● news.bsdnet.hu

A nagy nyelvi modellek (LLM-ek) vállalati árazása sokféle lehet, de a legtöbb felhasználó számára egy alap AI-asszisztens havi 20 dollárba kerül, míg a teljes funkcionalitású verzió ára körülbelül 200 dollár. Az igazi költségek azonban a tokenalapú árazásnál jelentkeznek – például kódoló asszisztenseknél (Claude Code, GitHub Copilot), illetve automatizált ügynököknél, amelyek különböző összetettségű feladatokat ismétlődően hajtanak végre. Ezeknek a folyamatos működésű rendszereknek az állandó futtatása folyamatos költséget jelent, amit sok vállalat pénzügyi vezetése most kezd igazán érzékelni.Bryan Catanzaro,az Nvidia alkalmazott mélytanulásért felelős alelnöke azAxiosnak úgy nyilatkozott: „A csapatomnál a számítási költségek messze meghaladják az alkalmazottak költségeit.” Ez különösen figyelemre méltó egy olyan cégtől, amely az AI „aranyláz” eszközeit értékesíti. Hasonló tapasztalatokról számolt be az Uber technológiai igazgatója,Praveen Nagais, aki szerint „vissza kellett térnie a tervezőasztalhoz”, mert a költségvetése már két héttel ezelőtt túllépte az előzetes becsléseket. A Swan AI egyik vezetője,Amos Bar-Josephkorábban arrólposztolt a LinkedIn-en, hogy büszke egy 113 000 dolláros Anthropic-számlára (a Claude fejlesztőjétől) egy négyfős csapat esetében. Ez leegyszerűsítve havi 28 000 dollárt jelent fejenként – ami valószínűleg több, mint az adott munkavállalók havi bére. Nem véletlen, hogy elterjedt a vicc: „a cégek újra felfedezték az állásokat”. Ezt egy 2024-es MIT-tanulmány is alátámasztja, amely szerint az esetek 77%-ában előnyösebb volt emberekkel elvégeztetni a munkát. Ugyanakkor az „ugye megmondtam” típusú reakciók részben félrevezetők lehetnek. Sok vezérigazgató pozitívan értékeli ezeket a költségeket, mert azt jelzik, hogy a vállalat előrehalad a nagyléptékű automatizáció felé – vagyis innovációt hajt végre. Az Uber például arról számolt be, hogy az élő kódfrissítések 11%-át már AI-ügynökök írják, és hosszabb távon ezek az ügynökök a szoftvermérnökök szerepét is átvehetik. Az Nvidia vezérigazgatója,Jensen Huangszerint a mérnökök produktivitását akár az AI-tokenek felhasználásával is mérni lehet: egy évi 500 000 dollárt kereső mérnöknek szerintelegalább 250 000 dollár értékűAI-token felhasználást kellene generálnia. Valóban úgy tűnik, hogy sok vállalat nehéz úton tanulja meg: a tokenek drágábbak lehetnek, mint az általuk kiváltani kívánt munkaerő. Ugyanakkor egy cég, amely milliókat költ tokenekre a folyamatok tartós automatizálásáért, hosszú távon nyereséget érhet el – ami valószínűleg munkahelyek megszűnéséhez vezet, ahogy az automatizáció stabilizálódik. A „vegyünk fel több embert” egyszerű válasznak tűnhet, de az emberek nem dolgoznak megszakítás nélkül, napi 24 órában. Létezik egy harmadik forgatókönyv is: az AI-automatizációba történő befektetés kudarcot vall – például rossz üzleti struktúra, nem megfelelő eszközök vagy a rendszerek nem megfelelő irányítása miatt. Friss kutatások szerint azoknak a vállalatoknak a többsége, amelyek megfelelő stratégia nélkül sietve vezetik be az AI-t, jelentősveszteségeket szenved el. Ahogy egy régi megfigyelés fogalmaz: „vízen járni és specifikáció alapján szoftvert fejleszteni könnyű – mindkettőnél feltéve, hogy be van fagyasztva”. Hogy az AI-tokenekre fordított többletköltség átmeneti, a tanulási szakaszhoz kötődő kiadás-e, vagy tartós, a munkavállalók hatékonyságát növelő kiegészítő befektetés lesz, az még kérdéses, és valószínűleg helyzetfüggő. Az viszont szinte biztos, hogy a leépítések folytatódnak, miközben a vállalatok kísérleteznek és finanszírozzák ezt az új technológiai korszakot. Forrás:www.tomshardware.com Feliratkozom a hírlevélre! Elfogadom azAdatkezelési tájékoztatót. Sikeresen feliratkozott az ITB TODAY hírlevelünkre.