اوبر سقف مصرف هوش مصنوعی را برای هر کارمند و هر ابزار کدنویسی به 1,500 دلار در ماه محدود کرد
اوبر بهعنوان یکی از شرکتهایی که هزینههای سنگین هوش مصنوعی را تجربه کردهاند، برای کنترل هزینهها محدودیتهای جدیدی در استفاده از سرویسهای مبتنی بر هوش مصنوعی وضع کرده است. طبق گزارش بلومبرگ، این شرکت سقف مصرف ماهانه 1,500 دلار را برای هر کارمند و برای هر یک از «ابزارهای کدنویسی عاملی» (agentic coding tools) مانند Anthropic’s Claude Code و Cursor تعیین کرده است. میزان استفاده از طریق داشبورد داخلی قابل رهگیری است و در موارد خاص و با کسب مجوز میتوان از این سقف فراتر رفت.
جزئیات تصمیم و زمینهسازی
در گزارشها آمده که این اقدام پس از آن انجام شد که اوبر در ماه آوریل بهطرز غیرمنتظرهای بودجه سالانه هوش مصنوعی خود را ظرف چهار ماه مصرف کرد. پیشتر، شرکت کارکنان را به «استفاده حداکثری» از ابزارهای هوش مصنوعی تشویق و حتی میزان استفاده داخلی را در قالب جدولهای رتبهبندی (leaderboards) دنبال میکرد. چنین سیاستهایی ممکن است منجر به افزایش ناگهانی هزینهها و مصرف بیش از حد سرویسهای ابری و APIهای مبتنی بر مدلهای بزرگ زبانی شده باشد.
ابهام درباره بهرهوری واقعی
اندرو مکدونالد، مدیر عملیات اوبر، اخیراً در یک پادکست نسبت به تأثیر مستقیم هوش مصنوعی بر تولید ویژگیهای جدید برای کاربران ابراز تردید کرد و گفت «خط کشیدن میان استفاده از هوش مصنوعی و تولید ویژگیهای مشتریمحور کار بسیار دشواری است.» این اظهارنظر بازتابدهنده یک نگرانی گستردهتر میان شرکتهای فناوری است: سرمایهگذاریهای چشمگیر در هوش مصنوعی تا چه حد بازدهی مالی (ROI) واقعی به همراه دارند؟
پیامدها برای صنعت فناوری
اقدام اوبر نمونهای از موج تازهای است که در آن شرکتها برای مدیریت هزینههای فزاینده مدلهای هوش مصنوعی، سیاستهای مصرف، سقفگذاری و کنترلهای داخلی وضع میکنند. سوال کلیدی برای بسیاری از سازمانها این است که چگونه بین بهرهگیری از پتانسیل نوآوری هوش مصنوعی و تضمین پایداری مالی تعادل برقرار کنند. گزارشها نشان میدهند که تا کنون بسیاری از وعدههای بازدهی هوش مصنوعی بیشتر نظری باقی مانده و شرکتها در انتظار تحقق منافع اقتصادی ملموس هستند.
راهکارهای مدیریتی که شرکتها میتوانند در پیش بگیرند
– پیادهسازی داشبوردهای شفاف هزینه و هشدار مصرف در لحظه.
– تعیین سقفهای مصرفی و سیاستهای دلاری برای تیمها و پروژهها.
– استفاده از مدلهای سفارشی یا سبکتر در مواردی که نیاز به پاسخهای دقیق و هزینهپایینتر است.
– سیاستهای chargeback و تخصیص هزینه به واحدهای داخلی برای ایجاد مسئولیتپذیری.
– ترکیب استفاده از سرویسهای ابری عمومی با راهکارهای on-premise و مدلهای متنباز در پروژههای با حجم پردازش بالا.
جمعبندی
اقدام اوبر برای محدودسازی هزینههای هوش مصنوعی با تعیین سقف مصرف ماهانه، یک یادآوری قوی است که موج سرمایهگذاری در هوش مصنوعی نیازمند مدیریت دقیق هزینه، شفافیت و سنجش بازدهی است. شرکتها هرچند از پتانسیل یادگیری ماشینی و مدلهای زبانی بزرگ بهره میبرند، اما حالا بیش از پیش در معرض نیاز به راهکارهای مدیریتی و اقتصادی هستند تا از تبدیل هزینههای نوآوری به بار مالی جلوگیری کنند.