता कर्मचाऱ्यांच्या वापराच्या पद्धतींवर अधिक लक्ष देत आहेत. अहवाल सुचवितो की कर्मचारी एकाच वेळी अनेक सेवा वापरत आहेत किंवा स्पष्ट व्यावसायिक लाभांशिवाय महागडी स्वयंचलित कार्ये चालवत आहेत हे लक्षात आल्यानंतर काही व्यवसायांनी खर्चाची मर्यादा, मंजूरी प्रक्रिया किंवा AI सदस्यतांचे कडक निरीक्षण सुरू केले आहे.

हा मुद्दा एक वास्तव चित्रित करतो की अनेक संस्था आता फक्त तोंड देऊ लागल्या आहेत. जनरेटिव्ह एआय काही कामांमध्ये उत्पादकता सुधारू शकते, परंतु आर्थिक परतावा मोजणे कठीण आहे. जरी सॉफ्टवेअर अभियंते प्रकल्प अधिक जलद पूर्ण करू शकतात आणि ग्राहक समर्थन कार्यसंघ मोठ्या वर्कलोड्स हाताळू शकतात, परंतु त्या नफ्यांचे थेट आर्थिक बचतीमध्ये भाषांतर करणे प्रचारात्मक सादरीकरणांपेक्षा कमी सरळ असते.

सल्लागार कंपन्या आणि उद्योग संशोधकांच्या सर्वेक्षण डेटाने अपेक्षा आणि परिणाम यांच्यातील वाढत्या अंतराकडे लक्ष वेधले आहे. बऱ्याच कंपन्या AI टूल्सचा सकारात्मक अनुभव नोंदवतात, तरीही मोठा वाटा असा आहे की आर्थिक फायदे मूळ अंदाजापेक्षा कमी आहेत.

याचा अर्थ एआय अयशस्वी झाला आहे असे नाही. त्याऐवजी, ते तांत्रिक क्षमता आणि आर्थिक मूल्य यांच्यातील फरक हायलाइट करते. एखादे सिस्टीम प्रभावीपणे कार्य करू शकते आणि तरीही मोठ्या प्रमाणावर ऑपरेट करणे महाग असते.

व्यवसायाने एआय एजंट तैनात करणे सुरू केले जे सतत कार्ये करतात तेव्हा आव्हान आणखी गुंतागुंतीचे होते. पारंपारिक सॉफ्टवेअर परवान्याच्या विपरीत, जेथे खर्च तुलनेने अंदाजे राहतात, वापर-आधारित किंमत म्हणजे क्रियाकलाप वाढत असताना खर्च वेगाने वाढू शकतात.

एकेकाळी क्लाउड कंप्युटिंग बिलांवर प्रामुख्याने लक्ष केंद्रित करणारे वित्त अधिकारी आता AI खर्च एक प्रमुख लाइन आयटम बनत आहेत. काही प्रकरणांमध्ये, अंतर्गत अहवाल सूचित करतात की वैयक्तिक विभाग मासिक AI खर्च तयार करत आहेत जे काही वर्षांपूर्वीच्या संपूर्ण सॉफ्टवेअर संघांना टक्कर देतात.

सार्वजनिक गुंतवणूकदार शोधणाऱ्या एआय कंपन्यांसाठी कठीण क्षण

या वादाची वेळ विशेषतः महत्वाची आहे कारण अनेक आघाडीच्या AI कंपन्या अशा कालावधीसाठी तयारी करत आहेत ज्यामध्ये सार्वजनिक बाजाराची छाननी अधिक तीव्र होऊ शकते.

ओपनएआय आणि अँथ्रोपिक या दोघांना भविष्यातील स्टॉक मार्केट सूचीच्या आसपासच्या चर्चेशी जोडले गेले आहे, ज्याचे मूल्यमापन आजपर्यंतच्या सर्वात मोठ्या तंत्रज्ञानाच्या ऑफरमध्ये केले जाईल. असे मूल्यमापन भविष्यातील महसूल वाढ आणि ग्राहकांच्या मागणीबद्दलच्या गृहितकांवर मोठ्या प्रमाणावर अवलंबून असते.

तरीही या व्यवसायांचे परीक्षण करणारे गुंतवणूकदार अपरिहार्यपणे एका वेगळ्या प्रश्नावर देखील लक्ष केंद्रित करतील: ग्राहकांना समाधानी ठेवून AI प्रदाते शाश्वत नफा कमवू शकतात का?

संपूर्ण उद्योगात तीव्र स्पर्धेमुळे हा मुद्दा गुंतागुंतीचा आहे. एखाद्या प्रदात्याने किमती आक्रमकपणे वाढवल्यास, ग्राहक पर्यायांचा विचार करू शकतात. जर कंपन्यांनी बाजारातील हिस्सा राखण्यासाठी किमती कमी केल्या तर नफा मिळवणे अधिक कठीण होते.

बाजारातील अलीकडील घडामोडी त्या तणावाचे स्पष्टपणे चित्रण करतात. चीनी डेव्हलपर्सचे नवीन AI मॉडेल काही प्रमुख अमेरिकन प्रतिस्पर्ध्यांपेक्षा कमी ऑपरेटिंग खर्चासह बाजारात आले आहेत. समान वर्कलोड्सची तुलना करणाऱ्या बेंचमार्क अभ्यासांनी प्रतिस्पर्धी मॉडेल्समधील किंमतींमध्ये व्यापक फरक दर्शविला आहे.

त्या तुलनेत कमी किमतीच्या सिस्टीम श्रेष्ठ असल्याचे सूचित होत नाही. गुणवत्ता, विश्वासार्हता, सुरक्षा नियंत्रणे आणि ग्राहक समर्थन या सर्व बाबी आहेत. तथापि, ते अशा बाजारपेठेतील अर्थशास्त्राचे वाढते महत्त्व अधोरेखित करतात ज्यावर अनेकदा मॉडेल क्षमतांच्या चर्चेचे वर्चस्व असते.

AI प्रदात्यांसाठी, हे एक कठीण संतुलन कायदा तयार करते. प्रगत मॉडेल्स तयार करण्यासाठी डेटा सेंटर्स, विशेष चिप्स, वीज आणि संशोधनावर प्रचंड खर्च करावा लागतो. ग्राहक, दरम्यानच्या काळात, प्रयोगातून नियमित वापराकडे जाताना खर्चाबाबत अधिक संवेदनशील होत आहेत.

सार्वजनिक बाजारातील गुंतवणूकदारांनी यापूर्वीही अशाच बातम्या पाहिल्या आहेत. पूर्वीच्या तंत्रज्ञानाच्या भरभराटीच्या काळात, कंपन्यांनी अनेकदा नफ्यापेक्षा वेगवान वाढीला प्राधान्य दिले. हा दृष्टिकोन काही काळासाठी कार्य करू शकतो, विशेषत: जेव्हा भांडवल भरपूर असते आणि गुंतवणूकदार विस्ताराला पाठिंबा देण्यास इच्छुक असतात. तथापि, अखेरीस, लक्ष मार्जिन, रोख प्रवाह आणि दीर्घकालीन अर्थशास्त्राकडे परत जाते.

यापैकी काहीही सूचित करत नाही की AI ची मागणी नाहीशी होत आहे. व्यवसाय तंत्रज्ञानामध्ये मोठ्या प्रमाणात गुंतवणूक करणे सुरू ठेवतात आणि बऱ्याच संस्था एआय टूल्सकडे त्यांच्या वर्कफ्लोचा वाढता महत्त्वाचा भाग म्हणून पाहतात. संभाषणाचे स्वरूप बदलताना दिसते.

AI काय करू शकते यावरून AI ची किंमत किती आहे यावर लक्ष केंद्रित केले जात आहे.