Η τεχνητή νοημοσύνη αποδεικνύεται ως η πιο αξιόπιστη επιλογή σε σύγκριση με τους ανθρώπους εργαζόμενους

Πολλές εταιρείες παγκοσμίως ενθαρρύνουν τους εργαζομένους τους να αξιοποιούν την τεχνητή νοημοσύνη για να βελτιώσουν την απόδοσή τους και να αυξήσουν την παραγωγικότητά τους. Ωστόσο, υπάρχουν σημάδια ότι αυτή η στρατηγική αρχίζει να αντιμετωπίζει προβλήματα, καθώς αποδεικνύεται ότι το κόστος χρήσης της τεχνητής νοημοσύνης είναι συχνά υψηλότερο από την πρόσληψη ανθρώπινου δυναμικού.

Για παράδειγμα, η Microsoft παροτρύνει τους υπαλλήλους της να μεταβούν από τη χρήση του Claude Code στο Copilot CLΙ, καθώς οι τιμές της τεχνητής νοημοσύνης της Anthropic συνεχώς αυξάνονται καθώς κερδίζει δημοτικότητα. Αντί να πληρώνει για εξωτερικά μοντέλα, η Microsoft επιδιώκει να χρησιμοποιήσει το δικό της εργαλείο για να περιορίσει τα έξοδα.

Η κατάσταση δεν περιορίζεται στη Microsoft. Πλήθος εταιρειών προσπαθούν να μειώσουν την εξάρτησή τους από την τεχνητή νοημοσύνη. Αν και το κόστος εκπαίδευσης των μοντέλων τείνει να μειώνεται, οι εργαζόμενοι χρησιμοποιούν τώρα περισσότερα tokens στην καθημερινότητά τους. Με την υιοθέτηση του Agentic AI, η χρήση tokens μπορεί να αυξάνεται κατά 1000 φορές σε σχέση με τις απλές αναζητήσεις σε LLM, ανάλογα με την πολυπλοκότητα μιας εργασίας.

Ένα χαρακτηριστικό παράδειγμα είναι ο Peter Steinberger, ιδρυτής του OpenClaw, ο οποίος αποκάλυψε ότι η ομάδα του ξόδεψε πάνω από 1.3 εκατομμύρια δολάρια σε tokens εντός ενός μήνα, επιβεβαιώνοντας ότι η τεχνητή νοημοσύνη είναι πλέον πιο ακριβή από την πρόσληψη ανθρώπων, με τα οφέλη που αποκομίζουν να είναι σχετικά περιορισμένα.

Οι μεταβολές στις τιμές των tokens και η αυξημένη χρήση τους φέρνουν στο νου το παράδοξο Jevons, όπου η μεγαλύτερη αποδοτικότητα οδήγησε σε αυξημένη χρήση. Στην περίπτωση αυτή, όσο αυξάνεται η ζήτηση χωρίς αύξηση προσφοράς, τόσο ανεβαίνουν οι τιμές.

Ταυτόχρονα, οι εταιρείες τεχνητής νοημοσύνης περιορίζουν τη χρήση της για να ενθαρρύνουν τους χρήστες να ξοδεύουν περισσότερα. Ειδικά η Nvidia, με τον Διευθύνοντα Σύμβουλό της να δηλώνει πως οι μηχανικοί θα πρέπει να ξοδεύουν τουλάχιστον το μισό του ετήσιου μισθού τους σε tokens για να είναι αποδοτικοί, υπογραμμίζει την τάση αυτή.

Εν τέλει, οι υπάλληλοι συχνά καταλήγουν να ξοδεύουν tokens σε άσκοπες ερωτήσεις για να εμφανιστούν ως “καλοί” στη δουλειά τους, και αυτό το φαινόμενο έχει παρατηρηθεί σε μεγάλες εταιρείες όπως η Meta και η Microsoft.

Η κατάσταση γίνεται ολοένα και πιο περίπλοκη, καθώς οι εταιρείες που επιδιώκουν να ενσωματώσουν την τεχνητή νοημοσύνη για να μειώσουν τα κόστη τους, καταλήγουν να αυξάνουν τα έξοδά τους. Μέχρι τώρα, η υπόσχεση της τεχνητής νοημοσύνης για αύξηση της παραγωγικότητας δεν φαίνεται να εκπληρώνεται, καθώς οι εργαζόμενοι αντιμετωπίζουν μεγαλύτερες δαπάνες και τα τελευταία χρόνια οι προβλεπόμενες οικονομικές ωφέλειες δεν έχουν υλοποιηθεί.

Διαβάστε το πλήρες άρθρο στην techmaniacs.gr.

Επιμέλεια ροής: Greca 99,4 | Ακούστε μας live εδώ.