- Velike tehnološke tvrtke ruše rekorde ulaganja u cloud infrastrukturu i podatkovne centre kako bi podržale umjetnu inteligenciju.
- Automatizacija poslovanja suočava se s paradoksom gdje trošak tokena i energije može premašiti uštede na plaćama.
- Predviđa se da će globalna potrošnja na umjetnu inteligenciju znatno porasti, potaknuta integracijom u osobne uređaje i optimiziranim hardverom.
- Energetska održivost postaje glavno usko grlo zbog ogromne potrošnje električne energije proizvodnih modela.
Ludilo za umjetnom inteligencijom prerastlo je puko obećanje i postalo kolosalni ekonomski motor , generirajući bilijune dolara na globalnim tržištima. Dok su se mnogi u početku pitali je li sve to balon, trenutni podaci pokazuju da se kapitalna ulaganja počinju isplaćivati, posebno za divove koji kontroliraju digitalnu infrastrukturu.
Međutim, s financijske strane nije sve ružičasto. Dok Wall Street slavi rast prihoda od clouda, mnoga srednja poduzeća i mala i srednja poduzeća bore se s operativnim troškovima , otkrivajući da održavanje stroja u radu 24 sata dnevno, 7 dana u tjednu može biti skuplje od isplate plaća timu. To je igra rizika i nagrade u kojoj je učinkovitost ključna.
Investicijski mehanizam velikih tehnoloških tvrtki
Dominantne tvrtke u tom području, poput Microsofta, Amazona, Alphabeta i Mete, ulažu astronomske iznose - potencijalno između 725.000 i 760.000 milijardi dolara samo ove godine - kako bi poboljšale svoje mogućnosti umjetne inteligencije. Ova ulaganja prvenstveno su usmjerena na računarstvo u oblaku, sektor u kojem Azure i AWS doživljavaju eksplozivan rast jer tvrtke nastoje unajmiti ogromne količine procesorske snage.
Analitičari sugeriraju da, iako slobodni novčani tok može biti negativan u kratkom roku, potražnja za uslugama u oblaku raste brže od potrošnje. To znači da se monetizacija ubrzava, što bi trebalo ublažiti zabrinutost investitora zabrinutih zbog povrata ulaganja. Zapravo, zaostatak narudžbi glavnih pružatelja usluga u oblaku već prelazi 2,3 bilijuna dolara.
Paradoks štedljivosti: Zamjena ljudi žetonima?
U uredima financijskih direktora događa se neobičan fenomen. Neke su organizacije automatizirale cijele odjele kako bi smanjile troškove osoblja, samo da bi otkrile da im je mjesečni račun za tokene i cloud infrastrukturu veći od plaća koje su ukinuli. To se događa jer umjetna inteligencija ne funkcionira po fiksnoj cijeni poput Netflixa; umjesto toga naplaćuje svaku obrađenu informaciju.
Kada tvrtka intenzivno koristi jezične modele za generiranje koda ili obradu ogromnih količina podataka, količina tokena naglo raste , pretvarajući očekivane uštede u proždrljiv i nepredvidiv tehnološki trošak. Kao rezultat toga, umjetna inteligencija ne čini uvijek poslovanje jeftinijim; umjesto toga, preusmjerava potrošnju s ljudskog kapitala na prekomjernu potrošnju energije i tehnologije.
Raspodjela troškova za implementaciju umjetne inteligencije u poslovanju
Ako tvrtka želi krenuti u avanturu integracije umjetne inteligencije, ne postoji jedinstvena cijena, ali postoje uobičajeni rasponi. Standardni projekt može se kretati od 10.000 do 50.000 USD , iako složene implementacije lako mogu premašiti 200.000 USD. Troškovi se općenito raspoređuju na sljedeći način:
- Razvoj modela: To predstavlja 25% ili više proračuna, uključujući algoritme i API-je.
- Činjenice: Prikupljanje i čišćenje informacija troši između 15% i 35%.
- Specijalizirano osoblje: Zapošljavanje stručnjaka jedan je od najvećih troškova, u rasponu od 20% do 40%.
- Infrastruktura i održavanje: Hardver i stalna ažuriranja dodaju između 20% i 35% više.
- Usklađenost i upravljanje: Pravni savjeti i administracija obično čine oko 10% ukupnog iznosa.
Složenost modela izravno utječe na proračun. Dok je chatbot temeljen na logici najekonomičnija opcija (oko 10.000 USD), sustav dubokog učenja ili neuronske mreže može početi od 100.000 USD jer zahtijeva znatno više procesorske snage i podataka.
Usko grlo za energiju i okoliš
Ne smijemo zaboraviti da umjetna inteligencija ima nezasitnu glad za električnom energijom. Treniranje naprednog modela poput ChatGPT-a generira ugljični otisak usporediv s onim stotina transkontinentalnih letova. Samo trening GPT-3 troši energiju ekvivalentnu onome što bi prosječno španjolsko kućanstvo potrošilo u više od dva desetljeća.
Najkritičnija faza je faza zaključivanja, kada umjetna inteligencija odgovara korisnicima, što čini do 80% ukupne potrošnje energije . To postavlja razumno pitanje o održivosti sustava: umjetna inteligencija ne može se beskonačno skalirati bez radikalne transformacije naše energetske infrastrukture kako bi se izbjegao kolaps okoliša.
Globalne perspektive i povijesna usporedba
Gartner predviđa da će globalna potrošnja na umjetnu inteligenciju dosegnuti 1,5 bilijuna dolara do 2025. i premašiti 2 bilijuna dolara do 2026. Najveći udio bit će potrošen na pametne telefone s generativnom umjetnom inteligencijom i poslužiteljima optimiziranim za GPU. Ako usporedimo ovaj procvat s telekomunikacijskim procvatom 1990-ih ili željezničkim procvatom 19. stoljeća, vidimo da smo u točki od ogromne ekonomske važnosti , iako još nismo srušili sve povijesne rekorde za ulaganja kao postotak BDP-a.
Rizik leži u činjenici da tvrtke ulažu u imovinu koja vrlo brzo gubi na vrijednosti . Za razliku od željezničkih tračnica koje su trajale stoljeće, današnji čipovi mogu zastarjeti za samo nekoliko godina. Zbog toga je trenutna oklada skok vjere gdje će samo tvrtke s jasnom strategijom monetizacije preživjeti potencijalnu korekciju tržišta.
Trenutna situacija pokazuje tranziciju u kojoj ogromna ulaganja u hardver i oblak očajnički traže profitabilan povrat, dok se tvrtke bore uravnotežiti troškove tokena i potrošnju električne energije s porastom produktivnosti , u scenariju u kojem će energetska infrastruktura biti pravo ograničenje tehnološkog rasta.