پس از دو سال ترغیب کارکنان به استفاده از هوش مصنوعی مولد در هر فرصتی، فهرست رو به رشدی از شرکت‌های بزرگ اکنون در حال عقب‌نشینی هستند. بر اساس تحقیقات فایننشال تایمز که در 19 ژوئن 2026 منتشر شد، دلیل آن به صراحت در نقل قولی از یک شرکت داخلی خلاصه شده است: "ما یک هیولا ایجاد کردیم."

گزارش FT، که به سرعت تبدیل به یکی از بحث‌برانگیزترین داستان‌های تجاری هفته شد، نشان می‌دهد که چگونه هزینه‌های بی‌سابقه هوش مصنوعی، که بیشتر آن با توکن‌های صورت‌حساب توسط ارائه‌دهندگان هوش مصنوعی محاسبه می‌شود، بودجه شرکت‌ها را تحت فشار قرار می‌دهد و مدیران را مجبور می‌کند تا نظم و انضباط را بر ابزارهایی که اخیراً به آنها سفارش داده بودند اعمال کنند. For more context on this story, see our ongoing artificial intelligence updates.

از دستور تا محدودیت

این تغییر قابل توجه است زیرا مسیر سیاست هایی را که بسیاری از کارفرمایان بزرگ از آن حمایت کرده بودند، معکوس می کند. همانطور که CBC در 17 ژوئن گزارش داد، هدف اعلام شده در بسیاری از شرکت‌ها استفاده از هوش مصنوعی تا حد امکان بوده است. اکنون، برخی از همان سازمان‌ها عقب‌نشینی می‌کنند، استفاده را محدود می‌کنند، دسترسی به مدل‌های ممتاز را محدود می‌کنند و حسابرسی می‌کنند که کدام جریان‌های کاری هوش مصنوعی واقعاً ارزش ارائه می‌دهند.

Crypto Briefing با استناد به گزارش FT، از شرکت‌های خاصی که استفاده از هوش مصنوعی کارکنان را با افزایش هزینه‌ها محدود می‌کنند، نام برد، از جمله آمازون، والمارت و اوبر. این که سه تا از پیچیده‌ترین کارفرمایان فناوری در جهان در حال سخت‌تر کردن هزینه‌های هوش مصنوعی هستند، نشان‌دهنده این است که مشکل هزینه‌ها به استارت‌آپ‌های با کمبود نقدینگی محدود نمی‌شود. به بزرگترین شرکت های روی کره زمین می رسد.

مشکل قبض رمز

در قلب عقب نشینی، مدل قیمت گذاری است که زیربنای بیشتر هوش مصنوعی مولد است. بسیاری از خدمات هوش مصنوعی به جای یک اشتراک ثابت، تکه‌های متنی را که یک مدل می‌خواند و تولید می‌کند، به صورت توکن شارژ می‌کنند. وقتی ده‌ها هزار کارمند اسناد طولانی را در چت‌بات‌ها قرار می‌دهند، دستیارهای کدنویسی هوش مصنوعی را در تمام روز اجرا می‌کنند، یا عوامل داخلی ایجاد می‌کنند که از طریق بسیاری از تماس‌های مدل حلقه می‌زنند، توکن‌متر به سرعت می‌چرخد.

تحلیل جداگانه‌ای از Let's Data Science که در 17 ژوئن منتشر شد، بر پدیده‌ای متمرکز بود که شرکت‌ها مخارج توکن هوش مصنوعی را به طور خاص برای مهندسان مهار می‌کنند. ابزارهای توسعه‌دهنده که می‌توانند ده‌ها درخواست مدل را برای هر کار صادر کنند، از جمله گران‌ترین استقرارهای هوش مصنوعی در شرکت‌های بزرگ هستند. همانطور که تولید کد و ابزارهای عامل بیشتر به سمت تولید حرکت می کنند، هزینه نگهداری آنها به شدت افزایش یافته است.

این چالش با دشواری اندازه گیری بازگشت سرمایه تشدید می شود. در حالی که کارکنان منفرد اغلب دستاوردهای بهره‌وری را گزارش می‌کنند، نسبت دادن این سودها به دلارهای مشخصی از هزینه‌های توکن، و اثبات آنها بیش از صورت‌حساب، سخت‌تر از انتظار بسیاری از مدیران بوده است.

حتی سازندگان هوش مصنوعی احساس خرج کردن دارند

فشار هزینه به مصرف کنندگان هوش مصنوعی محدود نمی شود. این شرکت‌هایی را که این فناوری را می‌سازند، تحت تأثیر قرار می‌دهد. در 12 ژوئن، Stocktwits گزارش داد که هزینه‌های هوش مصنوعی متا "بالا رفته" و این شرکت را بر آن داشت تا برنامه‌های خود را برای مهار هزینه‌ها ترسیم کند. برای شرکتی که هوش مصنوعی را در مرکز آینده خود قرار داده است، پذیرش فشار هزینه نشان می‌دهد که این رشته چقدر گسترده شده است.

این الگو به یک بازار در حال بلوغ اشاره دارد. در سال‌های 2024 و 2025، غریزه غالب شرکت‌ها این بود که به طور گسترده آزمایش کنند و بعداً نگران این لایحه باشند، با این فرض که پذیرش زودهنگام هوش مصنوعی مزیت رقابتی بادوام ایجاد می‌کند. در سال 2026، با سخت‌تر شدن بودجه‌ها و محو شدن نوآوری‌ها، دپارتمان‌های مالی خواستار همان سخت‌گیری هستند که برای هر اقلام دیگر اعمال می‌شود.

یک بازار جدید برای کنترل هزینه

عقب نشینی خود فرصت های تجاری ایجاد می کند. در 4 ژوئن، CNBC گزارش داد که استارت‌آپ مدیریت هزینه Ramp به ارزش 44 میلیارد دلاری رسیده است زیرا شرکت‌ها به دنبال مهار هزینه‌های هوش مصنوعی هستند. صعود Ramp نشان می‌دهد که چقدر سریع نقطه درد به یک دسته محصول بالغ شده است: ابزارهایی که هزینه‌های هوش مصنوعی را نظارت، تخصیص و محدود می‌کنند، اکنون در کنار خود ابزارهای هوش مصنوعی مورد تقاضا هستند.

این پویایی، رقابت ارائه دهندگان برای فروش هوش مصنوعی، و رقابت صنعتی موازی برای کمک به خریداران برای کنترل آنچه که برای آن خرج می کنند، فاز میانی ناخوشایندی را که بازار هوش مصنوعی شرکتی وارد شده است را به تصویر می کشد. این فناوری نوار سودمندی برای بسیاری از وظایف را پاک کرده است، اما هنوز از نوار هزینه قابل پیش بینی و قابل کنترل خارج نشده است.

چه معنایی برای صنعت دارد

برای ارائه دهندگان هوش مصنوعی، این روند یک هشدار دارد. اگر مشتریان بزرگ از آزمایش نامحدود به استفاده سهمیه‌بندی‌شده و آزمایش‌شده با بازگشت سرمایه حرکت کنند، رشد درآمد مرتبط با مصرف توکن خام می‌تواند کند شود. این چشم‌انداز به‌ویژه برای شرکت‌هایی که مدل‌های مالی آن‌ها حجم استنباط فزاینده‌ای را فرض می‌کنند بسیار مهم است.

برای شرکت ها، درس ظریف تر است. عقب نشینی لزوماً به معنای شکست هوش مصنوعی در شرکت های بزرگ نیست. چندین سازمان که نظارت را تشدید می کنند به طور همزمان در حال گسترش استقرار هدفمند و با ارزش هوش مصنوعی هستند. تغییر از گستردگی به گزینش، از «استفاده از هوش مصنوعی در همه جا» به «استفاده از هوش مصنوعی در جایی که هزینه دارد» است.

نقل قولی که گزارش FT را با عنوان "ما یک هیولا ایجاد کردیم" را بیان می کند، ممکن است در نهایت به جای یک حکم دائمی، بیش از حد موقت را توصیف کند. شرکت‌ها برای تعبیه هوش مصنوعی مولد به طور گسترده رقابت کردند، در این فرآیند صورت‌حساب‌های بزرگی تولید کردند و اکنون در حال اصلاح مسیر هستند. این که آیا این تصحیح عرضه هوش مصنوعی را کند می کند یا به سادگی آن را پایدارتر می کند، سؤالی است که صنعت بقیه سال 2026 را صرف پاسخگویی به آن خواهد کرد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →