कंपन्यांना AI च्या गुंतवणुकीवरील परतावा (ROI) मोजण्यात का अडचणी येत आहेत

"tokenmaxxing" ची सुरुवातीची लाट—जिथे CEOs ने आक्रमक आणि अनियंत्रित AI वापराला प्रोत्साहन दिले होते—आता कॉर्पोरेट बजेटची तपासणी होत असताना एका कठोर वास्तवाचा सामना करत आहे. कंपन्या जेव्हा प्रायोगिक टप्प्यातून पुढे जात आहेत, तेव्हा मुख्य आव्हान केवळ AI स्वीकारण्याकडून ते प्रत्यक्ष गुंतवणुकीवरील परतावा (ROI) सिद्ध करण्याकडे वळले आहे.

Tokenmaxxing पासून बजेट उत्तरदायित्वाकडे

या वर्षाच्या सुरुवातीला, सिलिकॉन व्हॅली "tokenmaxxing" च्या प्रभावाखाली होती, ही एक अशी पद्धत होती जिथे संस्थांनी क्षमता वाढवण्यासाठी AI चा वापर त्यांच्या अंतिम मर्यादेपर्यंत केला होता. तथापि, या बेधुंद उत्साहाचे आर्थिक परिणाम आता समोर येत आहेत. अहवालांनुसार, Uber सारख्या मोठ्या कंपन्यांनी काही महिन्यांतच त्यांचे वार्षिक AI बजेट संपवले आहे.

वापरामध्ये झालेली ही वाढ कॉर्पोरेट क्षेत्रात एका सुधारणात्मक टप्प्याकडे घेऊन गेली आहे. आपण संस्थांना त्यांचे खर्च कमी करताना पाहत आहोत, जसे की काही कंपन्या विशिष्ट विभागांसाठी Claude लायसन्स कमी करत आहेत आणि अगदी Meta ने देखील आपला अंतर्गत AI लीडरबोर्ड बंद केल्याचे समजते. हे बदल "कोणत्याही परिस्थितीत वाढ" (growth at all costs) या मानसिकतेकडून कडक आर्थिक शिस्त आणि संसाधन व्यवस्थापनाकडे होणाऱ्या बदलाचे संकेत आहेत.

"Magic Moments" आणि वैयक्तिक एजंट्सचा शोध

बजेटमधील कपातीनंतरही, NEA पार्टनर Tiffany Luck या AI च्या परिवर्तनीय क्षमतेबाबत, विशेषतः ग्राहक क्षेत्रात, अत्यंत आशावादी आहेत. Luck यांनी "magic moments" ओळखण्याच्या महत्त्वावर भर दिला आहे—असे विशिष्ट क्षण जिथे AI वापरकर्त्याला निर्विवाद आणि उच्च-मूल्य उपयुक्तता प्रदान करते.

उद्योग आता साध्या चॅटबॉट्सच्या पलीकडे जाऊन प्रगत वैयक्तिक एजंट्सच्या विकासाकडे वळत आहे. हे एजंट्स AI च्या पुढील टप्प्याचे प्रतिनिधित्व करतात, जे प्रतिक्रियात्मक साधनांकडून (reactive tools) जटिल कार्ये हाताळू शकणाऱ्या सक्रिय सहाय्यकांकडे (proactive assistants) वळत आहेत. व्हेंचर कॅपिटलिस्ट आणि संस्थापकांसाठी, ध्येय केवळ सामान्य LLM अंमलबजावणी करण्यापुरते मर्यादित न राहता, अशा विशेष एजंट्सची निर्मिती करणे आहे जे कठीण समस्या अशा प्रकारे सोडवतील ज्यामुळे त्यांच्या मोठ्या कार्यात्मक खर्चाचे (operational costs) समर्थन होईल.

AI खर्च व्यवस्थापनाचा उदय

AI चा अतिरेकी प्रचार (hype) आणि प्रत्यक्ष उत्पादकता यातील अंतर कमी होत असताना, ही दरी भरून काढण्यासाठी स्टार्टअप्सचे एक नवीन उप-क्षेत्र उदयास येत आहे. कंपन्या सध्या मॉडेल API कॉल्स, कम्प्युट आणि सीट लायसन्सचा सूक्ष्म खर्च आणि त्यातून निर्माण झालेली प्रत्यक्ष मूल्ये यांचा मागोवा घेण्यास संघर्ष करत आहेत.

यामुळे AI observability आणि खर्च व्यवस्थापनावर (spend management) लक्ष केंद्रित करणाऱ्या स्टार्टअप्ससाठी एक मोठी संधी निर्माण झाली आहे. कंपन्या अशा साधनांच्या शोधात आहेत जे त्यांच्या AI स्टॅकमध्ये पारदर्शकता प्रदान करतील, ज्यामुळे त्यांना टोकन्स नेमके कुठे वापरले जात आहेत आणि ते टोकन्स महसूल मिळवून देत आहेत की केवळ खर्च (overhead) वाढवत आहेत, हे पाहता येईल. AI खर्च आणि विशिष्ट व्यावसायिक परिणाम यांचा संबंध जोडण्याची क्षमता, ही त्यांच्यासाठी निर्णायक ठरेल ज्या संस्था त्यांच्या मुख्य कार्यप्रवाहामध्ये (core workflows) AI यशस्वीरित्या समाविष्ट करतील.

मुख्य निष्कर्ष