Kāpēc uzņēmumi pāriet no neierobežotas AI testēšanas uz stingru budžeta kontroli un reālas atdeves (ROI) mērīšanu.
Vēl nesen Silīcija ielejā un globālajā biznesa vidē valdīja tendence, ko mēdza dēvēt par tokenmaxxing – procesu, kurā uzņēmumu vadītāji mudināja darbiniekus integrēt un izmantot mākslīgā intelekta (AI) rīkus maksimālos apjomos, neuztraucoties par izmaksām. Tomēr šim eiforijas vilnim ir sekojis realitātes trieciens. Kad uzņēmumi saņēma pirmos rēķinus par liela mēroga AI modeļu izmantošanu, kļuva skaidrs, ka pašreizējie tēriņi bieži vien pārsniedz reālo biznesa ieguvumu.
Pēdējā laikā vairāki tehnoloģiju giganti ir saskārušies ar nopietnām budžeta problēmām. Piemēram, uzņēmums Uber iztērēja savu gada AI budžetu vien dažu mēnešu laikā, savukārt citas organizācijas ir bijušas spiestas ierobežot dārgāko mākslīgā intelekta modeļu, piemēram, Anthropic Claude, licences noteiktām departamentu nodaļām. Pat Meta bija spiesta atteikties no sava iekšējā AI progresa mērīšanas līderu saraksta, mēģinot ierobežot nekontrolētu resursu patēriņu.
Nekontrolēta AI rīku lietošana bez skaidras integrācijas stratēģijas un lietderības uzskaites var radīt milzīgus finansiālos zaudējumus. Uzņēmumiem ir steidzami jāpāriet no eksperimentālās fāzes uz stingru izmaksu un ROI (investīciju atdeves) analīzi.
No tehnoloģiju buma līdz pragmatiskam aprēķinam
Kā norāda riska kapitāla fonda NEA partnere Tifānija Laka (Tiffany Luck), uzņēmumi pašlaik atrodas kritiskā pārejas punktā. Laka savu karjeru savulaik sāka, pārliecinot tradicionālos uzņēmumus, ka e-komercija ir nākotne. Šobrīd viņa saskata līdzīgu dinamiku ar AI, taču ar būtisku atšķirību – šoreiz tehnoloģiju ieviešanas izmaksas pieaug eksponenciāli ātrāk nekā iepriekšējās tehnoloģiskajās revolūcijās.
"Uzņēmumi joprojām cenšas saprast savu AI investīciju atdevi. Sākotnējais satraukums un eksperimenti pārvēršas par pragmatisku nepieciešamību kontrolēt katru iztērēto dolāru."
Kamēr tādi mediji kā TechCrunch uzsver nepieciešamību pēc jaunizveidotiem jaunuzņēmumiem (startups), kas palīdzētu uzņēmumiem izsekot un optimizēt viņu AI izdevumus, citi nozares analītiķi norāda, ka problēma slēpjas pašreizējā cenu noteikšanas modelī. Lai novērstu neparedzētus rēķinus, organizācijas sāk rūpīgi analizēt, kādas ir kredītu un abonementu cenas tirgū un kā tās ietekmē kopējos darbības izdevumus, pirms tās piešķir piekļuvi jaudīgākajiem LLM (lielo valodas modeļu) rīkiem visiem darbiniekiem.
Ko sagaidīt nākotnē?
Neraugoties uz pašreizējo izmaksu krīzi, interese par mākslīgo intelektu nemazinās. Tā vietā fokuss pārvietojas uz diviem galvenajiem virzieniem:
- Personālie aģenti (Personal Agents): AI sistēmas, kas spēj autonomi veikt sarežģītākus uzdevumus patērētāju un biznesa sektorā, radot tā sauktos "maģiskos mirkļus" klientu pieredzē.
- Specializēti ROI rīki: Startapi, kas piedāvā analītikas paneļus, lai uzņēmumu vadītāji reāllaikā redzētu, kuri AI rīki un darbinieku vaicājumi rada reālu pievienoto vērtību un kuri tikai tērē budžetu.
Kā savā podkāstā Equity analizē TechCrunch video sižeta autori, nākamais gads būs izšķirošs arī AI jomas uzņēmumu sākotnējiem publiskajiem piedāvājumiem (IPO). Investori vairs nevēlas redzēt tikai lietotāju skaita pieaugumu; viņi pieprasa pierādījumus par ilgtspējīgu biznesa modeli un spēju kontrolēt infrastruktūras izmaksas.
Tā vietā, lai pilnībā atteiktos no mākslīgā intelekta risinājumiem, uzņēmumiem ieteicams ieviest pakāpenisku pieeju – sākt ar mazākiem, specifiski apmācītiem modeļiem un paplašināt to izmantošanu tikai tad, kad ir skaidri definēti panākumu rādītāji (KPI).
