AI ചിലവുകൾ ദശലക്ഷക്കണക്കിന് ഡോളർ കുറയ്ക്കാൻ Lindy, Claude-ന് പകരം DeepSeek തിരഞ്ഞെടുത്തു

ഏജന്റിക് (agentic) AI സംവിധാനങ്ങളുടെ കാലഘട്ടം വൻതോതിലുള്ള ടോക്കണുകൾ ഉപയോഗിച്ചു തുടങ്ങുന്നതോടെ, സ്റ്റാർട്ടപ്പുകൾ ഒരു കഠിനമായ യാഥാർത്ഥ്യത്തെ അഭിമുഖീകരിക്കുകയാണ്: ബുദ്ധിശക്തിയുടെ (intelligence) ചിലവ് വരുമാനത്തേക്കാൾ വേഗത്തിൽ വർദ്ധിച്ചേക്കാം. ഈ സാമ്പത്തിക സമ്മർദ്ദത്തിൽ നിന്ന് രക്ഷപ്പെടാൻ, Anthropic-ന്റെ Claude പൂർണ്ണമായും ഉപേക്ഷിച്ചുകൊണ്ട് DeepSeek ഉപയോഗിക്കാനുള്ള നിർണ്ണായകമായ ഒരു നീക്കം AI സ്റ്റാർട്ടപ്പായ Lindy നടത്തിയിരിക്കുന്നു.

ഫ്രോണ്ടിയർ മോഡലുകളുടെ (Frontier Models) താങ്ങാനാവാത്ത ചിലവ്

ഉയർന്ന വളർച്ചാ നിരക്കുള്ള പല AI സ്റ്റാർട്ടപ്പുകളെ സംബന്ധിച്ചിടത്തോളം, ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ (LLMs) പ്രവർത്തിപ്പിക്കാനുള്ള ചിലവ് അവരുടെ സാമ്പത്തിക നിലനിൽപ്പിന് തന്നെ ഭീഷണിയായി മാറിയിരിക്കുന്നു. വെറും 25 ജീവനക്കാർ മാത്രമുള്ള Lindy എന്ന സ്റ്റാർട്ടപ്പിനെ സംബന്ധിച്ചിടത്തോളം, അവരുടെ AI കമ്പ്യൂട്ടിംഗ് ചിലവ് ജീവനക്കാരുടെ ശമ്പളത്തേക്കാൾ കൂടുതലായി മാറുന്ന അവസ്ഥയുണ്ടായി. ഈ ചിലവുകൾ "താങ്ങാനാവാത്തതാണ്" എന്നും ഇത് ബിസിനസ്സിന്റെ നിലനിൽപ്പിനെ തന്നെ ബാധിക്കുമെന്നും CEO Flo Crivello അടുത്തിടെ CNBC-യോട് വെളിപ്പെടുത്തി.

ഇതിനെ പ്രതിരോധിക്കാൻ, Lindy തങ്ങളുടെ Claude ഇക്കോസിസ്റ്റം പൂർണ്ണമായും ഉപേക്ഷിച്ചുകൊണ്ട് വലിയൊരു മാറ്റം വരുത്തി. ഭൗമരാഷ്ട്രീയ ആശങ്കകൾ കുറയ്ക്കുന്നതിനായി അമേരിക്കയിലെ ഒരു കമ്പനി അമേരിക്കയിൽ തന്നെ ഹോസ്റ്റ് ചെയ്യുന്ന DeepSeek-ലേക്ക് മാറുന്നതിലൂടെ, സ്റ്റാർട്ടപ്പിന്റെ ചിലവ് ഗണ്യമായി കുറയുകയും ദശലക്ഷക്കണക്കിന് ഡോളർ ലാഭിക്കാൻ സാധിക്കുകയും ചെയ്തു.

വില-പ്രകടനം (Price-Performance) കാര്യക്ഷമതയുടെ വളർച്ച

മോഡലുകളുടെ കഴിവിനേക്കാൾ ഉപരിയായി "വില-പ്രകടനം" (price-performance) ഒപ്റ്റിമൈസേഷനിലേക്ക് വ്യവസായം മാറുന്നതിന്റെ സൂചനയാണ് Lindy-യുടെ ഈ നീക്കം. Claude, GPT-4 തുടങ്ങിയ ഫ്രോണ്ടിയർ മോഡലുകൾ യുക്തിസഹമായ ചിന്താശേഷിയിൽ (reasoning) മികച്ച നിലവാരം പുലർത്തുന്നുണ്ടെങ്കിലും, വളർന്നുവരുന്ന സ്റ്റാർട്ടപ്പുകൾക്ക് താങ്ങാൻ കഴിയാത്ത ഉയർന്ന നിരക്കിലാണ് അവ ലഭ്യമാകുന്നത്.

ഈ മാറ്റത്തെ വ്യവസായ വിദഗ്ധരും ശരിവെക്കുന്നുണ്ട്. GLM-5.2 പോലുള്ള ചില ചൈനീസ് മോഡലുകൾ എല്ലാ ബെഞ്ച്മാർക്കുകളിലും Claude-നെ മറികടന്നില്ലെങ്കിലും, അവ ഉയർന്ന മത്സരശേഷിയുള്ളവയാണെന്നും പ്രത്യേക ജോലികളിൽ മികച്ച വില-പ്രകടനം (price-performance ratio) നൽകുന്നുണ്ടെന്നും Snowflake-ന്റെ CTO നടത്തിയ സമീപകാല വിശകലനം ചൂണ്ടിക്കാട്ടുന്നു. കമ്പനികൾ ഏജന്റിക് വർക്ക്ഫ്ലോകളിലേക്ക് (agentic workflows) മാറുന്നതോടെ—അതായത് AI ഏജന്റുകൾ സ്വയം പല ഘട്ടങ്ങളുള്ള ജോലികൾ ചെയ്യുന്ന രീതി—ആവശ്യമായ ടോക്കണുകളുടെ അളവ് വർദ്ധിക്കുന്നത് ഉയർന്ന ചിലവുള്ള മോഡലുകളെ ഒരു ആസ്തിക്ക് പകരം ബാധ്യതയാക്കി മാറ്റുന്നു.

AI മേഖലയ്ക്കും Anthropic-നും ഉണ്ടാകുന്ന പ്രത്യാഘാതങ്ങൾ

Anthropic പോലുള്ള മോഡൽ ദാതാക്കൾക്ക് ഈ മാറ്റം ഒരു മുന്നറിയിപ്പാണ്. ഏജന്റിക് സംവിധാനങ്ങളിലേക്കുള്ള മാറ്റം സംരംഭങ്ങൾക്ക് AI ചിലവുകൾ ഒരു "വലിയ പ്രശ്നമായി" മാറ്റുന്നുവെന്ന് OpenAI-യുടെ Sam Altman നേരത്തെ സൂചിപ്പിച്ചിട്ടുണ്ട്. ഫ്രോണ്ടിയർ മോഡൽ ദാതാക്കൾ അവരുടെ വിലനിർണ്ണയ രീതികളിൽ മാറ്റം വരുത്തിയില്ലെങ്കിൽ, കൂടുതൽ കാര്യക്ഷമവും കുറഞ്ഞ ചിലവുള്ളതുമായ മറ്റ് ബദലുകളിലേക്ക് വിപണി നഷ്ടപ്പെടാൻ സാധ്യതയുണ്ട്.

DeepSeek ഉപയോഗിക്കാനുള്ള തീരുമാനം ശാശ്വതമല്ലെന്നും, Anthropic തങ്ങളുടെ നിരക്കുകൾ ഗണ്യമായി കുറച്ചാൽ തിരികെ മാറുമെന്നും Crivello പറഞ്ഞു. നിലവിൽ, ബുദ്ധിശക്തിയുടെ (intelligence) ചിലവ് ബിസിനസ് തന്ത്രങ്ങളുടെ പ്രധാന ഘടകമായി മാറുന്ന ഈ വിപണിയിൽ, Lindy പോലുള്ള സ്റ്റാർട്ടപ്പുകളുടെ മുൻഗണന അവരുടെ പ്രവർത്തനക്ഷമത നിലനിർത്തുക എന്നതാണ്.

പ്രധാന കാര്യങ്ങൾ

• ചിലവ് അടിസ്ഥാനമാക്കിയുള്ള മാറ്റം: കമ്പ്യൂട്ടിംഗ് ചിലവ് ജീവനക്കാരുടെ ശമ്പളത്തേക്കാൾ കൂടുന്നത് തടയാൻ Lindy പോലുള്ള AI സ്റ്റാർട്ടപ്പുകൾ Claude പോലുള്ള പ്രീമിയം മോഡലുകളിൽ നിന്ന് DeepSeek പോലുള്ള കുറഞ്ഞ ചിലവുള്ള ബദലുകളിലേക്ക് മാറുന്നു.
• ഏജന്റിക് ടോക്കൺ പ്രതിസന്ധി: വൻതോതിൽ ടോക്കണുകൾ ഉപയോഗിക്കുന്ന ഏജന്റിക് AI സംവിധാനങ്ങളുടെ വളർച്ച, ഉയർന്ന വില-പ്രകടനം (price-performance efficiency) നൽകുന്ന മോഡലുകൾക്കായുള്ള ആവശ്യം വർദ്ധിപ്പിക്കുന്നു.
• ദാതാക്കളിലുള്ള വിപണി സമ്മർദ്ദം: ഡെവലപ്പർമാർ മികച്ച പ്രകടനത്തേക്കാൾ ഉപരിയായി സുസ്ഥിരമായ സാമ്പത്തിക ലാഭത്തിന് (unit economics) മുൻഗണന നൽകുന്നതോടെ, ഫ്രോണ്ടിയർ മോഡൽ കമ്പനികൾ വില കുറയ്ക്കാനുള്ള സമ്മർദ്ദത്തിലാവുന്നു.