هزینهٔ هوش مصنوعی رو نباید یه عدد دید
هوش مصنوعیخلاصهٔ کاملتر
نویسندهها میگن از وقتی شنیدن شرکتها برای تعداد توکن جدول امتیاز داخلی نگه میدارن، واکنش معکوس رو حتمی میدونستن و حالا اون واکنش رسیده. تیترها پر شدن از شرکتهایی مثل Uber که بودجهٔ سالانهٔ هوش مصنوعیشونو تو چهار ماه سوزوندن و قبضهای غیرمنتظرهٔ Claude. اونا خودشون هم شنیدن که CTOها و معاونهای مهندسی بودجهها رو فریز کردن و هر خرج جدیدو زیر ذرهبین بردن.
به گفتهٔ نویسندهها جدول امتیاز توکن هیچ باهوشتر از رتبهبندی مهندسها بر اساس تعداد خط کد نیست. حتی اگه فرض کنی همه با نیت خوب کار میکنن، توکن بیشتر یعنی کار بیشتر نشده؛ داری چیز اشتباهی رو اندازه میگیری و بودجه رو اشتباه تخصیص میدی. اونا میگن نه باید خرجو بالا ببری که با عدد بزرگ پز بدی، نه باید از ترس قبض محدودش کنی.
نکتهٔ مرکزی مقاله اینه که فکر کردن به خرج هوش مصنوعی بهشکل یه عدد واحد غلطه. درست مثل اینکه کل هزینهٔ حقوقها رو یه عدد ببینی. هر agent و هر آزمایش با ابزار جدید اثر متفاوتی روی کسبوکار داره، پس باید هر ابزارو بر اساس تاثیرش روی تیم یا قابلیتی که اونو میخره سنجید.
اولین قاعدهای که نویسندهها مطرح میکنن «محدودیت با محدودیت»ـه: شرکتها بودجه لازم دارن ولی پریدن از بیقیدی مطلق به سختگیری شدید هم باعث سرگیجهٔ سازمانی میشه و هم آزمایش رو دلسرد میکنه. کاربردهای اثباتشده مثل coding agent باید جدا از ابزارهای آزمایشی جدید دیده شن. به گفتهٔ اونا خفه کردن آزمایش بزرگترین و قابلاجتنابترین گلبهخودیه.
این موضوع نیاز به بازنگری تو تفکیک بودجهٔ نرمافزار و نیروی انسانی داره. نویسندهها مواردی دیدن که تیمها جای خالیِ استخدام دارن ولی نیروی باکیفیت پیدا نمیکنن، درحالیکه از خرج بیشتر روی نرمافزار منع شدن. agent آدمو یکبهیک جایگزین نمیکنه ولی کارهای خستهکننده رو سبک میکنه تا آدما رو بهترین کارشون تمرکز کنن.
دربارهٔ ساختن در برابر خریدن، نویسندهها میگن ساختن داخلی بیشتر از خریدن آمادهٔ بازار به سرریز بودجه میانجامه. ساختن یه دموی خوب با coding agent چند دقیقه و چند سنت آب میخوره، ولی تبدیلش به محصول واقعی نه سادهست نه ارزون. وقتی بیشتر کدو agent نوشته، موقع خراب شدن کسی نمیدونه چی شده و Claude باید کلی توکن بسوزونه تا مشکلو پیدا کنه.
به گفتهٔ نویسندهها اولویتبندی از همیشه مهمتر شده، چون تیمها الان هرکاری میتونن بکنن و همین حواسپرتی میاره. هر آزمایش بد فکرشده میتونه از یه نقطهٔ ۵ دلاری به یه چاهِ ۱۰۰۰ دلاری تبدیل شه. حرف آخرشون اینه که ریختن همهٔ خرج تو یه سطل و بالا/پایین کردن شتابزدهٔ اون عدد، دستورالعمل فاجعهست.
نکات کلیدی:
- جدول امتیاز توکن مثل سنجیدن مهندس با تعداد خط کده و پیشرفت واقعی رو نشون نمیده
- خرج هوش مصنوعی یه قلم واحد نیست؛ هر ابزار باید بر اساس ارزشش برای تیم خریدار سنجیده شه
- کاربردهای اثباتشده مثل coding agent باید جدا از ابزارهای آزمایشی بودجهبندی شن
- ساختن داخلی بیشتر از خریدِ آماده به سرریز بودجه میانجامه؛ هزینهٔ واقعی تو productionization در میاد
- خفه کردن آزمایش بزرگترین گلبهخودیه و تیمو از تطبیق با فناوری جدید عقب میندازه
