Apple-ը սահմանափակում է ընկերության ներսում արհեստական բանականության օգտագործման օրական ծախսերը։ Bloomberg-ի տվյալներով՝ հոկտեմբերին ինժեներական թիմերի համար սահմանաչափը օրական 300 դոլարից նվազեցվել է մինչև 200 դոլար, իսկ այժմ քննարկվում են նոր կրճատումներ՝ ընդհուպ մինչև 100 դոլար։ Ինժեներական ստորաբաժանումներից դուրս աշխատողների համար սահմանափակումները կարող են էլ ավելի խիստ լինել։

Սա նկատելի շրջադարձ է մի ընկերության համար, որը վերջին տարիներին ակտիվորեն ԱԲ էր ներդնում աշխատանքային գործընթացներում, այդ թվում՝ սեփական չիպերի մշակման մեջ։ Այժմ Apple-ը, ըստ երևույթին, փորձում է հավասարակշռություն գտնել նոր գործիքների օգտակարության և դրանց օգտագործման աճող ծախսերի միջև։

Ինժեներների հասանելի բյուջեն կրճատվում է

Ինչպես հայտնում է Bloomberg-ը՝ հղում անելով աղբյուրներին, Apple-ն արդեն ինժեներական թիմերի համար ԱԲ-ի ծախսերի օրական սահմանաչափը 300 դոլարից նվազեցրել է մինչև 200 դոլար։ Սակայն բյուջեի վերանայումը կարող է այսքանով չավարտվել․ որոշ աշխատակիցների համար նախատեսվում է թույլատրելի ծախսերը նվազեցնել մինչև օրական 100 դոլար։

Ինժեներական ստորաբաժանումներից դուրս սահմանափակումները կարող են զգալիորեն ավելի խիստ լինել։ Ըստ պարբերականի տեղեկությունների՝ ընկերությունը քննարկում է այդ աշխատակիցների համար օրական ընդամենը 25 դոլարի սահմանաչափ սահմանելու հնարավորությունը։

Առայժմ խոսքը հենց ԱԲ-ի օգտագործման բյուջեների մասին է, ոչ թե համապատասխան գործիքների լիակատար արգելքի։ Apple-ը պաշտոնապես չի մեկնաբանել այս տեղեկությունը․ TechCrunch-ը հարցում է ուղարկել ընկերությանը։

ԱԲ-ի հանդեպ ոգևորությունից դեպի թոքենների խնայողություն

Իրավիճակն արտացոլում է գեներատիվ ԱԲ-ի նկատմամբ տեխնոլոգիական ընկերությունների վերաբերմունքի ավելի լայն փոփոխությունը։ Այս տարվա սկզբին բազմաթիվ գործատուներ խրախուսում էին աշխատակիցներին հնարավորինս ակտիվ օգտագործել նեյրոնային ցանցերը՝ ակնկալելով այդ կերպ բարձրացնել արտադրողականությունը։

Այս մոտեցումն ստացել է tokenmaxxing անվանումը․ այն ենթադրում է հնարավորինս շատ թոքեններ, այսինքն՝ լեզվական մոդելների կողմից մշակվող տեքստային միավորներ ծախսելու ձգտում։ Ենթադրվում էր, որ ԱԲ-ի ինտենսիվ օգտագործումը թույլ կտա արագացնել մշակման գործընթացը, ավտոմատացնել առօրյա կրկնվող առաջադրանքները և բարձրացնել թիմերի արդյունավետությունը։

Սակայն ոգևորությունը կարճատև էր։ Հարցումների մշակման ծախսերի աճին զուգահեռ ընկերությունները սկսեցին ավելի ուշադիր գնահատել նման գործելակերպի արժեքը։ ԱԲ-ի անսահմանափակ օգտագործման փոխարեն աշխատակիցներն ավելի ու ավելի հաճախ են բախվում բյուջետային սահմանափակումների։

ԱԲ-ի տնտեսական ազդեցությունը դեռ միշտ չէ, որ ակնհայտ է

Գլխավոր խնդիրը արհեստական բանականության ներդրման արժեքի և բիզնեսի համար դրա ապահոված արդյունքների միջև առկա անհամապատասխանությունն է։ Հզոր մոդելների օգտագործումը պահանջում է զգալի հաշվողական ռեսուրսներ, հետևաբար կարող է թանկ արժենալ նույնիսկ աշխատակիցների առօրյա աշխատանքում։

Միևնույն ժամանակ արտադրողականության իրական աճը միշտ չէ, որ ակնհայտ է։ Ընկերությունները դեռ չունեն համընդհանուր պատասխան այն հարցին, թե որքանով են ԱԲ-ի լրացուցիչ ծախսերը փոխհատուցվում ժամանակի խնայողությամբ և արդյունքների բարելավմամբ։

Apple-ի բյուջեների կրճատումը ցույց է տալիս, որ նույնիսկ տեխնոլոգիական հսկաներն են սկսում նեյրոնային ցանցերի հնարավորինս լայն կիրառման փորձարկումներից անցնել ծախսերի ավելի խիստ վերահսկողության։

Շուկայի համար սա կարևոր ազդակ է․ կորպորատիվ միջավայրում ԱԲ-ի տարածումը կախված կլինի ոչ միայն մոդելների հնարավորություններից, այլև նրանից, թե ընկերությունները որքան համոզիչ կկարողանան ապացուցել դրանց օգտագործման տնտեսական արդյունավետությունը։