एंटरप्राइझ खर्च वाढत असताना AI टोकन खर्चावर तपासणी वाढली

AI अधिक वापरण्याची कॉर्पोरेट शर्यत मंदावत आहे

जेनरेटिव्ह AI चा वापर जास्तीत जास्त करण्याची कार्यालयीन सवय आता एका कठोर वास्तवाला सामोरी जात आहे: खर्च शिस्त. 28 जुलै रोजी प्रकाशित Fast Company च्या अहवालात “tokenmaxxing” या संकल्पनेचा घटता आकर्षण सांगितला आहे. हा शब्द AI टोकन्सचा जड वापर टूल्स आणि workflowमध्ये ढकलण्याच्या प्रवृत्तीसाठी वापरला जातो, या विश्वासाने की अधिक वापर म्हणजे चांगली कार्यक्षमता, जलद output, किंवा मजबूत innovation.

OpenAI आणि Anthropic सारख्या providers कडील systems उत्पादनात आणण्यासाठी कंपन्या धाव घेत होत्या, तेव्हा ही मानसिकता वेगाने पसरली. प्रत्यक्षात token usage ही adoption च्या तीव्रतेची एक साधारण proxy बनली. एखादी संस्था जितके अधिक prompts, outputs, agents, automated tasks तयार करेल, तितकी ती अधिक प्रगत दिसू शकत होती. पण अहवाल सांगतो की corporate खरेदीदार आता activity आणि value यात फरक करू लागले आहेत. वाढलेली बिले नेहमीच तितक्याच प्रमाणात productivity gains किंवा business outcomes देत नव्हती.

Moody’s Ratings मधील AI analytics प्रमुख Vincent Gusdorf, ज्यांच्या एका reportचा Fast Company ने उल्लेख केला, यांनी अधिक शिस्तबद्ध दृष्टिकोनाचा आग्रह धरला. त्यांचा मुद्दा सोपा आहे: जेनरेटिव्ह AI work, summaries, drafts, आणि process layers तयार करणे सोपे करते, जे कदाचित प्रत्यक्षात आवश्यकही नसतील. प्रत्येक interaction tokens खर्च करते आणि ते संपूर्ण कंपनीभर पसरले, की waste वेगाने वाढू शकतो.

प्रतिष्ठेच्या चिन्हापासून खर्च-केंद्रापर्यंत

अहवालात token-heavy वापर काही महिन्यांपूर्वी कसा साजरा केला जात होता, हे दाखवले आहे. प्रमुख tech नेत्यांनी उच्च AI consumption हे teams आक्रमकपणे प्रयोग करत आहेत आणि technology गंभीरपणे घेत आहेत याचे लक्षण म्हणून मांडले होते. OpenAI chief executive Sam Altman यांनी मे महिन्यात सांगितले की “tokenmaxxing startups” काय उभारतील आणि आतून कसे चालतील हे पाहण्याची त्यांना उत्सुकता आहे. Nvidia chief executive Jensen Huang यांनी म्हटले होते की जर एखादा उच्च पगाराचा engineer मोठ्या प्रमाणावर tokens वापरत नसेल, तर काहीतरी चुकले आहे. अहवालानुसार Meta नेही token usage ला बक्षीस देणारी internal competition चालवली.

या framing मुळे AI वरचा खर्च हा ambition चा badge मानला जाऊ लागला. archetypal heavy user फक्त routine कामे automate करत नव्हता, तर सतत AI agents fleets चे orchestration करत होता. saturation कुठेतरी value उघडेल, अशी धारणा होती: वेगवान coding, अधिक content generation, उत्तम research, किंवा पूर्णपणे नवीन product features.

Model providers साठी हा activity surge थेट revenue मध्ये रूपांतरित झाला. पण enterprise buyers साठी economics वेगळी आहेत. त्यांना token bills, integration costs, governance burdens, data risks यांचा भार सहन करावा लागतो. एकदा हे खर्च काल्पनिक न राहता ठोस झाले, की executives ना कमी आवडीचा प्रश्न विचारावा लागला: कोणते uses खरोखर पैसे देण्याजोगे आहेत?

संशय का वाढतो आहे

अहवालात वर्णन केलेली backlash ही anti-AI वळण नाही. ती त्याहून अधिक नेमकी आहे. कंपन्या जेनरेटिव्ह models कडून मिळणारे gains अजूनही इच्छितात, पण maximum usage म्हणजेच smart usage हा समज मान्य करण्यास कमी तयार आहेत. हा फरक महत्त्वाचा आहे, कारण token-based billing अशी वर्तणूक प्रोत्साहित करू शकते जी scale करायला सोपी, पण justify करायला कठीण असते.

Fast Company ने उद्धृत केलेल्या टिप्पण्यांमध्ये Microsoft chief executive Satya Nadella यांनी tokenmaxxing हे addictive असू शकते असे मान्य केले, आणि ग्राहक दोनदा पैसे देत असावेत असेही सुचवले: एकदा tokens साठी आणि दुसऱ्यांदा providers ना proprietary data access देण्यासाठी. Nadella स्वतःच्या कंपनीच्या strategy चा प्रचार करत होते, पण ही टीका broader enterprise चिंतेकडे इशारा करते. खर्च हा एक भाग आहे. संवेदनशील माहितीवर नियंत्रण हा दुसरा भाग आहे.

Palantir chief executive Alex Karp यांनी त्याहून कठोर भाषा वापरून काहीतरी “completely wrong” झाले आहे असे म्हटले, आणि कमी परताव्यासाठी जास्त खर्च करत असल्याची भावना असलेल्या businesses च्या frustration ला शब्द दिले. या प्रतिक्रियांमधील समान धागा AI ला category म्हणून नाकारणे नाही. तो म्हणजे अनियंत्रित AI spend नाकारणे.

Enterprise AI मधील metric समस्या

tokenmaxxing इतक्या वेगाने पसरले याचे एक कारण म्हणजे tokens मोजता येतात. AI momentum दाखवण्याच्या दबावाखाली असलेल्या अनेक companies साठी usage counts एक दिसणारी संख्या होती. Boards आणि executives adoption figures, generated output volume, किंवा वाढणाऱ्या internal use cases चा उल्लेख करून संस्था pace राखते आहे असे दाखवू शकत होते.

पण measurable म्हणजेच meaningful असे नाही. Token totals quality, वाचलेला वेळ, error rates, customer outcomes, revenue impact याबद्दल फारसे सांगत नाहीत. ते activity ला progress म्हणून दाखवून waste लपवू शकतात. एक team AI वापरून अधिक drafts, analyses, synthetic research तयार करू शकते, पण core performance मध्ये फारशी सुधारणा न होऊ शकते. हा नेहमीचा enterprise trap आहे: value चे सर्वोत्तम प्रतिनिधित्व करणारे metric न निवडता, report करायला सर्वात सोपे metric optimize करणे.

Moody’s ने वर्णन केलेला हा बदल इथे strategicदृष्ट्या महत्त्वाचा ठरतो. Organizations consumption वाढवण्याऐवजी return चे मूल्यांकन करू लागले, तर procurement आणि product decisions पटकन बदलू शकतात. विजेते फक्त सर्वात मोठे raw usage numbers असलेले model vendors नसतील; तर जे ग्राहकांना models निवडक, सुरक्षित, आणि अधिक स्पष्ट आर्थिक तर्कासह वापरायला मदत करतात अशा कंपन्या असतील.

पुढे काय

संभाव्य परिणाम enterprise AI demand मध्ये कोसळणे नाही. तो tighter controls, अधिक targeted deployments, आणि tokens कुठे खर्च होत आहेत यावर अधिक scrutiny असा असेल. Organizations थेट फायदा देणाऱ्या use casesना प्राधान्य देऊ शकतात, जसे coding assistance, measurable cycle-time reductions असलेले document workflows, किंवा revenue-generating processesमध्ये integrated domain-specific copilots. प्रभावी volume निर्माण करणारे पण business benefit अस्पष्ट असलेले experiments अधिक तीव्र अंतर्गत प्रतिकाराला सामोरे जाऊ शकतात.

यामुळे enterprise adoption चा अधिक परिपक्व टप्पा दिसेल. अनेक workplacesमध्ये जेनरेटिव्ह AI च्या सुरुवातीच्या काळात उत्साह आणि स्पष्ट प्रयोगांना बक्षीस मिळत होते. पुढचा टप्पा restraint, measurement, आणि खर्च अंदाजपात्र ठेवणाऱ्या architecture choicesना प्राधान्य देईल. त्या अर्थाने tokenmaxxing चा ऱ्हास म्हणजे माघार नाही, तर normalisation आहे. हे तंत्रज्ञान performative phase मधून बाहेर पडून बहुतेक enterprise softwareला नियंत्रित करणाऱ्या procurement logic मध्ये शिरत आहे.

Fast Company अहवालातील महत्त्वाचा संकेत हा नाही की कंपन्या रस कमी झाल्यामुळे AI कमी वापरत आहेत. तर त्या आता विचारू लागल्या आहेत की खर्च केलेला प्रत्येक token दीर्घकालीन मूल्य निर्माण करतो का. scaleवर उभारलेल्या उद्योगासाठी हा कदाचित सर्वात महत्त्वाचा प्रश्न ठरेल.

हा लेख Fast Company च्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.