Όταν η τεχνητή νοημοσύνη έκανε την εμφάνισή της, οι μεγάλες τουλάχιστον εταιρείες, που είχαν πόρους να διαθέσουν, προέτρεπαν τους υπαλλήλους τους να εντρυφήσουν. Και να πειραματιστούν ώστε η επιχείρηση να μη μείνει πίσω καθώς ο ανταγωνισμός ήταν μεγάλος. Επίσης, το να εισάγει μια εταιρεία τεχνητή νοημοσύνη της έδινε ένα ατού.

Δεν θα έμενε πίσω ούτε στο χρηματιστήριο. Η τεχνητή νοημοσύνη ως εργαλείο της έδινε την εικόνα της δυναμικής εταιρείας που κοιτάζει μπροστά και επενδύει.

Ώσπου ήρθε ο λογαριασμός…  Εν μέρει γιατί ο αρχικός ενθουσιασμός εκτόξευσε το κόστος για τα tokens, τη βασική μονάδα μέτρησης για την υπολογιστική της ΑΙ. Πλέον, οι τεχνολογικές εταιρείες που παρέχουν εργαλεία με τεχνητή νοημοσύνη επιδιώκουν να εξισορροπήσουν την προσφορά και τη ζήτηση και να διαχειριστούν τα δικά τους κόστη.

Όπως επισημαίνει στο ρεπορτάζ της η Wall Street Journal, ορισμένες επιχειρήσεις κάλυψαν τον ετήσιο προϋπολογισμό για τεχνητή νοημοσύνη σε μόλις τρεις μήνες. Σε άλλες περιπτώσεις, οι δαπάνες τους για τη νέα τεχνολογία διπλασιάστηκαν ή τριπλασιάστηκαν.

Ο στόχος τώρα έχει αλλάξει. Οι εταιρείες προσπαθούν να βρουν τρόπους να χρησιμοποιούν λιγότερο την τεχνητή νοημοσύνη. Και το κάνουν ωθώντας τους υπαλλήλους τους σε φθηνότερα εργαλεία. Ή τους βοηθούν να βελτιώσουν τις δεξιότητές τους, ώστε να είναι πιο αποδοτικοί. Το έχουν κάνει εταιρείες όπως οι Uber Technologies, Meta Platforms, Microsoft, Salesforce, DoorDash και άλλες εταιρείες. Ενώ ο Σαμ Άλτμαν της OpenAI παραδεχόταν πρόσφατα το λάθος του. Είπε ότι η τεχνητή νοημοσύνη ΔΕΝ θα πάρει τις δουλειές των ανθρώπων.

Επιβράδυνση και μέτρο

Αυτή η υποχώρηση των εταιρειών είναι για τους επικριτές της ΑΙ ένα σημάδι, που μάλλον περίμεναν. Ότι δηλαδή ο ρυθμός με τον οποίο αναπτύσσεται η τεχνητή νοημοσύνη επιβραδύνεται.

Αλλά αν ισχύει κάτι τέτοιο, επισημαίνει η Wall Street Journal, θα μπορούσε ενδεχομένως να βλάψει την Anthropic ή την OpenAI, που θέλουν να εισαχθούν στο χρηματιστήριο. Άλλοι, βέβαια, επισημαίνουν ότι οι πωλήσεις και η χρήση της ΑΙ από εταιρικούς πελάτες έχουν αυξηθεί πολύ πιο γρήγορα από τις προβλέψεις.

Σύμφωνα με τον Γουίλ ΜακΚαφ, της εταιρείας διαχείρισης πλούτου Prime Capital Financial, «είμαστε ακόμα σε αρκετά πρώιμο στάδιο» για την υιοθέτηση της τεχνητής νοημοσύνης. Η εταιρεία του επενδύει σε τεχνολογικές εταιρείες και αξιολογεί στενά τις επικείμενες δημόσιες εγγραφές γιγάντιων νεοσύστατων επιχειρήσεων ΑΙ. «Ακόμα και οι τεράστιες εταιρείες εξακολουθούν να προσπαθούν να βρουν λύση», λέει στη WSJ.

Βάζοντας φρένο

Η τάση φαίνεται ότι έχει αλλάξει. Όσον αφορά την τεχνητή νοημοσύνη, πολλές εταιρείες πίστευαν ότι όσο περισσότερο τόσο καλύτερα. Κυρίως γιατί αυτή η πρακτική έφερνε επιδοτήσεις από τους κατασκευαστές μοντέλων. Και οι εργαζόμενοι, έχοντας την απαραίτητη ενθάρρυνση, βούτηξαν στα βαθιά του «tokenmaxxing». Δηλαδή στη χρήση όσο το δυνατόν περισσότερων υπολογιστών για να θεωρηθούν ως πρωτοπόροι στην Τεχνητή Νοημοσύνη.

Κάποιοι το παράκαναν μάλλον. Σύμφωνα με CEO εταιρείας αυτοματισμού κωδικοποίησης, οι υπάλληλοι «έκαιγαν» εκατοντάδες χιλιάδες δολάρια το μήνα σε tokens. Ακόμη και για να κάνουν ψιλή κουβέντα.

«Αν η κόρη σας χρειάζεται ιδιαίτερα στην άλγεβρα, μπορείτε να βρείτε κάποιον φθηνότερο από τον Αϊνστάιν», είπε χαρακτηριστικά.

Και οι εταιρείες είτε στρέφονται σε φθηνότερες λύσεις από την Κίνα για τεχνητή νοημοσύνη. Είτε θέτουν περιορισμούς.

Ακριβό μου, token

«Ήταν υπέροχο που αφήσαμε τους ανθρώπους να πειραματιστούν, αλλά τώρα έχουμε πάρα πολλά επικαλυπτόμενα εργαλεία», δήλωσε ο Άντριου Μπόσγουορθ της Meta, σε υπόμνημα προς τους εργαζομένους. «Κανείς δεν πρέπει να χρησιμοποιεί εργαλεία ΑΙ απλώς και μόνο για να τα χρησιμοποιεί. Κάθε κίνηση δεν αποτελεί πρόοδο και η χρήση token από μόνη της δεν αποτελεί μέτρο κανενός είδους αντίκτυπου».

Εκπρόσωπος της Microsoft δήλωσε ότι η απόφαση της εταιρείας να μειώσει την πρόσβαση στο πρόγραμμα Claude Code της Anthropic δεν οφειλόταν στο κόστος. Προέκυψε από την επιθυμία να τυποποιήσει τα εργαλεία που χρησιμοποιούν οι εργαζόμενοι σε ολόκληρο τον οργανισμό.

Εκπρόσωπος της Anthropic δήλωσε ότι τα μοντέλα της εταιρείας βοηθούν τους πελάτες να επιτύχουν μεγαλύτερη παραγωγικότητα. «Όπως συμβαίνει με κάθε νέα τεχνολογία και τρόπο εργασίας, οι ομάδες εξακολουθούν να ανακαλύπτουν πού βρίσκονται τα μεγαλύτερα κέρδη και πώς να τα μετρήσουν καλύτερα», πρόσθεσε. «Συνεργαζόμαστε με τους πελάτες για να τους δώσουμε τα εργαλεία για να βεβαιωθούμε ότι η απόδοση είναι κάτι που μπορούν να δουν, όχι απλώς να νιώσουν».

Υψηλές δαπάνες

Οι μηχανικοί λογισμικού και τα στελέχη νεοσύστατων επιχειρήσεων προειδοποιούν ότι τα μοντέλα χρειάζονται βελτίωση. Διότι, παρόλο που είναι δυνατό να ολοκληρωθούν εργασίες πολύ πιο γρήγορα, οι δαπάνες για τον εντοπισμό σφαλμάτων, την αναθεώρηση και την επανεγγραφή κώδικα που δημιουργείται από την τεχνητή νοημοσύνη παραμένουν υψηλές.

Ειδήσεις Σήμερα: