“टोकनमैक्सिंग” – क्या यह अमेज़न था? एक निगम ने आधा अरब डॉलर के टोकन क्यों जला दिए: सुरक्षा तंत्र के रूप में प्रबंधित एआई

एक्सपर्ट प्री-रिलीज़

Available in 27 languages 📢

Google पर Xpert.Digital को प्राथमिकता देंⓘ

प्रकाशन तिथि: 1 जून, 2026 / अद्यतन तिथि: 1 जून, 2026 – लेखक: Konrad Wolfenstein

“टोकनमैक्सिंग” – क्या यह अमेज़न था? एक निगम ने आधा अरब डॉलर के टोकन क्यों जला दिए: सुरक्षा तंत्र के रूप में प्रबंधित एआई – चित्र: Xpert.Digital

“टोकनमैक्सिंग” से लाखों का नुकसान: एआई का वो गुप्त चलन जो अमेज़न, उबर और अन्य कंपनियों को घुटनों पर ला रहा है

500 मिलियन डॉलर का जाल: स्वायत्त एआई एजेंट कंपनियों के बजट को क्यों बर्बाद कर रहे हैं?

एक महीने में एआई मॉडल तक असीमित पहुंच और अविश्वसनीय रूप से 50 करोड़ डॉलर का बिल: कॉर्पोरेट जगत से हाल ही में सामने आई एक घटना कृत्रिम बुद्धिमत्ता के स्पष्ट दिशा-निर्देशों के बिना उपयोग किए जाने पर होने वाले भारी वित्तीय जोखिमों को उजागर करती है। तथाकथित "एजेंटिक एआई" जटिल कार्यों को स्वायत्त रूप से संभालने के लिए तेजी से आगे बढ़ रहा है, वहीं "टोकन मैक्सिंग" जैसी घटनाएं पर्दे के पीछे लागत को तेजी से बढ़ा रही हैं - अक्सर कंपनी के लिए बिना किसी ठोस अतिरिक्त मूल्य के। यहां तक कि अमेज़ॅन, उबर और मेटा जैसी तकनीकी दिग्गज कंपनियां भी इस बात से अवगत हो चुकी हैं कि अनियंत्रित एआई तैनाती बजट को रिकॉर्ड समय में खत्म कर देती है। यह मामला कॉर्पोरेट इतिहास में संभवतः सबसे महंगी एआई विफलता पर प्रकाश डालता है और स्पष्ट रूप से दर्शाता है कि "प्रबंधित एआई" - एआई वर्कफ़्लो का व्यवस्थित नियंत्रण, प्रबंधन और सीमा - अब एक वैकल्पिक आईटी सुविधा नहीं है, बल्कि प्रत्येक कंपनी के लिए एक परम रणनीतिक आवश्यकता है।.

जब शासन की कमी एआई मॉडल से भी अधिक महंगी साबित होती है

किसी बड़ी कंपनी के लेखा विभाग में, वित्त टीम अभी भी एक महीने की घटनाओं का हिसाब-किताब कर रही है। न कोई तिमाही रिपोर्ट, न कोई वार्षिक योजना—सिर्फ एक महीने में ही एंथ्रोपिक के क्लाउड प्लेटफॉर्म पर लगभग 500 मिलियन डॉलर का हस्तांतरण हो गया, और कोई भी खर्च पर रोक नहीं लगा सका। ऐसा इसलिए नहीं हुआ कि कंपनी सीमा निर्धारित करने में असमर्थ थी, बल्कि इसलिए हुआ क्योंकि किसी ने भी सीमा निर्धारित नहीं की थी।.

एक्सियोस द्वारा 28 मई, 2026 को पहली बार रिपोर्ट किया गया और एक एआई सलाहकार द्वारा पुष्टि किया गया यह मामला, अब कॉर्पोरेट इतिहास में एआई लागत में अत्यधिक वृद्धि के कारण एक माह में हुए सबसे बड़े सार्वजनिक रूप से ज्ञात नुकसान के रूप में माना जाता है। यह उद्योग के हाशिये पर घटी कोई अकेली घटना नहीं है—यह एक संरचनात्मक कमजोरी का लक्षण है जो वर्तमान में कई बड़ी कंपनियों को प्रभावित कर रही है: एजेंटिक एआई का अनियंत्रित उपयोग और प्रबंधित एआई संरचनाओं का लगभग पूर्ण अभाव।.

मामले का विस्तृत विवरण: 500 मिलियन डॉलर की कोई सीमा नहीं

एक्सियोस या उद्धृत सलाहकार ने संबंधित कंपनी का नाम नहीं बताया। प्लेटफॉर्म X पर अमेज़न के बारे में अटकलें लगाई गईं, लेकिन बिना किसी सबूत के। जो ज्ञात है वह यह है कि निगम ने अपने कर्मचारियों को एंथ्रोपिक के क्लाउड प्लेटफॉर्म तक असीमित पहुंच प्रदान की - बिना खर्च सीमा, बिना उपयोग कोटा और बिना टोकन खपत की निगरानी के लिए रीयल-टाइम डैशबोर्ड के।.

इसका नतीजा यह हुआ कि लागत में बेतहाशा वृद्धि हुई। कर्मचारियों ने एआई कोडिंग एजेंटों, लंबे संदर्भ अंतराल वाले वर्कफ़्लो और कार्यों को स्वचालित रूप से जोड़ने वाले बहुस्तरीय एजेंटिक एआई सिस्टम का बड़े पैमाने पर उपयोग किया। न तो वित्त विभाग और न ही आईटी प्रबंधन संरचनाओं ने हस्तक्षेप किया। जब बिल आया, तब तक एक ही महीने में 500 मिलियन डॉलर खर्च हो चुके थे।.

एन्थ्रोपिक एंटरप्राइज़-स्तरीय नियंत्रण तंत्र प्रदान करता है: प्रशासक डैशबोर्ड, उपयोगकर्ता-आधारित उपयोग सीमाएँ और अनुपालन उपकरण। हालाँकि, इन सुविधाओं के लिए सक्रिय कॉन्फ़िगरेशन की आवश्यकता होती है। इस मामले में, इस कॉन्फ़िगरेशन की पूरी तरह से अनदेखी की गई। परिणाम: एन्थ्रोपिक ने एक ही ग्राहक से मासिक राजस्व का वह स्तर अर्जित किया, जिसका आमतौर पर वेंचर कैपिटलिस्ट केवल सपना ही देखते हैं।.

एजेंटिक एआई: मौन लागत गुणक

यह समझने के लिए कि 30 दिनों में 500 मिलियन डॉलर कैसे संभव है, हमें तथाकथित एजेंटिक एआई सिस्टम की प्रकृति को समझना होगा। एक भाषा मॉडल को भेजी जाने वाली सामान्य क्वेरी—आप एक प्रश्न टाइप करते हैं, उत्तर प्राप्त करते हैं—में टोकन की संख्या सीमित होती है। दूसरी ओर, एक एआई एजेंट मौलिक रूप से अलग तरीके से कार्य करता है।.

एजेंटिक एआई सिस्टम स्वायत्त रूप से योजना बनाते हैं, कई कार्यों को क्रमानुसार निष्पादित करते हैं, अपने मध्यवर्ती परिणामों का मूल्यांकन करते हैं, स्वयं को सुधारते हैं, बाहरी उपकरणों का उपयोग करते हैं, और प्रत्येक चरण में पिछले संपूर्ण वार्तालाप इतिहास को पुनः संदर्भ में रखते हैं। प्रत्येक नई क्रिया के लिए मॉडल को न केवल वर्तमान संकेत बल्कि संपूर्ण संचित वार्तालाप इतिहास को संसाधित करना आवश्यक होता है—यह एक स्नोबॉल प्रभाव है जिसके कारण टोकन की लागत तेजी से बढ़ती है। स्टैनफोर्ड डिजिटल इकोनॉमी लैब द्वारा किए गए एक हालिया अध्ययन में, जिसमें एरिक ब्रायनजोल्फसन ने भाग लिया था, ने अनुभवजन्य रूप से प्रदर्शित किया कि एजेंटिक एआई कार्य, साधारण कोड रीजनिंग कार्यों या कोड चैट की तुलना में औसतन 1,000 गुना अधिक टोकन की खपत करते हैं।.

इस शोधपत्र में एक विशेष रूप से महत्वपूर्ण निष्कर्ष सामने आया: मॉडल संरचनात्मक रूप से अपने टोकन की लागत का अनुमान लगाने में असमर्थ होते हैं। समान कार्यों के लिए, एक ही एजेंट द्वारा टोकन की वास्तविक खपत 30 गुना तक भिन्न हो सकती है। और टोकन की अधिक खपत का अर्थ यह नहीं है कि परिणाम भी उच्च गुणवत्ता वाले होंगे – सटीकता अक्सर मध्यम टोकन उपयोग पर अधिकतम होती है और उच्च खपत स्तर पर स्थिर हो जाती है।.

इस अंतर्निहित अनिश्चितता के कारण शास्त्रीय वित्तीय तर्क के अनुसार टोकन बजटिंग लगभग असंभव हो जाती है - जब तक कि कोई प्रबंधित एआई सिस्टम के माध्यम से संरचनात्मक ढांचे का निर्माण नहीं करता है जो मॉडल व्यवहार से स्वतंत्र रूप से लागत प्रवाह को नियंत्रित करता है।.

टोकनाइज़िंग: जब प्रदर्शन प्रोत्साहन विकृत हो जाते हैं

500 मिलियन टोकन का मामला कोई अलग-थलग घटना नहीं है। यह एक व्यापक घटनाक्रम का हिस्सा है जिसे अब एक अलग नाम दिया गया है: टोकन मैक्सिंग। इसका तात्पर्य टोकन की खपत को जानबूझकर बढ़ाना है - किसी वास्तविक आवश्यकता के कारण नहीं, बल्कि आंतरिक प्रदर्शन संकेतकों को पूरा करने, कंपनी में पदोन्नति पाने या केवल एआई-आधारित उत्पादकता मापों की सटीकता का फायदा उठाने के लिए।.

अमेज़न ने अपने किरो डेवलपर प्लेटफ़ॉर्म के लिए "किरो रैंक" नामक एक आंतरिक रैंकिंग प्रणाली शुरू की, जो कर्मचारियों के एआई उपयोग के आधार पर उनका मूल्यांकन करती थी। इसका प्रारंभिक उद्देश्य सराहनीय था: एआई को बढ़ावा देना और सर्वोत्तम प्रथाओं को उजागर करना। लेकिन इसका अनपेक्षित परिणाम यह हुआ कि कर्मचारी केवल अपने टोकन की संख्या बढ़ाने और रैंकिंग में ऊपर चढ़ने के लिए एआई एजेंटों को निरर्थक कार्य सौंपने लगे। अमेज़न के वरिष्ठ उपाध्यक्ष डेव ट्रेडवेल ने बाद में कर्मचारियों को समझाया कि हालांकि लीडरबोर्ड अच्छे इरादों से विकसित किया गया था, लेकिन इसके परिणामस्वरूप अनावश्यक अतिरिक्त लागतें आईं। उनका संदेश स्पष्ट था: "केवल एआई का उपयोग करने के लिए इसका उपयोग न करें।" इस प्रणाली को बंद कर दिया गया। एक नए मूल्यांकन मानदंड के रूप में, अमेज़न ने "सामान्यीकृत परिनियोजन" पेश किया - एक ऐसा मीट्रिक जो टोकन की संख्या को नहीं, बल्कि उत्पन्न उपयोगी कोड परिनियोजनों की वास्तविक संख्या को मापता है।.

कुछ सप्ताह पहले ही मेटा ने "क्लॉडोनॉमिक्स" नामक एक समान कर्मचारी नेतृत्व बोर्ड शुरू किया था। यह पैटर्न बार-बार दोहराया जाता है: जैसे ही टोकन की खपत एक मापने योग्य मीट्रिक बन जाती है, कर्मचारी मूल्य सृजन के बजाय टोकन की खपत को प्राथमिकता देने लगते हैं।.

ऊबर ने समस्या की गंभीरता का और सबूत पेश किया। सीटीओ प्रवीण नेप्पल्ली नागा ने द इंफॉर्मेशन को बताया कि ऊबर ने अप्रैल तक, यानी साल के सिर्फ चार महीने बीतने के बाद ही, 2026 के लिए अपना पूरा एआई बजट खर्च कर दिया था। इसकी वजह क्लाउड कोड का लगभग 5,000 इंजीनियरों तक तेजी से विस्तार होना था, जिसने कंपनी के आंतरिक वित्तीय मॉडलों को पूरी तरह से ध्वस्त कर दिया। ऊबर ने 2025 में अनुसंधान और विकास पर पहले ही 3.4 अरब डॉलर खर्च कर दिए थे, जो पिछले वर्ष की तुलना में नौ प्रतिशत अधिक था। इसलिए, बजट की यह भारी कमी संसाधनों की कमी का मुद्दा नहीं, बल्कि प्रबंधन की समस्या थी।.

ऊबर के सीओओ, एंड्रयू मैकडोनाल्ड ने सार्वजनिक रूप से वही बात कही जो कई कारोबारी नेता आपस में चर्चा तो करते हैं लेकिन शायद ही कभी इतनी प्रत्यक्ष रूप से कहते हैं: टोकन की अधिक खपत का ग्राहकों के लिए लाभकारी परिणामों से कोई स्पष्ट संबंध नहीं है। ऊबर ने भी एआई को बढ़ावा देने के लिए आंतरिक लीडरबोर्ड का इस्तेमाल किया था—जिसका परिणाम अमेज़न की तरह ही उल्टा निकला।.

लागत के दबाव में एक उद्योग: कुछ और असाधारण मामले

क्लाउड का 500 मिलियन डॉलर का मामला सबसे सनसनीखेज व्यक्तिगत मामला है, लेकिन यह इकलौता मामला नहीं है। अकेले मई 2026 में ही कई सनसनीखेज लागत संबंधी आपदाएँ सामने आईं, जो मिलकर एक संरचनात्मक तस्वीर पेश करती हैं।.

वायरल एआई एजेंट टूल ओपनक्लॉ के निर्माता, डेवलपर पीटर स्टाइनबर्गर ने अपने ओपनएआई एपीआई डैशबोर्ड का एक स्क्रीनशॉट प्रकाशित किया: 30 दिनों में 1,305,088.81 डॉलर के टोकन का उपयोग हुआ, जो 7.6 मिलियन एपीआई अनुरोधों के माध्यम से 603 बिलियन टोकन में वितरित किया गया था। ये अनुरोध लगभग 100 कोडेक्स इंस्टेंस द्वारा उत्पन्न किए गए थे, जिन्हें तीन लोगों की टीम द्वारा चलाया जा रहा था। स्टाइनबर्गर अब सीधे ओपनएआई में काम करते हैं और उन्होंने व्यक्तिगत रूप से यह राशि नहीं चुकाई - ओपनएआई ने एक फंडिंग समझौते के तहत लागत वहन की। फिर भी, यह मामला एजेंट-संचालित विकास परिवेशों की लागत के पैमाने को दर्शाता है।.

अप्रैल 2026 में, जेसी डेविस नामक एक ऑस्ट्रेलियाई एआई सलाहकार को गूगल क्लाउड से 25,672.86 ऑस्ट्रेलियाई डॉलर (लगभग 18,391 अमेरिकी डॉलर) का बिल मिला – जबकि उनके खाते में केवल 10 ऑस्ट्रेलियाई डॉलर का बजट था। यह हमला एक सार्वजनिक रूप से उपलब्ध एपीआई कुंजी का उपयोग करके किया गया था, जिसे कंटेनर वातावरण में एक सादे पाठ चर के रूप में संग्रहीत किया गया था। गूगल क्लाउड की नौ सुरक्षा सुविधाओं से इस घटना को रोका जा सकता था – हालांकि, वे सभी डिफ़ॉल्ट रूप से निष्क्रिय थीं। स्थिति और भी खराब तब हुई जब 1,000 डॉलर की सीमा पार हो जाने पर गूगल ने बिना किसी सूचना के खाते को स्वचालित रूप से 20,000 से 100,000 अमेरिकी डॉलर की खर्च सीमा वाले उच्च स्तर पर अपग्रेड कर दिया।.

प्रति इंजीनियर मासिक लागत बढ़कर 500 डॉलर से 2,000 डॉलर के बीच हो जाने के बाद माइक्रोसॉफ्ट ने अपने आंतरिक क्लाउड कोड लाइसेंस की कीमतें कम करना शुरू कर दिया। कंपनी अपने इंजीनियरों को GitHub Copilot CLI पर स्थानांतरित कर रही है, जो एक अधिक लागत प्रभावी विकल्प है।.

ओपनएआई के सीईओ सैम अल्टमैन ने सार्वजनिक रूप से स्वीकार किया कि उन्हें व्यापारिक नेताओं से नियमित रूप से यह सुनने को मिलता है: "हमारा खर्च लगातार बढ़ रहा है, लोग उत्पादक महसूस करते हैं - लेकिन राजस्व कहां है, वास्तविक उत्पादकता लाभ कहां हैं?"

🤖🚀 प्रबंधित एआई प्लेटफ़ॉर्म: UNFRAMEके साथ एआई समाधानों के लिए तेज़, सुरक्षित और स्मार्ट तरीके।

प्रबंधित एआई प्लेटफॉर्म - छवि: Xpert.Digital

यहां आप जानेंगे कि आपकी कंपनी बिना किसी बड़ी बाधा के, तेजी से, सुरक्षित रूप से और बिना किसी विशेष प्रक्रिया के अनुकूलित एआई समाधानों को कैसे लागू कर सकती है।.

एक प्रबंधित एआई प्लेटफॉर्म कृत्रिम बुद्धिमत्ता के लिए आपका संपूर्ण और चिंतामुक्त समाधान है। जटिल तकनीक, महंगे बुनियादी ढांचे और लंबी विकास प्रक्रियाओं से निपटने के बजाय, आपको एक विशेषज्ञ भागीदार से आपकी आवश्यकताओं के अनुरूप तैयार समाधान मिलता है - अक्सर कुछ ही दिनों के भीतर।.

मुख्य लाभ संक्षेप में:

⚡ त्वरित कार्यान्वयन: विचार से लेकर उपयोग के लिए तैयार एप्लिकेशन तक, महीनों में नहीं, दिनों में। हम ऐसे व्यावहारिक समाधान प्रदान करते हैं जो तत्काल मूल्यवर्धन करते हैं।.

🔒 अधिकतम डेटा सुरक्षा: आपका संवेदनशील डेटा आपके पास ही सुरक्षित रहता है। हम तीसरे पक्षों के साथ डेटा साझा किए बिना सुरक्षित और नियमों के अनुरूप प्रोसेसिंग की गारंटी देते हैं।.

💸 कोई वित्तीय जोखिम नहीं: आपको केवल परिणामों के लिए भुगतान करना होगा। हार्डवेयर, सॉफ्टवेयर या कर्मचारियों में होने वाले भारी प्रारंभिक निवेश की कोई आवश्यकता नहीं है।.

🎯 अपने मुख्य व्यवसाय पर ध्यान केंद्रित करें: आप जिस काम में सबसे अच्छे हैं, उसी पर ध्यान दें। हम आपके एआई समाधान के संपूर्ण तकनीकी कार्यान्वयन, संचालन और रखरखाव का ध्यान रखते हैं।.

📈 भविष्य के लिए तैयार और विस्तार योग्य: आपकी एआई आपके साथ बढ़ती है। हम निरंतर अनुकूलन और विस्तारशीलता सुनिश्चित करते हैं, और नए आवश्यकताओं के अनुसार मॉडलों को लचीले ढंग से अनुकूलित करते हैं।.

अधिक जानकारी यहाँ:

प्रबंधित एआई प्लेटफ़ॉर्म

कॉर्पोरेट जिम्मेदारी के रूप में प्रबंधित एआई: बजट और अनुपालन की सुरक्षा कैसे करें

मैनेज्ड एआई का अर्थ क्या है – और यह इस नुकसान को कैसे रोक सकता था

व्यावसायिक संदर्भ में, "मैनेज्ड एआई" शब्द किसी संगठन के भीतर सभी एआई गतिविधियों को नियंत्रित करने, निगरानी करने और संचालित करने के लिए एक संरचित, प्लेटफ़ॉर्म-आधारित दृष्टिकोण को संदर्भित करता है। अनियंत्रित प्रत्यक्ष एपीआई एक्सेस के विपरीत, मैनेज्ड एआई कर्मचारियों और अंतर्निहित भाषा मॉडल के बीच एक प्रशासनिक नियंत्रण परत स्थापित करता है।.

एक पूर्णतः कार्यान्वित प्रबंधित एआई प्रणाली में, कई तकनीकी और संगठनात्मक कारणों से 500 मिलियन डॉलर का परिदृश्य कभी भी संभव नहीं हो सकता था।.

सबसे पहले, प्रोजेक्ट, टीम या उपयोगकर्ता स्तर पर खर्च-आधारित सीमाएं पूर्वनिर्धारित बजट सीमा तक पहुंचने पर API ट्रैफ़िक को स्वचालित रूप से धीमा करने या पूरी तरह से बंद करने में सक्षम बनाती हैं। Google Cloud ने इसे पहचाना और अप्रैल 2026 में अपने Next सम्मेलन में Gemini, Cloud Run और अन्य सेवाओं के लिए "खर्च सीमा" की शुरुआत की घोषणा की - ये सीमाएं न केवल उपयोगकर्ताओं को सचेत करती हैं बल्कि ट्रैफ़िक को सक्रिय रूप से रोकती भी हैं।.

दूसरा, उपयोगकर्ता, टीम और वर्कफ़्लो स्तरों पर विस्तृत रीयल-टाइम निगरानी से लागत बढ़ने से पहले ही विसंगतियों के शुरुआती संकेत मिल जाते हैं। मोडल के सीटीओ अक्षत बुबना का अनुमान है कि कंपनियों में आंतरिक टोकन खपत का लगभग 50 प्रतिशत पूरी तरह से बेकार है - वर्तमान समस्या यह है कि बेकार टोकन के आधे हिस्से को उपयोगी टोकन के आधे हिस्से से अलग करना मुश्किल है। प्रबंधित एआई सिस्टम विस्तृत उपयोग विश्लेषण के माध्यम से यही अंतर स्पष्ट करते हैं।.

तीसरा, भूमिका-आधारित एक्सेस प्रबंधन उपयोगकर्ता समूहों के बीच अंतर करने में सक्षम बनाता है: नियमित कार्यों को कम खर्चीले मॉडल (जैसे क्लाउड हाइकू) पर भेजा जाता है, जबकि गणनात्मक रूप से गहन वर्कफ़्लो अधिक शक्तिशाली, लेकिन अधिक महंगे मॉडल पर निष्पादित किए जाते हैं। एंथ्रोपिक स्वयं अपने आधिकारिक मूल्य निर्धारण दस्तावेज़ में लागत रणनीति के रूप में मॉडल-संवेदनशील कार्य आवंटन की स्पष्ट रूप से अनुशंसा करता है: सरल कार्यों के लिए हाइकू, अधिकांश उत्पादन कार्यभार के लिए सॉनेट, और केवल सबसे जटिल तर्क कार्यों के लिए ओपस।.

चौथा, प्रॉम्प्ट कैशिंग तंत्र अनावश्यक टोकन खपत चक्रों से सुरक्षा प्रदान करते हैं: सिस्टम प्रॉम्प्ट या कंपनी नीतियों जैसे आवर्ती संदर्भ ब्लॉकों को प्रत्येक अनुरोध के साथ पुनः लोड करने की आवश्यकता नहीं होती है। एजेंटिक वर्कफ़्लो के लिए जो एक ही संदर्भ को दिन में सैकड़ों बार लोड करते हैं, इससे टोकन लागत में 60 से 80 प्रतिशत तक की कमी आ सकती है।.

पांचवां, बैच प्रोसेसिंग समय-सीमा से परे कार्यों के लिए भारी लागत बचत प्रदान करती है: एंथ्रोपिक का बैच एपीआई सिंक्रोनस अनुरोधों की तुलना में 50 प्रतिशत तक की छूट प्रदान करता है। एक प्रबंधित एआई प्रणाली में, ऐसे अनुकूलन स्वचालित रूप से लागू होते हैं, जिससे व्यक्तिगत डेवलपर्स को मैन्युअल निर्णय लेने की आवश्यकता समाप्त हो जाती है।.

संरचनात्मक शासन व्यवस्था में अंतर: कंपनियां इसके लिए तैयार क्यों नहीं हैं?

सवाल तकनीकी नहीं, बल्कि संगठनात्मक है: हजारों कर्मचारियों, अरबों डॉलर के आईटी बजट और परिष्कृत क्लाउड गवर्नेंस संरचनाओं वाली कंपनियां एआई के लिए सबसे सरल लागत नियंत्रण तंत्र को लागू करने में क्यों विफल रही हैं?

इसका उत्तर संरचनात्मक समय अंतराल में निहित है। क्लाउड गवर्नेंस अवधारणाएं, जैसे कि फिनऑप्स (क्लाउड खर्च प्रबंधन के लिए अनुशासित, अंतर-कार्यात्मक दृष्टिकोण), कई वर्षों में विकसित हुईं जब कंप्यूटिंग लागतें पूर्वानुमानित और रैखिक रूप से स्केलेबल थीं। एआई टोकन मूल्य निर्धारण मॉडल मौलिक रूप से भिन्न व्यवहार करते हैं: वे गैर-रैखिक, गैर-निर्धारित हैं, और एजेंट-संचालित वर्कफ़्लो ऐसी लागतें उत्पन्न करते हैं जो न तो पूर्वानुमानित हैं और न ही सहज ज्ञान युक्त।.

स्टेट ऑफ फिनऑप्स 2026 रिपोर्ट इस बात की पुष्टि करती है कि एआई पर होने वाला खर्च प्रायोगिक बजट से बढ़कर मूलभूत बुनियादी ढांचे का हिस्सा बन गया है, और लगभग सभी फिनऑप्स टीमें अब एआई कार्यभार की जिम्मेदारी साझा करती हैं। हालांकि, निवेश पर प्रतिफल के लिए स्थापित मापदंडों का अभाव है: फिनऑप्स फाउंडेशन समिट में हुए एक लाइव सर्वेक्षण के अनुसार, व्यापारिक नेताओं के लिए सबसे बड़ी समस्या एआई की लागत की मात्रा नहीं, बल्कि इसके मूल्य को प्रदर्शित करने में असमर्थता है।.

एन्थ्रोपिक की मूल्य निर्धारण संरचना ने मामले को और भी जटिल बना दिया है। अप्रैल 2026 में, एन्थ्रोपिक ने अपने एंटरप्राइज़ मॉडल में मौलिक बदलाव किया: निश्चित, सीट-आधारित सदस्यता शुल्क के बजाय, अब कम नाममात्र सीट मूल्य (उदाहरण के लिए, क्लाउड कोड के तकनीकी उपयोगकर्ताओं के लिए $20 प्रति माह) निर्धारित किए गए हैं, साथ ही अनिवार्य, अग्रिम उपभोग प्रतिबद्धताएँ भी लागू की गई हैं। थोक खरीदारों के लिए पहले दी जाने वाली 10 से 15 प्रतिशत की एपीआई छूट को समाप्त कर दिया गया है। यह संरचना उपभोग जोखिम को पूरी तरह से एंटरप्राइज़ पर डाल देती है: कंपनियाँ वास्तविक उपभोग की परवाह किए बिना प्रतिबद्ध मात्रा के लिए भुगतान करती हैं, जबकि प्रतिबद्धता से अधिक अनियंत्रित उपभोग के लिए पूरी कीमत वसूल की जाती है।.

गार्टनर का अनुमान है कि अपर्याप्त शासन संरचनाओं के कारण 2027 के अंत तक सभी एजेंटिक एआई परियोजनाओं में से 40 प्रतिशत से अधिक बंद कर दी जाएंगी।.

एआई प्रशासन एक रणनीतिक कॉर्पोरेट अनिवार्यता के रूप में

इन मामलों के परिणाम स्पष्ट हैं: एआई गवर्नेंस अब आईटी विभाग के लिए कोई अतिरिक्त बोझ नहीं रह गया है, बल्कि यह एक रणनीतिक कॉर्पोरेट जिम्मेदारी बन गई है। प्रबंधित एआई संरचनाओं को लागू करने वाली कंपनियों को अनियंत्रित तैनाती की तुलना में कई महत्वपूर्ण लाभ प्राप्त होते हैं।.

लागत में पारदर्शिता और खर्च पर नियंत्रण इसकी बुनियाद हैं। अग्रणी संगठन पहले से ही सख्त खर्च सीमा, भूमिका-आधारित पहुंच प्रबंधन, रीयल-टाइम मॉनिटरिंग डैशबोर्ड और ऐसी नीतियों पर निर्भर हैं जो नियमित कार्यों के लिए अधिक लागत-प्रभावी मॉडल अनिवार्य बनाती हैं। डेटब्रिक्स अपने गवर्नेंस दिशानिर्देशों में डिज़ाइन-टाइम और रनटाइम सुरक्षा उपायों की स्पष्ट रूप से अनुशंसा करता है: पूर्वनिर्धारित टोकन सीमाएं, संदर्भ-लंबाई प्रतिबंध, कैशिंग नियम और विसंगति पहचान प्रणाली जो वर्कफ़्लो के अनियंत्रित रूप से बढ़ने से पहले हस्तक्षेप करती हैं।.

मूल्य-आधारित मापन टोकन-आधारित मापदंडों की जगह ले रहा है। अमेज़न का किरो रैंक से "सामान्यीकृत परिनियोजन" की ओर बदलाव—जिसमें कच्चे टोकन की मात्रा के बजाय सार्थक कोड परिनियोजन को मापा जाता है—भविष्य की दिशा दिखाता है: उपभोग नहीं, बल्कि उत्पादित परिणाम ही प्रासंगिक मापदंड है। मापदंडों में यह बदलाव केवल एक तकनीकी टिप्पणी नहीं है, बल्कि एआई उत्पादकता के अर्थ का एक मौलिक पुनर्मूल्यांकन है।.

सामान्य प्रयोजन प्रणालियों के बजाय विशिष्ट उपकरण गुणवत्ता से समझौता किए बिना लागत में उल्लेखनीय कमी लाने में सक्षम बनाते हैं। परिभाषित, दोहराव वाले कार्यों के लिए, विशिष्ट, कार्य-अनुकूलित समाधान अक्सर एक सार्वभौमिक अत्याधुनिक मॉडल की तुलना में 10 से 100 गुना सस्ते होते हैं। फिनऑप्स फाउंडेशन शिखर सम्मेलन ने इसे एक प्रमुख सिद्धांत के रूप में प्रतिपादित किया: सबसे पहले, यह निर्धारित करें कि क्या कार्य के लिए एआई की आवश्यकता है; फिर, यह निर्धारित करें कि कौन सा मॉडल सबसे अधिक लागत प्रभावी है; और उसके बाद ही अनुकूलन करें।.

एआई गेटवे आर्किटेक्चर नियंत्रण को केंद्रीकृत करते हैं। बिफ्रोस्ट (मैक्सिम एआई) जैसे प्लेटफॉर्म केंद्रीय गेटवे के रूप में कार्य करते हैं जो किसी संगठन के सभी एआई ट्रैफिक को रूट करते हैं, मॉनिटर करते हैं और पॉलिसी नियंत्रण लागू करते हैं। ऐसे आर्किटेक्चर संगठनों को एक ही केंद्रीय स्थान पर खर्च सीमा, मॉडल रूटिंग, गोपनीयता फिल्टर और अनुपालन आवश्यकताओं को प्रबंधित करने और ऑडिट उद्देश्यों के लिए सभी एआई गतिविधियों को पूरी तरह से लॉग करने की अनुमति देते हैं।.

टोकन युग का अर्थशास्त्र: उद्यम वित्त के लिए नए नियम

500 मिलियन डॉलर का यह मामला कॉर्पोरेट वित्त और एआई अवसंरचना को एक साथ देखने के तरीके में एक महत्वपूर्ण मोड़ है। टोकन-आधारित मूल्य निर्धारण मॉडल पारंपरिक सॉफ्टवेयर लाइसेंस की तरह व्यवहार नहीं करते हैं: इसमें कोई निश्चित वार्षिक शुल्क नहीं है, कोई स्पष्ट रूप से परिभाषित दायरा नहीं है, और कोई स्वाभाविक खपत सीमा नहीं है।.

यह मूलभूत अंतर पारंपरिक कॉर्पोरेट बजट प्रक्रियाओं को पूरी तरह से उलट देता है। सॉफ्टवेयर लागत को निश्चित व्यय के रूप में देखने के आदी मुख्य वित्तीय अधिकारी (सीएफओ) अब एक परिवर्तनीय लागत मॉडल का सामना कर रहे हैं जो तेजी से बढ़ सकता है। वैश्विक एआई खर्च 2026 तक 2.52 ट्रिलियन डॉलर तक पहुंचने का अनुमान है - जो पिछले वर्ष की तुलना में 44 प्रतिशत की वृद्धि है। इस व्यापक पैमाने के कारण अनियंत्रित उद्यम तैनाती एक प्रणालीगत जोखिम बन जाती है।.

बाजार संकटों के बारे में शुरुआती चेतावनी देने के लिए मशहूर माइकल बरी ने टोकन मैक्सिंग को "कोटा, लीडरबोर्ड और प्रबंधन द्वारा संचालित अत्यधिक उपभोग" और "एक पागलपन भरा, जल्दबाजी वाला, अस्थायी दौर" बताया है। उनका अनुमान है कि यह दौर टिकाऊ नहीं है। उनका अनुमान सही साबित हो या न हो, समायोजन के लिए संरचनात्मक दबाव पहले से ही शुरू हो चुका है।.

नवाचार को गति देने वाले कारक के रूप में कृत्रिम बुद्धिमत्ता (एआई) की अनियंत्रित, लोकतांत्रिक पहुंच की अवधारणा को भारी लागत वृद्धि की वास्तविकता के कारण वर्तमान में सुधारा जा रहा है। अब जो मॉडल बचा है वह अधिक परिपक्व मॉडल है: व्यापक पहुंच, लेकिन परिभाषित सीमाओं, मापने योग्य लक्ष्यों और संस्थागत नियंत्रण तंत्रों के साथ - संक्षेप में, अपने पूर्ण अर्थों में प्रबंधित एआई।.

कंपनियों को अब क्या करने की जरूरत है

वर्णित मामलों से उन कंपनियों को तत्काल परिचालन संबंधी निष्कर्ष निकालने में मदद मिलती है जो उद्यम स्तर पर एआई का उपयोग करती हैं।.

पहली प्राथमिकता उपयोगकर्ता, टीम और परियोजना स्तरों पर खर्च की सख्त सीमाएं तुरंत लागू करना है। एंथ्रोपिक, गूगल क्लाउड और ओपनएआई ऐसे उद्यम नियंत्रण तंत्र प्रदान करते हैं जिन्हें कॉन्फ़िगर करने की आवश्यकता होती है। लगभग सभी ज्ञात मामलों में मुख्य समस्या उत्पाद पोर्टफोलियो में उनकी अनुपस्थिति नहीं थी, बल्कि उन्हें कॉन्फ़िगर करने में विफलता थी।.

इसके साथ ही, एजेंटिक वर्कफ़्लो को शुरू करने या विस्तारित करने से पहले 30 दिनों में टोकन की वास्तविक खपत का आधारभूत मापन किया जाना चाहिए। इस आधारभूत मापन के बिना, विसंगतियों के लिए कोई संदर्भ बिंदु नहीं होता है। मासिक बजट के 25, 50 और 75 प्रतिशत पर स्वचालित रूप से अलर्ट जारी करने वाली विसंगति पहचान प्रणाली सुरक्षा की दूसरी परत प्रदान करती है।.

एआई उत्पादकता के मापन के लिए मापन पद्धति को सांकेतिक मात्राओं से परिणाम-आधारित मापन की ओर ले जाने की आवश्यकता है। अमेज़न ने "सामान्यीकृत तैनाती" के साथ एक व्यवहार्य मॉडल प्रस्तुत किया है। एआई में किए गए वे निवेश जिनका मापन किए गए व्यावसायिक परिणामों से कोई संबंध नहीं है, उनका पुनर्मूल्यांकन किया जाना चाहिए।.

एजेंटिक एआई को लागू करने के लिए स्पष्ट और चरणबद्ध शासन की आवश्यकता होती है: पायलट समूह, स्पष्ट रूप से परिभाषित उपयोग के मामले, प्रति वर्कफ़्लो लागत सीमा और व्यापक कार्यान्वयन से पहले नियमित समीक्षा। एजेंटिक एआई की स्केलेबिलिटी एक ताकत है—लेकिन सुरक्षा उपायों के बिना इसे बेकाबू करने पर यह लागत का जोखिम भी है।.

निष्कर्ष: एक ऐसे पाठ के लिए 500 मिलियन डॉलर खर्च किए गए जो मुफ्त में उपलब्ध था।

500 मिलियन डॉलर का यह मामला अपने पैमाने में असाधारण है, लेकिन इसका कारण सामान्य है: किसी ने भी कोई बदलाव नहीं किया था। लागत नियंत्रण के लिए तकनीकी बुनियादी ढांचा मौजूद था, लेकिन उसका विन्यास अधूरा था। कमी थी एक सुनियोजित एआई रणनीति की—एक संस्थागत ढांचा जो एआई की पहुंच को एआई शासन के साथ जोड़ता हो।.

व्यापारिक नेताओं के लिए संदेश स्पष्ट है: एक सुशासन ढांचे के बिना एआई उपकरणों तक व्यापक पहुंच कर्मचारियों पर भरोसे का संकेत नहीं है—यह वित्तीय लापरवाही है। उबर, अमेज़ॅन, माइक्रोसॉफ्ट और आधा अरब डॉलर का निवेश करने वाली गुमनाम कंपनी के मामले सामूहिक रूप से किसी नई तकनीक की शुरुआती समस्याओं का वर्णन नहीं करते हैं। वे कॉर्पोरेट प्रशासन के सिद्ध सिद्धांतों के साथ नई तकनीक को एकीकृत करने में प्रणालीगत विफलता को दर्शाते हैं।.

इस कमी को प्रबंधित एआई दूर कर सकता है। यह नवाचार की सीमा नहीं, बल्कि इसकी स्थिरता के लिए एक शर्त है।.

परामर्श - योजना - कार्यान्वयन