عامل‌های هوش مصنوعی هزینه‌بر هستند — و این روایت جایگزینی را تغییر می‌دهد

جایگزینی انسان توسط هوش مصنوعی به عنوان نیروی کار، موضوع داغ و جسورانه‌ای بوده است و دو شخص خاص که در این حوزه مسئولیت دارند، ادعا می‌کنند که ممکن است این موضوع بیش از حد بزرگ‌نمایی شده باشد. در چند ماه گذشته، دو سرمایه‌گذار بزرگ فناوری که تصمیماتشان بر پایه مبالغ هنگفتی است، اکنون این سوال را مطرح می‌کنند که اگر هزینه یک هوش مصنوعی بیشتر از هزینه‌ای باشد که برای جایگزینی انسان اصلی صرف می‌شد، چه اتفاقی می‌افتد؟

این صرفاً یک سوال نیست؛ بلکه همین الان در حال رخ دادن است.

راستی‌آزمایی واقعیت ۳۰۰ دلاری در روز

در ضبط اخیر پادکست All-In، جیسون کالاکانیس — سرمایه‌گذار خطرپذیر و میزبان مشترک پادکست — اظهار داشت که روزانه ۳۰۰ دلار برای اجرای یک ایجنت هوش مصنوعی Anthropic Claude جهت اداره کسب‌وکارهایش می‌پردازد. این مبلغ تقریباً معادل ۹۰۰۰ دلار در ماه است، اما نکته اصلی اینجاست: به گفته کالاکانیس، عملکرد این ایجنت تنها بین ۱۰ تا ۲۰ درصد از حداکثر توانایی آن است.

بنابراین وقتی محاسبات مربوط به هزینه هر تسک مفید را با ۳۰۰ دلار در روز برای خروجی جزئی انجام می‌دهید، این موضوع کمتر شبیه به یک فناوری تحول‌آفرین و بیشتر شبیه به یک آزمایش گران‌قیمت به نظر می‌رسد.

کالاکانیس همچنین این موضوع را به سادگی توصیف کرد: «چه زمانی هزینه توکن‌ها از پرداخت حقوق به یک کارمند بیشتر می‌شود؟» توکن‌ها واحدهای مصرفی هستند که تمام مدل‌های هوش مصنوعی بابت آن‌ها هزینه دریافت می‌کنند و با ادامه انجام تسک‌ها توسط ایجنت هوش مصنوعی در طول روز، این توکن‌ها به سرعت انباشته می‌شوند. هر چه ایجنت تسک‌های بیشتری انجام دهد، صورت‌حساب شما سنگین‌تر خواهد بود. برخلاف کارمندی که حقوق ثابت می‌گیرد، تا زمانی که ایجنت در حال استفاده فعال از توکن‌ها باشد و شما محدودیتی برای مصرف توکن تعیین نکرده باشید، هیچ سقف هزینه‌ای برای توکن‌های مصرفی وجود ندارد.

قانون دو برابری چامات

چامات پالیهاپیتیا، مدیرعامل Social Capital و میزبان مشترک پادکست All-In، به اشتراک گذاشت که در شرکت خود با موضوع مشابهی روبرو شده است. او این‌گونه نقل‌قول کرد: «ایجنت‌های هوش مصنوعی تنها در صورتی می‌توانند هزینه‌های خود را برای من توجیه کنند که حداقل ۲ برابر خروجی یک کارمند انسانی را در همان شغل ارائه دهند.»

استفاده از این قاعده «دو برابری» به عنوان مبنا، راهی برای تحلیل اثربخشی هوش مصنوعی در مقابل کارمند انسانی به ما می‌دهد، زیرا چندین عامل در هزینه عملیاتی کل آن‌ها نقش دارند. برخی از این عوامل عبارتند از:

- هزینه اجرا (تقریباً ۷۰,۰۰۰ تا ۱۵۰,۰۰۰ دلار در سال بسته به ابری یا محلی بودن)

- هزینه مدیریت و پرامپت‌نویسی (تقریباً ۲۰,۰۰۰ تا ۵۰,۰۰۰ دلار در سال بسته به میزان استفاده)

- زمان صرف شده برای رفع خطاهای ناشی از اشتباهات یا داده‌های با کیفیت پایین

- کاهش بهره‌وری در دوره‌هایی که هوش مصنوعی عملکرد ضعیفی دارد

وقتی مجموع هزینه‌های عملیاتی برای یک شرکت انسانی در مقابل هوش مصنوعی را جمع می‌زنید، زمانی که یک شرکت می‌تواند انسانی را برای انجام کاری با ۷۰ هزار یا حتی بیش از ۱۵۰ هزار دلار استخدام کند، شرکت بدون توجه به هوش مصنوعی یا انسان بودن، هزینه مشابهی برای استخدام آن فرد پیدا خواهد کرد. واضح است که شرکت انسانی ترجیحاً مایل به استخدام فرد خواهد بود، زیرا آن‌ها می‌توانند به راحتی کسی را استخدام کنند که سال‌ها با آن‌ها کار کرده، آموزش دیده و در مورد کسب‌وکارشان یاد گرفته است تا کاری مشابه یک هوش مصنوعی جدید انجام دهد.

او توصیه کرد که برخی شرکت‌ها احتمالاً نوعی سقف بودجه سختگیرانه برای محدود کردن میزان استفاده از هوش مصنوعی اعمال خواهند کرد (شنیدن این حرف از کسی که سال‌ها بر روی توانایی تحول‌آفرین فناوری شرط‌بندی کرده، تعجب‌آور است). این نشان می‌دهد که حتی با افرادی که به هوش مصنوعی متعهد هستند، در نهایت مانند هر ردیف بودجه دیگری در یک شرکت رفتار خواهد شد و بنابراین نیاز به ارائه توجیه برای هزینه‌ها خواهند داشت.

توسط نویسنده

مشکل توکن که هیچ‌کس به شما هشدار نداده بود

کالاکانیس اشاره می‌کند که مشکل بحرانی‌تری در مقالات هوش مصنوعی وجود دارد که بیشتر بر معیارهای عملکرد و اطلاعات ویدئوهای دمو تمرکز دارند تا هزینه‌های توکن. اکثر هوش مصنوعی‌هایی که توسط شرکت‌های سازمانی استفاده می‌شوند، شامل ورودی‌ها، خروجی‌ها و تراکنش‌های زیادی هستند که در آن‌ها یک ایجنت با یک سیستم در تعامل است. در برخی موارد، این موارد برای کارهای کوچک در سطح معقولی انباشته می‌شوند، اما وقتی شروع به اضافه کردن ایجنتی می‌کنید که ۸ ساعت در روز در تمام بخش‌های یک کسب‌وکار کار می‌کند، تعداد توکن‌های مصرفی در کوتاه‌ترین زمان به مقادیر قابل توجهی می‌رسد.

مدل کسب‌وکار برای ایجنت هوش مصنوعی که بر اساس مدل توکن‌محور کار می‌کند، با استخدام منابع انسانی برای انجام یک شغل تفاوت فاحشی دارد. کارمندی که با حقوق سالانه برای یک شرکت کار می‌کند، هزینه ثابتی خواهد داشت، صرف‌نظر از اینکه در یک روز خاص چقدر بهره‌ور باشد. یک هوش مصنوعی که تحت مدل توکن‌محور کار می‌کند، هزینه‌ای خواهد داشت که با افزایش بهره‌وری آن — یا به عبارتی دیگر، ارزش بیشتری که برای شرکت ایجاد می‌کند — افزایش می‌یابد.

آستانه بهره‌وری مورد نیاز برای یک ایجنت هوش مصنوعی جهت بازگشت سرمایه (ROI) مثبت برای شرکتی که آن را خریداری کرده است، مدام در حال تغییر است، زیرا ارائه دهندگان مدل‌های هوش مصنوعی مجبور خواهند بود با کاهش قیمت در طول زمان با یکدیگر رقابت کنند. با این حال، تا اوایل سال ۲۰۲۶، تفاوت کافی از نظر هزینه پولی بین آنچه ایجنت‌ها هزینه دارند و آنچه شرکت‌های مالک می‌توانند از آن‌ها انتظار داشته باشند وجود دارد تا باعث ایجاد بحث بین دو فردی شود که هر دو مبالغ قابل توجهی برای آن‌ها پرداخت کرده‌اند و اکنون آن را به صورت علنی به اشتراک می‌گذارند.

این به معنای بن‌بست بودن ایجنت‌های هوش مصنوعی نیست

بگذارید کاملاً شفاف باشیم، نه کالاکانیس و نه پالیهاپیتیا ایجنت‌های هوش مصنوعی را رد نکرده‌اند؛ آن‌ها هر دو از نظر سرمایه‌گذاری (هم مالی و هم فکری) به این حوزه بسیار متعهد هستند. آن‌ها رویکردی متمرکزتر و در نتیجه عمل‌گرایانه‌تر در استدلال خود علیه فرضیه جایگزینی توسط ایجنت‌های هوش مصنوعی اتخاذ می‌کنند. نمونه‌هایی از این دست شامل این است که چگونه در سطح اقتصاد کلان، باید صرفه اقتصادی برای وقوع یک جایگزینی وجود داشته باشد؛ اما در حال حاضر، اقتصاد کلان ایجنت‌های هوش مصنوعی کاملاً آشفته است.

در آینده، با کارآمدتر شدن مدل‌ها و ادامه رقابت ارائه‌دهندگان برای سهم بازار، هزینه‌های ایجنت‌های هوش مصنوعی کاهش می‌یابد. تلاش‌های OpenAI، Anthropic، Google و جایگزین‌های مختلف متن‌باز همگی به سمت مدل‌های کارآمدتر پیش می‌روند. زمانی که هزینه هر توکن کاهش و قابلیت اطمینان افزایش یابد، اقتصاد به نفع سوئیچ کردن به ایجنت‌های هوش مصنوعی تغییر خواهد کرد. با این حال، استفاده از عبارت «در آینده» برای حمایت از فرضیه فعلی مبنی بر جایگزین بودن ایجنت‌های هوش مصنوعی بسیار گمراه‌کننده است و کاربرانی که روزانه به طور فعال از این ابزارها استفاده می‌کنند، می‌توانند داده‌های دنیای واقعی را در مورد وضعیت فعلی ارائه دهند.

توسط نویسنده

آنچه در ادامه باید زیر نظر داشت

جنبه اصلی، قیمت است. اگر هر دو شرکت OpenAI و Anthropic به همراه رقبای خود، به کاهش هزینه هر توکن ادامه دهند (و روندها نشان می‌دهد که این اتفاق در حال رخ دادن است)، آنگاه نقطه سربه سر مشخص شده تغییر خواهد کرد. شرکت‌هایی که اکنون فرآیندهای مربوط به ایجنت‌ها را توسعه می‌دهند (علیرغم حاشیه سود منفی)، می‌توانند خود را برای ساختار هزینه متفاوتی در ۱۲ تا ۲۴ ماه آینده آماده کنند.

با این حال، هر فردی که در حال حاضر از هوش مصنوعی برای تعیین ترتیبات نیروی کار استفاده می‌کند، به این دلیل که معتقد است هوش مصنوعی هزینه کمتری نسبت به کارگران انسانی دارد، باید بر اساس تجربیات تاریخی سرمایه‌گذاران درگیر در شبکه‌های اپراتوری، در تصمیم خود تجدیدنظر کند.