اپل سقف مصرف هوش مصنوعی کارکنانش را پایین می‌آورد؛ از ۳۰۰ به ۱۰۰ دلار در روز
بلومبرگ می‌گوید اپل سقف روزانهٔ هزینهٔ هوش مصنوعی تیم‌های مهندسی‌اش را از ۳۰۰ دلار به ۲۰۰ دلار کاهش داده و کاهش‌های بیشتری هم در راه است؛ نشانی از پایان دوران «مصرف بی‌حساب» توکن.
تا همین چند ماه پیش، تصویر غالب از هوش مصنوعی در شرکت‌های بزرگ این بود: هرچه بیشتر، بهتر. تیم‌ها تشویق می‌شدند بی‌محابا از مدل‌های زبانی استفاده کنند تا شاید بهره‌وری بالا برود. اما حالا به نظر می‌رسد فصل حساب‌وکتاب رسیده است. بر پایهٔ گزارش تازهٔ بلومبرگ، اپل در حال کاهش بودجه‌ای است که تیم‌های مهندسی‌اش می‌توانند روزانه صرف هوش مصنوعی کنند. 🤖
این تغییر برای شرکتی که مدت‌ها تلاش کرده بود این فناوری را در فرایندهای مهندسی خود بگنجاند، خبر کوچکی نیست. ماجرا از یک تصمیم ساده دربارهٔ پول شروع می‌شود و به پرسشی بزرگ‌تر می‌رسد: هزینهٔ واقعی هوش مصنوعی در دل سازمان‌ها چقدر است و در ازایش چه چیزی به دست می‌آید؟
💵 خبر در یک نگاه
- 📉 اپل در ماه اکتبر سقف روزانهٔ هزینهٔ هوش مصنوعی تیم‌های مهندسی را از ۳۰۰ دلار به ۲۰۰ دلار کاهش داده است.
- 💵 کاهش‌های بیشتری در راه است؛ به گفتهٔ منابع بلومبرگ، برخی سهمیه‌ها به ۱۰۰ دلار در روز می‌رسد.
- 🧮 بیرون از حوزهٔ مهندسی، اپل در حال بررسی سقفی در حد ۲۵ دلار در روز است.
- 📰 این گزارش را بلومبرگ روز چهارشنبه منتشر کرده و تک‌کرانچ برای دریافت نظر رسمی با اپل تماس گرفته است.
📉 وقتی سقف‌ها پایین می‌آید
نکتهٔ مهم در این گزارش، جهت حرکت است، نه فقط یک عدد. کاهش از ۳۰۰ به ۲۰۰ دلار شاید در نگاه اول کوچک به نظر برسد، اما وقتی با برنامه‌ای برای رساندن بعضی سهمیه‌ها به ۱۰۰ دلار و حتی بررسی سقف ۲۵ دلاری برای واحدهای غیرمهندسی کنار هم گذاشته شود، تصویر روشن‌تر می‌شود: اپل دارد مصرف هوش مصنوعی را از یک هزینهٔ بی‌سقف به یک قلم بودجهٔ قابل کنترل تبدیل می‌کند.
برای تیم‌هایی که به استفادهٔ روزمره از دستیارهای کدنویسی و مدل‌های زبانی عادت کرده‌اند، این یعنی بازگشت به محاسبه: کدام درخواست واقعاً ارزش هزینه‌اش را دارد و کدام فقط عادت شده است؟
🧾 از «توکن‌مکسینگ» تا جیره‌بندی توکن
این چرخش، داستانی آشناست. اوایل امسال موجی از مصرف حداکثری توکن راه افتاد؛ شرکت‌ها کارکنان را تشویق می‌کردند تا جایی که ممکن است از هوش مصنوعی استفاده کنند، آن هم به نام بهره‌وری و با تعریفی نسبتاً مبهم از آن. اما این شور و شوق دیر نپایید. وقتی صورت‌حساب‌ها رسید، بسیاری از سازمان‌ها به این نتیجه رسیدند که سهمیه‌بندی توکن شاید انتخاب مالی عاقلانه‌تری باشد.
🔍 چرا هزینه‌ها این‌قدر سریع بالا رفت؟
- ⚡ استفادهٔ گسترده و روزمره از مدل‌های زبانی، هزینه‌ای پیوسته و انباشته می‌سازد.
- 🧠 درخواست‌های سنگین‌تر و زمینه‌های طولانی‌تر، مصرف را چند برابر می‌کنند.
- 📊 سنجش دقیق بازده این هزینه‌ها در بسیاری از سازمان‌ها دشوار بوده است.
- 🏢 وقتی هزینه به سطح تیم‌ها و واحدها تقسیم می‌شود، سقف گذاشتن ساده‌ترین ابزار کنترل است.
🤔 شکاف میان هزینه و بهره‌وری
زیر تمام این تصمیم‌ها یک نگرانی مشترک خوابیده است: فاصلهٔ میان آنچه ساختن و اجرای هوش مصنوعی هزینه دارد و آنچه به‌عنوان افزایش بهره‌وری به دست می‌آید. افزایشی که اغلب مبهم است و اندازه‌گیری‌اش سخت. تا وقتی این شکاف پر نشود، سقف‌گذاری روی هزینه‌ها منطقی‌ترین واکنش ممکن به نظر می‌رسد؛ واکنشی که اپل هم از آن مستثنا نیست.
هوش مصنوعی ارزان نیست؛ فقط صورت‌حسابش با تأخیر می‌رسد.
🧭 این خبر چه معنایی برای آینده دارد؟
کاهش بودجهٔ داخلی هوش مصنوعی در اپل را نباید به معنای عقب‌نشینی از این فناوری خواند. نشانه‌ها بیشتر به سمت نظم‌دهی است تا رها کردن. سازمان‌ها در حال یادگیری این نکته‌اند که استفاده از هوش مصنوعی باید هدفمند باشد: برای کارهایی که واقعاً زمان می‌خرند و ارزش می‌سازند، نه صرفاً برای اینکه شمارندهٔ مصرف بالا برود.
اگر این روند گسترش پیدا کند، احتمالاً در ماه‌های آینده شاهد فهرست‌های مشخص‌تری از کاربردهای مجاز، ابزارهای تأییدشده و سیاست‌های شفاف‌تر مصرف در شرکت‌ها خواهیم بود. دورانی که در آن «بیشترین مصرف» نشانهٔ پیشرو بودن تلقی می‌شد، دارد جای خود را به دورانی می‌دهد که در آن «مصرف هوشمندانه» امتیاز محسوب می‌شود. 📌
منبع: Apple is reportedly cutting budgets for its internal AI usage | TechCrunch