Företag övergår till "Valuemaxxing" för AI-konsumtion
Stora teknikföretag som Tesla och Meta begränsar sin AI-tokenförbrukning och övergår till "valuemaxxing", som fokuserar på att matcha kostnader med faktiska fördelar.
Teknikjättar som Tesla, Meta och Uber har börjat införa begränsningar för sina anställdas konsumtion av AI-tokens. Denna förändring, kallad "valuemaxxing", ersätter den tidigare "tokenmaxxing"-strategin som enbart fokuserade på att maximera användningen av AI-modeller.
Företagen har insett att "allt du kan be om"-metoden har blivit kostsam i takt med att de verkliga kostnaderna för AI-tjänster börjar bli tydliga. Tidigare var tokenpriser ofta rabatterade eller subventionerade, vilket skapade en illusion av obegränsade och gratis resurser. Nu, när dessa subventioner minskar, måste företagen börja noggrant övervaka de faktiska kostnaderna och fördelarna med AI.
"Valuemaxxing"-strategin fokuserar på att endast investera i AI-användning när den ger en tydlig avkastning på investeringen. Detta innebär att rutinuppgifter, som att ställa enkla frågor, utförs med billigare modeller, medan dyrare och kraftfullare modeller reserveras för mer komplexa och krävande uppgifter. Målet är att matcha kostnaderna med faktiska resultat.
Juan Orlandini, CTO för Nordamerika på Insight Enterprises, föreslår tre steg för att implementera "valuemaxxing": 1. Övervakning: Inför FinOps-verktyg (Financial Operations) för att i realtid spåra AI-kostnader. 2. Optimering: Använd billigare modeller för rutinuppgifter och reservera de mest kapabla modellerna endast för kritiska och flerstegsuppgifter. 3. Övervägande: För mycket stora volymer, överväg att äga egen hårdvara, vilket kan vara mer kostnadseffektivt på lång sikt.
Förändringen återspeglar en bredare trend mot mer kostnadseffektiv och strategisk användning av AI inom företag. Istället för att bara använda så mycket AI som möjligt, ligger fokus nu på att använda den på ett sätt som ger mätbart affärsvärde.