„Korporacinė Amerika entuziastingai vertino dirbtinį intelektą. Kol negavo sąskaitos.
Sumaištis dėl išlaidų „žetonams“ – skaičiavimo galios vienetams, kuriais parduodamas dirbtinis intelektas – užvaldė inžinierių komandas ir valdybas. Pirmiausia buvo „žetonų maksimalus panaudojimas“, nes vadovai skatino kuo daugiau dirbtinio intelekto naudoti. Vėliau buvo „žetonų kasimas“, kai jie greitai iššvaistė milijonus dolerių įmonių pinigų.
Dėl skubos ir neapibrėžtumo kyla sudėtingų klausimų. Kam apskritai naudingas dirbtinis intelektas? Kaip žinoti, ką perkate, ir išmatuoti to, ką jis leidžia naudoti, vertę? Kokia jo kaina ir kaip tos kainos keisis ateityje? Ką pakeičia išlaidos jam?
„Tai valiuta, kuriai nereikia instinkto žinoti, ką naudojate, ir tam net nėra apskaitos praktikos“, – sakė Howardas Rubinas, ekonomistas, konsultuojantis įmones technologijų išlaidų klausimais. „Dirbtinis intelektas traktuojamas, kaip investicija, bet tai rizikinga investicija, jei ji negaus grąžos.“
Dėl didelių statymų ir žinių trūkumo atsirado nauja ekonomikos sritis, skirta išsiaiškinti, kaip įmonės perka dirbtinį intelektą (DI) ir kokią vertę jos iš jo gauna. Pavadinkime tai tokenomika: tai tyrimas, kaip šis ribotas išteklius yra sukuriamas, parduodamas ir paverčiamas dalykais, kurių nori žmonės.
Įmonės nėra naujokės diegdamos naujas technologijas. Elektra leido energiją gaminti toli nuo tos vietos, kur ji buvo naudojama. Internetas radikaliai pakeitė paslaugų teikimo būdą. Debesų kompiuterija duomenų apdorojimą pavertė iš sudėtingos užduoties vietoje tuo, ką galima išsinuomoti nuotoliniu būdu.
DI pasekmės gali būti tokios pat didelės, tačiau sąnaudas ir naudą sunkiau įvertinti.
Turbūt artimiausia analogija tam, kaip DI veikia kaip verslo sąnaudos, yra naftos produktai. Įprasta žaliava – žalia nafta – yra perdirbama į tokias prekes kaip benzinas, dyzelinas ir propanas. Šie degalai turi skirtingus tikslus, tačiau juos galima suskirstyti į standartinį energijos matą – britų šiluminius vienetus – ir jie paprastai parduodami didmeninėmis kainomis per biržas, kur kainos svyruoja priklausomai nuo pasiūlos ir paklausos.
Žetonų žaliava yra elektra ir puslaidininkiai. Gautas rezultatas į modelius įvedamas ir matuojamas žetonais, kurie paprastai suprantami kaip keli angliško teksto simboliai.
Tačiau tuo naftos chemijos paralelė ir baigiasi. Dabar yra tūkstančiai dirbtinio intelekto modelių, o skaidrumo, kas už ką moka, nėra. Nėra sutarimo, kiek energijos reikia žetonui, kuris modelis geriausiai tinka tam tikrai užduočiai atlikti ar kiek žetonų jam reikėtų.
„Intelektas kaip naudinga priemonė gali būti panaudotas tiek daug skirtingų būdų, todėl vertės nustatymo problema tapo daug sudėtingesnė“, – sakė Ramas Bala, dirbtinio intelekto ir analitikos profesorius Santa Klaros universitete. Pavyzdžiui, kai kurie modeliai bandys pasiekti tikslą net ir tada, kai misija beviltiška.
„Viena vertus, norite išspręsti sudėtingą problemą. Tai yra teigiama pusė“, – sakė p. Bala. „Neigiama pusė yra ta, kad tai gali tęstis amžinai ir iš tikrųjų nerasti pagrįsto sprendimo.“
„Linux Foundation“, ne pelno siekianti organizacija, vykdanti atvirojo kodo technologijų projektus, anksčiau sukūrė debesų kompiuterijos standartus, kurie palengvino paslaugų palyginimą tarp teikėjų. Birželį ji įsteigė „Tokenomics Foundation“ su panašiais tikslais: sukurti bendrus parametrus, kuriuos dirbtinio intelekto teikėjai sutiktų atskleisti.
„Yra sprendimų, kuriuos šiuo metu priima kiekviena pasaulio organizacija, siekdama standartizuoti jų svarstomas sistemas, kad jos turėtų geresnes atspirties taškus“, – teigė fondo vykdomasis direktorius J. R. Stormentas.
Įmonės naudoja naujų įrankių ir paslaugų teikėjų grupę, kad gautų naudos iš dirbtinio intelekto nesumažinant savo pelno maržų.
Pavyzdžiui, „Revenium“ padeda stebėti, ar žetonų naudojimas pakankamai padidina produktyvumą, kad pateisintų savo kainą.
Jasonas Cumberlandas, „Revenium“ įkūrėjas ir vyriausiasis operacijų vadovas, teigė, kad rekomenduoja klientams nustatyti ribas, kiek brangių modelių inžinieriai gali naudoti. Maksimaliai išnaudoję jiems skirtą žetonų naudojimą, inžinieriai pereina prie pigesnių atvirojo kodo modelių, todėl yra priversti gerai pagalvoti, ko jiems iš tikrųjų reikia. „Revenium“ padeda klientams susieti savo išlaidas žetonams su konkrečiais rezultatais, pavyzdžiui, išsiųstų programinės įrangos funkcijų skaičiumi.
„Žmonės, kurie kreipiasi į mus, patiria išlaidų sprogimus“, – sakė p. Cumberlandas. „Jie nori suprasti, ar tai verta, bet ir kaip jas sumažinti taip, kad ne tik nesustotų darbas, o tai yra iššūkis.“
Vienas didelis klausimas, su kuriuo jie visi susiduria: iš kur atsiranda pinigų visoms šioms papildomoms išlaidoms žetonams apmokėti? Iš pradžių, pasak p. Cumberlando, įmonės slėpdavosi po savo, kaip patarlėse minimomis, sofų pagalvėlėmis, kad sumokėtų už „Claude“ ar „ChatGPT“ prenumeratas. Kai jos pradėjo pasikliauti šiomis paslaugomis, jos pradėjo mažinti programinės įrangos licencijas.
Dabar įmonės svarsto, ar žetonų išlaidos turėtų būti laikomos įmonės darbo biudžeto dalimi. Tai pagrindinis klausimas, kurį užduoda ekonomistai: ar dirbtinis intelektas pakeis, ar padidins žmonių darbą.
Minties eksperimente konsultacinės įmonės „Bain & Company“ analitikai neseniai iškėlė vidutinės trukmės scenarijų, pagal kurį žetonai sudaro apie ketvirtadalį įmonės veiklos išlaidų.
Kibernetinio saugumo įmonė „Elisity“ teigia, kad dar toli gražu nepasiekė šio tikslo, tačiau ji kloja pamatus su rodikliu, kurį vadina „bioniniu darbuotojų skaičiumi“.
Šis rodiklis susumuoja dirbtinio intelekto išlaidas ir padalija jas iš vidutinės darbuotojo atlyginimo ir išmokų kainos. Tada metinės pajamos padalijamos iš gauto žmonių ir virtualių „darbuotojų“ skaičiaus, kad būtų galima įvertinti jų bendrą našumą.
Kad visa tai atrodytų šiek tiek realistiškiau, žmonės netgi parašo kiekvieno dirbtinio intelekto agento pareigybės aprašymus, kad pateisintų jo „samdymą“. Kiekvieną kartą, kai inžinierius paleidžia modelį naujai užduočiai atlikti, jis turi gauti įvertinimą.
„Iš esmės jūs pridedate virtualų darbuotojų skaičių. Ar tai lemia papildomas pajamas, kurios yra svarbiausia, ar jūs tiesiog naikinate savo pelną?“ – sakė Charlie Treadwell, „Elisity“ rinkodaros vadovas. „Augimo stadijoje esančioje įmonėje keičiasi mūsų požiūris į tai, kur mes investuosime kapitalą, kad augtume greičiau.“
Tačiau ši lygtis gali greitai pasikeisti, jei žetonų kainos gerokai išaugs. „Elisity“ išsiverčia su fiksuoto tarifo komandos prenumerata 150 vartotojų. Jei įmonė būtų apmokestinama pagal žetoną – tai norma organizacijoms, turinčioms daugiau nei kelis šimtus vartotojų – išlaidos padidėtų keturis kartus, sakė p. Treadwell, ir jai tektų persvarstyti jo naudojimą. (Tačiau „Elisity“ neplanuoja atleisti darbuotojų ir samdo.)
Dar sudėtingiau yra tai, kad žetonų kainos gali skirtis tarp debesijos paslaugų teikėjų, ir neaišku, kas lemia kainų kilimą ar kritimą. Naudojant dirbtinį intelektą, laboratorijoms, kurios prieš pradėdamos viešai prekiauti, ginklavimosi varžybose siekia laimėti rinkos dalį, jų kainos gali ne visai atitikti žetonų gamybos kainą.
Ir dirbtinis intelektas gali padėti sumažinti savo paties išlaidas. Iš dalies taip yra dėl vis didėjančio pigesnių vadinamųjų talpyklos žetonų naudojimo, kuriuos modelis jau apdoroja vieną kartą ir gali pakartotinai panaudoti už nedidelę kainos dalį. Vis daugiau įmonių naudoja dirbtinį intelektą per programinės įrangos įrankius, kurie gali savarankiškai atlikti užduotis, vadinamus agentais, tie agentai gali deleguoti daugiau darbo talpyklos žetonams.
Šį mėnesį paskelbtame darbo dokumente ekonomistų komanda nustatė, kad dinamika sumažino išlaidas, palyginti su tuo, kokios jos galėtų būti kitaip, net ir pakilus žetonų suvartojimui ir paskelbtoms pradinių dirbtinio intelekto modelių kainoms.
Žetonų kainų gebėjimas išlikti konkurencingoms, palyginti su žmonių atlyginimais, labai priklausys nuo to, kokio tipo žvalgybos įmonės ateityje remsis. Tačiau vis dar trūksta žmonių, kurie žino, kaip produktyviai diegti dirbtinį intelektą. Tai užima tokius konsultantus kaip Jue Wang.
„Manau, kad iš tikrųjų tai yra apribojimas, apie kurį pramonės atstovai kalba nepakankamai“, – sakė „Bain“ partnerė ponia Wang. „Dažnai galvojame: „O, jie neturi pajėgumų.“ Tačiau jie taip pat neturi pakankamai žmonių, kurie padėtų kurti vertę.“
Vienas iš esminių sunkumų tiriant, kaip organizacijose vyksta išlaidos dirbtiniam intelektui, yra išsamių duomenų, kurie tai stebėtų, trūkumas. Nėra centralizuotos biržos, ateities sandorių rinkos, nėra vyriausybinės apklausos, kurioje būtų pateikiamos kainos ir išlaidos.
Štai kodėl Alehas Tsyvinskis, Jeilio universiteto ekonomikos profesorius, kuris kartu parašė neseniai paskelbtą straipsnį apie žetonų naudojimą, džiaugėsi galėdamas išanalizuoti platformos „OpenRouter“ duomenų rinkinį, sudarantį vos 2 procentus visų dirbtinio intelekto išlaidų. Tai leido jam ištirti, kaip finansų rinkos reaguoja į šias išlaidas, tačiau lieka daug klausimų.
„Tai vienas didžiausių mūsų kartos iššūkių“, – sakė ponas Tsyvinskis. „Gera suprasti, kaip dirbtinis intelektas tikriausiai viską pakeis. O gal nieko nepakeis, bet gerai turėti matavimo priemonę.“” [1]
1. What Are Companies Getting for All That A.I. Spending? DePillis, Lydia. New York Times (Online) New York Times Company. Aug 3, 2026.
Komentarų nėra:
Rašyti komentarą