1. آمازون به کارکنانش هشدار داد: استفاده بیهدف از هوش مصنوعی را متوقف کنید!
در دنیای فناوری امروز، هوش مصنوعی (AI) به سرعت در حال پیشرفت است و شرکتهای بزرگی مانند آمازون، متا و مایکروسافت سرمایهگذاریهای هنگفتی در این حوزه انجام دادهاند. اما این پیشرفتها بدون چالش نبودهاند. اخیراً، آمازون یک جدول ردهبندی داخلی را که برای تشویق کارکنان به استفاده از هوش مصنوعی طراحی شده بود، حذف کرده است. دلیل این اقدام، پدیدهای به نام «توکنمکسینگ» بود؛ رقابتی ناسالم که در آن کارکنان صرفاً برای بالا بردن آمار خود، از هوش مصنوعی به شکلی بیرویه و غیرضروری استفاده میکردند.
این رویکرد نه تنها هزینههای سرسامآوری را به شرکت تحمیل کرده، بلکه نشاندهنده یک چالش بزرگتر در پذیرش و بهکارگیری صحیح هوش مصنوعی در محیطهای سازمانی است. دیگر شرکتهای فناوری نیز با مشکلات مشابهی دست و پنجه نرم میکنند و این موضوع، زنگ خطری برای استراتژیهای بلندمدت در حوزه AI است.
این مقاله به بررسی پدیده توکنمکسینگ، دلایل ظهور آن در شرکتهای بزرگ فناوری و پیامدهای اقتصادی و عملیاتی آن میپردازد. همچنین، راهکارهایی برای مدیریت بهینه هزینههای هوش مصنوعی و تمرکز بر کاربردهای واقعی و ارزشآفرین آن ارائه خواهیم داد.
2. توکنمکسینگ چیست و چرا اهمیت دارد؟
در قلب مدلهای زبانی بزرگ (LLMs) مانند مدلهایی که در ChatGPT یا Claude استفاده میشوند، مفهوم «توکن» قرار دارد. توکنها واحدهای پایهای هستند که هوش مصنوعی برای پردازش و تولید زبان از آنها استفاده میکند؛ میتوان آنها را به قطعات کلمات یا حتی کاراکترها تشبیه کرد. هر بار که با یک ابزار هوش مصنوعی تعامل میکنید چه در حال چت با یک دستیار مجازی باشید، چه از آن برای تولید کد برنامه کمک بگیرید مقداری توکن مصرف میشود. این مصرف توکن، مبنای اصلی محاسبه هزینههای استفاده از سرویسهای ابری و APIهای هوش مصنوعی است.
رقابت ناسالم بر سر مصرف توکن
پدیده «توکنمکسینگ» (Tokenmaxxing) از دل همین سیستم محاسبه هزینه بیرون آمده است. برخی کارکنان در شرکتهای بزرگ، به جای تمرکز بر حل مشکلات واقعی یا نوآوری، صرفاً با انجام کارهای تکراری و کماهمیت با هوش مصنوعی، سعی در بالا بردن آمار مصرف توکن خود داشتند. هدف از این کار، دیده شدن به عنوان فردی فعالتر و آشناتر با فناوریهای جدید در سیستمهای داخلی شرکت بود. این رقابت، جدای از هزینههای مالی مستقیم، باعث اتلاف وقت و منابع ارزشمند شرکت نیز میشد.
3. چرا آمازون جدول ردهبندی KiroRank را حذف کرد؟
آمازون، طبق گزارش فایننشال تایمز، با مشاهده این روند، جدول ردهبندی داخلی خود به نام KiroRank را که برای تشویق کارکنان به یادگیری و استفاده از هوش مصنوعی طراحی شده بود، از دسترس خارج کرد. معاون ارشد آمازون، دیو تِردول، در یادداشتی به کارکنان اعلام کرد که هدف اصلی، حل مشکلات مشتریان و نوآوری واقعی است، نه صرفاً استفاده از هوش مصنوعی برای بالا بردن آمار.
اگرچه آمازون همچنان مصرف توکنها را برای مدیریت هزینهها رصد میکند، اما تاکید کرده است که هدفش ترویج مصرف بیهدف یا سنجش بهرهوری بر اساس تعداد توکن مصرفی نبوده است. این اقدام نشاندهنده یک تغییر رویکرد از «مصرف حداکثری» به سمت «مصرف بهینه و هدفمند» در این غول فناوری است.
4. فراتر از آمازون: موج تغییر در غولهای فناوری
مشکل توکنمکسینگ و هزینههای فزاینده هوش مصنوعی، مختص آمازون نیست. دیگر شرکتهای بزرگ فناوری نیز با چالشهای مشابهی مواجه شدهاند:
- متا (فیسبوک سابق): این شرکت نیز در ماه آوریل مجبور شد یک جدول ردهبندی داخلی مشابه را به دلیل مصرف بیرویه و بدون توجیه ابزارهای هوش مصنوعی تعطیل کند.
- اوبر: مدیر عملیاتی اوبر اذعان کرده که شرکت نتوانسته بهبود بهرهوری قابل توجهی را متناسب با هزینههای عظیم هوش مصنوعی خود به دست آورد. این اظهارات پس از آن منتشر شد که مشخص شد بخش مهندسی اوبر، کل بودجه سالانه هوش مصنوعی خود را تنها در چهار ماه با استفاده از ابزار Claude Code مصرف کرده است.
- مایکروسافت: این غول نرمافزاری نیز در اوایل ماه مه، فرایند لغو برخی از مجوزهای پرهزینه ابزارهای هوش مصنوعی برای کارکنانش را آغاز کرد.
گزارشها حاکی از آن است که این روند انقباضی به شرکتهای بزرگی مانند سیلزفورس، Doordash و دیگران نیز سرایت کرده است. استراتژی بسیاری از این شرکتها از «تزریق هوش مصنوعی به همهچیز» به سمت «جیرهبندی و مدیریت دقیق هزینهها» تغییر یافته است.
از هیجانزدگی تا عقلانیت اقتصادی
به عقیده کارشناسان مدیریت کسبوکار، این عقبنشینیها به معنای کنار گذاشتن هوش مصنوعی نیست، بلکه نشاندهنده عبور از فاز «هیجانزدگی اولیه» و ورود به فاز «عقلانیت اقتصادی» است. شرکتها در حال یادگیری تمایز قائل شدن میان کاربردهای واقعی و ارزشآفرین هوش مصنوعی از رفتارهای نمایشی و پرهزینه هستند.
5. چگونه از توکنمکسینگ جلوگیری کنیم و هوش مصنوعی را بهینه مصرف کنیم؟
مدیریت صحیح هزینههای هوش مصنوعی و جلوگیری از رفتارهای پرهزینه مانند توکنمکسینگ، نیازمند یک رویکرد چندوجهی است:
- تعیین اهداف روشن: قبل از هرگونه سرمایهگذاری یا استفاده از ابزارهای هوش مصنوعی، باید اهداف مشخصی تعریف شود. این اهداف باید قابل اندازهگیری بوده و مستقیماً به بهبود عملکرد کسبوکار، حل مشکلات مشتریان یا ایجاد نوآوری منجر شوند.
- آموزش و فرهنگسازی: کارکنان باید در مورد نحوه استفاده بهینه از هوش مصنوعی، درک هزینههای مرتبط و شناسایی کاربردهای واقعی آموزش ببینند. ایجاد فرهنگی که در آن ارزشآفرینی واقعی ملاک است، نه صرفاً مصرف ابزار، بسیار حیاتی است.
- نظارت و کنترل هزینهها: همانطور که آمازون و دیگران انجام میدهند، نظارت دقیق بر مصرف توکنها و هزینههای مرتبط ضروری است. این نظارت نباید صرفاً برای جریمه یا ایجاد رقابت ناسالم باشد، بلکه باید به شناسایی الگوهای مصرف غیربهینه و ارائه راهکارهای اصلاحی کمک کند.
- انتخاب ابزارهای مناسب: تمام ابزارهای هوش مصنوعی برای هر کاری مناسب نیستند. باید ابزارهایی انتخاب شوند که بیشترین کارایی را با کمترین هزینه برای وظایف مشخص ارائه میدهند.
- تمرکز بر بازگشت سرمایه (ROI): هرگونه سرمایهگذاری در هوش مصنوعی باید با معیارهای روشن بازگشت سرمایه ارزیابی شود. آیا هزینه مصرف شده، منجر به افزایش درآمد، کاهش هزینه، بهبود رضایت مشتری یا نوآوری قابل توجه شده است؟
6. سوالات متداول
توکنمکسینگ دقیقاً چیست و چه ربطی به هزینههای AI دارد؟
توکنمکسینگ به رفتاری گفته میشود که در آن کارکنان صرفاً برای افزایش آمار مصرف توکن (واحدهای پردازشی AI) و دیده شدن در سیستمهای شرکت، از ابزارهای هوش مصنوعی به شکلی غیرضروری و تکراری استفاده میکنند. این کار هزینههای پردازش ابری و API را به شدت افزایش میدهد.
آیا این به این معنی است که شرکتها دیگر از هوش مصنوعی استفاده نمیکنند؟
خیر، این اتفاق به معنای بازنگری در استراتژی و ورود به فاز «عقلانیت اقتصادی» است. شرکتها به دنبال کاربردهای واقعی و ارزشآفرین هوش مصنوعی هستند، نه صرفاً مصرف بیرویه آن.
چگونه میتوانیم در سازمان خود از مصرف بیرویه هوش مصنوعی جلوگیری کنیم؟
با تعیین اهداف روشن، آموزش کارکنان، نظارت دقیق بر هزینهها و انتخاب ابزارهای مناسب، میتوان مصرف هوش مصنوعی را بهینه کرد و از هزینههای اضافی جلوگیری نمود.
جمعبندی
به نظر میرسد دوران هزینهکرد بیرویه و هیجانزده در حوزه هوش مصنوعی رو به پایان است. اتفاقات اخیر در آمازون، متا و مایکروسافت نشان میدهد که شرکتهای بزرگ به سمت ارزیابی دقیقتر بازگشت سرمایه و تمرکز بر کاربردهای واقعی AI حرکت میکنند. «توکنمکسینگ» تنها یک علامت از این تغییر رویکرد است؛ هشداری که مدیران را به سمت استفاده عقلانیتر و استراتژیکتر از این فناوری قدرتمند سوق میدهد. موفقیت بلندمدت در این حوزه، نیازمند تعادل میان نوآوری و مدیریت هوشمندانه هزینههاست.
