Tokenomika: kodėl sunku uždirbti iš dirbtinio intelekto

Jei esate naudojęsi nemokama „ChatGPT“ versija ar bet kuriuo iš jos konkurentų dirbtinio intelekto sprendimų, akivaizdu, kad gaunate puikų pasiūlymą.

Tokios įmonės kaip „Microsoft“, „Google“ ir „Anthropic“ investavo šimtus milijardų dolerių į didelių kalbos modelių (LLM) – šių paslaugų pagrindą sudarančios technologijos – kūrimą.

Taigi, pasinaudoti „ChatGPT“, „Claude“ ar „Gemini“ pagalba rengiant kalbą ar planuojant atostogas yra tikra proga.

Tačiau, žinoma, šios įmonės nori susigrąžinti savo investicijas, todėl siūlo mokamas savo AI versijas, turinčias papildomų funkcijų, skirtų tokioms užduotims kaip kodavimas ar sąskaitų išrašymas.

Tuo tarpu trečiosios šalys kuria ir parduoda paslaugas, pagrįstas AI agentais, paprastai remiančiais LLM, kurie yra apmokyti atlikti konkrečias užduotis.

Tačiau nustatyti kainą šioms paslaugoms yra netikėtai sunku.

„Bandymas pririšti klientą prie išlaidų modelio ateinantiems 12 mėnesių, dvejiems ar trejiems metams, sąžiningai sakant, neturi jokios prasmės, nes mes to nežinome“, – sako Simonas Goochas iš „Saviynt“, tapatybės valdymo įmonės, kuri į savo paslaugas integruoja agentinį AI.

Taip yra dėl sparčiai kintančios ekonomikos, susijusios su žetonais – didelių kalbos modelių (LLM) ir agentinio dirbtinio intelekto pagrindiniais elementais.

Kai vartotojas paprašo didelio kalbos modelio (LLM), pavyzdžiui, „ChatGPT“ ar „Anthropic“ sukurtą „Claude“, atsakyti į klausimą, sugeneruoti programinės įrangos kodą arba automatizuoti procesą, tas užklausos tekstas suskaidomas į matematinius fragmentus, vadinamus žetonais, kuriuos modelis gali apdoroti.

LLM atsakymas taip pat pateikiamas žetonų forma, kurie vėl konvertuojami į tekstą, programinės įrangos kodą arba komandų rinkinį, skirtą procesui automatizuoti.

Problema ta, kad šis procesas nėra visiškai nuspėjamas.

Net menkiausi užklausos variantai gali duoti skirtingus atsakymus. Ta pati užklausa ne visada duos tą patį atsakymą. Skirtingi modeliai pateiks skirtingus atsakymus.

Tuo tarpu agentinėse sistemose įmonės naudoja kelis AI agentus kartu, kad priimtų sprendimus ir imtųsi veiksmų, o tai dar labiau padidina tiek žodžių vienetų naudojimą, tiek nenuspėjamumą.

Nors, remiantis „Goldman Sachs“ analize, atskirų žetonų kaina – arba kreditai, naudojami jiems apmokėti – pastaraisiais metais smarkiai nukrito, įmonių ir vartotojų sunaudojamų žetonų skaičius šoktelėjo.

Bankas prognozuoja, kad, išorinis žetonų suvartojimas nuo 2026 iki 2030 m. padidės 24 kartus iki 120 kvadrilijonų žetonų per mėnesį, nes įmonės pereis prie dirbtinio intelekto agentų naudojimo.

Tačiau įmonės ir privatūs asmenys, naudojantys AI sistemas, dažnai menkai suvokia, kiek žetonų jie išeikvoja – kol jų neišsenka arba kol negauna mėnesinės sąskaitos.

Pranešama, kad net „Microsoft“ apribojo, išorinis savo inžinierių naudojimąsi kai kuriomis trečiųjų šalių kodavimo priemonėmis, o „Uber“ matyt išnaudojo, išorinius savo metinį AI kodavimo žetonų biudžetą išnaudojo per kelis mėnesius šių metų pradžioje.

Jei naudojote nemokamą „ChatGPT“ versiją ar bet kurį iš jo dirbtinio intelekto konkurentų, akivaizdu, kad jums tai labai naudinga.

Tokios įmonės kaip „Microsoft“, „Google“ ir „Anthropic“ investavo šimtus milijardų dolerių į didelių kalbos modelių (LLM) – šių paslaugų technologinės bazės – kūrimą.

Taigi, pasinaudoti „ChatGPT“, „Claude“ ar „Gemini“ pagalba rengiant kalbą ar planuojant atostogas yra tikra proga.

Tačiau, žinoma, šios įmonės nori susigrąžinti savo investicijas, todėl siūlo mokamas savo AI versijas, turinčias papildomų funkcijų, skirtų tokioms užduotims kaip kodavimas ar sąskaitų išrašymas.

Tuo tarpu trečiosios šalys kuria ir parduoda paslaugas, pagrįstas AI agentais, paprastai remiantis LLM, kurie yra apmokyti atlikti konkrečias užduotis.

Tačiau nustatyti kainą šioms paslaugoms yra netikėtai sunku.

„Bandymas pririšti klientą prie išlaidų modelio ateinantiems 12 mėnesių, dvejiems ar trejiems metams, sąžiningai sakant, neturi jokios prasmės, nes mes to nežinome“, – sako Simonas Goochas iš „Saviynt“, tapatybės valdymo įmonės, kuri į savo paslaugas integruoja agentinį AI.

Taip yra dėl sparčiai kintančios ekonomikos, susijusios su žetonais – didelių kalbos modelių (LLM) ir agentinio dirbtinio intelekto pagrindiniais elementais.

Kai vartotojas prašo didelio kalbos modelio (LLM), pavyzdžiui, „ChatGPT“ ar „Anthropic“ sukurtą „Claude“, atsakyti į klausimą, sugeneruoti programinės įrangos kodą arba automatizuoti procesą, tas užklausimas suskaidomas į matematinius fragmentus, vadinamus žetonais, kuriuos modelis gali apdoroti.

LLM atsakymas taip pat pateikiamas žetonų forma, kurie vėl konvertuojami į tekstą, programinės įrangos kodą arba komandų rinkinį, skirtą procesui automatizuoti.

Problema ta, kad šis procesas nėra visiškai nuspėjamas.

Net menkiausi užklausos variantai gali duoti skirtingus atsakymus. Ta pati užklausa ne visada duos tą patį atsakymą. Skirtingi modeliai pateiks skirtingus atsakymus.

Tuo tarpu agentinėse sistemose įmonės naudoja kelis AI agentus kartu, kad priimtų sprendimus ir imtųsi veiksmų, o tai dar labiau padidina tiek žodžių vienetų naudojimą, tiek nenuspėjamumą.

Nors, remiantis „Goldman Sachs“ analize, atskirų žetonų kaina – arba kreditai, naudojami jiems apmokėti – pastaraisiais metais smarkiai nukrito, įmonių ir vartotojų sunaudojamų žetonų skaičius šoktelėjo.

Bankas prognozuoja, kad, išorinis žetonų suvartojimas nuo 2026 iki 2030 m. padidės 24 kartus iki 120 kvadrilijonų žetonų per mėnesį, nes įmonės pereis prie dirbtinio intelekto agentų naudojimo.

Tačiau įmonės ir privatūs asmenys, naudojantys AI sistemas, dažnai menkai suvokia, kiek žetonų jie išeikvoja – kol jų nebelieka arba kol negauna mėnesio sąskaitos.

Pranešama, kad net „Microsoft“ apribojo, išorinis savo inžinierių naudojimąsi kai kuriomis trečiųjų šalių kodavimo priemonėmis, o „Uber“ matyt išnaudojo, išorinis savo metinį AI kodavimo žetonų biudžetą per kelis mėnesius šių metų pradžioje.