Norite kovoti su didžiosiomis technologijų kompanijomis? Pradėkite čia

„Birželį rašiau apie tai, kaip visoje šalyje vykstantys duomenų centrų maištai pasiekia didžiausių mūsų politinių problemų esmę. Dirbtinis intelektas yra ne tik rinkos produktas ar mokslinis pasiekimas. Tai politinė teorija. Ir jis praryja mūsų demokratiją.

 

Iššūkis, kurį tai kelia veikiančiai demokratijai, yra milžiniškas. Demokratai negali tiesiog „laimėti vidurio kadencijos rinkimų“ ir grįžti į gyvenimą, koks buvo prieš Donaldą Trumpą ir jo technologijų brolių armiją, apverčiančią mūsų gyvenimo būdą aukštyn kojomis. Galime kalbėti apie Aukščiausiojo Teismo reformą, obstrukcinio proceso nutraukimą, moterų autonomijos įtvirtinimą Konstitucijoje ir pinigų gavimą iš rinkimų. Tačiau šie dalykai nebus svarbūs, jei nepakeisime savo įstatymų ir normų dėl to, ką aš vadinu duomenų politika.

 

Visos spekuliacijos ir ažiotažas apie dirbtinį intelektą slepia faktą, kad ši technologija nėra tik dideli kalbos modeliai, agentai ar duomenų centrai. Tai yra antstato, kuris sujungia regresyvią politiką su nekontroliuojama ekonomine galia technologinių inovacijų pavidalu, pagrindas. Paprastai tariant, pinigų yra per daug, kai kurie iš jų pernelyg sunkiai atsekami, todėl nedidelė dalis...“ Neišrinktų žmonių grupė turi per daug galios žmonėms. Tai yra duomenų politika.

 

Duomenų politika yra dešiniųjų atsakas į tai, kas bus toliau po Trumpo: daugiau trumpizmo be žmogaus, kuris atidavė šalies atsargas asmeninei naudai. Koks turėtų būti kairiųjų atsakymas?

 

Kad tai išsiaiškinčiau, siūlau šiek tiek vasaros pabaigos skaitinių. Tikiuosi, kad prisijungsite prie manęs.

 

Mane įkvėpė literatūros mokslininko Matto Seyboldo pasiūlytas sąrašas. Sąrašas nėra galutinis. Kiekviena iš šių knygų siekia paaiškinti, kaip technologijos, politika, pinigai ir valdžia keičia mūsų pasaulį. Kai kurias iš šių knygų skaitau pirmą kartą; kitas – trečią ar ketvirtą. Skaitydamas jas kartu, ieškau bendrų temų, modelių ir naujų klausimų apie duomenų politiką. Tikslas yra ne rasti atsakymus į didžiulį politinį iššūkį, o užduoti geresnius klausimus apie mūsų politinius įsipareigojimus.

 

Pirmiausia siūlau tris knygas apie technologijų įmonių vadovus, kurie formuoja duomenų politiką visame pasaulyje. Šios knygos apie Samą Altmaną, Jenseną Huangą ir Eloną Muską siūlo... langas į tai, kaip pasaulinės dirbtinio intelekto ginklavimosi varžybos yra ne tik apie mikroschemas ir duomenų centrus. Tai apie kultūros ir kapitalo pertvarkymą.

 

 

Karen Hao „Dirbtinio intelekto imperija: sapnai ir košmarai Samo Altmano „OpenAI“

 

 

Stepheno Witto „Mąstymo mašina: Jensenas Huangas, „Nvidia“ ir geidžiamiausias pasaulyje mikroschema“

 

 

Quinno Slobodiano ir Beno Tarnoffo „Muskizmas: vadovas sumišusiems“

 

 

Žinoma, svarbūs ne tik tie vyrai. Taip pat svarbu, kaip jų korporacijos neatpažįstamai perrašo kapitalizmo taisykles – šią sritį nagrinėja kita knygų grupė:

 

 

Gilo Durano „Nerdų reichas: Silicio slėnio fašizmas ir karas prieš demokratiją“ (pasiekiama rugpjūčio 18 d.)

 

 

Yanio Varoufakio „Technofeodalizmas: kas nužudė kapitalizmą“

 

 

Astros Taylor ir Naomi Klein „Pabaigos laikų fašizmas: ir kova už gyvąjį pasaulį“ (pasiekiama rugsėjo 18 d.) 15)

 

Skaitau šias knygas kartu su kitais darbais, įskaitant Trumpo administracijos vykdomuosius įsakymus dėl dirbtinio intelekto, plačiai platinamus Silicio slėnio politinių ambicijų architektų parengtus informacinius dokumentus ir neseniai popiežiaus pasakytą kalbą.

 

14409 ir 14365 vykdomieji įsakymai – du iš tiesiausių Trumpo administracijos bandymų formuoti dirbtinio intelekto politiką iki šiol.

 

Trumpo administracijos dirbtinio intelekto veiksmų planas ir jo nacionalinė politikos sistema, kurie patvirtina ir pagilina daugelį poleminių temų mūsų skaitymo sąraše.

 

„Anthropic“, „Andreessen Horowitz“, „OpenAI“ ir „Meta“ informaciniai dokumentai ir esė, kurie suteikia galimybę pažvelgti į tai, kaip kai kurios žymiausios technologijų įmonės ir rizikos kapitalistai Amerikoje mąsto apie šią technologiją.

 

Popiežiaus Leono XIV daug diskusijų sukrėstas enciklinis laiškas apie dirbtinį intelektą.

 

Artimiausiais mėnesiais kalbėsiuosi su kai kuriais šio sąrašo autoriais, kad paklausčiau jų apie idėjas, kurios juos labiausiai sukrėtė ir kurios turėtų sukrėsti mus visus. Mes tai pavadinsime savo „Skaitymu“. „Ahead“ serija. Tikiuosi, kad prisijungsite prie manęs skaitydami šiuos straipsnius ir kad tai tik ilgo ir labai reikalingo pokalbio pradžia.“ [1]

 

1. Want to Fight Back Against Big Tech? Start Here.: Tressie McMillan Cottom.  New York Times (Online) New York Times Company. Aug 3, 2026.

Want to Fight Back Against Big Tech? Start Here

“In June, I wrote about how the data center revolts happening across the country get to the heart of our greatest political problems. Artificial intelligence is not just a market product or a scientific achievement. It is a political theory. And it is gobbling up our democracy.

 

The challenge this presents to a functioning democracy is immense. Democrats cannot just “win the midterms” and go back to life before Donald Trump and his army of tech bros upended our way of life. We can talk about reforming the Supreme Court, ending the filibuster, enshrining women’s autonomy in the Constitution and getting money out of elections. But those things won’t matter if we don’t change our laws and norms about what I am calling data politics.

 

All of the speculation and hype around A.I. is hiding the fact that the technology isn’t just large language models or agents or data centers. It is the backbone of a superstructure that merges regressive politics with unchecked economic power in the guise of technological innovation. Put simply, there is too much money, some of it too untraceable, giving a small group of unelected people too much power over the people. That’s data politics.

 

Data politics is the right’s answer to what’s next after Trump: more Trumpism, without the man who gave away the country’s store for personal gain. What should the left’s answer be?

 

To figure that out, I’m proposing a bit of late-summer reading. I hope you’ll join me.

 

I was inspired by a list proposed by literary scholar Matt Seybold. The list isn’t definitive. Each of these books aims to explain how technology, politics, money and power are reshaping our world. I am reading some of these books for the first time; others, for the third or fourth. In reading them together, I’m looking for common themes, patterns and novel questions about data politics. The goal isn’t to find answers to a huge political challenge but to ask better questions about our political obligations.

 

First, I’m proposing three books about the tech C.E.O.s who are shaping data politics around the world. These books about Sam Altman, Jensen Huang and Elon Musk offer a window into how the global A.I. arms race isn’t just about microchips and data centers. It is about reshaping culture and capital.

 

    “Empire of AI: Dreams and Nightmares in Sam Altman’s OpenAI” by Karen Hao

 

    “The Thinking Machine: Jensen Huang, Nvidia, and the World’s Most Coveted Microchip” by Stephen Witt

 

    “Muskism: A Guide for the Perplexed” by Quinn Slobodian and Ben Tarnoff

 

It’s not just those men who matter, of course. It’s also how their corporations are rewriting the rules of capitalism beyond recognition, territory this next group of books explores:

 

    “The Nerd Reich: Silicon Valley Fascism and the War on Democracy” by Gil Duran (available Aug. 18)

 

    “Technofeudalism: What Killed Capitalism” by Yanis Varoufakis

 

    “End Times Fascism: And the Fight for the Living World” by Astra Taylor and Naomi Klein (available Sept. 15)

 

I’m reading these books in conversation with other works, including Trump administration executive orders on A.I., widely circulated white papers from architects of Silicon Valley’s political ambitions and the pope’s recent address.

 

    Executive Orders 14409 and 14365, which are two of the Trump administration’s most direct attempts at A.I. policymaking to date

 

    The Trump administration’s A.I. Action Plan and its National Policy Framework, which corroborate and deepen many of the polemical themes in our reading list

 

    White papers and essays from Anthropic, Andreessen Horowitz, OpenAI and Meta, which offer a window into the way some of the most prominent tech companies and venture capitalists in America are thinking about this technology

 

    Pope Leo XIV’s much-discussed encyclical letter on A.I.

 

I’ll be talking with some of the authors on this list over the coming months to ask them about the ideas that most shook them and that should shake the rest of us. We’ll call this our “Reading Ahead” series. I hope that you’ll join me in reading these, and that this is just the start of a long, and much-needed, conversation.” [1]

 

1. Want to Fight Back Against Big Tech? Start Here.: Tressie McMillan Cottom.  New York Times (Online) New York Times Company. Aug 3, 2026.

Ką įmonės gauna už visas tas dirbtinio intelekto išlaidas?

„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.

What Are Companies Getting for All That A.I. Spending?

 

“Corporate America was enthusiastic about artificial intelligence. Until it got the bill.

 

Whiplash around spending on “tokens,” the units of computing power in which A.I. is sold, is hitting engineering teams and board rooms. First there was “tokenmaxxing,” as executives encouraged as much A.I. use as possible. Then there was “tokenminning,” after they rapidly burned through millions of dollars in company money.

 

The simultaneous urgency and uncertainty is raising complex questions. What is A.I. even good for? How do you know what you’re buying, and measure the value of what it enables? How is it priced, and how will those prices change in the future? What does the spending on it displace?

 

“It’s a currency where you have no instinct to know what you’re using, and the accounting practices aren’t even there for it,” said Howard Rubin, an economist who advises companies on technology spending. “The A.I. stuff is being treated as an investment right now, but it’s a risky investment in case it has no return.”

 

The high stakes and scarcity of knowledge have given rise to a new field within economics devoted to figuring out how companies buy A.I. and what value they get from it. Call it tokenomics: the study of how this limited resource is created, traded and converted into things people want.

 

Businesses are no strangers to adopting new technologies. Electricity allowed power to be generated far from where it was used. The internet radically changed how services are delivered. Cloud computing turned data processing from a clunky on-site task to something that could be rented remotely.

 

The implications of A.I. could be as profound, but the costs and benefits are more difficult to weigh.

 

Perhaps the closest analogy to how A.I. works as a business expense is petroleum products. A common feedstock, crude oil, is refined into commodities such as gasoline, diesel and propane. Those fuels have different purposes, but they can be broken down into a standard measure of energy — British thermal units — and they are generally sold wholesale through exchanges where prices fluctuate with supply and demand.

 

The feedstock for tokens is electricity and semiconductors. The resulting “compute” is fed into models and metered out by tokens, which are generally understood to represent a few characters of English text.

 

But the petrochemical parallel ends there. There are now thousands of A.I. models, and little transparency around who is paying for what. There is no consensus on how much energy a token requires, which model is best to perform a given task or how many tokens it should take.

 

“Intelligence as a utility has so many different ways in which it can be deployed, so the value identification problem has become a lot harder,” said Ram Bala, a professor of A.I. and analytics at Santa Clara University. Some models, for example, will keep trying to accomplish a goal even when the mission is hopeless.

 

“On the one hand, you want to solve a difficult problem. That’s the positive side,” Mr. Bala said. “The negative side is, this could go on in a loop forever, and not really come to a reasonable solution at all.”

 

The Linux Foundation, a nonprofit that hosts open-source technology projects, previously developed standards for cloud computing that made it easier to compare services across providers. In June, it established the Tokenomics Foundation with similar goals: to create common parameters that A.I. providers agree to disclose.

 

“There’s a set of decisions that every organization in the world is making right now that we want to standardize the frameworks they’re thinking on, so they can have better starting places for them,” said J.R. Storment, the foundation’s executive director.

 

Companies are using a new crop of tools and service providers to get some benefit from A.I. without wiping out their profit margins.

 

Revenium, for example, helps track whether token spending improves productivity enough to justify its cost.

 

Jason Cumberland, Revenium’s co-founder and chief operating officer, said he recommends clients set limits for how much of the expensive models engineers can use. After maxing out their allocated token use, engineers turn to cheaper open-source models, forcing them to think hard about what they really need. Revenium helps clients map their token spending to specific outcomes, like the number of software features shipped.

 

“The people who come to us are experiencing spending explosions,” Mr. Cumberland said. “They want to understand whether it’s worth it, but also how to curtail it in a way that doesn’t just stop work, which is the challenge.”

 

One big question they all face: Where does the money come from to pay for all this extra token spending? At first, Mr. Cumberland said, companies scrounged under their proverbial couch cushions to pay for subscriptions to Claude or ChatGPT. As they came to rely on those services, they started to cut software licenses and outside services, like web development and copy writing.

 

Now, companies are weighing whether token spending should be considered part of a company’s labor budget. That’s the main question economists have: whether A.I. will displace or augment human work.

 

In a thought experiment, analysts at Bain & Company, the consultancy, recently posited a medium-term scenario in which tokens make up about a quarter of corporate operating expenses.

 

Elisity, a cybersecurity company, says it’s nowhere near there, but it is laying the groundwork with a metric it calls “bionic head count.”

 

The measure totals up A.I. spending and divides it by the average cost of a worker’s salary and benefits. It then divides annual revenues by the resulting number of human and virtual “employees” to measure their collective output.

 

To make it all feel a little more realistic, human staff members even write job descriptions for each A.I. agent in order to justify “hiring” it. Each time an engineer runs a model on a new task, it must get an evaluation.

 

“Essentially, you’re adding virtual head count. Is that resulting in incremental revenue which is all that really matters, or are you just eating at your margins?” said Charlie Treadwell, Elisity’s chief marketing officer. “In a growth stage company, it shifts our mind-set of where are we going to spend the capital to grow faster.”

 

That equation could change quickly, however, if token prices rise substantially. Elisity is getting by on a flat-rate team subscription for 150 users. If the company were charged by the token — the norm for organizations with more than a few hundred users — spending would quadruple, Mr. Treadwell said, and it would have to reconsider its use. (Elisity has no plans to shed staff, however, and is hiring.)

 

To make matters more complicated, tokens can be priced differently across cloud providers, and it’s not clear what drives prices up or down. With A.I. laboratories in an arms race to win market share before going public, what they charge may not completely correspond to what tokens cost to produce.

 

And A.I. can help minimize its own costs. Part of that is because of the increasing use of cheaper so-called cache tokens, which the model has already processed once and can reuse at a fraction of the price. As more businesses use A.I. through software tools that can execute tasks on their own, called agents, those agents are able to delegate more of the work to cache tokens.

 

In a working paper published this month, a team of economists found that dynamic has driven spending down relative to what it might otherwise be, even as token consumption and the posted prices for frontier A.I. models have risen.

 

The ability of token costs to stay competitive with human salaries will bear heavily on which kind of intelligence companies lean on in the future. But there is still a shortage of people who know how to deploy A.I. in productive ways. That is keeping consultants like Jue Wang busy.

 

“I actually think that is the constraint that people don’t talk enough about in the industry,” said Ms. Wang, a partner at Bain. “We often think about ‘Oh, they don’t have capacity.’ But they also don’t have enough people to help deliver the value.”

 

One of the fundamental difficulties in studying how spending on A.I. is playing out within organizations is the lack of comprehensive data that track it. There is no centralized exchange, no futures market, no government survey that reports prices and spending.

 

It’s why Aleh Tsyvinski, an economics professor at Yale who co-wrote the recent paper on token use, was excited to analyze a data set from the platform OpenRouter representing just 2 percent of total A.I. spending. It allowed him to study how financial markets react to those expenditures, but many questions remain.

 

“It’s one of the biggest challenges of our generation,” Mr. Tsyvinski said. “It’s good to understand how A.I. is probably going to probably change everything. Or maybe not change anything, but it’s good to have the measurement.”” [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.

Ne itin glostantis Samo Altmano paveikslas: teisinėje kovoje tarp Elono Musko ir „OpenAI“ generalinio direktoriaus liudija pagrindinis liudytojas.

„NIUJORKAS. Samas Altmanas buvo beviltiškas. Buvo 2023 m. lapkritis, kai „OpenAI“ direktorių valdyba staiga jį atleido iš generalinio direktoriaus pareigų, ir jis bandė pakeisti sprendimą. Oklande, Kalifornijoje, vykusiame teismo procese, kuriame Altmanas ir Elonas Muskas susitinka, paviešintos kelios tekstinės žinutės, kuriomis jis tuo metu apsikeitė su Mira Murati. Murati buvo paskirtas laikinuoju jo įpėdiniu.

 

Altmanas apipylė ją įnirtingais pranešimais, prašydamas atnaujinti valdybos posėdžius, iš kurių jis, matyt, nebuvo įtrauktas. Vienu metu jis paklausė, ar jam sekasi „apskritai gerai, ar blogai“; Murati atsakė: „Apskritai labai blogai.“ Jis paprašė leisti jam „užeiti“ ir dalyvauti diskusijose; Murati atsakė, kad valdyba jo ten nenori. Vos po kelių minučių Altmanas paklausė: „Jie vis dar manęs nenori?“ Murati atsakė: „Jie tavęs nenori.“ Netrukus ji parašė, kad direktorių valdybai nerūpi, ar visi „OpenAI“ darbuotojai išeis.

 

Laikinas Altmano atleidimas iš „OpenAI“ buvo viena didžiausių lyderystės dramų Silicio slėnyje pastaraisiais metais. Nors iš pradžių Murati žinutėse taip neskambėjo, po kelių dienų jis buvo grąžintas. Murati šiame epizode atliko kiek dviprasmišką vaidmenį. Ji prisijungė prie kelių šimtų darbuotojų grupės, kuri reikalavo grąžinti Altmaną ir grasino atsistatydinti, jei jis to nepadarys. Tačiau vėliau žiniasklaida pranešė, kad ji pati prieš atleidimą skundėsi valdybai dėl Altmano vadovavimo stiliaus, apibūdindama jį kaip manipuliuojantį. Maždaug po metų nuo kovos dėl valdžios Murati paliko „OpenAI“ ir nuo to laiko įkūrė savo įmonę.

 

Murati taip pat liudijo teisme Oklande, nors, skirtingai, nei daugelis, ji tai padarė vaizdo įraše. Jame ji pateikė ne itin pagarbų Altman apibūdinimą. Ji teigė, kad, jos nuomone, Altmanas ne visada buvo su ja sąžiningas ir kenkė jos darbui. Jis kėlė „chaosą“ ir supriešino vadovus. Jis sakydavo „vieną dalyką vienam asmeniui, o visiškai priešingą kitam“.

 

Murati teigė, kad Altmano vadovavimo stilius išliko problemiškas net ir po trumpo atleidimo. Tačiau ji taip pat pareiškė, kad palaikė jo grąžinimą į generalinio direktoriaus pareigas.

 

Teismo procesas Oklande, kuris sulaukė didelio susidomėjimo technologijų pramonėje, prasidėjo maždaug prieš dvi savaites. Jis kyla iš ieškinio, kurį Muskas 2024 m. pateikė prieš „OpenAI“ ir kai kuriuos jos vadovus, įskaitant Altmaną ir Gregą Brockmaną, kuris dabar yra „OpenAI“ prezidentas. Kaip ir Altmanas bei Brockmanas, Muskas buvo vienas iš „OpenAI“ įkūrėjų 2015 m. ir iš pradžių teikė didelį finansavimą įmonei. Vėliau, kilus ginčui, jis pasitraukė 2018 m.

 

Muskas kaltina savo buvusius įkūrėjus pažeidus sutartis ir neteisėtas praturtėjimas. Jis teigia, kad „OpenAI“ nepavyko įgyvendinti savo misijos – naudoti dirbtinį intelektą pasaulio labui. Muskas tvirtina, kad jis pavaldė „OpenAI“ misiją komerciniams interesams, taip pakenkdamas jos įsipareigojimui žmonijai. Muskas savo argumentą daugiausia grindžia tuo, kaip „OpenAI“ laikui bėgant keitė savo struktūrą.

 

Iš pradžių įmonė buvo įkurta kaip ne pelno siekianti organizacija. 2019 m. šalia jos buvo įsteigta pelno siekianti dukterinė įmonė, nors ji liko pavaldi pradinei įmonei. Praėjusiais metais struktūra vėl buvo pakoreguota. „OpenAI“ dabar labiau primena tradicinę korporaciją ir šiuo metu ruošiasi savo pirminiam viešam akcijų siūlymui (IPO).

 

„OpenAI“ atmeta Musko kaltinimus ir kaltina jį „priekabiavimo kampanijos“ vykdymu, siekiant pakenkti konkurentui. „OpenAI“ advokatas savo įžanginėje kalboje teigė, kad Muskas pateikė ieškinį, nes nepasiekė savo. Jo įkūrėjai turėjo „drąsos“ padaryti „OpenAI“ sėkmę be jo, ir jam tai nepatiko.

 

Musko advokatas teigė, kad „OpenAI“ neegzistuotų be Musko. Jis apkaltino Altmaną ir Brockmaną „labdaros organizacijos vagyste“. Savo ieškinyje Muskas reikalauja Altmano ir Brockmano atsistatydinimo. Brockmanas. Jis taip pat reikalauja grąžinti ne pelno organizacijai „neteisėtą pelną“. Ekspertas, su kuriuo jis konsultavosi, šią sumą įvertino 134 milijardais dolerių.

 

Murati parodymai yra svarbūs, nes jie kelia abejonių dėl Altmano patikimumo. Pats Muskas taip pat davė parodymus teisme. Jis save apibūdino kaip Altmano ir Brockmano sąmokslo auką. „Buvau kvailys, davęs jiems nemokamų pinigų įmonei įkurti“, – sakė Muskas. Lygiagrečiai teismo procesui Brockmanas taip pat pasisakė savo platformoje X. Jis Altmaną pavadino „sukčiu Altmanu“.

 

Altmanas dar nepradėjo stoti ant teismo stalo, bet jau davė parodymus. Jo pasirodymo buvo nekantriai laukta, nes prieš teismą pasirodė jo dienoraščio įrašas, kuriame teigiama, kad jis nori tapti milijardieriumi. Brockmanas teismui dabar sakė, kad jo pagrindinė motyvacija buvo ne pinigai, o „OpenAI“ misija. Tačiau jis taip pat pareiškė, kad jo akcijų paketas bendrovėje dabar vertas 30 milijardų dolerių.

 

Prisiekusiųjų teismo procesui pasirinkimas nebuvo lengvas. Keletas potencialių prisiekusiųjų anketose, kurias jie turėjo užpildyti, išreiškė labai neigiamą nuomonę apie Muską. Be kita ko, jis buvo apibūdintas kaip „pasaulinio lygio šliaužtinukas“ ir „šiukšlė“. Kitoje anketoje buvo teigiama: „Elonui nerūpi žmonės“. Musko advokatas savo įžanginėje kalboje užsiminė apie tokius išankstinius nusistatymus, sakydamas apie Muską: „Nesvarbu, ar jis jums patinka, ar ne, negalite paneigti, kad jis yra technologijų pasaulio legenda.“

 

Muskas, matyt, paskutinę minutę bandė taikiai išspręsti bylą. Teismo dokumente teigiama, kad likus dviem dienoms iki teismo pradžios, jis parašė Brockmanui žinutę, klausdamas, ar šis būtų suinteresuotas taikiu susitarimu. Tada Brockmanas pasiūlė abiem pusėms atsisakyti visų savo ieškinių. Muskui tai, matyt, buvo nepriimtina, todėl jis atsakė: „Iki savaitės pabaigos jūs ir Samas būsite labiausiai nekenčiami vyrai Amerikoje.“ [1]

 

1. Ein wenig schmeichelhaftes Bild von Sam Altman: Im Rechtsstreit zwischen Elon Musk und dem Open-AI-Chef sagt eine wichtige Zeugin aus. Frankfurter Allgemeine Zeitung; Frankfurt. 09 May 2026: 28.   ROLAND LINDNER

A less-than-flattering picture of Sam Altman: Key witness testifies in legal battle between Elon Musk and OpenAI CEO

“NEW YORK. Sam Altman was desperate. It was November 2023; the OpenAI board of directors had abruptly fired him as CEO, and he was trying to reverse the decision. In a lawsuit in Oakland, California, pitting Altman against Elon Musk, a series of text messages he exchanged with Mira Murati at the time has now come to light. Murati had been named his interim successor.

 

Altman bombarded her with panicked-sounding messages, asking for updates on the board’s deliberations—deliberations from which he was evidently excluded. At one point, he asked whether things looked "generally good or bad" for him; Murati replied, "Generally very bad." He asked to be allowed to "come in" and join the discussions, but Murati replied that the board did not want him there. Just minutes later, Altman asked, "Do they still not want me?" Murati answered, "They don't want you." Shortly thereafter, she wrote that the board wouldn't care if every OpenAI employee quit.

 

Altman’s brief ousting from OpenAI was one of Silicon Valley’s biggest leadership dramas in recent years. Although Murati’s messages initially suggested otherwise, he was reinstated to his position after just a few days. Murati played a somewhat ambiguous role in the episode. She joined a group of hundreds of employees demanding Altman’s return and threatening to quit otherwise. However, media reports later revealed that, prior to Altman’s dismissal, she had complained to the board about his leadership style, describing him as manipulative. About a year after the power struggle, Murati left OpenAI; she has since founded her own company.

 

Murati has now also testified in the trial from Oakland—though, unlike many other witnesses, she did so via video recording rather than in person. In it, she gave an unflattering description of Altman. She stated that, in her opinion, Altman had not always been honest with her and had undermined her work. He had caused "chaos" and pitted managers against one another. He would say "one thing to one person and the complete opposite to another."

 

Murati said that Altman’s leadership style remained problematic even after his brief ousting. However, she also explained that she had been in favor of bringing him back as CEO.

 

The trial in Oakland, which is being closely watched by the tech industry, began about two weeks ago. It stems from a lawsuit Musk filed in 2024 against OpenAI and several of its executives, including Altman and Greg Brockman, who is currently OpenAI’s president. Like Altman and Brockman, Musk was a co-founder of OpenAI in 2015 and provided significant initial funding for the company; however, he left in 2018 following a dispute.

 

Musk accuses his former co-founders of breach of contract and unjust enrichment. He argues that OpenAI has subordinated its mission—to develop artificial intelligence for the benefit of humanity—to commercial interests. Musk bases his argument primarily on how OpenAI has altered its structure over time.

 

The company was originally founded as a non-profit organization. In 2019, a for-profit entity was established alongside it, though it remained under the control of the original organization. The structure was adjusted again last year; OpenAI now more closely resembles a traditional corporation and is currently preparing for an initial public offering (IPO).

 

OpenAI rejects Musk’s allegations, accusing him of waging a "harassment campaign" to harm a competitor. In his opening statement, OpenAI’s lawyer said that Musk filed the lawsuit because he did not get his way. His co-founders allegedly had the "audacity" to turn OpenAI into a success without him, and he did not like that.

 

Musk’s lawyer argued that OpenAI would not exist without Musk. He accused Altman and Brockman of having "stolen a charitable organization." In his lawsuit, Musk demands the resignation of Altman and Brockman. He also calls for the return of "ill-gotten gains" to the non-profit entity. An expert witness cited by him has estimated this amount at $134 billion.

 

Murati’s testimony is relevant because it calls Altman’s trustworthiness into question. Musk himself has also testified in the proceedings. He described himself as the victim of a scheme orchestrated by Altman and Brockman. "I was a fool who gave them money for free so they could start a company." Musk has also been commenting on the proceedings via his platform, X. He dubbed Altman "Scam Altman"—essentially calling him a fraudster.

 

Altman has not yet taken the stand, but Brockman has already testified. His appearance was highly anticipated because, in the run-up to the trial, a diary entry of his had come to light suggesting he aspired to become a billionaire. In court, Brockman stated that his primary motivation was not money, but rather OpenAI’s mission. However, he also acknowledged that his stake in the company is currently valued at $30 billion.

 

Selecting the jury for the trial proved challenging. In the questionnaires they were required to complete, several potential jurors expressed strongly negative views of Musk. Among other things, he was described as a "world-class creep" and "a piece of trash." Another questionnaire stated: "Elon doesn't care about people." In his opening statement, Musk’s lawyer alluded to such biases, remarking: "Whether you like him or not, you cannot deny that he is a legend in the tech world."

 

It appears Musk made a last-minute attempt to resolve the dispute amicably. According to a court document, two days before the trial began, he messaged Brockman asking if he would be interested in a settlement. Brockman reportedly suggested that both sides drop all their claims. This was apparently not an option for Musk, who replied: "By the end of the week, you and Sam will be the most hated men in America." [1]

 

1. Ein wenig schmeichelhaftes Bild von Sam Altman: Im Rechtsstreit zwischen Elon Musk und dem Open-AI-Chef sagt eine wichtige Zeugin aus. Frankfurter Allgemeine Zeitung; Frankfurt. 09 May 2026: 28.   ROLAND LINDNER

Why the traditional defense procurement model is no longer working?

“Imagine a world where the most powerful weapon is not a fighter jet, tank or missile, but a rapid software update.

 

In just a few hours, you can update the software of drones used on the front line and render the enemy’s electronic warfare systems, which cost millions, almost ineffective.

 

This is not science fiction, but today’s reality. Such software updates are constantly performed by soldiers on drones before they are used on the real battlefield.

 

In order to adapt to the extremely rapidly changing battlefield, the military created Brave1, a defense innovation ecosystem that unites programmers, startups, engineers, investors and soldiers in one continuous cycle of technology development and implementation.

 

An important part of this system is Brave1 Market, a digital platform where military units receive e- points (ePoints), and their combat results are reflected in a special rating in real time.

 

The accumulated points can be used as an internal digital currency - to purchase new drones, electronic warfare equipment, robotic systems or their components. This has made the process of acquiring military equipment faster, more transparent and flexible, and has given commanders of military units the opportunity to decide for themselves what technologies are most needed to carry out their tasks at a given time.

 

All this shows that future conflicts will increasingly be determined not only by the number of weapons or their power, but also by the ability to quickly develop, update and deploy software.

 

Long public procurement cycles are gradually being replaced by the speed of technology startups, and software code, along with daily modernizing unmanned systems, is becoming one of the most important weapons of modern warfare.

 

For more than 50 years, the Western defense industry has been developing increasingly larger and more expensive weapons systems. However, today, war is increasingly determined not by tanks or fighter jets, but by software.

 

The problem is that traditional defense procurement is too slow. It can take years to develop specifications, conduct tenders, sign contracts, and produce equipment.

 

By the time a system finally reaches the military, its software is often outdated, and updating software for licensed and closed-architecture systems can take years due to complex technical, legal, and contractual procedures.

 

In modern conflict, a software update created overnight can change everything. A new electronic warfare solution can instantly disable hundreds of drones or, conversely, restore their advantage. Therefore, decision-making processes that take months or even years become a serious drawback.

 

That is why the military created Brave1, a defense innovation ecosystem that operates on the principles of technology startups.

 

Today, Brave1:

 

unites more than 3,200 companies;

 

develops more than 4,500 defense technology products;

 

has awarded over 500 innovation grants worth over $11 million.

 

The platform connects programmers, engineers, startups, investors, and soldiers in a continuous development cycle. Promising ideas can be evaluated, funded, and tested much faster than in the traditional defense system.

 

International companies such as Airbus and Palantir are also contributing to the development of advanced data and artificial intelligence solutions for the military.

 

Brave1 focuses not on equipment costing billions, but on technologies that are changing the nature of warfare today:

 

artificial intelligence-controlled drones;

 

electronic warfare systems;

 

autonomous ground robots;

 

computer vision solutions;

 

unmanned maritime platforms.

 

One of the most important principles of this ecosystem is openness. Unlike in the traditional defense industry, developers share software code, technical solutions, and engineering expertise, so new technologies are developed much faster.

Expensive heavy military equipment no longer guarantees success

 

The greatest revolution in modern warfare was not caused by a new missile or tank. It was caused by economics.

 

For decades, it was believed that to destroy expensive military equipment, no less expensive weapons were needed. For a tank, anti-tank missiles. For an airplane, modern air defense systems.

 

However, this logic is changing rapidly.

 

Innovation ecosystems such as Brave1 have shown that systems costing millions can be neutralized using cheap commercial electronics, open source software, and artificial intelligence.

 

Today, a typical commercial FPV drone, supplemented with 3D-printed components and an artificial intelligence module costing about 50 euros, can cost about 500 euros [1].

 

But the most important part is not the plastic or electronics, but the software. It is what allows the drone to accurately detect, identify and destroy armored vehicles, the value of which can reach tens of millions of dollars.

 

This fundamentally changes the economics of conflict.

 

When one cheap drone can destroy equipment tens or even hundreds of times more expensive, it changes not only the weaponry but the entire logic of war.

 

In modern conflict, it is becoming increasingly important not to be the one who makes the most expensive weapon, but to be the one who is most likely to be able to develop, update and adapt software to the ever-changing conditions of the battlefield.”

 

1. In low-cost drones, artificial intelligence (AI) modules operate using compact chips, machine vision, and optical tracking algorithms. These systems allow drones to recognize targets and fly without constant communication.

How it works technically

• Digital signal processors (SoC): small, low-power chips are used that perform calculations directly inside the drone (onboard).

• Computer vision: the image from a simple camera is sent to simplified neural network models (e.g., YOLO type), which detect objects by shape or color. These are simplified neural network models that are adapted to work quickly and use few resources. Key features: fewer parameters, grouping into a grid (grid) and a single analysis pass

• Autonomous control: the chip itself forms commands for the flight controller when the connection with the control panel is lost or the GPS is suppressed.

Key advantages

• Immunity to interference: operates in a complete radio silence zone, where electronic defense cannot block the drone signal.

• Low cost: no need for expensive satellite or laser systems, a basic camera and a cheap microcontroller are enough.

• Fast response: decisions are made in real time within a few milliseconds directly inside the drone.