Insights

📊 Gartner-ის პროგნოზით, 2028 წლისთვის AI აგენტების ხარჯები 5-ჯერ გაიზრდება

ანალიტიკური კომპანია Gartner-ის ახალი კვლევის თანახმად, 2028 წლისთვის ავტონომიური აგენტური პროცესების გამოთვლითი ხარჯები 5-ჯერ და მეტად გაიზრდება, მიუხედავად იმისა, რომ ცალკეული ტოკენის გენერაციის ღირებულება მუდმივად მცირდება. კომპანიების დიდი ნაწილი ვარაუდობდა, რომ ტოკენების გაიაფება ავტომატურად შეამცირებდა ხელოვნური ინტელექტის ბიუჯეტს, თუმცა აგენტურმა სისტემებმა ეს მოლოდინი სრულად შეცვალა. ანალიტიკოსებმა ამ მოვლენას ინფერენსის პარადოქსი უწოდეს და განმარტეს, რომ დავალების გადამისამართება მსჯელობის უნარის მქონე აგენტურ მოდელზე პროვაიდერის გამოთვლით დანახარჯს საბაზისო ჩატბოტთან შედარებით მინიმუმ 5-ჯერ ზრდის. ამოცანის სირთულის მატებასთან ერთად კი ერთეულოვანი ეკონომიკის გაუმჯობესება საერთო კორპორაციულ ხარჯებს პროგნოზირებადი ფინანსური უკუგების გარეშე აძვირებს. „ამ გზით ტოკენების ხარჯები მუდმივად ფართოვდება, რადგან საბაზისო ლაბორატორიები დაზოგილ რესურსს უფრო მძლავრ და ძვირადღირებულ მოდელებში აბანდებენ,“ - განაცხადა Gartner-ის უფროსმა ანალიტიკოსმა უილ სომერმა გამოცემა VentureBeat-თან საუბრისას. მისი თქმით, ძველი თაობის სისტემები იაფდება, ხოლო მოწინავე მოდელების ტარიფები მკვეთრად იმატებს. სომერმა ამ ტენდენციის საილუსტრაციოდ კომპანია Anthropic-ის ფასწარმოქმნა აღნიშნა, სადაც ახალი თაობის მოდელი Fable თითოეულ ტოკენზე გაცილებით ძვირი ღირს, ვიდრე წინა თაობის Opus-ი. ლაბორატორიები მიღწეულ ეფექტიანობას პირდაპირ მიმართავენ გაცილებით დიდი გამოთვლითი სიმძლავრის მქონე ახალი არქიტექტურების შექმნაში. მეორე მთავარი ფაქტორი თავად მოხმარების მოცულობის ზრდაა, რადგან ტოკენების ხელმისაწვდომობა ბიზნესს უბიძგებს, ხელოვნურ ინტელექტს ბევრად კომპლექსური სამუშაო პროცესები მიანდოს. უილ სომერმა დაადასტურა, რომ ერთი და იმავე დავალების შესასრულებლად AI აგენტებს საბაზისო ჩატბოტებთან შედარებით 5-დან 30-ჯერ მეტი ტოკენი სჭირდება. კონკურენტული წნეხი ამ 2 ფაქტორს ერთმანეთთან მჭიდროდ აკავშირებს, რადგან ბაზარზე პოზიციების შესანარჩუნებლად კომპანიები იძულებულნი არიან, უფრო რთული სცენარები დანერგონ. სომერის განმარტებით, 2026 წლის გაზაფხულზე აგენტური ფუნქციების პირველმა ტალღამ და ტოკენების მაქსიმალური ხარჯვის მოდამ ბიუჯეტების მკვეთრი ზრდა გამოიწვია, რასაც ამჟამად ქამრების შემოჭერის ფაზა მოჰყვა. საწარმოები ხარჯების კონტროლს არათანაბრად ახერხებენ, რასაც 2026 წლის სექტემბერში ჩატარებული VB Pulse-ის კვლევაც ადასტურებს, რომელშიც 109 კვალიფიციური კორპორაციული რესპონდენტი მონაწილეობდა. გამოკითხულთა 21%-მა აღნიშნა, რომ მათ ორკესტრირების პლატფორმაში არ გააჩნიათ ავტომატური მექანიზმი, რომელიც აგენტების მიერ ტოკენების უკონტროლო ხარჯვას შეაჩერებს. ამავე კვლევის მიხედვით, ორგანიზაციების 31% რუტინულ და მაღალი მოცულობის აგენტურ დავალებებს შედარებით იაფ მოდელებზე ამისამართებს, რათა ბიუჯეტი დასაშვებ ჩარჩოში შეინარჩუნოს. თავად Gartner-ის 5-მაგი ზრდის პროგნოზი ეფუძნება ეკონომეტრიკულ მოდელს Tokenomics Forecast-ს, რომელიც დროთა განმავლობაში ტოკენების ღირებულებას 300-ზე მეტი ცვლადის ანალიზით ითვლის. ხარჯების მართვისთვის ანალიტიკოსები კომპანიებს 5 ძირითად ნაბიჯს სთავაზობენ, რომელთაგან პირველი სრული მონიტორინგისა და AI FinOps-ის სისტემების დანერგვაა. „საწარმოები ვერ მოახდენენ იმ პროცესების ოპტიმიზაციას, რომლებსაც ვერ აკვირდებიან,“ - განმარტა სომერმა და დასძინა, რომ თითოეული ფუნქცია კონკრეტულ გაზომვად შედეგზე, მაგალითად დახურული ქეისების რაოდენობაზე უნდა იყოს მიბმული. მომდევნო რეკომენდაციები მოიცავს ინფერენსის ეშელონირებას სპეციალური აგენტური ჩარჩოების მეშვეობით, რაც რუტინულ ამოცანებზე ძვირადღირებული ფლაგმანური მოდელების ავტომატურ გამოძახებას ბლოკავს. ასევე აუცილებელია ამოქმედებამდე სისტემების სტრეს-ტესტირება ტარიფების მერყეობასა და რეგულაციურ ხარჯებზე. ანალიტიკოსები ასევე ურჩევენ კომპანიებს, წინასწარ განსაზღვრონ შესრულების მინიმალური სტანდარტები და უარი თქვან ისეთი აგენტური პროექტების დამტკიცებაზე, რომლებიც ფინანსური რისკების სიმულაციას ვერ გადის. დაბალი შედეგის მქონე ავტომატიზაციის სცენარები დროულად უნდა გაუმჯობესდეს ან გაითიშოს საოპერაციო მარჟის დასაცავად. მეხუთე სტრატეგიული მიმართულება საკუთარ კორპორაციულ მონაცემებზე მორგებული, ვიწრო სპეციალიზაციის მოდელების გაწვრთნა და თვითსწავლების ციკლების ჩაშენებაა. სომერის შეფასებით, კონკრეტულ დომენზე მორგებული ეფექტიანი მოდელები სპეციფიკურ სამუშაო პროცესებში საიმედოობითა და ფინანსური მარჟით ზოგად ფლაგმანურ მოდელებს სტაბილურად ჯობნის.