Μια εταιρική μόδα του "tokenmaxxing" στην τεχνολογία τεχνητής νοημοσύνης αγγίζει τα όριά της καθώς οι χώροι εργασίας που ρίχνουν την τεχνητή νοημοσύνη σε όλα βλέπουν το κόστος να αυξάνεται χωρίς παρόμοια αύξηση στην παραγωγικότητα, σύμφωνα με έκθεση του Associated Press.
Αυτό που ξεκίνησε ως διαφημιστική εκστρατεία που τροφοδοτήθηκε από τη βιομηχανία της τεχνολογίας την άνοιξη του 2026 για τη συμπίεση όσο το δυνατόν περισσότερης εργασίας που δημιουργήθηκε από την τεχνητή νοημοσύνη από προϊόντα όπως το ChatGPT του OpenAI και το Claude του Anthropic, έχει μετατοπιστεί σε μια αντίδραση το καλοκαίρι. Στελέχη, αναλυτές και προγραμματιστές αμφισβητούν τώρα ανοιχτά εάν η μεγιστοποίηση της κατανάλωσης διακριτικών τεχνητής νοημοσύνης ήταν ποτέ μια σωστή στρατηγική. Για συνεχή κάλυψη του επιχειρηματικού τοπίου της τεχνητής νοημοσύνης, επισκεφτείτε τις [τελευταία αναφορά του κλάδου τεχνητής νοημοσύνης] (https://aibuzzwire.news).
Η άνοδος και η πτώση μιας μόδας
Το "Tokenmaxxing" αναφέρεται στη μεγιστοποίηση της χρήσης των κουπονιών — των δομικών στοιχείων της γενετικής τεχνητής νοημοσύνης που αντιστοιχούν σε μικρά κομμάτια κειμένου που διαβάζει ή γράφει ένα σύστημα τεχνητής νοημοσύνης. Κάθε διακριτικό αντιπροσωπεύει περίπου τα τρία τέταρτα της λέξης και οι πάροχοι τεχνητής νοημοσύνης συνήθως επιβάλλουν όρια χρήσης, με πιο ακριβές συνδρομές να προσφέρουν υψηλότερα ανώτατα όρια.
Η τάση προωθήθηκε ενεργά από ορισμένους από τους πιο εξέχοντες ηγέτες της τεχνολογίας. Ο Διευθύνων Σύμβουλος του OpenAI, Sam Altman, δήλωσε τον Μάιο του 2026 ότι «είναι ενθουσιασμένος που θα δει τι θα συμβεί με τις startups tokenmaxxing, τόσο για τον τρόπο λειτουργίας τους εσωτερικά όσο και για τα προϊόντα που μπορούν να δημιουργήσουν». Ο Διευθύνων Σύμβουλος της Nvidia, Jensen Huang, δήλωσε ότι «αν ο μηχανικός των 500 χιλιάδων δολαρίων δεν καίει 250 χιλιάδες δολάρια σε μάρκες, κάτι δεν πάει καλά». Η μητρική Meta του Facebook πραγματοποίησε έναν εσωτερικό διαγωνισμό που ανταμείβει την υψηλή χρήση διακριτικών.
Αλλά καθώς το κόστος συσσωρεύτηκε, ο ενθουσιασμός μειώθηκε. «Καθώς οι λογαριασμοί άρχισαν να συσσωρεύονται, οι άνθρωποι συνειδητοποίησαν ότι αυτά τα νέα εργαλεία είναι αρκετά ακριβά και πρέπει να τα χρησιμοποιήσετε με σύνεση», δήλωσε ο Vincent Gusdorf, επικεφαλής της ανάλυσης AI στη Moody's Ratings και συγγραφέας μιας νέας έκθεσης που συνιστά μια πιο πειθαρχημένη προσέγγιση.
«Είναι πολύ εύκολο να δημιουργήσεις κάτι που δεν χρειάζεσαι με την τεχνητή νοημοσύνη», πρόσθεσε ο Gusdorf.
Executive Backlash
Οι αντιδράσεις οδηγήθηκαν από μερικές από τις πιο σημαίνουσες φωνές της βιομηχανίας της τεχνολογίας. Ο Διευθύνων Σύμβουλος της Microsoft, Satya Nadella, παραδέχτηκε ότι το tokenmaxxing μπορεί να είναι εθιστικό, αλλά προειδοποίησε ότι οι πελάτες πληρώνουν ουσιαστικά δύο φορές για την τεχνητή νοημοσύνη - πρώτα ξοδεύοντας σε μάρκες και, δεύτερον, τροφοδοτώντας τα ιδιόκτητα δεδομένα τους σε παρόχους τεχνητής νοημοσύνης. Τα σχόλια του Nadella ήταν ασυνήθιστα ως προς τον τρόπο που έθεσε αμφιβολίες για τις διαβεβαιώσεις προστασίας δεδομένων κορυφαίων εταιρειών τεχνητής νοημοσύνης, ακόμη και όταν προώθησε τη στρατηγική τεχνητής νοημοσύνης της Microsoft.
Ο διευθύνων σύμβουλος της Palantir, Alex Karp, προχώρησε παραπέρα, λέγοντας στο CNBC ότι κάτι πήγε «εντελώς στραβά». Είπε ότι διοχέτευε τη φωνή των αμερικανικών επιχειρήσεων ιδιωτικά «ζωηρή» σχετικά με την πληρωμή τεράστιων ποσών για μάρκες που δεν δημιουργούν αξία.
"Η βασική άποψη μεταξύ των επιχειρήσεων σε αυτή τη χώρα είναι, "Θα χαλαρώσω και θα σπαταλήσω το χρόνο μου με μάρκες. Δεν θα έχω καμία αξία και θα λάβουν την IP μου", είπε ο Karp.
Ο επικεφαλής τεχνολογίας της Mozilla, Raffi Krikorian, συνέκρινε το tokenmaxxing με την απαξιωμένη πρακτική της μέτρησης της παραγωγικότητας των προγραμματιστών με γραμμές κώδικα. «Νομίζω ότι το tokenmaxxing κινείται στο ίδιο ακριβώς μοτίβο», είπε. «Πιστεύω ότι αυτό θα είναι ένα ενδιαφέρον χτύπημα που όλοι θα κοιτάξουμε πίσω για να γελάσουμε σε ένα χρόνο».
Το πρόβλημα κόστους σε κλίμακα
Ο οικονομικός αντίκτυπος γίνεται έντονος σε επιχειρηματική κλίμακα. Ο σύμβουλος διαχείρισης της Bain & Company, Jue Wang, δήλωσε ότι πολλές από τις μεγάλες επιχειρήσεις που συμβουλεύει η εταιρεία της εξετάζουν προσεκτικότερα τις αποδόσεις των επενδύσεών τους σε τεχνητή νοημοσύνη.
«Το συμβολικό κόστος για αυτούς διπλασιαζόταν, σχεδόν κάθε δεύτερο μήνα», είπε ο Wang. "Ας πούμε 200 $ ανά προγραμματιστή το μήνα. Πολλαπλασιάστε το με 20.000 προγραμματιστές, κάτι με το οποίο έχουμε να κάνουμε συχνά σε αυτές τις εταιρείες, και αυτό σας οδηγεί γρήγορα σε έναν αριθμό που δεν είναι ένα στοιχείο γραμμής που έχει προγραμματίσει κανένας γενικός διευθυντής."
Ο Wang επεσήμανε ένα κοινό μοτίβο κακής χρήσης: προεπιλογή στα πιο ισχυρά — και πιο ακριβά — μοντέλα τεχνητής νοημοσύνης για εργασίες που δεν τα απαιτούν. «Δεν χρειάζονται όλα ένα Claude Opus 4.6», είπε για ένα από τα πιο ικανά μοντέλα της Anthropic, κατάλληλο για μηχανική λογισμικού ή βαθιά έρευνα. "Και όμως βλέπετε τόσες πολλές εταιρείες, τόσους πολλούς χρήστες, να χρησιμοποιούν το Opus για τα πάντα, συμπεριλαμβανομένης της δημιουργίας email."
Η άνοδος της δρομολόγησης μοντέλων και των ανοιχτών βαρών
Η πίεση κόστους έχει τροφοδοτήσει τη ζήτηση για εργαλεία «δρομολόγησης μοντέλων» AI που στέλνουν αυτόματα απλούστερα ερωτήματα σε φθηνότερα, πιο αποτελεσματικά συστήματα τεχνητής νοημοσύνης, ενώ δεσμεύουν ισχυρά μοντέλα για πολύπλοκες εργασίες. Ο προγραμματιστής λογισμικού Hassan El Mghari, ο οποίος ηγείται της εμπειρίας προγραμματιστών στην startup Together AI, είπε ότι το σοκ με αυτοκόλλητα των εταιρειών για το "γελοίο χρηματικό ποσό" που δαπανήθηκε για συνδρομές σε προϊόντα τεχνητής νοημοσύνης από κορυφαίες αμερικανικές εταιρείες οδήγησε πολλούς να ξανασκεφτούν την προσέγγιση μεγιστοποίησης της χρήσης.
«Είναι καλύτερα να ενδυναμώνουμε τους υπαλλήλους σχετικά με τον τρόπο χρήσης αυτού του υλικού και να τους αφήνουμε να χρησιμοποιούν την τεχνητή νοημοσύνη όταν και όσο χρειάζονται», είπε ο El Mghari.
Εν τω μεταξύ, οι υποστηρικτές της υψηλής κατανάλωσης συμβολαίων βρίσκουν νέα πυρομαχικά σε μοντέλα ανοιχτού βάρους από κινεζικές startups όπως το Moonshot's Kimi και το Zhipu's GLM, τα οποία ταιριάζουν σχεδόν με τις δυνατότητες των κορυφαίων μοντέλων των ΗΠΑ σε ένα κλάσμα του κόστους. Ο Krikorian αναγνώρισε ότι υπάρχει "κάποια εγκυρότητα στη θεωρία ότι αυτό θα μπορούσε να ωθήσει το tokenmaxx λίγο περισσότερο", αλλά υποστήριξε ότι η ευρύτερη τάση του κλάδου είναι προς πιο πειθαρχημένη χρήση.
Μαθήματα για την Επιχείρηση
Το επεισόδιο tokenmaxxing προσφέρει μια προειδοποιητική ιστορία για τις επιχειρήσεις που περιηγούνται στο τοπίο της τεχνητής νοημοσύνης. Ενώ κορυφαίοι προγραμματιστές μοντέλων τεχνητής νοημοσύνης, όπως το OpenAI και το Anthropic, επωφελήθηκαν από την αύξηση της κατανάλωσης, η εμπειρία ώθησε πολλούς οργανισμούς να υιοθετήσουν πιο μετρημένες προσεγγίσεις - εστιάζοντας σε συγκεκριμένες περιπτώσεις χρήσης όπου η τεχνητή νοημοσύνη αποδίδει μετρήσιμες αποδόσεις αντί να μεγιστοποιεί τις μετρήσεις ακατέργαστης χρήσης.
Καθώς ο αρχικός κύκλος διαφημιστικής εκστρατείας AI δίνει τη θέση του σε ρεαλιστική εφαρμογή, οι εταιρείες που πετυχαίνουν μπορεί να είναι εκείνες που αντιμετωπίζουν την τεχνητή νοημοσύνη ως εργαλείο ακριβείας και όχι ως αμβλύ όργανο, ταιριάζοντας το σωστό μοντέλο με τη σωστή εργασία και παρακολουθώντας στενά τον λογαριασμό.
