OpenAI இன் தலைமை நிதி அதிகாரி Sarah Friar பல தசாப்தங்களாக மென்பொருளை மதிப்பிடுவதற்கும், செயற்கை நுண்ணறிவுக்கான புதிய அளவுகோலைப் பயன்படுத்துவதற்கும் பயன்படுத்திய அளவீடுகளை கைவிட்டு, ஒரு கருவியைப் பயன்படுத்தும் நபர்களின் எண்ணிக்கையைக் காட்டிலும் முடிக்கப்பட்ட வேலையைச் சுற்றி உருவாக்கப்பட்டுள்ளது.

வெள்ளிக்கிழமை ஜூலை 17, 2026 அன்று வெளியிடப்பட்ட ஒரு வலைப்பதிவு இடுகையில், ஆக்சியோஸ், பார்ச்சூன் மற்றும் CFO டைவ் மூலம் புகாரளிக்கப்பட்ட லிங்க்ட்இன் இடுகையில் விரிவாக, ஃபிரியர் அவர் "பயனுள்ள நுண்ணறிவு-ஒரு டாலருக்கு" அணுகுமுறையை அறிமுகப்படுத்தினார். முக்கிய வாதம்: SaaS சகாப்தத்தை வரையறுத்த அளவீடுகள் - இருக்கைகள், செயலில் உள்ள பயனர்கள், புதுப்பித்தல்கள் - AI உருவாக்கும் மதிப்பைக் கைப்பற்றத் தவறிவிட்டது. AI பொருளாதாரத்துடன் நிறுவனங்கள் எவ்வாறு போராடுகின்றன என்பதைப் பற்றிய தொடர்ச்சியான பகுப்பாய்விற்கு, எங்கள் AI தொழில்துறை கவரேஜைப் பின்பற்றவும்.

நான்கு கேள்விகள்

நான்கு கேள்விகளுக்கு பதிலளிப்பதன் மூலம் நிறுவனங்கள் AI மதிப்பை தீர்மானிக்க வேண்டும் என்று ஃப்ரியர் முன்மொழிகிறார்:

1. AI வேலையை முடிப்பது முக்கியமா?
2. ஒவ்வொரு வெற்றிகரமான பணிக்கும் என்ன செலவாகும்?
3. மக்கள் முடிவை சார்ந்து இருக்க முடியுமா?
4. பயன்பாடு அதிகரிக்கும் போது ஒவ்வொரு AI டாலரும் அதிக மதிப்பை உருவாக்குகிறதா?

"பல ஆண்டுகளாக, மென்பொருள் தத்தெடுப்பு மூலம் அளவிடப்படுகிறது: இருக்கைகள், செயலில் உள்ள பயனர்கள், புதுப்பித்தல்கள்," ஃபிரியர் LinkedIn இல் எழுதினார். "AI வேறுபட்டது - அது நிறைவேற்றப்பட்ட வேலையின் மூலம் அளவிடப்பட வேண்டும்."

ஃப்ரேமிங் டோக்கன் நுகர்வை மறுசீரமைக்கிறது - ஒரு நிறுவனம் செலுத்தும் AI செயலாக்கத்தின் அளவு - குறைக்கப்பட வேண்டிய செலவாக அல்ல, ஆனால் அது பயன்படுத்தக்கூடிய வெளியீட்டாக மாறும் போது மட்டுமே மதிப்புமிக்கதாக மாறும். "டோக்கன்கள் மக்கள் பயன்படுத்தக்கூடிய வேலையாக மாறும்போது மதிப்பை உருவாக்குகின்றன," என்று அவர் எழுதினார், மாதிரிகள் அதிக திறன் கொண்டதாக வளரும்போது, ​​அவை நீண்ட, பல-படி பணிகளைச் செய்ய முடியும் என்று வாதிட்டார், அவை சூழல், கருவிகள் முழுவதும் காரணம் மற்றும் அவை செல்லும்போது மாற்றியமைக்கப்படுகின்றன.

ஏன் OpenAI இப்போது இதைத் தள்ளுகிறது

AI தொழிற்துறைக்கு ஒரு சங்கடமான தருணத்தில் சுருதி இறங்குகிறது. CFO டைவ் மேற்கோள் காட்டிய கார்ட்னர் புள்ளிவிவரங்களின்படி, AIக்கான உலகளாவிய செலவினம் 2026ல் $2.59 டிரில்லியனை எட்டும், ஆண்டுக்கு ஆண்டு 47% அதிகரிக்கும். ஆனாலும் செலவுகள் பலனளிக்கின்றன என்பதற்கான சான்றுகள் மெல்லியதாகவே உள்ளது. ஜனவரியில் வெளியிடப்பட்ட PwC ஆய்வில், 12% CEO கள் மட்டுமே AI செலவு மற்றும் வருவாய் நன்மைகளை வழங்கியதாகக் கூறியது. மற்றொரு 33% பேர் செலவு அல்லது வருவாயில் ஆதாயங்களைப் புகாரளித்தனர், அதே நேரத்தில் 56% அவர்கள் இதுவரை குறிப்பிடத்தக்க நிதிப் பலனைக் காணவில்லை** என்று கூறியுள்ளனர்.

அந்த இடைவெளி கார்ப்பரேட் ஏணியின் உச்சியில் காணக்கூடிய விரக்தியை உருவாக்குகிறது. Palantir CEO Alex Karp சமீபத்தில் CNBC இடம், பல வணிகத் தலைவர்கள் பெரிய மொழி மாடல்களின் பொருளாதாரத்தில் "சோர்ந்து போயுள்ளனர்" என்று கூறினார், உயரும் டோக்கன் செலவுகள் வருமானமாக மொழிபெயர்க்கப்படுகிறதா என்று கேள்வி எழுப்பினர் - Karp பலந்தீரின் சொந்த தொழில்நுட்பத்தை ஊக்குவிக்கும் போது தெரிவித்த கருத்துக்கள் மற்றும் வணிக ரீதியாக உந்துதல் பெற்றது.

கேள்விக்குரிய டோக்கன்களை விற்கும் OpenAIக்கு, நுகர்வுக்குப் பதிலாக விளைவுகளைச் சுற்றியுள்ள உரையாடலை மறுவடிவமைப்பது மூலோபாய ரீதியாக முக்கியமானது. வாடிக்கையாளர்கள் செய்த வேலையின் மூலம் வெற்றியை அளந்தால், ஒரு சிக்கலான பணியை நம்பகத்தன்மையுடன் முடிக்கும் எல்லை மாதிரிக்கு அதிக கட்டணம் செலுத்துவது செயல்திறன் போல் தெரிகிறது, வீணாகாது.

இருக்கைகள் மற்றும் புதுப்பித்தல் மனநிலையிலிருந்து ஒரு மாற்றம்

"பயனுள்ள நுண்ணறிவு-ஒரு டாலருக்கு" யோசனையானது, AI எவ்வாறு விலையிடப்பட வேண்டும் மற்றும் அளவிடப்பட வேண்டும் என்பதற்கான பரந்த மறுபரிசீலனையுடன் ஒத்துப்போகிறது. பாரம்பரிய நிறுவன மென்பொருள் ஒரு இருக்கைக்கு விற்கப்பட்டது; பயன்பாட்டு அடிப்படையிலான AI விலை நிர்ணயம் அந்த மாதிரியை உடைக்கிறது, ஏனெனில் ஒரு இருக்கை இப்போது பணியைப் பொறுத்து பல்வேறு அளவுகளைக் கணக்கிட முடியும். Friar இன் நான்கு கேள்விகள், பணிகள் நிறைவடைந்தது மற்றும் வெற்றிகரமான பணிக்கான செலவு ஆகியவற்றைச் சுற்றி உள்ளகக் கணக்கீட்டை உருவாக்குமாறு வாங்குபவர்களிடம் திறம்படக் கேட்கின்றன - இது ஹெட்கவுண்ட்டை விட மிகவும் கடினமான எண், ஆனால் தொழில்நுட்பம் உண்மையில் என்ன செய்கிறது என்பதைப் பிரதிபலிக்கிறது.

புதிய அளவுகோல் வாங்குபவர்களுக்கு சாதகமாக இருக்கும் என்று அனைவருக்கும் நம்பிக்கை இல்லை. "நிறைவேற்றப்பட்ட வேலை" என்பது வரையறுப்பதற்கும் தணிக்கை செய்வதற்கும் வழுக்கும் என்று விமர்சகர்கள் குறிப்பிடுகின்றனர், மேலும் AI வெளியீட்டை வெற்றிகரமானதாக வகைப்படுத்த விற்பனையாளர்களுக்கு ஒவ்வொரு ஊக்கமும் உள்ளது. நம்பகத்தன்மை - பிரியரின் மூன்றாவது கேள்வி - மாடல்கள் நம்பிக்கையான ஆனால் தவறான பதில்களை உருவாக்கும் போது அளவிட கடினமாக உள்ளது, இது மாயத்தோற்றம் எனப்படும் நிகழ்வு. சுயாதீன சரிபார்ப்பு இல்லாமல், மெட்ரிக் அபாயங்கள் ஒரு பொறுப்புக்கூறல் பொறிமுறையை விட சந்தைப்படுத்தல் கருவியாக மாறும்.

இருப்பினும், இந்த முன்மொழிவு உரையாடலில் ஒரு உண்மையான மாற்றத்தை பிரதிபலிக்கிறது. இரண்டு வருட மூச்சுவிடாத தத்தெடுப்பு அளவீடுகளுக்குப் பிறகு, நிர்வாகிகள் AI செலவினங்கள் அதைத் தக்கவைத்துக்கொள்கின்றன என்பதற்கான ஆதாரங்களைக் கோருகின்றனர். Friar இன் நான்கு கேள்விகளுக்கு தரவுகளுடன் பதிலளிக்கக்கூடிய நிறுவனங்கள் - அவர்கள் OpenAI இன் மாடல்களைப் பயன்படுத்தினாலும் அல்லது ஒரு போட்டியாளரின் மாதிரிகளைப் பயன்படுத்தினாலும் - தவிர்க்க முடியாத ஆய்வுக்கு அப்பாற்பட்ட வரவு செலவுத் திட்டங்களே இருக்கும்.

ஆதாரங்கள்

  • CFO டைவ், "AI முதலீடுகளை அளவிடுவதற்கு OpenAI புதிய அளவுகோலைத் தள்ளுகிறது," ஜூலை 17, 2026
  • Axios, "பிரத்தியேகமானது: AI இன் மதிப்பை அளவிடுவதற்கு OpenAI இன் CFO புதிய வழியை உருவாக்குகிறது," ஜூலை 17, 2026
  • Fortune, "OpenAI's CFO: 4 கேள்விகள் உங்கள் AI செலவு பலனளிக்கிறது," ஜூலை 17, 2026

நிறுவன AI இல் முன்னோக்கி இருங்கள்

AI இன் பொருளாதாரம் உண்மையான நேரத்தில் மீண்டும் எழுதப்படுகிறது. [சமீபத்திய AI வணிக கவரேஜ்] (https://aibuzzwire.news)க்காக எங்கள் முகப்புப் பக்கத்தை புக்மார்க் செய்யவும்.

மேலும் AI செய்திகளைப் படிக்கவும் →