Արհեստական բանականության (AI) տնտեսագիտությունը հիմնովին փոխվում է: Վերջին տասնութ ամիսների ընթացքում բիզնեսները գործում էին AI-ի ներդրման «ոսկե տենդի» փուլում, որը բնորոշվում էր փորձարարական բյուջեներով և ծախսարդյունավետության փոխարեն զուտ հնարավորությունների վրա կենտրոնանալով: Սակայն, քանի որ Google-ի նման մատակարարները կատարելագործում են իրենց ենթակառուցվածքներն ու սակագնային մոդելները, մենք մուտք ենք գործում «AI-ի ֆինանսական պատասխանատվության» դարաշրջան:

Google-ի վերջին թարմացումները՝ կապված Gemini մոդելների փաթեթի օգտագործման հաշվարկման հետ, ավելին են, քան պարզապես տեխնիկական փոփոխություն. դրանք շուկայի հասունացման ազդանշան են: Ձեռնարկությունների ղեկավարների և CTO-ների (տեխնոլոգիական տնօրենների) համար քվոտաների կառավարման այս նուրբ փոփոխությունները հասկանալն այժմ նույնքան կարևոր է, որքան մեկ տասնամյակ առաջ ամպային պահեստավորման ծախսերը հասկանալը: Եթե ձեր ընկերությունը հիմնվում է AI-ի վրա հիմնված աշխատանքային հոսքերի վրա՝ լինի դա հաճախորդների ավտոմատացված սպասարկում, տվյալների համադրում, թե գեներատիվ մարքեթինգ, ապա AI թոքենների և հարցումների հաշվարկման նոր մեթոդները ուղղակիորեն կազդեն ձեր գործառնական ծախսերի և, հետևաբար, ներդրումների վերադարձելիության (ROI) վրա:

Անցում դեպի թոքենների վրա հիմնված մանրամասն տնտեսագիտություն

Պատմականորեն, AI հարթակներից շատերն առաջարկում էին համեմատաբար ազատ՝ «ըստ հարցումների» կամ «ֆիքսված գնով» մուտք: Սա պարզեցնում էր բյուջետավորումը, բայց ի սկզբանե անարդյունավետ էր: Քանի որ Google-ն անցնում է Gemini API-ի համար օգտագործման վրա հիմնված ավելի բարդ քվոտաների, ուշադրությունը լիովին տեղափոխվել է թոքենների վրա: Թոքենը, ըստ էության, բառի մի մասնիկ է, և ծախսային կառուցվածքն այժմ հաշվի է առնում ոչ միայն մուտքային տվյալների ծավալը, այլև ելքային տվյալներ ստանալու համար պահանջվող մշակման բարդությունը:

Այս անցումը նախատեսված է ձեռնարկատիրական միջավայրում կիրառման լայն շրջանակին համապատասխանելու համար: Օրինակ, պարզ դասակարգման խնդիրը, որը մշակվում է Gemini Flash-ի կողմից (մոդել, որը օպտիմիզացված է ցածր ուշացման և բարձր թողունակության համար), այժմ գնահատվում և չափվում է շատ ավելի այլ կերպ, քան բարդ իրավական փաստաթղթերի վերլուծությունը, որն իրականացվում է Gemini Pro-ի կամ Ultra-ի կողմից:

Բիզնեսի ղեկավարների համար սա նշանակում է, որ «մեկ AI փոխազդեցության արժեքը» այլևս ստատիկ ցուցանիշ չէ: Այն այժմ դինամիկ փոփոխական է, որը թելադրվում է հետևյալով.

  • Մոդելի ընտրություն: Մոդելի հնարավորությունները խնդրին համապատասխանեցնելը: Պարզ ավտոմատացման համար հզոր մոդել օգտագործելը փաստացի «ավելորդ ռեսուրսների հատկացում» է, նման է սուպերհամակարգիչ օգտագործելուն՝ պարզ էլեկտրոնային աղյուսակների հաշվարկներ կատարելու համար:
  • Համատեքստային պատուհանի օգտագործում: Մեծ համատեքստային պատուհանները ճարտարագիտական հրաշք են, որոնք թույլ են տալիս AI գործակալին ընկալել ամբողջական ձեռնարկներ կամ երկարատև տվյալների բազաներ: Այնուամենայնիվ, այս թոքենները կուտակվում են: Մոդելին ուղարկված հրահանգները (prompts) չօպտիմիզացնելը կհանգեցնի «թոքենների ուռճացման», երբ դուք, ըստ էության, վճարում եք անտեղի տվյալները կրկին ու կրկին վերամշակելու համար:
  • Սահմանաչափեր և քվոտաներ: Google-ը ներդնում է ավելի խիստ սահմանափակումներ, որոնք տատանվում են՝ կախված ձեր կոնկրետ սակագնային պլանից: Ավտոմատացված CRM աշխատանքային հոսքեր կառուցող ընկերությունների համար այս քվոտաներին հասնելը կարող է հանգեցնել ծառայությունների դանդաղեցման՝ առաջացնելով հաճախորդների հետ հաղորդակցման խափանումներ կամ տվյալների փոխանցման ընդհատումներ:

AI-ի գործարկում. փորձարարությունից դեպի արդյունավետություն

Թվային փոխակերպման վրա ազդեցությունը հստակ է. դուք այլևս չեք կարող AI-ին վերաբերվել որպես անվերջանալի ռեսուրսի: Քվոտաների կառավարման փոփոխությունը ստիպում է անցնել «AI-ը որպես խաղալիք» մոդելից «AI-ը որպես ենթակառուցվածք» մոդելին: Շահութաբերությունը պահպանելու համար բիզնեսները պետք է կիրառեն ռազմավարություն, որը տեխնոլոգիական կառուցվածքի յուրաքանչյուր մակարդակում առաջնահերթություն է տալիս արդյունավետությանը:

Ներդրման միտումներն արդեն տեղափոխվում են դեպի հիբրիդային ճարտարապետություններ: Ընկերություններն ավելի հաճախ օգտագործում են ավելի փոքր, խնդիրներին հատուկ մոդելներ՝ բարձր հաճախականությամբ ավտոմատացման համար, և ավելի մեծ, թանկ մոդելները պահպանում են ռազմավարական որոշումների և բարդ տրամաբանության համար: Այս աստիճանական մոտեցումը հասուն AI ռազմավարության նշան է: Խնդիրները դասակարգելով ըստ պահանջվող «բանականության» մակարդակի՝ բիզնեսները կարող են պաշտպանել իրենց ֆինանսական արդյունքները՝ չզոհաբերելով ավտոմատացված արդյունքների որակը:

Օգտագործման այս փոփոխություններին հետևելու համար կազմակերպությունները պետք է դիտարկեն հետևյալ քայլերը.

  • Ընթացիկ աշխատանքային հոսքերի աուդիտ: Յուրաքանչյուր ավտոմատացման կետ կապեք կոնկրետ մոդելի հետ: Եթե թանկարժեք մոդել եք օգտագործում մի բանի համար, որը կարող էր լուծվել ավելի մատչելի այլընտրանքով, ապա ձեր ROI-ն վատնվում է անհարկի թոքենների սպառման պատճառով:
  • Մոնիթորինգի գործիքների ներդրում: Օգտագործեք դիտարկման (observability) հարթակներ՝ թոքենների օգտագործումը իրական ժամանակում հետևելու համար: Եթե ձեր մարքեթինգային չաթ-բոտը սպառում է 40%-ով ավելի շատ թոքեն, քան ձեր ներքին հետազոտական գործի