Un mod corporativ de „tokenmaxxing” pe tehnologia inteligenței artificiale își atinge limitele, deoarece locurile de muncă care aruncă AI în orice văd costurile crescând fără o creștere similară a productivității, potrivit unui raport al Associated Press.
Ceea ce a început ca un hype alimentat de industria tehnologiei în primăvara anului 2026, prin stoarcerea cât mai multă muncă generată de AI din produse precum ChatGPT de la OpenAI și Claude de la Anthropic, s-a mutat într-o reacție de vară. Directorii, analiștii și dezvoltatorii se întreabă acum deschis dacă maximizarea consumului de token AI a fost vreodată o strategie solidă. Pentru o acoperire continuă a peisajului de afaceri AI, vizitați cele mai recente rapoarte din industria AI.
Ascensiunea și căderea unui moft
„Tokenmaxxing” se referă la maximizarea utilizării token-urilor – elementele de bază ale AI generativă care corespund unor fragmente mici de text pe care un sistem AI le citește sau le scrie. Fiecare simbol reprezintă aproximativ trei sferturi dintr-un cuvânt, iar furnizorii de inteligență artificială impun de obicei limite de utilizare, abonamentele mai scumpe oferind limite mai mari.
Tendința a fost promovată activ de unii dintre cei mai importanți lideri ai tehnologiei. CEO-ul OpenAI, Sam Altman, a declarat în mai 2026 că este „încântat să vadă ce se va întâmpla cu startup-urile tokenmaxxing, atât pentru modul în care funcționează intern, cât și pentru produsele pe care le pot construi”. CEO-ul Nvidia, Jensen Huang, a declarat că „dacă inginerul tău de 500.000 USD nu arde 250.000 USD în jetoane, ceva nu este în regulă”. Părintele Facebook, Meta, a organizat o competiție internă care a recompensat utilizarea ridicată a token-ului.
Dar pe măsură ce costurile s-au acumulat, entuziasmul a scăzut. „Pe măsură ce facturile au început să se acumuleze, oamenii și-au dat seama că acele noi instrumente sunt destul de scumpe și trebuie să le folosești cu înțelepciune”, a declarat Vincent Gusdorf, șeful departamentului de analiză AI la Moody’s Ratings și autorul unui nou raport care recomandă o abordare mai disciplinată.
„Este foarte ușor să creezi ceva de care nu ai nevoie cu AI”, a adăugat Gusdorf.
Reacții executive
Reacția a fost condusă de unele dintre cele mai influente voci din industria tehnologiei. CEO-ul Microsoft, Satya Nadella, a recunoscut că tokenmaxxing-ul poate crea dependență, dar a avertizat că clienții plătesc efectiv de două ori pentru AI - mai întâi prin cheltuirea pe token-uri și, în al doilea rând, prin furnizarea datelor lor proprietare furnizorilor de AI. Comentariile lui Nadella au fost neobișnuite în modul în care a ridicat îndoieli cu privire la asigurările de protecție a datelor oferite de companiile de IA de top, chiar dacă a promovat propria strategie AI a Microsoft.
CEO-ul Palantir, Alex Karp, a mers mai departe, spunând CNBC că ceva a mers „complet greșit”. El a spus că a canalizat vocea întreprinderilor americane în mod privat „livide” cu privire la plata unor sume enorme pentru jetoane care nu creează valoare.
„Viziunea de bază în rândul întreprinderilor din această țară este: „Mă voi relaxa și îmi voi pierde timpul cu jetoane. Nu voi primi nicio valoare și vor primi IP-ul meu”, a spus Karp.
Directorul de tehnologie al Mozilla, Raffi Krikorian, a comparat tokenmaxxing cu practica discreditată de a măsura productivitatea programatorului prin linii de cod. „Cred că tokenmaxxing se mișcă prin exact același model”, a spus el. „Cred că acesta va fi o problemă interesantă la care ne vom uita cu toții înapoi pentru a râde într-un an.”
Problema costurilor la scară
Impactul financiar devine puternic la scara întreprinderii. Consultantul în management al Bain & Company, Jue Wang, a spus că multe dintre marile afaceri pe care firma ei le sfătuiau au analizat mai atent randamentul investițiilor lor în inteligența artificială.
„Costul simbolului pentru ei s-a dublat, aproape o dată la două luni”, a spus Wang. „Să spunem 200 USD per dezvoltator pe lună. Înmulțiți-l cu 20.000 de dezvoltatori, ceea ce este adesea cu care avem de-a face la aceste companii, și asta vă duce rapid la un număr care nu este un element rând pe care vreun director general l-a planificat”.
Wang a subliniat un model obișnuit de utilizare greșită: utilizarea implicită la cele mai puternice - și cele mai scumpe - modele AI pentru sarcini care nu le necesită. „Nu totul are nevoie de un Claude Opus 4.6”, a spus ea despre unul dintre cele mai capabile modele Anthropic, potrivite pentru inginerie software sau cercetare profundă. „Și totuși vezi atât de multe companii, atât de mulți utilizatori, care folosesc implicit Opus pentru orice, inclusiv pentru generarea de e-mailuri.”
Creșterea modelelor de rutare și a greutăților deschise
Presiunea costurilor a alimentat cererea de instrumente de „rutare a modelelor” AI care trimit automat interogări mai simple către sisteme AI mai ieftine și mai eficiente, rezervând în același timp modele puternice pentru sarcini complexe. Dezvoltatorul de software Hassan El Mghari, care conduce experiența dezvoltatorilor la startup-ul Together AI, a declarat că șocul cu stickerele companiilor din cauza „sumelor ridicole de bani” cheltuite pe abonamente la produse AI de la companiile de top din SUA i-a determinat pe mulți să regândească abordarea de maximizare a utilizării.
„Este mai bine să împuterniciți angajații cum să folosească aceste lucruri și să-i lăsați să folosească AI atunci când și oricât de mult au nevoie”, a spus El Mghari.
Între timp, susținătorii consumului mare de token găsesc noi muniții în modelele deschise de la startup-uri chineze precum Kimi de la Moonshot și GLM de la Zhipu, care aproape se potrivesc cu capacitățile modelelor de top din SUA la o fracțiune din cost. Krikorian a recunoscut că există „o anumită validitate a teoriei că acest lucru ar putea împinge tokenmaxxing puțin mai departe”, dar a susținut că tendința mai largă a industriei este către o utilizare mai disciplinată.
Lecții pentru întreprindere
Episodul tokenmaxxing oferă o poveste de avertizare pentru companiile care navighează în peisajul AI. În timp ce dezvoltatorii lideri de modele AI, precum OpenAI și Anthropic, au beneficiat de creșterea consumului, experiența a determinat multe organizații să adopte abordări mai măsurate - concentrându-se pe cazuri de utilizare specifice în care AI oferă profituri măsurabile, mai degrabă decât să maximizeze valorile brute de utilizare.
Pe măsură ce ciclul inițial de hype AI face loc implementării pragmatice, companiile care reușesc pot fi cele care tratează AI ca pe un instrument de precizie, mai degrabă decât ca pe un instrument clar, potrivind modelul potrivit sarcinii potrivite și urmărind îndeaproape factura.
