אופנה תאגידית של "טוקניקסם" על טכנולוגיית בינה מלאכותית מגיעה לגבולותיה, כאשר מקומות עבודה שזורקים בינה מלאכותית על הכל רואים עלויות עליות ללא זינוק דומה בפריון, על פי דיווח של סוכנות הידיעות AP.
מה שהתחיל כהייפ מבוסס תעשיות טכנולוגיה באביב 2026 על סחיטת כמה שיותר עבודה שנוצרה על ידי בינה מלאכותית ממוצרים כמו ChatGPT של OpenAI וקלוד של Anthropic עבר לתגובת נגד של הקיץ. מנהלים, אנליסטים ומפתחים שואלים כעת בגלוי אם מיקסום צריכת אסימוני AI הייתה אי פעם אסטרטגיה נכונה. לסיקור מתמשך של הנוף העסקי של בינה מלאכותית, בקר בהדיווח האחרון של תעשיית הבינה המלאכותית.
עלייתה ונפילתה של אופנה
"Tokenmaxxing" מתייחס למקסום השימוש באסימונים - אבני הבניין של בינה מלאכותית מחוללת המתאימות לפיסות טקסט קטנות שמערכת בינה מלאכותית קוראת או כותבת. כל אסימון מייצג בערך שלושת רבעי מילה, וספקי AI בדרך כלל מטילים מגבלות שימוש, עם מנויים יקרים יותר שמציעים מכסים גבוהים יותר.
המגמה קודמה באופן פעיל על ידי כמה מהמנהיגים הבולטים של הטכנולוגיה. מנכ"ל OpenAI, סם אלטמן, אמר במאי 2026 כי הוא "נרגש לראות מה יקרה עם סטארט-אפים tokenmaxxing, הן לגבי האופן שבו הם עובדים באופן פנימי והן לגבי המוצרים שהם יכולים לבנות". מנכ"ל Nvidia, Jensen Huang, הצהיר כי "אם המהנדס שלך ב-500K$ לא שורף 250K$ באסימונים, משהו לא בסדר". ההורה של פייסבוק Meta ניהלה תחרות פנימית המתגמלת שימוש גבוה באסימונים.
אבל ככל שהצטברו העלויות, ההתלהבות דעכה. "כשהחשבונות החלו להצטבר, אנשים הבינו שהכלים החדשים האלה הם די יקרים ואתה צריך להשתמש בהם בחוכמה", אמר וינסנט גוסדורף, ראש מחלקת AI Analytics ב- Moody's Ratings ומחבר דו"ח חדש הממליץ על גישה ממושמעת יותר.
"קל מאוד ליצור משהו שאתה לא צריך עם AI", הוסיף גוסדורף.
תגובה מנהלת
את תגובת הנגד הובילו כמה מהקולות המשפיעים ביותר בתעשיית הטכנולוגיה. מנכ"לית מיקרוסופט, Satya Nadella, הודתה ש-tokenmaxxing יכול להיות ממכר, אך הזהירה כי לקוחות משלמים למעשה פעמיים עבור AI - ראשית בהוצאות על אסימונים, ושנית על ידי הזנת הנתונים הקנייניים שלהם לספקי AI. ההערות של נאדלה היו יוצאות דופן באופן שבו העלה ספקות לגבי הבטחות הגנת הנתונים של חברות בינה מלאכותית מובילות, אפילו כשקידם את אסטרטגיית הבינה המלאכותית של מיקרוסופט.
מנכ"ל פלנטיר, אלכס קארפ, הרחיק לכת, ואמר ל-CNBC שמשהו השתבש "שגוי לחלוטין". הוא אמר שהוא מתעל את קולם של עסקים אמריקאים באופן פרטי "מזעם" לגבי תשלום סכומים אדירים עבור אסימונים שאינם יוצרים ערך.
"ההשקפה הבסיסית בקרב ארגונים במדינה הזו היא, 'אני הולך להשתחרר ולבזבז את הזמן שלי עם אסימונים. אני לא אקבל שום ערך והם יקבלו את ה-IP שלי'", אמר קארפ.
קצין הטכנולוגיה הראשי של מוזילה, רפי קריקוריאן, השווה את ה-tokenmaxxing לפרקטיקה המוכפשת של מדידת פרודוקטיביות של מתכנת לפי שורות קוד. "אני חושב ש-tokenmaxxing עובר דרך אותו דפוס בדיוק", אמר. "אני חושב שזה הולך להיות בליפ מעניין שכולנו נסתכל אחורה לצחוק עליו בעוד שנה".
בעיית העלות בקנה מידה
ההשפעה הפיננסית הופכת בולטת בקנה מידה ארגוני. יועצת הניהול של Bain & Company, Jue Wang, אמרה שרבים מהעסקים הגדולים שהחברה שלה מייעצת אליהם בחנו מקרוב את התשואות על השקעות ה-AI שלהם.
"העלות הסמלית עבורם הוכפלה, כמעט כל חודש אחר", אמר וואנג. "נניח 200 דולר למפתח לחודש. תכפיל את זה ב-20,000 מפתחים, שזה לרוב מה שאנחנו מתמודדים איתו בחברות האלה, וזה מביא אותך במהירות למספר שהוא לא פריט שורה שכל מנג'ר תכנן לו".
וואנג הצביע על דפוס שימוש לרעה נפוץ: ברירת מחדל למודלים החזקים ביותר - והיקרים ביותר - בינה מלאכותית עבור משימות שאינן דורשות אותן. "לא לכל דבר צריך קלוד אופוס 4.6", אמרה על אחד הדגמים המסוגלים ביותר של אנתרופיק, המותאם להנדסת תוכנה או מחקר מעמיק. "ועם זאת אתה רואה כל כך הרבה חברות, כל כך הרבה משתמשים, ברירת מחדל להשתמש ב-Opus לכל דבר, כולל הפקת מיילים."
העלייה של ניתוב דגמים ומשקולות פתוחות
לחץ העלויות הניע את הביקוש לכלי "ניתוב מודלים" של AI ששולחים אוטומטית שאילתות פשוטות יותר למערכות AI זולות ויעילות יותר תוך שמירת מודלים רבי עוצמה למשימות מורכבות. מפתח התוכנה חסן אל מגארי, שמוביל את חוויית המפתחים בסטארט-אפ Together AI, אמר כי הלם המדבקה של חברות בגלל "כמות הכסף המגוחכת" שהוצאה על מנויים למוצרי AI מחברות מובילות בארה"ב, הוביל רבים לחשוב מחדש על גישת השימוש במקסום.
"עדיף פשוט להעצים עובדים כיצד להשתמש בחומר הזה ולתת להם להשתמש ב-AI מתי וכמה שהם צריכים", אמר אל מגארי.
בינתיים, התומכים בצריכת אסימונים גבוהה מוצאים תחמושת חדשה בדגמים בעלי משקל פתוח של סטארט-אפים סיניים כמו Kimi של Moonshot ו-GLM של Zhipu, שכמעט תואמים את היכולות של דגמים מובילים בארה"ב בשבריר מהעלות. קריקוריאן הודה שיש "תוקף מסוים לתיאוריה שהדבר יכול לדחוף קצת יותר את ה-tokenmaxxing", אך טען כי המגמה הרחבה יותר בתעשייה היא לשימוש ממושמע יותר.
שיעורים לארגון
פרק ה-tokenmaxxing מציע סיפור אזהרה לעסקים המנווטים בנוף הבינה המלאכותית. בעוד שמפתחי מודלים מובילים של AI כמו OpenAI ו-Anthropic נהנו מהעלייה בצריכה, הניסיון גרם לארגונים רבים לאמץ גישות מדודות יותר - תוך התמקדות במקרי שימוש ספציפיים שבהם AI מספקת תשואות מדידות במקום מקסום מדדי שימוש גולמיים.
מכיוון שמחזור ההייפ הראשוני של הבינה המלאכותית מפנה את מקומו ליישום פרגמטי, החברות שיצליחו עשויות להיות אלו שמתייחסות לבינה מלאכותית ככלי מדויק ולא כמכשיר קהה, התאמת המודל הנכון למשימה הנכונה ופוקחת עין מקרוב על החשבון.
