Meta અનુમાન કરે છે કે એન્જિનિયરો માટે AI ટોકન બજેટ પર ટૂંક સમયમાં મર્યાદા લાદવામાં આવી શકે છે

જેમ જેમ આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) સોફ્ટવેર ડેવલપમેન્ટ લાઇફસાયકલ સાથે ઊંડાણપૂર્વક જોડાઈ રહ્યું છે, તેમ તેમ કમ્પ્યુટિંગના છુપા ખર્ચ સામે આવવા લાગ્યા છે. Meta ના એક્ઝિક્યુટિવ એડમ મોસેરી સૂચવે છે કે અનલિમિટેડ AI પ્રયોગોનો યુગ હવે અંત તરફ જઈ રહ્યો હોઈ શકે છે, કારણ કે ટોકન વપરાશનો ખર્ચ માનવ પગારની સમકક્ષ બની રહ્યો છે.

AI ટોકન વપરાશનો વધતો ખર્ચ

Lenny’s Podcast પર તાજેતરમાં એક ઇન્ટરવ્યુમાં, Instagram ના વડા એડમ મોસેરીએ Big Tech માટે આવનારી આર્થિક વાસ્તવિકતા પર પ્રકાશ પાડ્યો હતો: AI ટૂલ્સનો ઉપયોગ કરનાર ઉચ્ચ પ્રદર્શન કરતા એન્જિનિયરનો "બર્ન રેટ" (burn rate) ટૂંક સમયમાં તેમના રોજગારના વાસ્તવિક ખર્ચ જેટલો થઈ શકે છે. આ પરિવર્તન AI ને ઉત્પાદકતા વધારનાર મફત સાધન તરીકે જોવાથી બદલાઈને તેને એક નોંધપાત્ર ઓપરેશનલ એક્સપેન્ડિચર (OpEx) તરીકે જોવાની દિશામાં છે.

આ સમસ્યાનું પ્રમાણ વિશાળ છે. Meta એ તાજેતરમાં એક આંતરિક "AI ટોકન સ્પેન્ડ લીડરબોર્ડ" બંધ કરવું પડ્યું હતું, કારણ કે તેમને સમજાયું કે વર્તમાન વપરાશની પદ્ધતિઓ કંપનીને 2026 સુધીમાં અબજો ડોલર ખર્ચવાના માર્ગ પર લઈ જઈ રહી છે. મોસેરીએ નોંધ્યું હતું કે જો યોગ્ય વ્યવસ્થાપન ન હોય, તો "ટોકન ઇન્સિનરેટર" (token incinerator) બનાવવું ખૂબ જ સરળ છે—એક એવું વર્કફ્લો જે વાસ્તવિક વ્યવસાયિક મૂલ્ય આપ્યા વિના કમ્પ્યુટિંગના મોટા પ્રમાણમાં સંસાધનોનો વપરાશ કરે છે.

સંસાધન વ્યવસ્થાપન તરફનું પરિવર્તન

મોસેરી દલીલ કરે છે કે ટોકન બજેટનું સંચાલન અન્ય કોઈપણ મર્યાદિત કોર્પોરેટ સંસાધનો જેવા કે GPU ક્ષમતા, RAM, સ્ટોરેજ અથવા પેરોલની જેમ જ કડક રીતે કરવું જોઈએ. "ટોકન રેશનિંગ" (token rationing) તરફનું આ પગલું માત્ર Meta પૂરતું મર્યાદિત નથી; ઉદ્યોગમાં પહેલેથી જ AI ના આર્થિક હિસાબના સંકેતો જોવા મળી રહ્યા છે:

• Uber: રાઈડ-હેલિંગ જાયન્ટ Uber ને આ વર્ષે એપ્રિલ સુધીમાં જ તેમનું અનુમાનિત 2026 AI કોડિંગ બજેટ ખતમ થઈ જવાથી AI બજેટ સંકટનો સામનો કરવો પડ્યો હતો.
• Microsoft: ખર્ચ ઘટાડવાના પગલા તરીકે, Microsoft એ Claude Code લાયસન્સ રદ કર્યા અને તેના એન્જિનિયરિંગ વર્કફોર્સને તેના પોતાના Copilot CLI ટૂલ તરફ વાળ્યા.

Meta માટે સૂચિત મોડેલમાં દરેક એન્જિનિયર માટે એવી મર્યાદાઓ (caps) નક્કી કરવાનો સમાવેશ થાય છે જે તેમના "ROI-પોઝિટિવ" પરિણામો લાવવાની ક્ષમતાના પ્રમાણમાં હોય. અનિયંત્રિત એક્સેસ આપવાને બદલે, એન્જિનિયરોને સંભવતઃ તેમના AI-વધારેલા (AI-augmented) વર્કફ્લો દ્વારા કંપની માટે પેદા થતા મૂલ્યના આધારે બજેટ ફાળવવામાં આવશે.

ટકાઉ AI સ્કેલિંગ તરફનો માર્ગ

જોકે તાત્કાલિક ભવિષ્ય કડક નિયંત્રણો વાળું દેખાય છે, તેમ છતાં મોસેરી AI અર્થશાસ્ત્રના લાંબા ગાળાના માર્ગ વિશે આશાવાદી છે. તેઓ અપેક્ષા રાખે છે કે જેમ જેમ મોડેલ પ્રદાતાઓ માર્કેટ શેર મેળવવા માટે તીવ્ર ભાવ યુદ્ધોમાં ઉતરશે, તેમ તેમ પ્રતિ ટોકન ખર્ચ આખરે ઘટશે.

અત્યારે, ઉદ્યોગ પરિવર્તનના તબક્કામાં છે. કંપનીઓ "નકામા" પ્રયોગોથી દૂર થઈને શિસ્તબદ્ધ અને મૂલ્ય-આધારિત AI અમલીકરણ તરફ આગળ વધી રહી છે. ડેવલપર્સ અને ટેક ફાઉન્ડર્સ માટે, આનો અર્થ એ છે કે કાર્યક્ષમતાનું આગામી ક્ષેત્ર માત્ર વધુ સારું કોડ લખવા વિશે નહીં હોય, પરંતુ એવું કોડ લખવા વિશે હશે જે કમ્પ્યુટિંગનો બગાડ ઘટાડીને બુદ્ધિશાળીતા (intelligence) ને મહત્તમ કરે.

મુખ્ય મુદ્દાઓ

• આર્થિક સમાનતા (Fiscal Parity): વ્યક્તિગત એન્જિનિયરો માટે AI ટોકન ખર્ચ આખરે તેમના રોજગારના કુલ ખર્ચ જેટલો થઈ જશે તેવું અનુમાન છે.
• સમગ્ર ઉદ્યોગમાં વલણ: Uber અને Microsoft જેવા મોટા ખેલાડીઓ અનિયંત્રિત AI ખર્ચને મેનેજ કરવા માટે પહેલેથી જ કડક નિયંત્રણો લાગુ કરી રહ્યા છે અને સાધનોનું એકત્રીકરણ કરી રહ્યા છે.
• ROI-આધારિત એક્સેસ: ભવિષ્યમાં AI સંસાધનોની ફાળવણી સંભવતઃ મેનેજ કરેલા OpEx તરીકે કરવામાં આવશે, જેમાં બજેટ એન્જિનિયરના માપી શકાય તેવા રોકાણ પરના વળતર (ROI) સાથે જોડાયેલું હશે.