Οι δαπάνες για την τεχνητή νοημοσύνη (ΤΝ) εκτροχιάζονται καθώς ορισμένες εταιρείες ξοδεύουν πλέον περισσότερα για αυτήν από ό,τι για μισθούς εργαζομένων. Τελικά, η ανθρώπινη εργασία αποδειχθεί πιο οικονομικά αποδοτική.
«Για την ομάδα μου, το κόστος των υπολογιστικών πόρων ξεπερνά κατά πολύ το κόστος των εργαζομένων», δήλωσε στο Axios ο Μπράιαν Καταντζάρο, αντιπρόεδρος εφαρμοσμένης βαθιάς μάθησης στη Nvidia.
Ο επικεφαλής τεχνολογίας της Uber έχει ήδη εξαντλήσει τον προϋπολογισμό για τεχνητή νοημοσύνη για το 2026, κυρίως λόγω του κόστους χρήσης «tokens», σύμφωνα με το The Information.
Ο Άμος Μπαρ-Τζόζεφ, CEO της Swan AI, έγραψε σε ανάρτησή του στο LinkedIn: «Χτίζουμε την πρώτη αυτόνομη επιχείρηση, η οποία κλιμακώνεται με νοημοσύνη και όχι με αύξηση προσωπικού».
Σε παγκόσμιο επίπεδο, οι δαπάνες IT αναμένεται να φτάσουν τα 6,31 τρισεκατομμύρια δολάρια το 2026, αυξημένες κατά 13,5% σε σχέση με το 2025, σύμφωνα με την Gartner. Η αύξηση αυτή τροφοδοτείται από τη συνεχιζόμενη δυναμική στις υποδομές AI, το λογισμικό και τις υπηρεσίες cloud, που περιλαμβάνουν τα πάντα- από την ανάπτυξη συστημάτων AI έως το κόστος των συνδρομών AI. Ωστόσο, ακόμη και οι εταιρείες με τους υψηλότερους προϋπολογισμούς IT θα χρειαστεί να τεκμηριώσουν, σε βάθος χρόνου, την αποδοτικότητα των επενδύσεών τους στην τεχνητή νοημοσύνη, ιδίως όταν καλούνται να δικαιολογήσουν τα αποτελέσματα στους μετόχους μέσα από τις τριμηνιαίες οικονομικές ανακοινώσεις. Αυτό μπορεί να σημαίνει αποδείξεις αύξησης παραγωγικότητας ή μετρήσεις που δείχνουν σαφή απόδοση για όλες αυτές τις επενδύσεις στην τεχνητή νοημοσύνη.
«Ο τόνος αλλάζει λίγο προς το ερώτημα ποια είναι η πραγματική αξία ενός εργαζομένου… ανθρώπινου ή ψηφιακού», δήλωσε ο Μπραντ Όουενς, αντιπρόεδρος στρατηγικής ψηφιακής εργασίας στην Asymbl, η οποία επικεντρώνεται στον συντονισμό εργατικού δυναμικού.
Την ίδια στιγμή, η αύξηση του κόστους επηρεάζει και τα ίδια τα εργαστήρια AI. Επενδυτής της OpenAI δήλωσε στο Axios ότι η εξέλιξη αυτή μπορεί να λειτουργήσει υπέρ της εταιρείας, καθώς θεωρεί ότι το Codex είναι ανώτερο από το Claude Code στο να μεγιστοποιεί την αποδοτικότητα των tokens, μειώνοντας έτσι το κόστος χρήσης.
Η Anthropic έχει ήδη προσαρμόσει την τιμολογιακή της πολιτική λόγω αυξημένης ζήτησης. Όταν τα εργαστήρια τεχνητής νοημοσύνης αυξάνουν τις τιμές τους, οι υψηλές δαπάνες για AI ενδέχεται να πάψουν να θεωρούνται πλεονέκτημα ευελιξίας και να εξελιχθούν σε οικονομικό βάρος.
