ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ AI ਦੇ ਨਿਵੇਸ਼ 'ਤੇ ਪ੍ਰਾਪਤੀ (ROI) ਦੀ ਗਣਨਾ ਕਰਨ ਵਿੱਚ ਕਿਉਂ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ

"tokenmaxxing" ਦੀ ਸ਼ੁਰੂਆਤੀ ਲਹਿਰ—ਜਿੱਥੇ CEOਜ਼ ਨੇ ਹਮਲਾਵਰ ਅਤੇ ਅਣਚੈੱਕ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕੀਤਾ ਸੀ—ਹੁਣ ਇੱਕ ਕਠੋਰ ਅਸਲੀਅਤ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ ਕਿਉਂਕਿ ਕਾਰਪੋਰੇਟ ਬਜਟਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਕੰਪਨੀਆਂ ਪ੍ਰਯੋਗਿਕ ਪੜਾਅ ਤੋਂ ਅੱਗੇ ਵਧ ਰਹੀਆਂ ਹਨ, ਮੁੱਖ ਚੁਣੌਤੀ ਸਿਰਫ਼ AI ਨੂੰ ਅਪਣਾਉਣ ਤੋਂ ਬਦਲ ਕੇ ਨਿਵੇਸ਼ 'ਤੇ ਪ੍ਰਾਪਤੀ (ROI) ਨੂੰ ਸਾਬਤ ਕਰਨ ਵੱਲ ਤਬਦੀਲ ਹੋ ਗਈ ਹੈ।

Tokenmaxxing ਤੋਂ ਬਜਟ ਦੀ ਜਵਾਬਦੇਹੀ ਤੱਕ

ਇਸ ਸਾਲ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਸਿਲੀਕਾਨ ਵੈਲੀ "tokenmaxxing" ਦੀ ਲਹਿਰ ਵਿੱਚ ਫਸ ਗਈ ਸੀ, ਜੋ ਕਿ ਇੱਕ ਅਜਿਹਾ ਰੁਝਾਨ ਸੀ ਜਿੱਥੇ ਸੰਸਥਾਵਾਂ ਨੇ ਸਮਰੱਥਾ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਇਸਦੀ ਅੰਤਿਮ ਸੀਮਾ ਤੱਕ ਪਹੁੰਚਾ ਦਿੱਤਾ ਸੀ। ਹਾਲਾਂਕਿ, ਇਸ ਬੇਕਾਬੂ ਉਤਸ਼ਾਹ ਦੇ ਵਿੱਤੀ ਪ੍ਰਭਾਵ ਹੁਣ ਸਾਹਮਣੇ ਆ ਰਹੇ ਹਨ। ਰਿਪੋਰਟਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ Uber ਵਰਗੇ ਵੱਡੇ ਖਿਡਾਰੀਆਂ ਨੇ ਦੱਸਿਆ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਕੁਝ ਹੀ ਮਹੀਨਿਆਂ ਵਿੱਚ ਆਪਣਾ ਸਾਲਾਨਾ AI ਬਜਟ ਖਤਮ ਕਰ ਦਿੱਤਾ।

ਖਪਤ ਵਿੱਚ ਇਸ ਤੇਜ਼ੀ ਨੇ ਉਦਯੋਗਿਕ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਸੁਧਾਰਕ ਪੜਾਅ ਨੂੰ ਜਨਮ ਦਿੱਤਾ ਹੈ। ਅਸੀਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਆਪਣਾ ਕੰਮ ਘਟਾਉਂਦੇ ਦੇਖ ਰਹੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ ਕੁਝ ਵਿਸ਼ੇਸ਼ ਵਿਭਾਗਾਂ ਲਈ Claude ਲਾਇਸੈਂਸਾਂ ਵਿੱਚ ਕਟੌਤੀ ਕਰਨਾ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਰਿਪੋਰਟਾਂ ਅਨੁਸਾਰ Meta ਨੇ ਆਪਣਾ ਅੰਦਰੂਨੀ AI ਲੀਡਰਬੋਰਡ ਵੀ ਬੰਦ ਕਰ ਦਿੱਤਾ ਹੈ। ਇਹ ਕਦਮ "ਕਿਸੇ ਵੀ ਕੀਮਤ 'ਤੇ ਵਿਕਾਸ" ਦੀ ਮਾਨਸਿਕਤਾ ਤੋਂ ਹਟ ਕੇ ਸਖ਼ਤ ਵਿੱਤੀ ਅਨੁਸ਼ਾਸਨ ਅਤੇ ਸਰੋਤ ਪ੍ਰਬੰਧਨ ਵੱਲ ਤਬਦੀਲੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦੇ ਹਨ।

"Magic Moments" ਅਤੇ ਨਿੱਜੀ ਏਜੰਟਾਂ ਦੀ ਭਾਲ

ਬਜਟ ਵਿੱਚ ਕਟੌਤੀ ਦੇ ਬਾਵਜੂਦ, NEA ਪਾਰਟਨਰ Tiffany Luck AI ਦੀ ਪਰਿਵਰਤਨਸ਼ੀਲ ਸਮਰੱਥਾ, ਖਾਸ ਕਰਕੇ ਖਪਤਕਾਰ ਖੇਤਰ ਵਿੱਚ, ਨੂੰ ਲੈ ਕੇ ਉਤਸ਼ਾਹਿਤ ਹਨ। Luck "magic moments" ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਮਹੱਤਤਾ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ—ਉਹ ਖਾਸ ਮੌਕੇ ਜਿੱਥੇ AI ਅੰਤਿਮ-ਵਰਤੋਂਕਾਰ ਨੂੰ ਅਟੱਲ, ਉੱਚ-ਮੁੱਲ ਦੀ ਸਹੂਲਤ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਉਦਯੋਗ ਸਧਾਰਨ ਚੈਟਬੋਟਾਂ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਉੱਨਤ ਨਿੱਜੀ ਏਜੰਟਾਂ ਦੇ ਵਿਕਾਸ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਇਹ ਏਜੰਟ AI ਦੀ ਅਗਲੀ ਸੀਮਾ ਦਾ ਪ੍ਰਤੀਕ ਹਨ, ਜੋ ਕਿ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ (reactive) ਸਾਧਨਾਂ ਤੋਂ ਪ੍ਰੋਐਕਟਿਵ (proactive) ਸਹਾਇਕਾਂ ਵਿੱਚ ਬਦਲ ਰਹੇ ਹਨ ਜੋ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਨਿਪਟਾਉਣ ਦੇ ਸਮਰੱਥ ਹਨ। ਵੈਂਚਰ ਕੈਪੀਟਲਿਸਟਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ, ਟੀਚਾ ਸਧਾਰਨ LLM ਲਾਗੂ ਕਰਨ ਤੋਂ ਅੱਗੇ ਵਧਣਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਏਜੰਟ ਬਣਾਉਣਾ ਹੈ ਜੋ ਉੱਚ-ਰੁਕਾਵਟ ਵਾਲੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਅਜਿਹੇ ਤਰੀਕੇ ਨਾਲ ਹੱਲ ਕਰਨ ਜੋ ਉਹਨਾਂ ਦੇ ਮਹੱਤਵਪੂਰਨ ਸੰਚਾਲਨ ਲਾਗਤਾਂ ਨੂੰ ਜਾਇਜ਼ ਠਹਿਰਾਉਣ।

AI ਖਰਚ ਪ੍ਰਬੰਧਨ (Spend Management) ਦਾ ਉਭਾਰ

ਜਿਵੇਂ-ਜਿਵੇਂ AI ਦੇ ਹਾਈਪ ਅਤੇ ਅਸਲ ਉਤਪਾਦਕਤਾ ਵਿਚਕਾਰਲੀ ਦੂਰੀ ਘਟ ਰਹੀ ਹੈ, ਇਸ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਸਟਾਰਟਅੱਪਸ ਦਾ ਇੱਕ ਨਵਾਂ ਉਪ-ਖੇਤਰ ਉਭਰ ਰਿਹਾ ਹੈ। ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ ਇਸ ਸਮੇਂ ਅਸਲ ਤੌਰ 'ਤੇ ਪੈਦਾ ਹੋਏ ਮੁੱਲ ਦੇ ਮੁਕਾਬਲੇ ਮਾਡਲ API ਕਾਲਾਂ, ਕੰਪਿਊਟ ਅਤੇ ਸੀਟ ਲਾਇਸੈਂਸਾਂ ਦੀਆਂ ਵਿਸਤ੍ਰਿਤ ਲਾਗਤਾਂ ਨੂੰ ਟ੍ਰੈਕ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ।

ਇਸ ਨੇ AI observability ਅਤੇ ਖਰਚੇ ਦੇ ਪ੍ਰਬੰਧਨ (spend management) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਵਾਲੇ ਸਟਾਰਟਅੱਪਸ ਲਈ ਇੱਕ ਵੱਡਾ ਮੌਕਾ ਪੈਦਾ ਕੀਤਾ ਹੈ। ਕੰਪਨੀਆਂ ਅਜਿਹੇ ਟੂਲਸ ਦੀ ਭਾਲ ਕਰ ਰਹੀਆਂ ਹਨ ਜੋ ਉਹਨਾਂ ਦੇ AI ਸਟੈਕ ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਪ੍ਰਦਾਨ ਕਰਨ, ਜਿਸ ਨਾਲ ਉਹ ਇਹ ਦੇਖ ਸਕਣ ਕਿ ਟੋਕਨਾਂ ਦੀ ਵਰਤੋਂ ਬਿਲਕੁਲ ਕਿੱਥੇ ਹੋ ਰਹੀ ਹੈ ਅਤੇ ਕੀ ਉਹ ਟੋਕਨ ਮਾਲੀਆ ਵਧਾ ਰਹੇ ਹਨ ਜਾਂ ਸਿਰਫ਼ ਵਾਧੂ ਖਰਚੇ ਵਧਾ ਰਹੇ ਹਨ। AI ਖਰਚੇ ਨੂੰ ਖਾਸ ਕਾਰੋਬਾਰੀ ਨਤੀਜਿਆਂ ਨਾਲ ਜੋੜਨ ਦੀ ਸਮਰੱਥਾ ਉਹਨਾਂ ਕਾਰੋਬਾਰੀ ਸੰਸਥਾਵਾਂ ਲਈ ਇੱਕ ਮੁੱਖ ਨਿਰਧਾਰਕ ਕਾਰਕ ਹੋਵੇਗੀ ਜੋ ਆਪਣੇ ਮੁੱਖ ਵਰਕਫਲੋ ਵਿੱਚ AI ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਸ਼ਾਮਲ ਕਰਦੀਆਂ ਹਨ।

ਮੁੱਖ ਗੱਲਾਂ