Як казка про «економічно ефективний» машинний інтелект розривається та заганяє компанії в пастку історичної залежності

Токенні трюки технологічних гігантів: як компанії систематично обдирають на витратах на ШІ

Ціна алгоритмів: Чому мрія про безкоштовну автоматизацію здійснюється

Роками обіцянка технологічних гігантів Кремнієвої долини звучала непереборно: штучний інтелект незабаром буде повсюдним і неймовірно дешевим, як вода з-під крана. Дефляційна революція здавалася неминучою, в якій складні когнітивні завдання будуть автоматизовані практично безкоштовно. Але ця ілюзія зараз руйнується з повною силою. Замість нескінченного підвищення ефективності, розробка ШІ виявляється одним з найбільш ресурсоємних і дорогих підприємств в історії людства. Поки ціни на обчислювальну потужність, сховища та енергію стрімко зростають, домінуючі постачальники використовують своє монопольне становище, щоб різко збільшити витрати компаній – часто через приховані коригування глибоко в алгоритмі. Ті, хто сліпо передає свої бізнес-процеси на аутсорсинг на власні моделі, потрапляють в історичну пастку залежності. Починається нова ера суворих економічних реалій, в якій, як не дивно, людська праця знову стає більш економічно ефективною альтернативою для багатьох завдань. Ті, хто не зможе протидіяти цій тенденції та побудувати цифровий суверенітет, зараз ризикують своєю конкурентоспроможністю.

Пов'язано з цим:

• Таємний кінець фіксованих ставок ШІ: Велика пастка витрат на ШІ – Чому модель токенів зараз коштує компаніям мільярди

Кінець дефляційної ілюзії та міфу про всюдисущість

В останні роки світовій економіці представили спокусливий наратив, який зображував розвиток штучного інтелекту як невпинну подорож до безмежної та, перш за все, практично безкоштовної доступності. Обіцянки технологічної індустрії щодо порятунку передбачали, що в найближчому майбутньому штучний інтелект буде текти так само вільно та дешево, як вода з-під крана. Ця парадигма ґрунтувалася на припущенні, що технологічна еволюція так званих передових моделей підпорядковуватиметься своєрідному цифровому закону природи, подібному до закону Мура для мікропроцесорів. Передбачалося, що підвищення ефективності обчислювальних та навчальних моделей неминуче передасть кінцевим користувачам, так що складні когнітивні завдання незабаром можна буде автоматизувати за частки цента.

Ця обіцянка дедалі більше виявляється фундаментальним прорахунком. Компанії, які базували своє довгострокове стратегічне планування на передумові, що штучний інтелект поводитиметься подібно до дефляційних калькуляторів або рудиментарних програмних додатків, тепер стикаються з суворою економічною реальністю. Вони помилково сприйняли тимчасову бізнес-модель, субсидовану величезним венчурним капіталом, за незмінний технологічний закон. Спочатку надзвичайно низькі ціни на доступ до складних мовних моделей були не сталими ринковими цінами, а радше стратегічними інструментами для швидкого проникнення на ринок та створення монополістичних екосистем. Апаратне забезпечення, на якому працюють ці моделі, зокрема високоспеціалізовані напівпровідники та кремнієві чіпи, підлягає суворим законам попиту, пропозиції та величезних виробничих витрат. Ці фізичні та інфраструктурні реалії не можуть бути скасовані оптимістичними презентаціями для інвесторів чи далекоглядними основними доповідями. Ціна обчислювальної потужності, і особливо надзвичайно швидкої пам'яті, необхідної для роботи масивних нейронних мереж, стрімко зростає. Ілюзія необмеженого та недорогого машинного інтелекту поступається місцем усвідомленню того, що когнітивна автоматизація є однією з найбільш ресурсоємних технологій в історії людства.

Пов'язано з цим:

• Токенізація світу від Nvidia: як Дженсен Хуанг удосконалив стратегію масляної лампи 21-го століття

Інфраструктурна реальність та фізичні межі масштабування

Щоб зрозуміти поточні цінові вибухи на ринку штучного інтелекту, необхідно враховувати базову інфраструктуру та її економічну динаміку. Створення та експлуатація великих мовних моделей вимагає центрів обробки даних безпрецедентних розмірів та складності. Ці об'єкти не лише споживають величезну кількість електроенергії, але й залежать від високоспеціалізованих графічних процесорів (GPU), виробництво яких працює на фізичних межах сучасної технологічної можливості. Ланцюги поставок цих компонентів надзвичайно концентровані та вразливі до геополітичної напруженості та виробничих труднощів. Фізична реальність кремнію зараз змушує різко коригувати цінові структури.

Кожен запит до розширеної мовної моделі, кожне генерування тексту чи аналізу вимагає так званого логічного висновку. Цей висновок не є вільною цифровою дією, а є високоенергетично та обчислювально ємним процесом, у якому мільярди параметрів мають бути переміщені через пам'ять графічних процесорів (GPU). Зі зростанням складності моделей ці витрати на висновок також пропорційно зростають. Хоча спочатку постачальники були готові субсидувати ці витрати для формування звичок користувачів та збору даних, тиск з боку ринків капіталу тепер змушує їх ставати прибутковими. Вибухове зростання цін на сховища та непомірні витрати на розширення глобальної інфраструктури центрів обробки даних неминуче враховуються в моделях ціноутворення для кінцевих клієнтів та бізнесу. Це класичний економічний принцип: якщо граничні витрати на виробництво зростають через фізичні та інфраструктурні обмеження, кінцевий продукт не може стати дешевшим у довгостроковій перспективі. Припущення, що сам по собі технологічний прогрес може компенсувати це величезне зростання витрат, виявилося недостатнім. Натомість ми бачимо, що моделі стають дедалі більшими та енергоємнішими, що більш ніж зводить нанівець підвищення ефективності з боку апаратного забезпечення.

Приховане збільшення витрат та монетизація алгоритмів

Спосіб, яким витрати переносяться на користувачів, часто є непомітним і не одразу очевидним. Окрім очевидного підвищення цін на щомісячні підписки, які для найпотужніших моделей вже досягли понад двохсот доларів США на місяць, а в абсолютному топовому рівні навіть наближаються до позначки двісті п'ятдесят доларів США, провайдери використовують глибокі технічні налаштування, щоб різко збільшити свій дохід на користувача. Ключовим механізмом для цього є модифікація так званих токенаізаторів.

Токенайзер – це інтерфейс, який розбиває людську мову на машинозчитувані одиниці, які називаються токенами. Виставлення рахунків за використання штучного інтелекту базується майже виключно на цих спожитих токенах. Якщо постачальник алгоритмічно налаштовує архітектуру свого токенаізатора таким чином, що за той самий вихідний текст раптово стягується значно більше токенів, це призводить до масового прихованого зростання ціни. Нещодавні ринкові події показують, що такі оновлення можуть призвести до того, що за ідентичні фрагменти тексту стягується від дванадцяти до тридцяти п'яти відсотків більше токенів. На практиці це означає, що компанія, яка передала свої процеси на аутсорсинг цим інтерфейсам, стикається з непередбаченим і негайним збільшенням витрат приблизно на двадцять відсотків при максимальному використанні, без будь-якого покращення якості чи обсягу згенерованого контенту. Такі алгоритмічні коригування дозволяють постачальникам оптимізувати свою маржу, тоді як клієнт залишається під враженням, що базова ціна залишилася стабільною. Ця відсутність прозорості в ціноутворенні створює значний ризик для будь-яких бізнес-розрахунків і виявляє дисбаланс сил на цьому ще молодому ринку.

Пов'язано з цим:

• «Токенмаксінг» – чи це був Amazon? Чому корпорація витратила півмільярда доларів на токени: керований штучний інтелект як захисний механізм

Архітектура залежності в олігополії

Стратегічне рішення багатьох компаній передати всю свою інфраструктуру штучного інтелекту на аутсорсинг кільком домінуючим американським технологічним компаніям дедалі частіше виявляється фатальною помилкою в управлінні ризиками. В ейфорії перших років здавалося економічно доцільним покладатися на, здавалося б, кращі та легкодоступні інтерфейси цих гігантів, замість того, щоб створювати власні ресурси. Ця зручність зараз призводить до історичної пастки залежності. Компанії, які повністю базували свої внутрішні процеси, інтерфейси клієнтів та аналіз даних на власних сторонніх моделях, тепер опиняються в небезпечному становищі орендаря, чий договір може бути розірваний або чия орендна плата диктується в будь-який час і без попередження.

Ця олігополія провайдерів поводиться точно за класичним сценарієм усталених платформних економік, вже знайомих з розвитку потокового ринку, за винятком того, що економічні наслідки для залежних компаній набагато екзистенційніші. Спочатку користувачів заманювали в екосистему низькими бар'єрами, низькими цінами та величезною продуктивністю. Щойно витрати на інтеграцію для переходу на іншу систему стають настільки високими, що створюють фактичну блокування, правила гри змінюються. Раптові обмеження швидкості, тобто штучне дроселювання максимальної кількості запитів за хвилину, змушують компанії укладати дорожчі преміум-контракти для підтримки операцій. Умови контрактів коригуються в односторонньому порядку, і компанії не мають іншого вибору, окрім як прийняти їх, оскільки збій тепер глибоко інтегрованих інтелектуальних систем означатиме негайну зупинку роботи. Ця асиметрія влади являє собою втрату цифрового суверенітету. Ті, хто повністю делегував основу свого майбутнього створення цінності, а саме, інтелект на основі даних, зовнішнім контролерам, втрачають контроль над власними засобами виробництва.

Квазі-власне рішення: Як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес - Зображення: Xpert.Digital

Xpert.Digital — це галузевий центр B2B, що базується на даних, який очолює Konrad Wolfenstein . Компанія виступає зовнішнім, квазі-внутрішнім рішенням для промислових партнерів, усуваючи операційні прогалини в маркетингу, контенті та продажах, не вимагаючи додаткових ресурсів з боку клієнта.

Більше інформації тут:

• Квазі-власне рішення: як Xpert.Digital усуває операційні прогалини в B2B-маркетингу та продажах – Розумний контент-орієнтований бізнес

Автономні агенти як незрахункові фактори витрат

Наступний етап розвитку штучного інтелекту, що знаменує перехід від реактивних чат-ботів до проактивних, автономних агентів, багаторазово загострює цю економічну проблему. Автономні агенти – це системи, які не просто генерують одну відповідь, а працюють в ітеративних циклах, призначають собі завдання, шукають в Інтернеті, виконують код і самостійно виправляють помилки. Те, що є величезним кроком вперед з технологічної точки зору, перетворюється на незліченний фактор витрат у реальному світі бізнесу.

Використання таких агентів призводить до експоненціального зростання споживання токенів. У той час як простий пошуковий запит може вимагати тисячі токенів, автономний агент, який вирішує складну проблему, може спожити десятки або навіть сотні тисяч токенів лише за кілька хвилин. Спосіб роботи цих агентів нагадує марнування ресурсів; вони проходять незліченну кількість ітерацій та відкидають недосконалі підходи, поки лічильник витрат API невпинно цокає. Рахунок за це надмірне споживання неминуче потрапляє до компанії-користувача в кінці місяця, а не до постачальника платформи. Оскільки базові процеси часто є чорною скринькою для користувача, фактичні фінансові витрати агента на вирішення завдання практично неможливо надійно розрахувати заздалегідь. Бачення заміни цілих відділів легіонами цифрових агентів у багатьох випадках вже зазнає невдачі через стрімке зростання змінних витрат на висновок. Якщо вирішення логістичної проблеми за допомогою агента зі штучним інтелектом коштує більше, ніж робочий час досвідченого диспетчера, рентабельність інвестицій стає негативною.

Пов'язано з цим:

• ШІ-агенти наближаються: як автономні агенти зі штучним інтелектом тепер стратегічно змінюють продажі та закупівлі

Стратегічні імперативи корпоративного суверенітету

Цей змінений економічний клімат має переконливі наслідки для керівництва: нарощування власної експертизи у сфері штучного інтелекту більше не є необов'язковим доповненням, а є важливою вимогою для забезпечення виживання компанії. Однак це не означає, що кожна компанія тепер повинна намагатися навчати власні масивні базові моделі з нуля. Таке починання було б таким же економічно безглуздим, як будівництво електростанції у відповідь на зростання цін на електроенергію. Інвестиції, необхідні для навчання цих базових моделей, обчислюються мільярдами і залишаються прерогативою великих технологічних компаній.

Швидше, необхідна ключова компетенція полягає в розвитку глибоких можливостей оркестрації. Компанії повинні мати можливість точно оцінити, яка конкретна модель достатня для якого конкретного завдання. Економічно безглуздо використовувати найдорожчу та найпотужнішу модель для простих завдань класифікації, агрегації внутрішніх електронних листів або рутинного вилучення даних. Тут можна використовувати набагато менші, ресурсоефективні моделі з відкритим кодом, що працюють або локально на власних серверах компанії, або в контрольованому середовищі приватної хмари. Стратегічна гібридна архітектура є важливою. Для дуже складних, креативних або дуже мінливих завдань звернення до дорогих преміальних інтерфейсів американських корпорацій все ще може бути виправданим. Однак для щоденного фонового шуму машинної обробки інформації необхідно створити окрему, економічно ефективну інфраструктуру. Ті, хто не зможе опанувати цю диференціацію та направляти кожен запит, яким би малим він не був, через найдорожчі API, будуть розчавлені постійними витратами. Здатність оцінювати моделі, розуміння економіки токенів та мистецтво цілеспрямованої оперативної інженерії для мінімізації невдалих спроб – це нові ключові компетенції стійкої компанії.

Парадокс автоматизації та повернення людської праці

Стрімке зростання вартості штучного інтелекту проливає зовсім нове світло на макроекономічні дискусії навколо ринку праці. Ще зовсім недавно передбачалося, що штучний інтелект зробить значну частину висококваліфікованої роботи застарілою протягом дуже короткого часу. Багато компаній відреагували на ці прогнози передчасною реструктуризацією та скороченням штату, очікуючи, що зможуть безперешкодно та набагато ефективніше замінити ці потужності машинними системами.

Поточні цінові тенденції змушують до різкої переоцінки. Якщо витрати на логічний висновок продовжуватимуть зростати, економічне рівняння зміниться на протилежне. Раптом людське пізнання знову стане конкурентоспроможним для виконання певних завдань. Парадокс автоматизації проявляється в тому, що спроба повністю замінити людський інтелект машинами просто стає невигідною після певного моменту. Якщо підсумувати коефіцієнти помилок, зусилля, необхідні для постійного моніторингу системи, витрати на виправлення галюцинацій та чисті витрати на API, досвідчені працівники знову стають значно економічнішим рішенням у багатьох спеціалізованих галузях. Побоювання щодо зростання цін на енергоносії чи логістичних витрат незабаром можуть бути затьмарені побоюваннями щодо вартості когнітивних обчислювальних потужностей. Іронія може полягати в тому, що компаніям незабаром доведеться знову наймати саме тих спеціалістів, яких вони звільнили, вірячи у всемогутність та безкоштовну природу штучного інтелекту, до того ж за значно вищими ставками. Людський досвід, інтуїція та здатність розуміти складні контексти без масового споживання обчислювальних ресурсів значно посилюються у світі надзвичайно дорогого машинного інтелекту.

Пов'язано з цим:

• Токеноміка | Коли ШІ стає дорожчим за персонал: тихий вибух вартості ШІ та що може з цим зробити керований ШІ

Довгострокові перспективи та економіка пізнання

Події останніх місяців знаменують кінець наївності щодо штучного інтелекту. Ми вступаємо у фазу розчарування, яка, тим не менш, є важливою для того, щоб поставити технологію на стійку економічну основу. Економіка когнітивних здібностей стане центральним питанням управління двадцять першого століття. Штучний інтелект не тече, як вода з-під крана; він радше дотримуватиметься тих самих принципів, що й рідкоземельні елементи чи високоспеціалізовані промислові джерела енергії: він доступний, він надзвичайно потужний, але його ціна значною та постійно коливається.

Завдання для економік та окремих учасників ринку полягає в тому, щоб позбутися односторонньої залежності від кількох іноземних постачальників, не втрачаючи зв'язку з технологічним передовим напрямком. Ринок повинен буде диверсифікуватися. Ми побачимо розквіт спеціалізованих нішевих моделей, надзвичайно ефективних та навчених виконувати вузькі завдання, які несуть лише частину операційних витрат великих моделей загального призначення. Водночас у фінансових та ІТ-відділах утвердиться абсолютно нова дисципліна: управління витратами на хмарні технології буде замінено управлінням витратами на штучний інтелект. Точний моніторинг споживання токенів, затримки моделі та витрат на логічний висновок стане таким же важливим, як і традиційний контролінг.

Шлях до прибуткового використання штучного інтелекту буде набагато складнішим, складнішим та капіталомісткішим, ніж технологічна галузь пропонувала у своїх початкових маркетингових кампаніях. Простої інтеграції інтерфейсу недостатньо для отримання конкурентної переваги; це лише вхідний квиток у надзвичайно дорогу гру. Тільки ті організації, які розроблять нюансовану, технологічно-агностичну та економічно сувору стратегію ШІ, яка мінімізує залежності та суворо керує розподілом ресурсів на основі рентабельності інвестицій, зможуть процвітати в цю нову еру когнітивної економіки. Ера сліпих експериментів закінчилася; почалася ера суворих економічних реалій.

☑️ Наша ділова мова – англійська або німецька

☑️ НОВИНКА: Листування вашою рідною мовою!

Konrad Wolfenstein

Я та моя команда раді бути вашим особистим консультантом.

Ви можете зв'язатися зі мною, заповнивши контактну форму тут [email protected]:, або просто зателефонувавши мені за номером +49 7348 4088 965. Моя адреса електронної пошти

Я з нетерпінням чекаю нашого спільного проєкту.

☑️ Підтримка МСП у стратегії, консалтингу, плануванні та впровадженні

☑️ Створення або переорієнтація цифрової стратегії та діджиталізації

☑️ Розширення та оптимізація процесів міжнародних продажів

☑️ Глобальні та цифрові торгові платформи B2B

☑️ Розвиток бізнесу Pioneer / Маркетинг / PR / Виставки

Від видимості до довіри: Ваш масштабований шлях з Xpert.Digital - Зображення: Xpert.Digital

У промисловому B2B сталий бізнес-відносини рідко виникають за одну ніч. Вони розвиваються крок за кроком – через видимість, професійну релевантність, повторювані точки дотику та зростання довіри. 4-етапна модель Xpert.Digital саме це і робить: вона пропонує структурований шлях, який починається з керованої точки входу та може перерости в глибшу співпрацю в розвитку бізнесу, якщо це необхідно.

Замість того, щоб покладатися на гучні маркетингові обіцянки, ця модель ставить на перший план відносини. Компанії починають з чітко визначених, легко обчислюваних показників, а потім, виходячи з власного досвіду, вирішують, наскільки вони хочуть розширити співпрацю. Ключовим фактором для цього безперешкодного процесу побудови довіри є те, що платформа повністю уникає надокучливої ​​реклами, тому редакційна увага залишається виключно на експертизі компаній.

Більше інформації тут:

• Від видимості до довіри: Ваш масштабований шлях з Xpert.Digital