Επιστήμες
Οι επιχειρήσεις που πρωτοστάτησαν στην ενσωμάτωση εργαλείων τεχνητής νοημοσύνης στην καθημερινότητα των εργαζομένων τους αρχίζουν πλέον να επανεξετάζουν τη στρατηγική τους, καθώς η εκτεταμένη χρήση της τεχνολογίας αυξάνει σημαντικά το λειτουργικό κόστος.
Κολοσσοί όπως η Amazon, η Walmart, η Cisco, η Uber και η Meta έχουν ήδη προχωρήσει σε περιορισμούς, θέτοντας όρια χρήσης, αποθαρρύνοντας τις περιττές εφαρμογές ή στρέφοντας τους εργαζομένους σε πιο οικονομικές λύσεις, με στόχο τη συγκράτηση των δαπανών που συνδέονται με την τεχνητή νοημοσύνη.
Η εξέλιξη αυτή αποτυπώνει τη μετάβαση σε μια νέα περίοδο για την εταιρική αξιοποίηση της AI. Η μετάβαση από τα απλά chatbots στους πιο εξελιγμένους AI agents, οι οποίοι μπορούν να εκτελούν σύνθετες εργασίες αυτόνομα, αυξάνει κατακόρυφα τις ανάγκες σε υπολογιστική ισχύ και, κατ’ επέκταση, το κόστος χρήσης.
Παράλληλα, η αλλαγή του μοντέλου τιμολόγησης από εταιρείες όπως η Anthropic και η OpenAI, που πλέον χρεώνουν με βάση τα tokens που καταναλώνονται αντί για σταθερές συνδρομές, έχει κάνει το κόστος κάθε εντολής και αυτοματοποιημένης διαδικασίας πολύ πιο ορατό στους πελάτες.
Όπως επισημαίνουν στελέχη του κλάδου, η υπολογιστική ισχύς δεν αποτελεί πλέον μια αόρατη δαπάνη, αλλά έναν παράγοντα που απασχολεί άμεσα οικονομικούς διευθυντές και διοικήσεις. Η αντίληψη ότι η τεχνητή νοημοσύνη είναι σχεδόν δωρεάν αρχίζει να καταρρίπτεται, καθώς οι επιχειρήσεις βλέπουν τους λογαριασμούς να αυξάνονται.
Η Uber, για παράδειγμα, επέβαλε ανώτατα όρια χρήσης εργαλείων AI στους εργαζομένους της, ενώ η Walmart περιόρισε τη χρήση του εσωτερικού της AI agent. Αντίστοιχα, η Amazon και η Meta αναθεώρησαν τις εσωτερικές πολιτικές τους, προκειμένου να αποτρέψουν την αλόγιστη αξιοποίηση της τεχνολογίας.
Οι αναλυτές εκτιμούν ότι η ευρεία χρήση AI agents θα εκτοξεύσει τη ζήτηση για tokens και υπολογιστικούς πόρους τα επόμενα χρόνια, αυξάνοντας την πίεση στις εταιρείες αλλά και στις υποδομές που στηρίζουν την τεχνητή νοημοσύνη.
Την ίδια στιγμή, όλο και περισσότερες επιχειρήσεις αναζητούν τρόπους μείωσης του κόστους, επιλέγοντας οικονομικότερα μοντέλα, λύσεις ανοιχτού κώδικα ή εργαλεία που κατευθύνουν αυτόματα κάθε εργασία στο καταλληλότερο και πιο αποδοτικό σύστημα AI.
Παρά τις προσπάθειες εξορθολογισμού των δαπανών, οι εταιρείες εξακολουθούν να προσπαθούν να ισορροπήσουν ανάμεσα στην ανάγκη για καινοτομία και στις πιέσεις για οικονομική αποδοτικότητα, αναζητώντας το σημείο όπου η αξία της τεχνητής νοημοσύνης δικαιολογεί το πραγματικό της κόστος.
