بر اساس گزارش جدید موسسه تحقیقاتی Capgemini، که نشان می‌دهد تقریباً از هر ده شرکت، شش شرکت به طور قابل‌توجهی بیش از آنچه که در سال گذشته انتظار یا بودجه تعیین کرده بودند، برای هوش مصنوعی هزینه کرده‌اند، اکثر سازمان‌های بزرگ قصد دارند استفاده از مدل‌های هوش مصنوعی وزن باز را افزایش دهند تا هزینه‌ها را تحت کنترل داشته باشند.
این گزارش بر اساس نظرسنجی سپتامبر 2026 از 500 مدیر ارشد در 10 کشور و 13 صنعت، نشان داد که 59 درصد از سازمان ها به طور قابل توجهی بیش از حد انتظار برای هوش مصنوعی هزینه کرده اند. در بین سازمان‌های تحت تأثیر، هزینه‌ها ۲۴ درصد بیشتر از حد انتظار بود و ۲۱ درصد از سازمان‌های مورد بررسی بیش از ۳۰ درصد از بودجه هوش مصنوعی خود فراتر رفتند. همانطور که رویترز گزارش داد، یافته اصلی این مطالعه - که اکثر شرکت‌های بزرگ استفاده از هوش مصنوعی با وزن باز بالاتر را برای سقف قبوض برنامه‌ریزی می‌کنند - به استراتژی‌های هوش مصنوعی سازمانی اشاره می‌کند که وارد فاز نظم و انضباط هزینه می‌شوند. یافته‌ها در میان [پوشش صنعت هوش مصنوعی] (https://aibuzzwire.news) شرکت‌هایی که درباره نحوه خرید و استقرار مدل‌ها تجدیدنظر می‌کنند، قرار می‌گیرد.
پول کجا می رود
این گزارش شکاف مداومی را در نحوه برآورد هزینه کل استقرار هوش مصنوعی توسط مشاغل نشان می دهد. فراتر از هزینه‌های مستقیم مانند استفاده از مدل و توکن‌ها، سازمان‌ها باید هزینه‌های غیرمستقیم را نیز در نظر بگیرند که به راحتی قابل دست‌کم‌گرفتن است: نظارت انسانی بر خروجی‌های هوش مصنوعی، تصحیح خطاهای تولید شده توسط هوش مصنوعی، و کار حاکمیتی.
نیمی از مدیران مورد بررسی گفتند که هزینه های هوش مصنوعی بدون مشاهده کافی هزینه کامل آن تایید شده است و تنها 56٪ گفتند که به توانایی خود در پیش بینی چگونگی تغییر هزینه های هوش مصنوعی در مقیاس های پذیرش اطمینان دارند. به عبارت دیگر، برای اکثر شرکت‌ها، بودجه‌های هوش مصنوعی قبل از اینکه کسی کاملاً بفهمد که اجرای هوش مصنوعی در مقیاس واقعاً چه هزینه‌ای دارد، تعیین می‌شد.
فولکر داریوس، مدیرعامل Capgemini Invent در بیانیه ای که همراه با این گزارش است، گفت: "انضباط هزینه به تنهایی یک دارایی هوش مصنوعی سودآور ایجاد نمی کند، همانطور که ایجاد ارزش بدون کنترل هزینه پایدار نخواهد بود." سازمان‌ها باید هزینه، کیفیت و ارزش تجاری را با هم اندازه‌گیری کنند و از مناسب‌ترین مدل برای هر کار استفاده کنند.
از شرط بندی های تک فروشنده گرفته تا استراتژی های چند مدلی
افزایش هزینه‌ها باعث می‌شود که کسب‌وکارها در استراتژی‌های هوش مصنوعی خود به روش‌های ساختاری تجدید نظر کنند. بیش از سه نفر از هر پنج مدیر اجرایی انتظار دارند که سازمان‌هایشان در طی 12 ماه آینده یک استراتژی چند مدلی را اتخاذ کنند و مدل‌های هوش مصنوعی مختلف را بر اساس هزینه، عملکرد، سرعت و الزامات تجاری انتخاب کنند.
این نشان‌دهنده فاصله گرفتن از الگوی دو سال گذشته است، که در آن بسیاری از شرکت‌ها بر روی یک یا دو ارائه‌دهنده مدل مرزی برای همه چیز از چت‌بات‌ها تا پردازش اسناد استاندارد شده بودند. رویکرد چند مدلی به شرکت‌ها اجازه می‌دهد کارهای ساده و با حجم بالا را به مدل‌های ارزان‌تر هدایت کنند و در عین حال مدل‌های مرزی گران قیمت را برای کارهایی که واقعاً به آنها نیاز دارند، رزرو کنند.
بر اساس این گزارش، تقریباً از هر پنج سازمان، سه سازمان قصد دارند استفاده خود را از مدل‌های وزن باز (مدل‌هایی که پارامترهای آنها به صورت عمومی منتشر می‌شوند و می‌توانند در زیرساخت‌های خود شرکت اجرا شوند) و مدل‌های کوچکتر و تخصصی که برای وظایف خاص تنظیم شده‌اند، گسترش دهند.
چرا مدل های وزن باز لحظه به لحظه می گذرانند
بخش وزن باز به عنوان جایگزینی برای مدل های اختصاصی و فقط API به سرعت رشد کرده است. از آنجایی که مدل‌های وزن باز می‌توانند خود میزبان باشند، سازمان‌هایی با بار کاری ثابت و قابل پیش‌بینی می‌توانند از صورت‌حساب هر توکن اجتناب کنند و در مورد منحنی هزینه متفاوت مذاکره کنند - زیرساخت‌های تجاری و هزینه‌های عملیات برای قابل پیش‌بینی بودن. تحلیل‌های صنعتی تخمین زده‌اند که توکن‌های مدل‌های وزن باز کسری از نمونه‌های اختصاصی قابل مقایسه هزینه دارند، اگرچه کل اقتصاد به استفاده و قابلیت مهندسی داخلی بستگی دارد.
یافته‌های Capgemini نشان می‌دهد که محاسبات بیشتر به سمت مدل‌های با وزن باز و کوچک منحرف می‌شود، زیرا هزینه‌های هوش مصنوعی سریع‌تر از ارزشی که به وضوح ایجاد می‌کند رشد می‌کند. فشار هزینه، در این چارچوب، رد هوش مصنوعی نیست – 59 درصد شرکت‌ها بیش از حد خرج کردند زیرا از هوش مصنوعی بیشتر از برنامه‌ریزی شده استفاده می‌کردند، نه کمتر – بلکه نیاز به دقت در مورد اینکه هر دلار مدل کجا می‌رود است.
برای بازار هوش مصنوعی چه معنایی دارد
پیامدهای گزارش به طور همزمان در چندین جهت کاهش می یابد. برای فروشندگان مدل های اختصاصی، این سیگنال نشان می دهد که خریداران سازمانی به طور فزاینده ای مایل به تنوع بخشیدن به API های مرزی با قیمت برتر هستند، جایی که یک مدل کوچکتر یا باز این کار را انجام می دهد. برای ارائه‌دهندگان ابر و زیرساخت، استراتژی‌های چند مدلی نوید بار کاری ناهمگون‌تر و تقاضای بیشتر برای ابزارهای ارائه‌دهنده خدماتی را می‌دهند که جابجایی بین مدل‌ها را ارزان‌تر می‌کنند.
برای خود شرکت‌ها، پیام این است که مدیریت هزینه هوش مصنوعی در حال تبدیل شدن به یک رشته خاص خود است و به برنامه‌ریزی مالی نزدیک‌تر است تا آزمایش. یافته‌های این گزارش مبنی بر اینکه نیمی از هزینه‌های هوش مصنوعی بدون مشاهده کامل هزینه تایید شده است، نشان می‌دهد که بسیاری از سازمان‌ها قبل از اینکه بتوانند بهینه‌سازی کنند، به اندازه‌گیری بهتری نیاز دارند.
گزارش موسسه تحقیقاتی Capgemini به مجموعه رو به رشد شواهد نظرسنجی اضافه می کند مبنی بر اینکه فاز بعدی بازار هوش مصنوعی سازمانی نه توسط افرادی که هوش مصنوعی را اتخاذ می کنند، بلکه توسط افرادی که آن را به طور سودآور به کار می گیرند، تعریف می شود - و اینکه ترکیب مدل در سازمان های بزرگ در شرف تغییر بسیار بیشتر است.
---
از هوش مصنوعی جلوتر بمانیدآخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.
بیشتر بخوانید اخبار هوش مصنوعی →
