அசோசியேட்டட் பிரஸ் அறிக்கையின்படி, செயற்கை நுண்ணறிவு தொழில்நுட்பத்தில் "டோக்கன்மேக்ஸ்சிங்" என்ற கார்ப்பரேட் மோகம் அதன் வரம்பைத் தாக்குகிறது, ஏனெனில் எல்லாவற்றிலும் AI ஐ வீசும் பணியிடங்கள் உற்பத்தித்திறனில் ஒரே மாதிரியான ஸ்பைக் இல்லாமல் செலவுகள் அதிகரித்து வருகின்றன.
2026 வசந்த காலத்தில், OpenAI இன் ChatGPT மற்றும் Anthropic's Claude போன்ற தயாரிப்புகளில் இருந்து AI-உருவாக்கிய வேலையை முடிந்தவரை அழுத்துவதன் மூலம், 2026 ஆம் ஆண்டு வசந்த காலத்தில் தொழில்நுட்ப-தொழில்-எரிபொருள் தூண்டுதலாகத் தொடங்கியது, கோடைகால பின்னடைவுக்கு மாறியுள்ளது. நிர்வாகிகள், ஆய்வாளர்கள் மற்றும் டெவலப்பர்கள் இப்போது AI டோக்கன் நுகர்வுகளை அதிகரிப்பது ஒரு சிறந்த உத்தியாக இருந்ததா என்று வெளிப்படையாக கேள்வி எழுப்புகின்றனர். AI வணிக நிலப்பரப்பின் தற்போதைய கவரேஜுக்கு, எங்களின் சமீபத்திய AI தொழில் அறிக்கையைப் பார்வையிடவும்.
ஒரு மோகத்தின் எழுச்சி மற்றும் வீழ்ச்சி
"Tokenmaxxing" என்பது டோக்கன்களின் பயன்பாட்டை அதிகப்படுத்துவதைக் குறிக்கிறது - AI அமைப்பு படிக்கும் அல்லது எழுதும் சிறிய உரைகளுக்கு ஒத்திருக்கும் உருவாக்கும் AI இன் கட்டுமானத் தொகுதிகள். ஒவ்வொரு டோக்கனும் ஏறத்தாழ முக்கால்வாசி வார்த்தையைக் குறிக்கிறது, மேலும் AI வழங்குநர்கள் பொதுவாக பயன்பாட்டு வரம்புகளை விதிக்கின்றனர், அதிக விலையுள்ள சந்தாக்கள் அதிக தொப்பிகளை வழங்குகின்றன.
தொழில்நுட்பத்தின் சில முக்கிய தலைவர்களால் இந்த போக்கு தீவிரமாக ஊக்குவிக்கப்பட்டது. ஓபன்ஏஐ தலைமை நிர்வாக அதிகாரி சாம் ஆல்ட்மேன் மே 2026 இல், "டோக்கன்மேக்ஸ்சிங் ஸ்டார்ட்அப்கள் எவ்வாறு உள்நாட்டில் செயல்படுகின்றன மற்றும் அவை உருவாக்கக்கூடிய தயாரிப்புகள் இரண்டிலும் என்ன நடக்கும் என்பதைப் பார்க்க ஆவலாக உள்ளேன்" என்று கூறினார். Nvidia CEO ஜென்சன் ஹுவாங், "உங்கள் $500K பொறியாளர் $250K டோக்கன்களில் எரிக்கவில்லை என்றால், ஏதோ தவறு" என்று அறிவித்தார். Facebook பெற்றோர் Meta அதிக டோக்கன் பயன்பாட்டிற்கு வெகுமதி அளிக்கும் ஒரு உள் போட்டியை நடத்தியது.
ஆனால் செலவுகள் குவிந்ததால், உற்சாகம் குறைந்தது. "பில்கள் குவியத் தொடங்கியதும், அந்த புதிய கருவிகள் மிகவும் விலை உயர்ந்தவை என்பதை மக்கள் உணர்ந்தனர், அவற்றை நீங்கள் புத்திசாலித்தனமாகப் பயன்படுத்த வேண்டும்" என்று மூடிஸ் மதிப்பீடுகளின் AI பகுப்பாய்வுத் தலைவரும், மிகவும் ஒழுக்கமான அணுகுமுறையைப் பரிந்துரைக்கும் புதிய அறிக்கையின் ஆசிரியருமான Vincent Gusdorf கூறினார்.
"AI உடன் உங்களுக்குத் தேவையில்லாத ஒன்றை உருவாக்குவது மிகவும் எளிதானது" என்று Gusdorf மேலும் கூறினார்.
நிர்வாக பின்னடைவு
தொழில்நுட்பத் துறையின் மிகவும் செல்வாக்கு மிக்க சில குரல்களால் பின்னடைவு ஏற்பட்டது. மைக்ரோசாப்ட் தலைமை நிர்வாக அதிகாரி சத்யா நாதெல்லா, டோக்கன்மேக்ஸ்சிங் அடிமையாக்கும் என்று ஒப்புக்கொண்டார், ஆனால் வாடிக்கையாளர்கள் AI க்கு இரண்டு முறை திறம்பட பணம் செலுத்துகிறார்கள் என்று எச்சரித்தார் - முதலில் டோக்கன்களில் செலவழிப்பதில், இரண்டாவது AI வழங்குநர்களுக்கு அவர்களின் தனியுரிம தரவை வழங்குவதன் மூலம். மைக்ரோசாப்டின் சொந்த AI மூலோபாயத்தை அவர் ஊக்குவித்தபோதும், முன்னணி AI நிறுவனங்களின் தரவு பாதுகாப்பு உத்தரவாதங்கள் குறித்த சந்தேகங்களை எழுப்பிய விதத்தில் நாதெல்லாவின் கருத்துகள் அசாதாரணமானவை.
Palantir CEO Alex Karp மேலும் சென்று, CNBC இடம் ஏதோ "முற்றிலும் தவறாகிவிட்டது" என்று கூறினார். எந்த மதிப்பையும் உருவாக்காத டோக்கன்களுக்கு மகத்தான தொகையை செலுத்துவது குறித்து அமெரிக்க வணிகங்களின் குரலை தனிப்பட்ட முறையில் "கொஞ்சம்" காட்டுவதாக அவர் கூறினார்.
"இந்த நாட்டில் உள்ள நிறுவனங்களின் அடிப்படைக் கருத்து என்னவென்றால், 'நான் சில்லாக்ஸ் செய்து டோக்கன்கள் மூலம் எனது நேரத்தை வீணடிக்கப் போகிறேன். நான் எந்த மதிப்பையும் பெறப் போவதில்லை, மேலும் அவர்கள் எனது ஐபியைப் பெறப் போகிறார்கள்," என்று கார்ப் கூறினார்.
மொஸில்லாவின் தலைமை தொழில்நுட்ப அதிகாரி, ரஃபி கிரிகோரியன், டோக்கன்மேக்சிங்கை குறியீட்டு வரிகள் மூலம் புரோகிராமர் உற்பத்தித்திறனை அளவிடும் மதிப்பிழந்த நடைமுறையுடன் ஒப்பிட்டார். "டோக்கன்மாக்ஸ்சிங் அதே மாதிரியில் நகர்கிறது என்று நான் நினைக்கிறேன்," என்று அவர் கூறினார். "இது ஒரு சுவாரசியமான பிளிப்பாக இருக்கும் என்று நான் நினைக்கிறேன், நாம் அனைவரும் ஒரு வருடத்தில் சிரிக்கத் திரும்பிப் பார்க்கப் போகிறோம்."
அளவில் செலவு பிரச்சனை
நிறுவன அளவில் நிதி தாக்கம் அப்பட்டமாகிறது. பெயின் & கம்பெனி நிர்வாக ஆலோசகர் ஜூ வாங், தனது நிறுவனம் அறிவுறுத்தும் பல பெரிய வணிகங்கள் தங்கள் AI முதலீடுகளின் வருமானத்தை உன்னிப்பாகக் கவனித்து வருவதாகக் கூறினார்.
"அவர்களுக்கான டோக்கன் செலவு கிட்டத்தட்ட ஒவ்வொரு மாதமும் இரட்டிப்பாகும்," என்று வாங் கூறினார். "ஒரு டெவலப்பருக்கு ஒரு மாதத்திற்கு $200 என்று வைத்துக் கொள்வோம். 20,000 டெவலப்பர்களால் பெருக்கவும், இதைத்தான் இந்த நிறுவனங்களில் நாங்கள் அடிக்கடி கையாளுகிறோம், மேலும் எந்த பொது மேலாளரும் திட்டமிடாத ஒரு எண்ணை விரைவில் பெறுவீர்கள்."
வாங் ஒரு பொதுவான தவறான பயன்பாட்டு முறையை சுட்டிக்காட்டினார்: தேவையில்லாத பணிகளுக்கு மிகவும் சக்திவாய்ந்த - மற்றும் மிகவும் விலையுயர்ந்த - AI மாதிரிகளுக்கு இயல்புநிலை. "எல்லாவற்றுக்கும் கிளாட் ஓபஸ் 4.6 தேவையில்லை," என்று அவர் ஆந்த்ரோபிக்கின் மிகவும் திறமையான மாடல்களில் ஒன்றைப் பற்றி கூறினார், இது மென்பொருள் பொறியியல் அல்லது ஆழமான ஆராய்ச்சிக்கு ஏற்றது. "இன்னும் நீங்கள் பல நிறுவனங்கள், பல பயனர்கள், மின்னஞ்சல்களை உருவாக்குவது உட்பட அனைத்திற்கும் ஓபஸைப் பயன்படுத்துவதை இயல்புநிலையாகப் பார்க்கிறீர்கள்."
மாடல் ரூட்டிங் மற்றும் திறந்த எடைகளின் எழுச்சி
சிக்கலான பணிகளுக்கு சக்திவாய்ந்த மாதிரிகளை முன்பதிவு செய்யும் அதே வேளையில் மலிவான, திறமையான AI அமைப்புகளுக்கு எளிமையான வினவல்களை தானாகவே அனுப்பும் AI "மாடல் ரூட்டிங்" கருவிகளுக்கான தேவையை செலவு அழுத்தம் தூண்டியுள்ளது. ஸ்டார்ட்அப் டுகெதர் AI இல் டெவலப்பர் அனுபவத்தை வழிநடத்தும் மென்பொருள் டெவலப்பர் ஹசன் எல் ம்காரி, முன்னணி அமெரிக்க நிறுவனங்களின் AI தயாரிப்புகளுக்கான சந்தாக்களுக்காக செலவழிக்கப்பட்ட "அபத்தமான பணம்" குறித்த நிறுவனங்களின் ஸ்டிக்கர் அதிர்ச்சியால், அதிகபட்ச பயன்பாட்டு அணுகுமுறையை மறுபரிசீலனை செய்ய பலர் வழிவகுத்தனர்.
"இந்த விஷயங்களை எவ்வாறு பயன்படுத்துவது என்பது குறித்து ஊழியர்களுக்கு அதிகாரம் அளிப்பது நல்லது, மேலும் அவர்களுக்கு தேவைப்படும்போது, எவ்வளவு AI ஐப் பயன்படுத்த அனுமதிக்க வேண்டும்" என்று எல் ம்காரி கூறினார்.
இதற்கிடையில், அதிக டோக்கன் நுகர்வு ஆதரவாளர்கள் சீன தொடக்க நிறுவனங்களான மூன்ஷாட்டின் கிமி மற்றும் ஜிபுவின் ஜிஎல்எம் போன்றவற்றின் திறந்த எடை மாடல்களில் புதிய வெடிமருந்துகளைக் கண்டுபிடித்துள்ளனர், இது அமெரிக்காவின் சிறந்த மாடல்களின் திறன்களுடன் கிட்டத்தட்ட செலவில் ஒரு பகுதியைப் பொருத்துகிறது. கிரிகோரியன் "இது டோக்கன்மாக்ஸை இன்னும் கொஞ்சம் மேலே தள்ளும் என்ற கோட்பாட்டிற்கு சில செல்லுபடியாகும்" என்பதை ஒப்புக்கொண்டார், ஆனால் பரந்த தொழில்துறை போக்கு மிகவும் ஒழுக்கமான பயன்பாட்டை நோக்கி உள்ளது என்று பராமரித்தார்.
நிறுவனத்திற்கான பாடங்கள்
டோக்கன்மாக்ஸ்சிங் எபிசோட், AI நிலப்பரப்பில் வழிசெலுத்தும் வணிகங்களுக்கான எச்சரிக்கைக் கதையை வழங்குகிறது. OpenAI மற்றும் Anthropic போன்ற முன்னணி AI மாடல் டெவலப்பர்கள் நுகர்வு அதிகரிப்பால் பலனடைந்தாலும், அனுபவம் பல நிறுவனங்களை அதிக அளவிடப்பட்ட அணுகுமுறைகளை பின்பற்ற தூண்டியுள்ளது - AI ஆனது மூல பயன்பாட்டு அளவீடுகளை அதிகப்படுத்துவதற்கு பதிலாக அளவிடக்கூடிய வருமானத்தை வழங்கும் குறிப்பிட்ட பயன்பாட்டு நிகழ்வுகளில் கவனம் செலுத்துகிறது.
ஆரம்ப AI ஹைப் சுழற்சியானது நடைமுறைச் செயலாக்கத்திற்கு வழிவகுப்பதால், வெற்றிபெறும் நிறுவனங்கள், AI ஐ ஒரு மழுங்கிய கருவியாகக் காட்டிலும் ஒரு துல்லியமான கருவியாகக் கருதி, சரியான மாதிரியை சரியான பணிக்கு பொருத்தி, பில் மீது உன்னிப்பாகக் கண்காணிக்கும் நிறுவனங்களாக இருக்கலாம்.
