نگرانیها درباره اینکه هوش مصنوعی در آینده نزدیک بتواند بخش بزرگی از نیروی انسانی را بهطور کامل کنار بزند طی سالهای اخیر به یکی از بحثهای اصلی دنیای فناوری تبدیل شده است بااینحال برخی کارشناسان و فعالان این حوزه معتقدند مانعی مهم و کمتر دیدهشده ممکن است سرعت این تحول را کاهش دهد مانعی به نام هزینه واقعی استفاده از هوش مصنوعی است.
یکی از مهندسان و کارآفرینان فعال در حوزه هوش مصنوعی معتقد است بسیاری از پیشبینیهای مربوط به جایگزینی سریع انسان با مدلهای هوش مصنوعی، بیش از حد خوشبینانه هستند از نگاه او اگرچه مدلهای جدید از نظر توان پردازشی و قابلیتهای فنی پیشرفت چشمگیری داشتهاند اما مسئله اصلی زمانی خود را نشان میدهد که شرکتها بخواهند این ابزارها را در مقیاس گسترده و برای میلیونها کاربر یا صدها تیم کاری بهکار بگیرند.
نمونهای از این چالش اخیراً در مایکروسافت دیده شد گزارشها نشان میدهد این شرکت بخشی از مجوزهای داخلی مربوط به ابزار Claude Code را لغو کرده است اقدامی که ظاهراً به هزینههای بالای مدل قیمتگذاری مبتنی بر توکن مرتبط بوده است.
اهمیت این موضوع زمانی بیشتر میشود که بدانیم مایکروسافت خود یکی از بزرگترین شرکتهای زیرساخت ابری جهان محسوب میشود و بخش قابل توجهی از پردازشهای شرکت انتروپیک نیز از طریق سرورهای آژور انجام میشود.
این اتفاق این پرسش را مطرح میکند که اگر حتی شرکتی در ابعاد مایکروسافت نیز نسبت به هزینههای گسترده استفاده از ابزارهای هوش مصنوعی محتاط شده شرکتهای کوچکتر و استارتاپها با چه فشار مالی روبهرو خواهند شد.
نشانههای مشابهی در دیگر شرکتهای فناوری نیز مشاهده میشود در گزارشی داخلی از اوبر مدیر فنی این شرکت هشدار داده بود که تیمهای مختلف تنها طی چهار ماه، بودجه پیشبینیشده برای هزینههای هوش مصنوعی در سال ۲۰۲۶ را مصرف کردهاند چنین موضوعی نشان میدهد توسعه و استفاده گسترده از مدلهای AI برخلاف تصور اولیه، هزینههای سنگینی را به شرکتها تحمیل میکند.
همزمان برخی شرکتهای ارائهدهنده خدمات هوش مصنوعی نیز قیمت سرویسهای خود را افزایش دادهاند گفته میشود هزینه برخی سرویسهای مبتنی بر AI در شرکتهای آمریکایی بین ۲۰ تا ۳۷ درصد رشد داشته است علاوه بر این گیتهاب نیز بهتدریج در حال حرکت به سمت مدلهای قیمتگذاری مبتنی بر میزان استفاده است مدلی که هزینه واقعی مصرف را شفافتر از قبل نشان میدهد.
در سالهای گذشته بسیاری از شرکتهای فعال در حوزه هوش مصنوعی برای جذب کاربران بیشتر بخش بزرگی از هزینههای پردازشی و زیرساختی را خودشان تقبل میکردند. این رویکرد نوعی یارانه پنهان برای توسعه سریع بازار محسوب میشد اما اکنون با افزایش تعداد کاربران، سنگینتر شدن مدلها و نیاز به توان پردازشی بیشتر، ادامه این روند برای بسیاری از شرکتها دشوار شده است.
مدلهای زبانی پیشرفته برای پاسخگویی به درخواستها به حجم عظیمی از منابع محاسباتی پردازندههای قدرتمند مراکز داده و انرژی نیاز دارند در مدل قیمتگذاری مبتنی بر توکن هر درخواست و هر خروجی تولیدشده هزینه مستقیمی ایجاد میکند؛ موضوعی که هنگام استفاده گسترده در مقیاس سازمانی میتواند به رقمهای بسیار بزرگی تبدیل شود.
به گفته این کارآفرین بسیاری از شرکتها اکنون برای نخستین بار با هزینه واقعی استفاده از مدلهای زبانی بزرگ روبهرو شدهاند. در گذشته پلنهای اشتراکی ثابت تا حدی این هزینهها را پنهان میکردند، اما اکنون ساختارهای جدید قیمتگذاری تصویر واقعیتری از هزینهها ارائه میدهند.
در نتیجه آینده هوش مصنوعی احتمالاً فقط به پیشرفت فنی مدلها وابسته نخواهد بود. عامل تعیینکننده دیگر، اقتصادی بودن استفاده از این فناوری است. حتی اگر هوش مصنوعی از نظر توانایی بتواند بخشی از وظایف انسانی را انجام دهد، تا زمانی که هزینه بهکارگیری آن از استخدام نیروی انسانی بیشتر باشد، مسیر جایگزینی کامل انسان با ماشین شاید بسیار کندتر از پیشبینیهای اولیه پیش برود.
