گزارش‌های جدید نشان می‌دهند که با وجود کاهش قیمت توکن‌های هوش مصنوعی، هزینه نهایی هوش مصنوعی برای شرکت‌ها همچنان رو به افزایش است.
به گزارش سرویس هوش مصنوعی تکناک، شرکت مایکروسافت روند لغو بخش عمده مجوزهای مستقیم Claude Code را آغاز کرده است و در عوض مهندسان خود را به استفاده از GitHub Copilot CLI هدایت می‌کند. این اقدام تنها شش ماه پس از آن صورت می‌گیرد که این غول فناوری دسترسی به Claude Code را برای هزاران توسعه‌دهنده، مدیر پروژه، طراح و سایر کارکنان خود فراهم کرده بود تا از قابلیت‌های آن در فرایندهای برنامه‌نویسی بهره ببرند. این ابزار به سرعت در میان کارکنان محبوب شد، اما اکنون حجم و گستره استفاده از Claude Code به حدی رسیده که مایکروسافت را به بازنگری در سیاست‌های خود واداشته و این شرکت در حال عقب‌نشینی از ابزاری است که بسیاری از مهندسان به آن وابسته شده بودند.
با وجود این، لغو مجوزهای Claude Code تاثیری بر همکاری مایکروسافت با آنتروپیک نخواهد داشت. توافق این دو شامل سرمایه‌گذاری حداکثر ۵ میلیارد دلاری در شرکت آنتروپیک و فراهم‌سازی دسترسی مشتریان به مدل‌های Claude است. علاوه بر این، آنتروپیک متعهد شده است حدود ۳۰ میلیارد دلار ظرفیت پردازشی پلتفرم Azure را خریداری کند. مایکروسافت تنها شرکتی نیست که در حال بازنگری در استفاده داخلی از ابزارهای هوش مصنوعی است. پراوین نپالی ناگا، مدیر ارشد فناوری اوبر در ماه آوریل به The Information اعلام کرد که این شرکت تنها طی چهار ماه، کل بودجه اختصاص‌یافته برای ابزارهای کدنویسی مبتنی بر هوش مصنوعی در سال ۲۰۲۶ را مصرف کرده است. این اتفاق در شرایطی رخ داده است که اوبر پیش‌تر با راه‌اندازی جدول‌های رتبه‌بندی داخلی و ارزیابی تیم‌ها بر اساس میزان استفاده از ابزارهای هوش مصنوعی، به طور فعال کارکنان را به پذیرش این فناوری تشویق می‌کرد.
بیشتر بخوانید: متا به دنبال ساخت گردنبند مبتنی بر هوش مصنوعی
این گزارش‌ها می‌توانند بخشی از خوش‌بینی‌های گسترده پیرامون سرمایه‌گذاری‌های کلان شرکت‌های فناوری در حوزه هوش مصنوعی را زیر سوال ببرند. در حالی که بسیاری همچنان از «عصر طلایی» یا «انقلاب» AI سخن می‌گویند، هزینه‌های بالای پیاده‌سازی و بهره‌برداری از هوش مصنوعی به یکی از مهم‌ترین موانع گسترش آن تبدیل شده است. همچنین این تحولات نشان می‌دهد که معادلات اقتصادی جایگزینی یا تقویت نیروی انسانی با سامانه‌های هوش مصنوعی، به‌مراتب پیچیده‌تر از برآوردهای اولیه است. این موضوع با اظهارات اخیر برایان کاتانزارو، معاون بخش یادگیری عمیق کاربردی در انویدیا همخوانی دارد. او در گفت‌وگویی با اکسیوس گفت: «برای تیم من، هزینه توان محاسباتی به مراتب فراتر از هزینه نیروی انسانی است.»
مایکروسافت و اوبر تنها شرکت‌هایی نیستند که کارکنان خود را به استفاده حداکثری از هوش مصنوعی ترغیب می‌کنند. در متا نیز یکی از کارکنان سامانه‌ای رتبه‌بندی‌شده با عنوان “Claudeonomics” طراحی کرده است؛ نامی که از مدل Claude شرکت آنتروپیک الهام گرفته است و میزان استفاده کارکنان از ابزارهای هوش مصنوعی را اندازه‌گیری می‌کند. آمازون نیز رویکرد مشابهی در پیش گرفته است و کارکنان خود را به “Tokenmaxxing” یا مصرف حداکثری توکن‌ها (واحد پایه محاسبات در سامانه‌های هوش مصنوعی) تشویق می‌کند.
برای مطالعه بیشتر: کنترل برنامه‌های ویندوز با اپلیکیشن Codex ممکن شد
با وجود این، ساختار قیمت‌گذاری مبتنی بر توکن یک تناقض بنیادین ایجاد می‌کند؛ هرچه استفاده از هوش مصنوعی گسترده‌تر و بهره‌وری آن بیشتر شود، هزینه نهایی عملیاتی نیز افزایش می‌یابد. تحلیلگران گلدمن ساکس پیش‌بینی کرده‌اند که گسترش ایجنت‌های هوش مصنوعی تا سال ۲۰۳۰ مصرف توکن‌ها را ۲۴ برابر افزایش خواهد داد و حجم مصرف ماهانه را به حدود ۱۲۰ کوادریلیون توکن می‌رساند. از این رو، حتی در شرایطی که هزینه هر توکن کاهش یابد، رشد سریع مصرف می‌تواند هزینه نهایی استفاده از هوش مصنوعی را برای سازمان‌ها به شدت افزایش دهد.
در سوی دیگر، روند کاهش قیمت توکن‌ها نیز ادامه دارد. بر اساس گزارش اخیر شرکت پژوهشی Gartner، هزینه اجرای مدل‌های زبانی بزرگ با یک تریلیون پارامتر تا سال ۲۰۳۰ در مقایسه با سال ۲۰۲۵ نزدیک به ۹۰ درصد کاهش خواهد یافت. هرچند، گارتنر تاکید کرده است که این کاهش قیمت باعث ارزان‌تر شدن هوش مصنوعی سازمانی نخواهد شد، چرا که مدل‌های عامل‌محور برای انجام هر وظیفه به حجم بسیار بیشتری از توکن‌ها نیاز دارند، رشد مصرف می‌تواند از روند کاهش هزینه واحد پیشی بگیرد و شرکت‌های ارائه‌دهنده خدمات هوش مصنوعی نیز احتمالا همه صرفه‌جویی‌های حاصل را به مشتریان منتقل نخواهند کرد. در نتیجه، هزینه‌های استنتاج همچنان می‌تواند روندی صعودی داشته باشد.
مرتبط: آنتروپیک از مدل هوش مصنوعی Claude Opus 4.8 رونمایی کرد
ویل زومر، مدیر ارشد تحلیل در گارتنر در بیانیه‌ای هشدار داد: «مدیران ارشد محصول نباید کاهش قیمت توکن‌های کالایی را با دموکراتیزه شدن توانایی‌های استدلالی پیشرفته اشتباه بگیرند.» این واقعیت می‌تواند اجرای چشم‌اندازهای جاه‌طلبانه برخی شرکت‌ها را برای استقرار گسترده عامل‌های هوش مصنوعی با چالش مواجه کند. جنسون هوانگ، مدیرعامل انویدیا اعلام کرده است که تصور می‌کند روزی هر کارمند این شرکت در کنار خود ۱۰۰ عامل هوش مصنوعی خواهد داشت. هوانگ تنها یکی از مدیران ارشد فناوری است که از آینده‌ای مبتنی بر عامل‌های هوش مصنوعی سخن می‌گوید؛ آینده‌ای که در آن کارکنان دیجیتال در سراسر سازمان وظایف مختلف را برعهده می‌گیرند. با وجود این، اگر نرخ رشد مصرف توکن‌ها از سرعت کاهش هزینه هر توکن بیشتر باشد، تحقق این چشم‌انداز می‌تواند بار مالی بسیار سنگین‌تری نسبت به برآوردهای فعلی مدیران به همراه داشته باشد.
