Microsoft-მა Claude Code-ის პირდაპირი ლიცენზიების უმეტესობა გააუქმა და ინჟინრები GitHub Copilot CLI-ზე გადაიყვანა — ექვს თვეში ათასობით თანამშრომელზე გახსნილი წვდომა ისეთ მასშტაბს მიაღწია, რომ კომპანიას უკან დახევა მოუხდა. Uber-მა 2026 წლის AI-ის კოდირების ინსტრუმენტების წლიური ბიუჯეტი მხოლოდ ოთხ თვეში გახარჯა.

ეს ორი შემთხვევა ფართო ტენდენციის ნაწილია: კომპანიები, რომლებმაც AI „ადამიანური შრომის იაფ ალტერნატივად” გამოაცხადეს, ახლა ხვდებიან, რომ ტექნოლოგიის ფართომასშტაბიანი გამოყენება მოსალოდნელზე გაცილებით ძვირი ჯდება.

Factory AI-ის ხელმძღვანელი მატან გრინბერგი ამ ევოლუციას სამ ეტაპად აღწერს: ჯერ „ნებისმიერ ფასად — AI!”, შემდეგ — მაქსიმალური გამოყენება ხარჯების გათვლის გარეშე, ახლა კი — „ნამდვილად ყველა ამოცანისთვის გვჭირდება ყველაზე ძვირი მოდელი?”

Glean-ის CEO არვინდ ჯეინი, Fortune 500-ის ათობით კლიენტის მომსახურეობაზე დაყრდნობით, ამბობს: „პირველად ჩემს მეხსიერებაში ტექნოლოგია ადამიანის შრომის ტოლფასი ღირს. ეს პირდაპირი შედარება — ტექნოლოგია თუ ადამიანი — ადრე არასოდეს გამართულა.”

Gartner-ის კვლევა პარადოქსს ხსნის: ტოკენების ფასი 2030 წლამდე 90%-ით დაეცემა, მაგრამ AI-ს გამოყენება კომპანიებისთვის ვერ გაიაფდება. მიზეზი: აგენტური მოდელები სტანდარტულ მოდელებთან შედარებით ამოცანის შესასრულებლად ბევრად მეტ ტოკენს საჭიროებს, ამიტომ მოხმარების ზრდა ფასის კლებას გაუსწრობს.

Goldman Sachs-ის შეფასებით, 2030 წლამდე AI-ის ტოკენების მოხმარება 24-ჯერ გაიზრდება — ყოველთვიურად 120 კვადრილიონამდე.

Nvidia-ს CEO ჯენსენ ჰუანგი მაინც ოპტიმისტია: „ერთ დღესაც ყოველ თანამშრომელს გვერდით 100 AI-ს ეყოლება.” თუ ეს მოხდება — ხარჯები კიდევ უფრო გაიზრდება, ვიდრე ახლა ვარაუდობენ.

„ჩემი გუნდისთვის გამოთვლების ხარჯი თანამშრომლების ხარჯს გაცილებით აღემატება,” — Nvidia-ს ვიცე-პრეზიდენტი ბრაიან კატანზარო.

ბოლო ცხრა თვეში Amazon-მა, Meta-მ, Atlassian-მა და ათობით სხვა კომპანიამ მასობრივი შემცირებები AI-ის სახელით ჩაატარა. ახლა კი ეს AI ამ კომპანიებსვე სულ უფრო ძვირი სდება.