എഞ്ചിനീയർമാർക്കുള്ള AI ടോക്കൺ ബജറ്റുകൾ ഉടൻ പരിമിതപ്പെടുത്തിയേക്കാം എന്ന് Meta പ്രവചിക്കുന്നു

സോഫ്റ്റ്‌വെയർ വികസന പ്രക്രിയയിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് (AI) ആഴത്തിൽ സംയോജിപ്പിക്കപ്പെട്ടതോടെ, കമ്പ്യൂട്ടിംഗിന്റെ മറഞ്ഞിരിക്കുന്ന ചിലവുകൾ പുറത്തുവരാൻ തുടങ്ങിയിരിക്കുന്നു. ടോക്കൺ ഉപയോഗത്തിന്റെ ചിലവ് മനുഷ്യരുടെ ശമ്പളത്തോട് കിടപിടിക്കാൻ തുടങ്ങുന്നതോടെ, പരിധിയില്ലാത്ത AI പരീക്ഷണങ്ങളുടെ കാലം അവസാനത്തോടടുക്കുകയാണെന്ന് Meta എക്സിക്യൂട്ടീവ് ആദം മോസേരി സൂചിപ്പിക്കുന്നു.

AI ടോക്കൺ ഉപയോഗത്തിന്റെ വർദ്ധിച്ചുവരുന്ന ചിലവ്

Lenny’s Podcast-ൽ നൽകിയ ഒരു അഭിമുഖത്തിൽ, ബിഗ് ടെക് കമ്പനികൾ നേരിടാൻ പോകുന്ന സാമ്പത്തിക യാഥാർത്ഥ്യത്തെക്കുറിച്ച് Instagram തലവൻ ആദം മോസേരി സൂചിപ്പിച്ചു: AI ടൂളുകൾ ഉപയോഗിക്കുന്ന ഒരു മികച്ച എഞ്ചിനീയറുടെ "ബേൺ റേറ്റ്" (burn rate) ഉടൻ തന്നെ അവരുടെ ശമ്പളത്തിന് തുല്യമായേക്കാം. AI-യെ സൗജന്യമായി ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിക്കാനുള്ള ഒരു മാർഗമായി കാണുന്നതിൽ നിന്ന്, അതിനെ ഒരു പ്രധാന പ്രവർത്തനച്ചെലവായി (OpEx) കാണുന്നതിലേക്കുള്ള മാറ്റമാണിത്.

ഈ പ്രശ്നത്തിന്റെ വ്യാപ്തി വളരെ വലുതാണ്. നിലവിലെ ഉപയോഗ രീതികൾ അനുസരിച്ച് 2026-ഓടെ കോടിക്കണക്കിന് ഡോളർ ചിലവാക്കേണ്ടി വരുമെന്ന് തിരിച്ചറിഞ്ഞതിനെത്തുടർന്ന്, Meta അടുത്തിടെ തങ്ങളുടെ ആഭ്യന്തര "AI token spend leaderboard" നിർത്തലാക്കേണ്ടി വന്നു. കൃത്യമായ നിയന്ത്രണമില്ലെങ്കിൽ, യഥാർത്ഥ ബിസിനസ് മൂല്യം നൽകുന്നതിന് പകരം വൻതോതിൽ കമ്പ്യൂട്ടിംഗ് ശേഷി മാത്രം ഉപയോഗിക്കുന്ന ഒരു "ടോക്കൺ ഇൻസിനറേറ്റർ" (token incinerator)—അതായത് ഒരു അനാവശ്യ വർക്ക്ഫ്ലോ—സൃഷ്ടിക്കപ്പെടാൻ സാധ്യതയുണ്ടെന്ന് മോസേരി നിരീക്ഷിച്ചു.

വിഭവ മാനേജ്‌മെന്റിലേക്കുള്ള മാറ്റം

GPU ശേഷി, RAM, സ്റ്റോറേജ് അല്ലെങ്കിൽ ശമ്പളം എന്നിങ്ങനെയുള്ള മറ്റ് പരിമിതമായ കോർപ്പറേറ്റ് വിഭവങ്ങൾ പോലെ തന്നെ ടോക്കൺ ബജറ്റുകളും കർശനമായി നിയന്ത്രിക്കണമെന്ന് മോസേരി വാദിക്കുന്നു. "ടോക്കൺ റേഷനിംഗ്" (token rationing) എന്ന ഈ നീക്കം Meta-യിൽ മാത്രം ഒതുങ്ങുന്നതല്ല; വ്യവസായം ഇതിനകം തന്നെ AI സാമ്പത്തിക പ്രതിസന്ധിയുടെ സൂചനകൾ കാണിച്ചു തുടങ്ങിയിട്ടുണ്ട്:

• Uber: ഈ വർഷം ഏപ്രിലോടെ തന്നെ 2026-ലേക്കുള്ള പ്രവചിക്കപ്പെട്ട AI കോഡിംഗ് ബജറ്റ് തീർന്നുപോയതോടെ റൈഡ്-ഹെയ്‌ലിംഗ് ഭീമനായ Uber ഒരു AI ബജറ്റ് പ്രതിസന്ധി നേരിട്ടു.
• Microsoft: ചിലവുകൾ കുറയ്ക്കുന്നതിന്റെ ഭാഗമായി Microsoft, Claude Code ലൈസൻസുകൾ റദ്ദാക്കുകയും തങ്ങളുടെ എഞ്ചിനീയറിംഗ് വിഭാഗത്തെ സ്വന്തം Copilot CLI ടൂളിലേക്ക് മാറ്റുകയും ചെയ്തു.

"ROI-പോസിറ്റീവ്" (ROI-positive) ഫലങ്ങൾ നൽകാനുള്ള എഞ്ചിനീയർമാരുടെ കഴിവിനനുസരിച്ച് അവർക്കായി ടോക്കൺ പരിധി നിശ്ചയിക്കുന്ന രീതിയാണ് Meta നിർദ്ദേശിക്കുന്നത്. പരിധിയില്ലാത്ത പ്രവേശനത്തിന് പകരം, അവരുടെ AI അധിഷ്ഠിത വർക്ക്ഫ്ലോകൾ കമ്പനിക്ക് നൽകുന്ന മൂല്യത്തിന്റെ അടിസ്ഥാനത്തിൽ എഞ്ചിനീയർമാർക്ക് ബജറ്റ് അനുവദിച്ചേക്കാം.

സുസ്ഥിരമായ AI സ്കെയിലിംഗിലേക്കുള്ള പാത

വരുംകാലങ്ങളിൽ നിയന്ത്രണങ്ങൾ കർശനമാക്കപ്പെടുമെന്ന് തോന്നിയാലും, AI സാമ്പത്തിക രംഗത്തിന്റെ ദീർഘകാല പ്രവണതയെക്കുറിച്ച് മോസേരി ശുഭാപ്തിവിശ്വാസം പ്രകടിപ്പിക്കുന്നു. വിപണി പിടിച്ചെടുക്കുന്നതിനായി മോഡൽ പ്രൊവൈഡർമാർ തമ്മിൽ കടുത്ത വിലയുദ്ധം നടക്കുമ്പോൾ, ടോക്കണിന്റെ വില ക്രമേണ കുറയുമെന്ന് അദ്ദേഹം പ്രതീക്ഷിക്കുന്നു.

നിലവിൽ, വ്യവസായം ഒരു പരിവർത്തന ഘട്ടത്തിലാണ്. കമ്പനികൾ അനാവശ്യമായ പരീക്ഷണങ്ങളിൽ നിന്ന് മാറി അച്ചടക്കമുള്ളതും മൂല്യധിഷ്ഠിതവുമായ AI നടപ്പിലാക്കലിലേക്ക് മാറുകയാണ്. ഡെവലപ്പർമാരെയും ടെക് ഫൗണ്ടർമാരെയും സംബന്ധിച്ചിടത്തോളം, കാര്യക്ഷമതയുടെ അടുത്ത ഘട്ടം മികച്ച കോഡ് എഴുതുക എന്നത് മാത്രമല്ല, കമ്പ്യൂട്ടിംഗ് പാഴാക്കാതെ ബുദ്ധിപരമായ ഉപയോഗം പരമാവധി വർദ്ധിപ്പിക്കുന്ന കോഡ് എഴുതുക എന്നതു കൂടിയാണ്.

പ്രധാന കാര്യങ്ങൾ

• സാമ്പത്തിക തുല്യത: ഓരോ എഞ്ചിനീയർക്കും വേണ്ടിയുള്ള AI ടോക്കൺ ചിലവ് അവരുടെ ആകെ ശമ്പളത്തിന് തുല്യമായേക്കാം എന്ന് പ്രവചിക്കപ്പെടുന്നു.
• വ്യവസായവ്യാപകമായ പ്രവണത: അനിയന്ത്രിതമായ AI ചിലവ് നിയന്ത്രിക്കുന്നതിനായി Uber, Microsoft തുടങ്ങിയ വൻകിട കമ്പനികൾ ഇതിനകം തന്നെ കർശനമായ നിയന്ത്രണങ്ങളും ടൂളുകളുടെ ഏകീകരണവും നടപ്പിലാക്കുന്നുണ്ട്.
• ROI അധിഷ്ഠിത പ്രവേശനം: ഭാവിയിൽ AI വിഭവങ്ങളുടെ വിതരണം ഒരു നിയന്ത്രിത പ്രവർത്തനച്ചെലവായി (OpEx) കാണപ്പെടും, കൂടാതെ ബജറ്റുകൾ എഞ്ചിനീയർമാരുടെ നിശ്ചിത റിട്ടേൺ ഓൺ ഇൻവെസ്റ്റ്‌മെന്റുമായി (ROI) ബന്ധിപ്പിക്കപ്പെടും.