वाढता AI खर्च कमी करण्यासाठी Microsoft स्वतःच्या MAI मॉडेल्सकडे वळत आहे

"tokenmaxxing" चा काळ आता आर्थिक व्यवहार्यतेकडे वळत असताना, Microsoft आपले धोरणात्मक लक्ष अंतर्गत AI विकासाकडे वळवत आहे. वाढता कार्यात्मक खर्च व्यवस्थापित करण्यासाठी, ही तंत्रज्ञान क्षेत्रातील दिग्गज कंपनी OpenAI आणि Anthropic सारख्या तृतीय-पक्ष पुरवठादारांवरील आपले अवलंबित्व कमी करून स्वतःच्या मालकीच्या MAI मॉडेल्सचा वापर करण्यावर भर देत असल्याचे समजते.

तृतीय-पक्ष मॉडेल्सकडून स्वतःच्या MAI कडे होणारे संक्रमण

गेल्या वर्षभरात, Microsoft आपल्या धोरणात्मक भागीदारीवर मोठ्या प्रमाणावर अवलंबून होते आणि Office 365 ला OpenAI आणि Anthropic द्वारे चालणारे एक शक्तिशाली साधन म्हणून विपणन (marketing) करत होते. तथापि, उपयोजन धोरणातील (deployment strategy) अलीकडील बदल 'व्हर्टिकल इंटिग्रेशन'कडे (vertical integration) झुकलेला दिसून येतो. अहवालांनुसार, Microsoft ने Microsoft Excel आणि Microsoft Word सारख्या मुख्य उत्पादकता ॲप्लिकेशन्समध्ये वाढत्या प्रमाणात युजर प्रॉम्प्ट्स हाताळण्यासाठी स्वतःची विकसित केलेली MAI मॉडेल्स वापरण्यास सुरुवात केली आहे.

स्वतःच्या इन्फ्रास्ट्रक्चरद्वारे क्वेरीज (queries) पाठवून, Microsoft बाह्य API कॉल्सशी संबंधित उच्च लायसन्सिंग शुल्क आणि संगणकीय खर्च लक्षणीयरीत्या कमी करू शकते. हा बदल कंपनीसाठी एक महत्त्वपूर्ण टप्पा आहे, जिथे ती तृतीय-पक्ष इंटेलिजन्सच्या मुख्य वितरकापासून एका स्वयंपूर्ण AI इकोसिस्टमकडे वाटचाल करत आहे.

एजेंटिक क्षमतांसह (Agentic Capabilities) MAI इकोसिस्टमचा विस्तार

Microsoft चे हे वळण केवळ खर्च वाचवण्याचे उपाय नसून त्यांच्या अंतर्गत तांत्रिक क्षमतांचा एक व्यापक विस्तार आहे. त्यांच्या अलीकडील Build कॉन्फरन्समध्ये, कंपनीने सात नवीन MAI मॉडेल्स लाँच करण्याची घोषणा करून त्यांच्या अंतर्गत संशोधनाची व्याप्ती प्रदर्शित केली. ही केवळ साधी चॅटबॉट्स नाहीत; तर ती विशिष्ट उच्च-मूल्य असलेल्या कामांसाठी डिझाइन केलेली विशेष साधने आहेत, ज्यामध्ये 'एजेंटिक कोडर' (agentic coder) आणि एक प्रगत 'टेक्स्ट-टू-इमेज जनरेटर' यांचा समावेश आहे.

या "एजेंटिक" (agentic) मॉडेल्सचा परिचय अत्यंत महत्त्वाचा आहे. केवळ मजकूर वर्तवणाऱ्या (predict text) मानक LLMs च्या उलट, एजेंटिक मॉडेल्स बहु-स्तरीय वर्कफ्लो कार्यान्वित करण्यासाठी आणि सॉफ्टवेअर वातावरणाशी संवाद साधण्यासाठी डिझाइन केलेली आहेत. ही मॉडेल्स स्वतः विकसित करून, Microsoft हे सुनिश्चित करते की त्यांचे AI एजंट्स Windows आणि Office वातावरणासाठी सखोलपणे ऑप्टिमाइझ केलेले आहेत, ज्यामुळे असा अखंड युजर अनुभव मिळतो जो तृतीय-पक्ष मॉडेल्सना देणे कठीण जाऊ शकते.

AI मधील कार्यक्षमतेकडे (AI Thriftiness) झुकणारा व्यापक उद्योग कल

Microsoft हा एकमेव असा प्रकार नाही; हा एका व्यापक उद्योगातील कलचा भाग आहे जिथे तंत्रज्ञान क्षेत्रातील दिग्गज कंपन्या केवळ व्याप्तीपेक्षा (raw scale) कार्यक्षमतेला प्राधान्य देत आहेत. कम्प्युट आणि टोकन्सवर झालेल्या अमर्याद खर्चानंतर, Amazon, Uber, Meta आणि Accenture यांसारख्या कंपन्या देखील आपला AI खर्च मर्यादित करण्याचे मार्ग शोधत असल्याचे समजते.

हाय-एंड मॉडेल इन्फरन्सचा (high-end model inference) अनपेक्षित उच्च खर्च फायदेशीर AI मार्जिन राखण्यासाठी एक मोठा अडथळा बनला आहे. मोठ्या प्रमाणावर रिअल-टाइम, उच्च-तर्कसंगत बुद्धिमत्ता प्रदान करण्याचा खर्च प्रचंड आहे, ज्यामुळे काही कंपन्या आंतरराष्ट्रीय स्पर्धकांकडून अधिक परवडणारी, जरी वादग्रस्त, एजेंटिक सोल्यूशन्स शोधण्याचा प्रयत्न करत आहेत. Microsoft ने स्वतःची MAI सुईट मजबूत करण्याचा घेतलेला निर्णय हा एक स्पष्ट संकेत आहे की उद्योग आता "परिपक्वता टप्प्यात" (maturity phase) प्रवेश करत आहे, जिथे विजेते त्यांच्या किफायतशीर बुद्धिमत्ता प्रदान करण्याच्या क्षमतेवरून ठरवले जातील.

मुख्य निष्कर्ष

• धोरणात्मक वळण: API खर्च कमी करण्यासाठी Microsoft Excel आणि Word सारख्या प्रमुख उत्पादनांमध्ये OpenAI आणि Anthropic मॉडेल्सच्या जागी सक्रियपणे स्वतःची मालकी असलेली MAI मॉडेल्स वापरत आहे.
• विशेष साधने: साध्या मजकूर निर्मितीपलीकडे जाऊन जटिल कार्ये कार्यान्वित करण्यासाठी, कंपनी एजेंटिक कोडर्ससह सात नवीन मॉडेल्सद्वारे आपल्या अंतर्गत पोर्टफोलिओचे विविधीकरण करत आहे.
• आर्थिक वास्तववाद: हा बदल Meta आणि Amazon सारख्या तंत्रज्ञान क्षेत्रातील नेत्यांमध्ये महागड्या "tokenmaxxing" कडून शाश्वत आणि खर्च-अनुकूलित AI उपयोजनाकडे वळण्याच्या व्यापक उद्योगातील चळवळीचे प्रतिबिंब आहे.