Технологічні гіганти активно інтегрують штучний інтелект у свої робочі процеси, прагнучи підвищити ефективність та продуктивність. Водночас масштабне використання інструментів ШІ призводить до суттєвого зростання витрат, що вже стає відчутною проблемою для багатьох компаній.
Про це розповідає ProIT
Зростання витрат на токени та обчислення
Відомо, що компанія Microsoft рекомендує своїм працівникам переходити з інструменту Claude Code на власний продукт Copilot CLI. Основною причиною такого кроку експерти називають значне збільшення витрат на використання сторонніх ІІ-сервісів. Оскільки кількість користувачів постійно зростає, компанії змушені витрачати все більше ресурсів на обробку токенів та обчислювальні потужності.
Особливо гостро ця проблема проявляється у сфері агентного штучного інтелекту. Такі системи виконують складні багатоступеневі завдання та споживають у кілька разів більше токенів, ніж звичайні чат-боти. Яскравий приклад наводить розробник OpenClaw Пітер Штайнбергер, який повідомив, що його команда за один місяць витратила понад 1,3 мільйона доларів лише на токени OpenAI.
«Через це використання ШІ в окремих випадках уже обходиться дорожче, ніж робота людей».
Парадокс Джевонса та явище “tokenmaxxing”
Аналітики порівнюють ситуацію із класичним парадоксом Джевонса: коли технологія стає ефективнішою та доступнішою, її починають застосовувати значно частіше, що підвищує загальні витрати. Таке явище вже неодноразово спостерігалося в історії — наприклад, під час індустріальної революції або розвитку авіації.
У сфері ШІ це отримало окрему назву — “tokenmaxxing”. Цей термін означає, що співробітники максимально активно застосовують ШІ, прагнучи виконати внутрішні корпоративні вимоги. Подібні практики вже були зафіксовані у таких компаніях, як Amazon, Microsoft та Meta, де працівники використовували штучний інтелект навіть для незначних чи другорядних завдань, щоб покращити свої внутрішні показники.
Хоча впровадження ШІ сприяє автоматизації та підвищенню продуктивності, компанії стикаються з необхідністю знаходити баланс між вигодами від автоматизації та реальними фінансовими витратами. Надмірне використання моделей може виявитися економічно необґрунтованим, змушуючи бізнеси переглядати стратегії впровадження штучного інтелекту.