هزینه هوش مصنوعی فراتر از هزینه نیروی کار

رؤیای گران‌قیمت؛ چرا جایگزینی نیروی کار با هوش مصنوعی، طبق برنامه پیش نمی‌رود؟

یک‌شنبه 3 خرداد 1405 - 12:14مطالعه 3 دقیقه
شرکت‌های بزرگ فناوری درحال کاهش استفاده‌ی داخلی از هوش مصنوعی هستند؛ زیرا هزینه‌های زیرساختی از هزینه‌ی استخدام انسان فراتر رفته است.
تبلیغات

شرکت‌ها امروز کارمندانشان را تحت فشار می‌گذارند تا برای بالا بردن بهره‌وری، تا حد امکان از ابزارهای هوش مصنوعی استفاده کنند؛ اما به‌گزارش فورچن، این فشار حالا نشانه‌هایی از ترک‌خوردگی در مدل‌های مالی را بروز داده است؛ نشانه‌هایی که شاید به‌راحتی قابل‌ترمیم نباشند.

به‌گزارش ورج، مایکروسافت لغو بخش عمده‌ای از لایسنس‌های مستقیم ابزار برنامه‌نویسی Claude Code را آغاز کرده است و در عوض، مهندسان خود را به‌سمت استفاده از ابزار اختصاصی GitHub Copilot CLI سوق می‌دهد. این اتفاق تنها شش‌ماه پس‌از آن می‌افتد که مایکروسافت دسترسی به کلود کد را باز کرده و هزاران توسعه‌دهنده، مدیر محصول و طراح خود را به استفاده از آن تشویق کرد.

حجم مصرف کارمندان مایکروسافت به‌حدی رسید که شرکت مجبور شد برای کاهش هزینه‌ها، دسترسی مهندسان به ابزار Claude Code را محدود کند.

ابزار برنامه‌نویسی Claude خیلی زود در مایکروسافت محبوب شد؛ شاید حتی بیش‌از حد انتظار. حالا حجم مصرف کارمندان به‌حدی رسیده که شرکت مجبور شده دسترسی مهندسانش را به ابزاری که تازه به آن وابسته شده بودند، محدود کند تا هزینه‌ها را کاهش دهد؛ البته طبق گزارش ورج، لغو لایسنس‌ها تأثیری روی توافق بزرگ «فاندری» ندارد؛ توافقی که شامل سرمایه‌گذاری ۵ میلیارد دلاری مایکروسافت در آنتروپیک و تعهد ۳۰ میلیارد دلاری آنتروپیک برای خرید ظرفیت پردازشی از سرویس ابری آژور است.

پیش‌خور شدن بودجه‌ها در اوبر

مایکروسافت تنها شرکتی نیست که استفاده‌ی داخلی از هوش مصنوعی را محدود می‌کند. پراوین نپالی ناگا، مدیر ارشد فناوری اوبر، ماه آوریل در مصاحبه‌ای با نشریه‌ی اینفورمیشن فاش کرد که اوبر تمام بودجه‌ی مربوط به ابزارهای برنامه‌نویسی هوش مصنوعی برای سال ۲۰۲۶ را تنها در چهار ماه اول سال سوزانده است. این اتفاق در حالی رخ داد که اوبر پیش از آن، با ایجاد یک جدول رده‌بندی میان تیم‌ها، کارمندان را به استفاده‌ی هرچه بیشتر از ابزارهای AI تشویق می‌کرد.

اوبر تمام بودجه‌ی هوش مصنوعی سال ۲۰۲۶ خود را تنها در چهار ماه اول سال پیش‌خور کرده است!

چنین گزارش‌هایی می‌تواند مانند آب سردی بر پیکر رؤیای غول‌های فناوری باشد؛ درحالی‌که برخی از مدیران همچنان به وعده‌ی «رنسانس» یا «انقلاب» هوش مصنوعی دل خوش کرده‌اند، هزینه‌ی پیاده‌سازی و استفاده از آن به یک گلوگاه جدی تبدیل شده؛ این تحولات نشان می‌دهد که اقتصاد جایگزینی نیروی کار انسانی با هوش مصنوعی، بسیار پیچیده‌تر از پیش‌بینی‌های اولیه است.

برایان کاتانزارو، نایب‌رئیس بخش یادگیری عمیق در انویدیا، اخیرا در مصاحبه‌ای با اکسیوس به همین واقعیت اشاره کرد و صراحتا گفت: «برای تیم من، هزینه‌ی پردازش و محاسبات کامپیوتری، بسیار بیشتر از هزینه‌ی حقوق کارمندان است.»

پارادوکس AI؛ توکن‌های ارزان‌تر، صورت‌حساب‌های سنگین‌تر

مایکروسافت و اوبر در تشویق کارمندان به استفاده از هوش مصنوعی تنها نیستند. در متا هم یکی از کارمندان، جدولی به نام کلادونومیکس (Claudeonomics، ترکیبی از کلاد و اقتصاد) ساخته است تا ببیند کدام کارمندان بیشترین استفاده را از هوش مصنوعی دارند. آمازون هم کارمندانش را به رویکرد توکن‌مکس (Toxenmaxx، استفاده‌ی حداکثری از توکن‌های هوش مصنوعی) تشویق می‌کند.

رشد ۲۴برابری مصرف توکن تا سال ۲۰۳۰، کاهش قیمت پردازش را کاملا خنثی می‌کند.

اما در سیستم قیمت‌گذاری مبتنی‌بر توکن، کار با هوش مصنوعی هرچه بیشتر و بهینه‌تر شود، گران‌تر تمام می‌شود. مؤسسه‌ی مالی گلدمن ساکس اخیرا پیش‌بینی می‌کند که با روی‌آوردن شرکت‌ها و مصرف‌کنندگان به هوش مصنوعی عامل‌محور، مصرف توکن تا سال ۲۰۳۰ تا ۲۴برابر افزایش می‌یابد و به عدد خیره‌کننده‌ی ۱۲۰ کوادریلیون توکن در ماه می‌رسد. بدین‌ترتیب با اتکای بیشتر کسب‌وکارها به عامل‌های هوشمند برای افزایش بهره‌وری، هزینه‌های کلی شرکت‌ها به‌شدت بالا می‌رود؛ حتی اگر قیمت پایه‌ی هر توکن کاهش یابد.

شرکت تحقیقاتی گارتنر در گزارش جدید خود پیش‌بینی می‌کند که تا سال ۲۰۳۰، هزینه‌ی پردازش یک مدل پیشرفته‌ی هوش مصنوعی با یک تریلیون پارامتر، حدود ۹۰ درصد ارزان‌تر از سال ۲۰۲۵ خواهد بود؛ اما این مؤسسه هشدار می‌دهد که ارزان‌شدن توکن‌ها لزوما به‌معنای ارزان‌شدن هوش مصنوعی برای سازمان‌ها نیست؛ زیرا مدل‌های عامل‌محور برای انجام هرکار به توکن‌های بسیار بیشتری نیاز دارند.

ارزان‌شدن قیمت خام توکن‌ها یک تله است؛ عامل‌های هوشمند برای انجام هر کار ساده به توکن‌های بسیار بیشتری نیاز دارند و هزینه‌ها را به‌شدت بالا می‌برند.

براساس تحلیل گارتنر، در واقع، رشد نجومی مصرف توکن‌ها در سیستم‌های عامل‌محور، کاهش قیمت‌ها را خنثی می‌کند و ارائه‌دهندگان هوش مصنوعی نیز تمام کاهش هزینه را به مصرف‌کننده‌ی نهایی منتقل نخواهند کرد. در نتیجه، هزینه‌های پردازش در نهایت سیر صعودی خواهد داشت. ویل سامر، از تحلیل‌گران ارشد گارتنر در این باره هشدار می‌دهد:

مدیران ارشد محصول نباید ارزان‌شدن قیمت توکن‌های خام را با فراگیرشدن و ارزان‌شدن فرآیند استدلال در مدل‌های پیشرفته اشتباه بگیرند.
- ویل سامر، تحلیل‌گر ارشد گارتنر

این واقعیت می‌تواند برنامه‌های بلندپروازانه برخی شرکت‌ها برای استقرار عامل‌های هوشمند را به هم بریزد.

جنسن هوانگ، مدیرعامل انویدیا، اخیرا پیش‌بینی کرد روزی فرا می‌رسد که به‌ازای هر کارمند در شرکتش، ۱۰۰ دستیار هوش مصنوعی مشغول به کار خواهند بود. هوانگ تنها یکی از مدیرانی است که آینده‌‌‌ای مبتنی‌بر Agentic AI را تبلیغ می‌کند؛ اما اگر رشد مصرف توکن سریع‌تر از افت قیمت آن باشد، این آینده با صورت‌حسابی بسیار سنگین‌تر از انتظار مدیران از راه خواهد رسید.

نظرات