გენერაციული ხელოვნური ინტელექტის ეპოქაში კოდირება ერთ-ერთ მთავარ „ქილერ-აპლიკაციად“ მიიჩნევა, თუმცა ამ პროცესის ეკონომიკური მხარე კითხვებს ბადებს. ახალი კვლევების თანახმად, მომხმარებლის მიერ გადახდილი ყოველი 100 დოლარი შესაძლოა კომპანიებისთვის რეალურად 1000 დოლარზე მეტი უჯდებოდეს.

Anthropic-ის ბოლო ბლოგპოსტები, სადაც საუბარია იმაზე, თუ როგორ „ქმნის AI თავის თავს“, ხშირად კრიტიკის საგანი ხდება. ექსპერტები აღნიშნავენ, რომ წარმოდგენილი მონაცემები და წარმატების მაჩვენებლები ხშირად გადაჭარბებულია. მაგალითად, კოდირებისას „წარმატების“ პროცენტი რეალურ, ავტონომიურ გარემოში შესაძლოა სრულიად გამოუსადეგარი იყოს.

ეკონომიკური რეალობა და ფარული ხარჯები

თუ მომხმარებელი იყენებს 100-დოლარიან სააბონენტო გეგმას (მაგალითად, Claude Max), სრულად ავტონომიური კოდირების რეჟიმში ტოკენების მოხმარებამ შესაძლოა API-ფასებით 1000 დოლარს გადააჭარბოს. ეს ნიშნავს, რომ კომპანიები ამჟამად მუშაობენ მძიმე სუბსიდირების პირობებში.

პრობლემა იმაშია, რომ ე.წ. „მოაზროვნე“ (thinking) მოდელები იყენებენ უზარმაზარ რესურსს ინდირექციისა და რეკურსიისთვის. მომხმარებელი ხედავს მხოლოდ საბოლოო შედეგს, თუმცა ფონურ რეჟიმში მიმდინარეობს ცდებისა და შეცდომების მრავალჯერადი ციკლი, რაც მოიხმარს უამრავ ტოკენს, რომელთა საფასურიც საბოლოოდ კომპანიას ეკისრება.

რატომ არ არის ეს მოდელი მდგრადი?

  • ინდირექციის ფასი: რთული ამოცანების შესრულებისას ტოკენების ხარჯი კატასტროფულად იზრდება.
  • სუბსიდირება: ამჟამინდელი ფასები არ ასახავს რეალურ საოპერაციო დანახარჯებს.
  • მწარმოებლურობის მითი: კოდის სტრიქონების რაოდენობის ზრდა არ ნიშნავს ხარისხის ზრდას, ხშირად ეს მხოლოდ ტექნიკური ვალის დაგროვებას იწვევს.

დასკვნის სახით შეიძლება ითქვას, რომ მიუხედავად იმისა, რომ მარტივი მოთხოვნები „ზედმეტად იაფია“, კომპლექსური დავალებები, რომლებიც მოითხოვს მოდელის ინტენსიურ მუშაობას, ეკონომიკურად წამგებიანია. კომპანიები ცდილობენ ამ „სისხლდენის“ შეჩერებას, რაც სავარაუდოდ გამოიწვევს ტექნოლოგიური განვითარების ტემპის შენელებას.