பொறியியலாளர்களுக்கான AI டோக்கன் வரவு செலவுத் திட்டங்கள் விரைவில் கட்டுப்படுத்தப்படலாம் என்று Meta கணித்துள்ளது

செயற்கை நுண்ணறிவு (AI) மென்பொருள் மேம்பாட்டுச் சுழற்சியில் ஆழமாக ஒருங்கிணைக்கப்பட்டு வரும் நிலையில், கணினித் திறனுக்கான (compute) மறைமுகச் செலவுகள் வெளிப்படத் தொடங்கியுள்ளன. டோக்கன் நுகர்வுச் செலவுகள் மனிதர்களின் சம்பளத்திற்கு இணையாகத் தொடங்குவதால், வரம்பற்ற AI பரிசோதனை காலம் முடிவுக்கு வரலாம் என்று Meta நிர்வாகி Adam Mosseri தெரிவிக்கிறார்.

உயர்ந்து வரும் AI டோக்கன் நுகர்வுச் செலவு

Lenny’s Podcast இல் சமீபத்தில் அளித்த நேர்காணலில், Instagram தலைவர் Adam Mosseri, பெரிய தொழில்நுட்ப நிறுவனங்கள் (Big Tech) எதிர்கொள்ளவிருக்கும் ஒரு நிதி யதார்த்தத்தை சுட்டிக்காட்டினார்: AI கருவிகளைப் பயன்படுத்தும் ஒரு திறமையான பொறியாளரின் "burn rate" (செலவு விகிதம்), விரைவில் அவரது உண்மையான வேலைவாய்ப்புச் செலவிற்குச் சமமாகலாம். இது AI-ஐ ஒரு இலவச உற்பத்தித் திறன் மேம்படுத்தியாகப் பார்ப்பதிலிருந்து, அதை ஒரு குறிப்பிடத்தக்க செயல்பாட்டுச் செலவாக (OpEx) கருதும் மாற்றத்தைக் குறிக்கிறது.

இந்தச் சிக்கலின் அளவு மிகப்பெரியது. தற்போதைய நுகர்வு முறைகள், 2026-க்குள் நிறுவனம் பில்லியன் கணக்கான டாலர்களைச் செலவிடும் நிலைக்குத் தள்ளக்கூடும் என்பதை உணர்ந்த பிறகு, Meta சமீபத்தில் தனது உள்நாட்டு "AI token spend leaderboard"-ஐ மூட வேண்டியிருந்தது. முறையான மேலாண்மை இல்லையெனில், ஒரு "token incinerator" (டோக்கன் எரிப்பானை) உருவாக்குவது மிகவும் எளிது என்று Mosseri குறிப்பிட்டார்—அதாவது, உண்மையான வணிக மதிப்பைக் கொடுக்காமல், அதிகப்படியான கணினித் திறனை (compute) நுகரும் ஒரு பணிப்பாய்வு (workflow) என்று அவர் விளக்கினார்.

வள மேலாண்மையை நோக்கிய மாற்றம்

GPU திறன், RAM, சேமிப்பு (storage) அல்லது ஊதியப் பட்டியல் (payroll) போன்ற பிற வரையறுக்கப்பட்ட நிறுவன வளங்களைப் போலவே, டோக்கன் வரவு செலவுத் திட்டங்களும் அதே கண்டிப்புடன் நிர்வகிக்கப்பட வேண்டும் என்று Mosseri வாதிடுகிறார். இந்த "டோக்கன் பங்கீடு" (token rationing) முறை Meta-விற்கு மட்டும் உரியதல்ல; இந்தத் துறையில் ஏற்கனவே AI நிதி ரீதியான மறுசீரமைப்புக்கான அறிகுறிகள் தெரிகின்றன:

• Uber: இந்த வாகனப் பகிர்வு நிறுவனம், இந்த ஆண்டின் ஏப்ரல் மாதத்திற்குள்ளேயே தனது 2026-க்கான கணிக்கப்பட்ட AI கோடிங் பட்ஜெட்டைத் தீர்த்துவிட்டதால், AI பட்ஜெட் நெருக்கடியைச் சந்தித்தது.
• Microsoft: செலவுகளை ஒருங்கிணைக்கும் முயற்சியாக, Microsoft தனது Claude Code உரிமங்களை ரத்து செய்து, தனது பொறியியல் பணியாளர்களை அதன் சொந்த Copilot CLI கருவியின் பக்கம் திருப்பியது.

Meta-விற்காக முன்மொழியப்பட்ட மாதிரியில், ஒவ்வொரு பொறியாளரும் "ROI-positive" (முதலீட்டின் மீதான லாபம் தரும்) முடிவுகளைத் தரும் திறனுக்கு ஏற்ப வரம்புகள் (caps) நிர்ணயிக்கப்படும். கட்டுப்பாடற்ற அணுகலுக்குப் பதிலாக, பொறியாளர்களின் AI-ஆதரிக்கப்பட்ட பணிப்பாய்வுகள் நிறுவனத்திற்கு வழங்கும் மதிப்பைப் பொறுத்து அவர்களுக்கு பட்ஜெட் ஒதுக்கப்படலாம்.

நிலையான AI விரிவாக்கத்திற்கான பாதை

உடனடி எதிர்காலம் கட்டுப்பாடுகள் இறுக்கமானதாகத் தோன்றினாலும், AI பொருளாதாரத்தின் நீண்டகாலப் போக்கு குறித்து Mosseri நம்பிக்கையுடன் இருக்கிறார். சந்தைப் பங்கைப் பிடிக்க மாடல் வழங்குநர்கள் கடுமையான விலைப்போட்டியில் ஈடுபடும்போது, டோக்கன் ஒரு மதிப்பிற்கான செலவு இறுதியில் குறையும் என்று அவர் எதிர்பார்க்கிறார்.

இப்போதைக்கு, இந்தத் துறை ஒரு மாற்றக் கட்டத்தில் உள்ளது. நிறுவனங்கள் "அர்த்தமற்ற" பரிசோதனைகளிலிருந்து விலகி, ஒழுக்கமான, மதிப்பு சார்ந்த AI அமலாக்கத்தை நோக்கி நகர்கின்றன. டெவலப்பர்கள் மற்றும் தொழில்நுட்ப நிறுவனத் தொடங்குபவர்களுக்கு (tech founders), இது அடுத்தகட்டத் திறனின் எல்லை என்பது சிறந்த குறியீட்டை (code) எழுதுவது மட்டுமல்ல, கணினித் திறன் வீணாவதைக் குறைக்கும் அதே வேளையில் அறிவாற்றலை (intelligence) அதிகப்படுத்தும் குறியீட்டை எழுதுவதாகும்.

முக்கியக் குறிப்புகள்

• நிதிச் சமநிலை (Fiscal Parity): தனிப்பட்ட பொறியாளர்களுக்கான AI டோக்கன் செலவுகள், இறுதியில் அவர்களின் மொத்த வேலைவாய்ப்புச் செலவிற்கு இணையாக இருக்கும் என்று கணிக்கப்பட்டுள்ளது.
• தொழில்துறை சார்ந்த போக்கு: Uber மற்றும் Microsoft போன்ற முக்கிய நிறுவனங்கள், கட்டுப்பாடற்ற AI செலவுகளை நிர்வகிக்க ஏற்கனவே கடுமையான கட்டுப்பாடுகளை அமல்படுத்தி வருகின்றன மற்றும் கருவிகளை ஒருங்கிணைத்து வருகின்றன.
• ROI-ஆதரிக்கப்பட்ட அணுகல்: எதிர்கால AI வள ஒதுக்கீடு ஒரு நிர்வகிக்கப்பட்ட OpEx ஆகக் கருதப்படலாம், மேலும் பட்ஜெட்டுகள் ஒரு பொறியாளரின் அளவிடக்கூடிய முதலீட்டின் மீதான லாபத்துடன் (return on investment) இணைக்கப்பட்டிருக்கும்.