Több ezer cég fontolgatja AI-bevezetéseinek lassítását a magas költségek miatt

A vállalati AI-használat költségei sokkolják a cégvezetőket, akik egyre inkább átgondolják a technológia bevezetését. A KPMG felmérése szerint a megkérdezett 2000 vezető közül 29% küzd az AI-skála növekedésével járó működési költségek megértésével. Közel a válaszadók fele fontolgatja az AI-bevezetések átütemezését vagy lassítását, ha a költségek meghaladják a várt értéket.

Lindsay Clark, a The Register riportere szerint a nagyvállalatok nagy lelkesedéssel vetik bele magukat az AI-ba, kódolásra és üzleti alkalmazásokra használva azt. A KPMG, egy globális tanácsadó cég, amely maga is érdekelt a területen, 20 országban 2000 vezető beosztású munkatársat kérdezett meg. A felmérés kimutatta, hogy a válaszadók 29%-ának nehézséget okoz a vállalati AI-bevezetések skálázódásával járó működési költségek megértése.

Kapcsolódó: AI-token költségek

A „re-phase” kifejezés a bevezetések lassítását, az alacsonyabb költségű modellek felé való elmozdulást jelenti, ahelyett, hogy csak a legdrágábbakat használnák. A használatalapú számlázás, ahol a szolgáltatók, mint az Anthropic, az OpenAI és a GitHub, a korábbi fix díjas modellek helyett tokenenként számolnak, új kihívásokat teremt. A cégek arra ösztönzik a felhasználókat, hogy minél többet használják a rendszereket, majd később módosítják a kereskedelmi feltételeket.

Kapcsolódó: GitHub Copilot áremelés

A Gartner egy korábbi kutatása szerint a kódszolgáltatók költségei nem átláthatók, és hiányoznak a felhőszolgáltatásokhoz hasonló költségoptimalizálási eszközök. Nitish Tyagi kutató becslése szerint 2028-ra egy fejlesztőre jutó kódügynök költsége meghaladhatja a fejlesztő átlagos fizetését. Ez különösen igaz az alacsonyabb fizetésű régiókban, például Indiában, ahol az ügynökök költsége már most magasabb lehet, mint a helyi fejlesztői bérek.

Kapcsolódó: AI-költségvetési problémák

A Gartner kutatása arra is rámutat, hogy a modell-szolgáltatóknak valahonnan be kell hozniuk a költségeket. Egy nagy befektetési ház becslése szerint 2030-ig 1,5 billió dollárt fektetnek az AI-adatközpontokba. A modell-szolgáltatók eltérő számlázási módszerei tovább bonyolítják a helyzetet, mivel nincs egységes sztenderd.

Kapcsolódó: OpenAI és Anthropic kiadásai

A token-mining, egy népszerű nyílt forráskódú projekt által kísérletezett módszer, arra hivatott, hogy csökkentse a token-maxing költségeket. Azonban még nem világos, hogy ez a módszer elegendő lesz-e a költség-haszon elemzések felpattanásának megakadályozására. A kérdés továbbra is nyitott, hogy az AI-ipar képes lesz-e alkalmazkodni a jelenlegi, még nem nyereséges helyzethez, és hogy a használatalapú számlázás végül megfékezi-e az AI-költségbuborékot. A KPMG felmérése szerint a cégvezetők 29%-a küzd a költségekkel, és közel 50% fontolgatja a bevezetések lassítását.

Kapcsolódó: Accenture AI korlátozás