असोसिएटेड प्रेसच्या एका अहवालानुसार, आर्टिफिशियल इंटेलिजन्स तंत्रज्ञानावरील "टोकनमॅक्सिंग" चे कॉर्पोरेट फॅड त्याच्या मर्यादा गाठत आहे कारण कामाच्या ठिकाणी एआय प्रत्येक गोष्टीवर फेकून उत्पादकतेमध्ये समान वाढ न होता खर्च वाढताना दिसत आहे.
OpenAI च्या ChatGPT आणि Anthropic's Claude सारख्या उत्पादनांमधून शक्य तितके AI-जनरेट केलेले काम पिळून काढण्यावर 2026 च्या वसंत ऋतूमध्ये तंत्रज्ञान-उद्योग-इंधनयुक्त प्रचार म्हणून जे सुरू झाले ते उन्हाळ्याच्या प्रतिक्रियेकडे वळले आहे. कार्यकारी, विश्लेषक आणि विकासक आता उघडपणे प्रश्न विचारत आहेत की एआय टोकन वापर वाढवणे ही कधीही चांगली रणनीती होती का. AI व्यवसायाच्या लँडस्केपच्या चालू कव्हरेजसाठी, आमच्या नवीनतम AI उद्योग अहवाल ला भेट द्या.
फॅडचा उदय आणि पतन
"टोकनमॅक्सिंग" म्हणजे टोकन्सचा जास्तीत जास्त वापर करणे - जनरेटिव्ह एआयचे बिल्डिंग ब्लॉक्स जे एआय सिस्टम वाचते किंवा लिहिते अशा मजकुराच्या छोट्या तुकड्यांशी संबंधित असतात. प्रत्येक टोकन शब्दाचा अंदाजे तीन-चतुर्थांश प्रतिनिधित्व करतो आणि AI प्रदाते सामान्यत: वापर मर्यादा लादतात, अधिक महाग सदस्यत्वे उच्च कॅप्स ऑफर करतात.
तंत्रज्ञानातील काही प्रमुख नेत्यांनी या ट्रेंडचा सक्रियपणे प्रचार केला. OpenAI चे CEO सॅम ऑल्टमन यांनी मे 2026 मध्ये सांगितले की "टोकनमॅक्सिंग स्टार्टअप्समध्ये काय होईल, ते आंतरिकरित्या कसे कार्य करतात आणि ते तयार करू शकतील अशा उत्पादनांसाठी ते पाहण्यास उत्सुक आहेत." Nvidia CEO जेन्सेन हुआंग यांनी घोषित केले की "जर तुमचा $500K अभियंता $250K टोकनमध्ये बर्न करत नसेल तर काहीतरी चूक आहे." Facebook पालक मेटा ने उच्च टोकन वापर पुरस्कृत करणारी अंतर्गत स्पर्धा चालवली.
पण जसजसा खर्च वाढत गेला तसतसा उत्साह कमी होत गेला. "जशी बिले जमा होऊ लागली, लोकांच्या लक्षात आले की ती नवीन साधने खूप महाग आहेत आणि तुम्हाला ती हुशारीने वापरण्याची गरज आहे," व्हिन्सेंट गुसडॉर्फ म्हणाले, मूडीज रेटिंग्सचे AI विश्लेषणाचे प्रमुख आणि अधिक शिस्तबद्ध दृष्टिकोनाची शिफारस करणाऱ्या नवीन अहवालाचे लेखक.
"एआय सह तुम्हाला आवश्यक नसलेले काहीतरी तयार करणे खूप सोपे आहे," गुसडॉर्फ जोडले.
कार्यकारी प्रतिक्रिया
टेक इंडस्ट्रीतील काही प्रभावशाली आवाजांनी या प्रतिक्रियांचे नेतृत्व केले आहे. मायक्रोसॉफ्टचे सीईओ सत्या नडेला यांनी मान्य केले की टोकनमॅक्सिंग हे व्यसनाधीन असू शकते परंतु चेतावणी दिली की ग्राहक AI साठी दोनदा प्रभावीपणे पैसे देत आहेत - पहिले टोकनवर खर्च करण्यासाठी आणि दुसरे AI प्रदात्यांकडे त्यांचा मालकी डेटा फीड करून. मायक्रोसॉफ्टच्या स्वतःच्या एआय धोरणाचा प्रचार करतानाही त्यांनी आघाडीच्या AI कंपन्यांच्या डेटा संरक्षण आश्वासनांबद्दल शंका उपस्थित केल्याच्या मार्गाने नडेलाच्या टिप्पण्या असामान्य होत्या.
Palantir CEO ॲलेक्स कार्प पुढे गेले आणि CNBC ला सांगितले की काहीतरी "पूर्णपणे चुकीचे" झाले आहे. तो म्हणाला की तो अमेरिकन व्यवसायांचा आवाज खाजगीरित्या "उत्साही"पणे चॅनेल करत आहे ज्यासाठी टोकनसाठी प्रचंड रक्कम अदा केली जात आहे ज्याचे मूल्य नाही.
"या देशातील उद्योगांमधील मूलभूत दृष्टिकोन असा आहे की, 'मी चिलॅक्स करणार आहे आणि टोकन्ससह माझा वेळ वाया घालवणार आहे. मला कोणतेही मूल्य मिळणार नाही आणि त्यांना माझा आयपी मिळेल,' "कार्प म्हणाले.
Mozilla चे मुख्य तंत्रज्ञान अधिकारी, Raffi Krikorian, tokenmaxxing ची तुलना कोडच्या ओळींद्वारे प्रोग्रामर उत्पादकता मोजण्याच्या बदनाम प्रथेशी केली. "मला वाटते की टोकनमॅक्सिंग अगदी त्याच पॅटर्नमधून पुढे जात आहे," तो म्हणाला. "मला वाटते की ही एक मनोरंजक ब्लिप असणार आहे ज्यावर आपण सर्वजण एका वर्षात हसण्यासाठी मागे वळून पाहणार आहोत."
स्केलवर खर्चाची समस्या
आर्थिक परिणाम एंटरप्राइझ स्केलवर तीव्र होतो. बेन अँड कंपनीचे व्यवस्थापन सल्लागार ज्यू वांग म्हणाले की, तिच्या फर्मने सल्ले दिलेले अनेक मोठे व्यवसाय त्यांच्या AI गुंतवणुकीवरील परताव्यावर बारकाईने लक्ष देत आहेत.
"त्यांच्यासाठी टोकनची किंमत जवळजवळ प्रत्येक इतर महिन्यात दुप्पट होत आहे," वांग म्हणाले. "प्रति डेव्हलपर प्रति महिना $200 म्हणू या. 20,000 डेव्हलपरने गुणाकार करा, जे आम्ही या कंपन्यांमध्ये अनेकदा व्यवहार करत असतो, आणि ते तुम्हाला त्वरीत अशा नंबरवर पोहोचवते जी कोणत्याही जनरल मॅनेजरने नियोजित केलेली लाइन आयटम नाही."
वांगने एका सामान्य गैरवापराच्या पद्धतीकडे लक्ष वेधले: सर्वात शक्तिशाली — आणि सर्वात महाग — AI मॉडेल्सना त्यांची आवश्यकता नसलेल्या कार्यांसाठी डिफॉल्ट करणे. "प्रत्येक गोष्टीला क्लॉड ओपस 4.6 ची गरज नसते," तिने अँथ्रोपिकच्या सर्वात सक्षम मॉडेलपैकी एक, सॉफ्टवेअर अभियांत्रिकी किंवा सखोल संशोधनासाठी उपयुक्त असे सांगितले. "आणि तरीही तुम्हाला बऱ्याच कंपन्या, बरेच वापरकर्ते, ईमेल व्युत्पन्न करण्यासह प्रत्येक गोष्टीसाठी Opus वापरण्यासाठी डिफॉल्ट पाहतात."
मॉडेल रूटिंग आणि ओपन वेट्सचा उदय
किमतीच्या दबावामुळे एआय "मॉडेल राउटिंग" टूल्सची मागणी वाढली आहे जी जटिल कामांसाठी शक्तिशाली मॉडेल्स राखून ठेवताना स्वस्त, अधिक कार्यक्षम एआय सिस्टमला आपोआप सोप्या क्वेरी पाठवतात. स्टार्टअप टुगेदर एआयमध्ये विकसक अनुभवाचे नेतृत्व करणारे सॉफ्टवेअर डेव्हलपर हसन एल मघारी म्हणाले की, आघाडीच्या यूएस कंपन्यांकडून एआय उत्पादनांच्या सबस्क्रिप्शनवर खर्च केलेल्या "हास्यास्पद रकमेवर" कंपन्यांच्या स्टिकर शॉकमुळे अनेकांनी जास्तीत जास्त वापर करण्याच्या दृष्टिकोनावर पुनर्विचार केला आहे.
"या सामग्रीचा वापर कसा करायचा हे कर्मचाऱ्यांना सशक्त करणे आणि त्यांना एआयचा वापर करू देणे अधिक चांगले आहे," एल मघारी म्हणाले.
दरम्यान, उच्च टोकन वापराच्या समर्थकांना Moonshot's Kimi आणि Zhipu's GLM सारख्या चिनी स्टार्टअप्सच्या ओपन-वेट मॉडेल्समध्ये नवीन दारूगोळा सापडत आहे, जे किमतीच्या एका अंशाने शीर्ष यूएस मॉडेल्सच्या क्षमतांशी जवळपास जुळतात. क्रिकोरियनने कबूल केले की "सिद्धांताची काही वैधता आहे की यामुळे टोकनमॅक्सिंगला थोडे पुढे ढकलले जाऊ शकते," परंतु हे कायम ठेवले की व्यापक उद्योग कल अधिक शिस्तबद्ध वापराकडे आहे.
एंटरप्राइझसाठी धडे
टोकनमॅक्सिंग एपिसोड AI लँडस्केपवर नेव्हिगेट करणाऱ्या व्यवसायांसाठी सावधगिरीची कथा ऑफर करतो. ओपनएआय आणि अँथ्रोपिक सारख्या आघाडीच्या AI मॉडेल डेव्हलपर्सना उपभोगातील वाढीचा फायदा झाला, अनुभवाने अनेक संस्थांना अधिक मोजमाप पद्धतींचा अवलंब करण्यास प्रवृत्त केले - विशिष्ट वापर प्रकरणांवर लक्ष केंद्रित करणे जेथे AI कच्च्या वापराच्या मेट्रिक्सची वाढ करण्याऐवजी मोजता येण्याजोगे परतावा देते.
प्रारंभिक AI हाईप सायकल व्यावहारिक अंमलबजावणीचा मार्ग देते म्हणून, यशस्वी होणाऱ्या कंपन्या अशा असू शकतात ज्या AI ला एक बोथट साधन न मानता एक अचूक साधन मानतात, योग्य मॉडेलला योग्य कार्याशी जुळवून घेतात आणि बिलावर बारीक लक्ष ठेवतात.
