Meta ਦਾ ਅਨੁਮਾਨ ਹੈ ਕਿ ਇੰਜੀਨੀਅਰਾਂ ਲਈ AI ਟੋਕਨ ਬਜਟ ਜਲਦੀ ਹੀ ਸੀਮਤ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ
ਜਿਵੇਂ-ਜਿਵੇਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਸੌਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਲਾਈਫਸਾਈਕਲ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਸ਼ਾਮਲ ਹੋ ਰਹੀ ਹੈ, ਕੰਪਿਊਟਿੰਗ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਸਾਹਮਣੇ ਆਉਣ ਲੱਗ ਪਈਆਂ ਹਨ। Meta ਦੇ ਅਧਿਕਾਰੀ ਐਡਮ ਮੌਸੇਰੀ (Adam Mosseri) ਦਾ ਸੁਝਾਅ ਹੈ ਕਿ ਅਸੀਮਤ AI ਪ੍ਰਯੋਗਾਂ ਦਾ ਯੁੱਗ ਖਤਮ ਹੋਣ ਦੇ ਕਗਲ 'ਤੇ ਹੋ ਸਕਦਾ ਹੈ, ਕਿਉਂਕਿ ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਦੀ ਲਾਗਤ ਹੁਣ ਮਨੁੱਖੀ ਤਨਖਾਹਾਂ ਦੇ ਬਰਾਬਰ ਹੁੰਦੀ ਜਾ ਰਹੀ ਹੈ।
AI ਟੋਕਨ ਦੀ ਵਰਤੋਂ ਦੀ ਵਧਦੀ ਲਾਗਤ
Lenny’s Podcast 'ਤੇ ਇੱਕ ਹਾਲੀਆ ਇੰਟਰਵਿਊ ਵਿੱਚ, Instagram ਦੇ ਮੁਖੀ ਐਡਮ ਮੌਸੇਰੀ ਨੇ Big Tech ਲਈ ਇੱਕ ਆਉਣ ਵਾਲੀ ਵਿੱਤੀ ਅਸਲੀਅਤ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ: AI ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਇੱਕ ਉੱਚ-ਪ੍ਰਦਰਸ਼ਨਸ਼ੀਲ ਇੰਜੀਨੀਅਰ ਦੀ "burn rate" ਜਲਦੀ ਹੀ ਉਨ੍ਹਾਂ ਦੀ ਨਿਯੁਕਤੀ ਦੀ ਅਸਲ ਲਾਗਤ ਦੇ ਬਰਾਬਰ ਹੋ ਸਕਦੀ ਹੈ। ਇਹ ਤਬਦੀਲੀ AI ਨੂੰ ਮੁਫ਼ਤ ਉਤਪਾਦਕਤਾ ਵਧਾਉਣ ਵਾਲੇ ਸਾਧਨ ਵਜੋਂ ਦੇਖਣ ਦੀ ਬਜਾਏ, ਇਸਨੂੰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਸੰਚਾਲਨ ਖਰਚੇ (OpEx) ਵਜੋਂ ਦੇਖਣ ਵੱਲ ਇੱਕ ਤਬਦੀਲੀ ਹੈ।
ਇਸ ਮੁੱਦੇ ਦਾ ਪੈਮਾਨਾ ਬਹੁਤ ਵੱਡਾ ਹੈ। Meta ਨੂੰ ਹਾਲ ਹੀ ਵਿੱਚ ਇੱਕ ਅੰਦਰੂਨੀ "AI token spend leaderboard" ਨੂੰ ਬੰਦ ਕਰਨਾ ਪਿਆ, ਕਿਉਂਕਿ ਉਨ੍ਹਾਂ ਨੂੰ ਅਹਿਸਾਸ ਹੋਇਆ ਕਿ ਵਰਤੋਂ ਦੇ ਮੌਜੂਦਾ ਤਰੀਕੇ ਕੰਪਨੀ ਨੂੰ 2026 ਤੱਕ ਅਰਬਾਂ ਡਾਲਰ ਖਰਚ ਕਰਨ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਲੈ ਜਾ ਰਹੇ ਹਨ। ਮੌਸੇਰੀ ਨੇ ਨੋਟ ਕੀਤਾ ਕਿ ਪ੍ਰਬੰਧਨ ਤੋਂ ਬਿਨਾਂ, ਇੱਕ "token incinerator" ਬਣਾਉਣਾ ਬਹੁਤ ਆਸਾਨ ਹੈ—ਇੱਕ ਅਜਿਹਾ ਵਰਕਫਲੋ ਜੋ ਅਸਲ ਕਾਰੋਬਾਰੀ ਮੁੱਲ ਪ੍ਰਦਾਨ ਕੀਤੇ ਬਿਨਾਂ ਕੰਪਿਊਟਿੰਗ ਦੀ ਭਾਰੀ ਮਾਤਰਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।
ਸਰੋਤ ਪ੍ਰਬੰਧਨ ਵੱਲ ਇੱਕ ਤਬਦੀਲੀ
ਮੌਸੇਰੀ ਦਾ ਤਰਕ ਹੈ ਕਿ ਟੋਕਨ ਬਜਟਾਂ ਨੂੰ ਕਿਸੇ ਵੀ ਹੋਰ ਸੀਮਤ ਕਾਰਪੋਰੇਟ ਸਰੋਤ, ਜਿਵੇਂ ਕਿ GPU ਸਮਰੱਥਾ, RAM, ਸਟੋਰੇਜ, ਜਾਂ ਪੇਰੋਲ ਵਾਂਗ ਹੀ ਸਖ਼ਤੀ ਨਾਲ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। "token rationing" ਵੱਲ ਇਹ ਕਦਮ ਸਿਰਫ਼ Meta ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਹੈ; ਉਦਯੋਗ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ AI ਵਿੱਤੀ ਹਿਸਾਬ-ਕਿਤਾਬ ਦੇ ਸੰਕੇਤ ਦਿਖਾਈ ਦੇ ਰਹੇ ਹਨ:
- Uber: ਰਾਈਡ-ਹੇਲਿੰਗ ਦਿੱਗਜ ਨੂੰ ਇਸ ਸਾਲ ਅਪ੍ਰੈਲ ਤੱਕ ਆਪਣੇ ਪ੍ਰੋਜੈਕਟ ਕੀਤੇ 2026 ਦੇ AI ਕੋਡਿੰਗ ਬਜਟ ਨੂੰ ਖਤਮ ਕਰਨ ਤੋਂ ਬਾਅਦ AI ਬਜਟ ਸੰਕਟ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ।
- Microsoft: ਲਾਗਤਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੇ ਕਦਮ ਵਜੋਂ, Microsoft ਨੇ Claude Code ਲਾਇਸੈਂਸਾਂ ਨੂੰ ਰੱਦ ਕਰ ਦਿੱਤਾ, ਅਤੇ ਆਪਣੇ ਇੰਜੀਨੀਅਰਿੰਗ ਵਰਕਫੋਰਸ ਨੂੰ ਆਪਣੇ ਪ੍ਰੋਪਰਾਈਟਰੀ Copilot CLI ਟੂਲ ਵੱਲ ਮੋੜ ਦਿੱਤਾ।
Meta ਲਈ ਪ੍ਰਸਤਾਵਿਤ ਮਾਡਲ ਵਿੱਚ ਪ੍ਰਤੀ ਇੰਜੀਨੀਅਰ ਲਈ ਅਜਿਹੀਆਂ ਸੀਮਾਵਾਂ (caps) ਨਿਰਧਾਰਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ ਜੋ "ROI-positive" ਨਤੀਜੇ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਉਨ੍ਹਾਂ ਦੀ ਯੋਗਤਾ ਦੇ ਅਨੁਪਾਤ ਵਿੱਚ ਹੋਣ। ਬਿਨਾਂ ਕਿਸੇ ਰੋਕ-ਟੋਕ ਦੀ ਪਹੁੰਚ ਦੀ ਬਜਾਏ, ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਸੰਭਵ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੇ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਵਰਕਫਲੋ ਦੁਆਰਾ ਕੰਪਨੀ ਲਈ ਪੈਦਾ ਕੀਤੇ ਗਏ ਮੁੱਲ ਦੇ ਅਧਾਰ 'ਤੇ ਬਜਟ ਦਿੱਤਾ ਜਾਵੇਗਾ।
ਟਿਕਾਊ AI ਸਕੇਲਿੰਗ ਵੱਲ ਦਾ ਰਾਹ
ਹਾਲਾਂਕਿ ਤੁਰੰਤ ਭਵਿੱਖ ਸਖ਼ਤ ਪਾਬੰਦੀਆਂ ਵਾਲਾ ਲੱਗ ਰਿਹਾ ਹੈ, ਮੌਸੇਰੀ AI ਅਰਥ ਸ਼ਾਸਤਰ ਦੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਰੁਝਾਨ ਬਾਰੇ ਉਤਸ਼ਾਹਿਤ ਹਨ। ਉਨ੍ਹਾਂ ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ ਮਾਡਲ ਪ੍ਰਦਾਤਾ ਮਾਰਕੀਟ ਹਿੱਸਾ ਹਾਸਲ ਕਰਨ ਲਈ ਤਿੱਖੀਆਂ ਕੀਮਤਾਂ ਦੀਆਂ ਲੜਾਈਆਂ ਵਿੱਚ ਉਤਰਨਗੇ, ਟੋਕਨ ਦੀ ਲਾਗਤ ਅੰਤ ਵਿੱਚ ਘਟ ਜਾਵੇਗੀ।
ਫਿਲਹਾਲ, ਉਦਯੋਗ ਇੱਕ ਤਬਦੀਲੀ ਦੇ ਪੜਾਅ ਵਿੱਚ ਹੈ। ਕੰਪਨੀਆਂ "ਬੇਮਤਲਬ" ਪ੍ਰਯੋਗਾਂ ਤੋਂ ਦੂਰ ਹੋ ਕੇ ਅਨੁਸ਼ਾਸਿਤ, ਮੁੱਲ-ਅਧਾਰਤ AI ਲਾਗੂ ਕਰਨ ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ। ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਟੈਕ ਫਾਊਂਡਰਾਂ ਲਈ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੁਸ਼ਲਤਾ ਦੀ ਅਗਲੀ ਸੀਮਾ ਸਿਰਫ਼ ਬਿਹਤਰ ਕੋਡ ਲਿਖਣ ਬਾਰੇ ਨਹੀਂ ਹੋਵੇਗੀ, ਸਗੋਂ ਅਜਿਹਾ ਕੋਡ ਲਿਖਣ ਬਾਰੇ ਹੋਵੇਗੀ ਜੋ ਕੰਪਿਊਟਿੰਗ ਦੀ ਬਰਬਾਦੀ ਨੂੰ ਘੱਟ ਕਰਦੇ ਹੋਏ ਬੁੱਧੀ (intelligence) ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਵਧਾਵੇ।
ਮੁੱਖ ਨੁਕਤੇ
- ਵਿੱਤੀ ਸਮਾਨਤਾ (Fiscal Parity): ਵਿਅਕਤੀਗਤ ਇੰਜੀਨੀਅਰਾਂ ਲਈ AI ਟੋਕਨ ਦੀ ਲਾਗਤ ਅੰਤ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਨਿਯੁਕਤੀ ਦੀ ਕੁੱਲ ਲਾਗਤ ਦੇ ਬਰਾਬਰ ਹੋਣ ਦਾ ਅਨੁਮਾਨ ਹੈ।
- ਉਦਯੋਗ-ਵਿਆਪੀ ਰੁਝਾਨ: Uber ਅਤੇ Microsoft ਵਰਗੇ ਵੱਡੇ ਖਿਡਾਰੀ ਬੇਕਾਬੂ AI ਖਰਚੇ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਪਹਿਲਾਂ ਹੀ ਸਖ਼ਤ ਨਿਯੰਤਰਣ ਲਾਗੂ ਕਰ ਰਹੇ ਹਨ ਅਤੇ ਟੂਲਸ ਨੂੰ ਇਕੱਠਾ ਕਰ ਰਹੇ ਹਨ।
- ROI-ਅਧਾਰਤ ਪਹੁੰਚ: ਭਵਿੱਖ ਵਿੱਚ AI ਸਰੋਤਾਂ ਦੀ ਵੰਡ ਨੂੰ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਇੱਕ ਪ੍ਰਬੰਧਿਤ OpEx ਵਜੋਂ ਮੰਨਿਆ ਜਾਵੇਗਾ, ਜਿਸ ਵਿੱਚ ਬਜਟ ਇੰਜੀਨੀਅਰ ਦੇ ਮਾਪਣਯੋਗ ਰਿਟਰਨ ਆਨ ਇਨਵੈਸਟਮੈਂਟ (ROI) ਨਾਲ ਜੁੜਿਆ ਹੋਵੇਗਾ।