Tokenmaxxing से ROI तक: AI वास्तविकता की जांच पर NEA की Tiffany Luck

"Tokenmaxxing" का युग—जहाँ सिलिकॉन वैली के CEO लागत की परवाह किए बिना असीमित AI उपयोग को प्रोत्साहित करते थे—तेजी से गहन वित्तीय जांच के दौर में बदल रहा है। जैसे-जैसे उद्यम शुरुआती हाइप से आगे बढ़ रहे हैं, ध्यान केवल खपत से हटकर प्रत्यक्ष निवेश पर प्रतिफल (ROI) पर केंद्रित हो गया है।

Tokenmaxxing युग का अंत

इस साल की शुरुआत में, तकनीक में प्रचलित चलन "tokenmaxxing" था, जो उपयोगिता को अधिकतम करने के लिए हर संभव वर्कफ़्लो में AI को एकीकृत करने का एक प्रयास था। हालाँकि, लार्ज लैंग्वेज मॉडल (LLM) की खपत की अत्यधिक लागत ने एक महत्वपूर्ण वास्तविकता की जांच (reality check) पेश की है। प्रमुख रिपोर्टों से संकेत मिलता है कि Uber जैसी कंपनियों ने कथित तौर पर कुछ ही महीनों के भीतर अपना पूरा वार्षिक AI बजट समाप्त कर दिया।

इस वित्तीय दबाव ने संगठनों को सख्त नियंत्रण लागू करने के लिए मजबूर किया है, कुछ कंपनियाँ तो विशिष्ट विभागों के लिए Claude लाइसेंस कम कर रही हैं या Meta जैसे आंतरिक AI लीडरबोर्ड को बंद कर रही हैं। NEA पार्टनर Tiffany Luck जैसे वेंचर कैपिटलिस्ट्स के लिए, यह बदलाव प्रयोगात्मक खर्च से एक अनुशासित "ROI हिसाब-किताब" की ओर संक्रमण का संकेत देता है।

मॉडल एग्नोस्टिसिज्म (Model Agnosticism) और परिनियोजन रणनीतियों का उदय

जैसे-जैसे कंपनियाँ इन लागतों से जूझ रही हैं, उद्यमों द्वारा अपनाए जाने वाले एक नए पैटर्न का उदय हो रहा है। किसी एक प्रदाता के साथ जुड़ने के बजाय, उद्यम प्रदर्शन और कीमत दोनों को अनुकूलित करने के लिए विभिन्न मॉडलों को "मिक्स एंड मैच" कर रहे हैं। यह मल्टी-मॉडल दृष्टिकोण कंपनियों को जटिल कार्यों के लिए महंगे, उच्च-तर्क (high-reasoning) वाले मॉडल का उपयोग करने और नियमित ऑटोमेशन के लिए छोटे, सस्ते मॉडल का उपयोग करने की अनुमति देता है।

इस एकीकरण को सुगम बनाने के लिए, प्रतिभा का एक नया वर्ग आवश्यक होता जा रहा है: फॉरवर्ड-डिप्लॉयड इंजीनियर (forward-deployed engineer)। Luck का सुझाव है कि ये इंजीनियर बड़े संगठनों के भीतर AI अपनाने के लिए एक "ट्रोजन हॉर्स" के रूप में कार्य कर रहे हैं। कार्यान्वयन की अग्रिम पंक्ति में सीधे काम करके, वे मॉडल की मूल क्षमताओं और विशिष्ट, मूल्य-संचालित व्यावसायिक उपयोग के मामलों के बीच के अंतर को पाटने में मदद करते हैं, यह सुनिश्चित करते हुए कि AI उपकरण केवल जटिलता बढ़ाने के बजाय वास्तव में उद्यम की समस्याओं को हल करें।

संपूर्ण AI स्टैक में मूल्य खोजना

वर्तमान बाजार में एक आम गलतफहमी यह है कि मूल्य केवल मॉडल लेयर पर केंद्रित है। जबकि सबसे शक्तिशाली LLM की दौड़ जारी है, Tiffany Luck का तर्क है कि AI स्टैक के प्रत्येक स्तर पर महत्वपूर्ण मूल्य सृजन हो रहा है।

एंटरप्राइज़ को AI खर्च ट्रैक करने में मदद करने के लिए विशेषीकृत इंफ्रास्ट्रक्चर बनाने वाले स्टार्टअप्स से लेकर, उपभोक्ता अनुभवों में "मैजिक मोमेंट्स" प्रदान करने वाले "पर्सनल एजेंट" बनाने वाले डेवलपर्स तक, अवसर विविध होते जा रहे हैं। जैसे-जैसे यह उद्योग परिपक्व हो रहा है, विजेता संभवतः वे नहीं होंगे जो केवल सबसे अधिक टोकन प्रदान करते हैं, बल्कि वे होंगे जो सबसे कुशल, एकीकृत और मापने योग्य इंटेलिजेंस प्रदान करते हैं।

मुख्य निष्कर्ष