Szef mówi, że komputer zrobi twoją pracę taniej? Podeślij mu ten tekst

 Chcieli zaoszczędzić, ale ostatecznie wydali jeszcze większe pieniądze. Firmy nie są w stanie ograniczyć wydatków na sieci neuronowe – budżety są napięte, a rozwiązania nie ma.

Firmy, które wdrożyły sztuczną inteligencję, mierzą się z niekontrolowanym wzrostem kosztów sieci neuronowych. Zdecydowana większość przekroczyła prognozowane wydatki na sztuczną inteligencję – niektóre nawet o ponad 50%. 

Budżety na AI szybko przestają się zgadzać

Sztuczna inteligencja doprowadziła wiele firm, które ją wdrożyły, do kolosalnych wydatków. Według „The Wall Street Journal” firmy borykają się z przekroczeniem budżetu w związku z wdrożeniem i eksploatacją sieci neuronowych. Według badań jedynie mały odsetek firm był w stanie utrzymać wydatki na sieci neuronowe w planowanych i szacowanych granicach.

W badaniu, które objęło okres do maja 2026 roku włącznie,  wzięło udział 400 firm. Jedenaście procent respondentów zgłosiło przekroczenie budżetu na sztuczną inteligencję o 0–11% w stosunku do pierwotnego planu. Trzydzieści dziewięć procent firm zgłosiło przekroczenie budżetu o 11-25%, a 35% o 26-50%. W 13% przypadków wdrożenie sztucznej inteligencji ostatecznie wymagało ponad półtora raza większych nakładów finansowych, niż oczekiwano.

Niektóre firmy w ogóle nie prognozowały wydatków na sieci neuronowe. Ten trend dotyczył 2% respondentów. W zasadzie nie wiedzą, o ile mniej mogliby wydać na sztuczną inteligencję – brakuje im niezbędnych obliczeń.

Sztuczna inteligencja może mieć ogromny wpływ na budżet firmy.

Tymczasem istnieje wiele możliwych powodów, dla których sieci neuronowe okazują się zbyt drogie dla wielu firm. Jednym z nich jest specyfika samych sieci neuronowych. Wykonanie tej samej pracy w różnych usługach AI może kosztować zupełnie inne kwoty – czasami nawet czterokrotnie.

Warto również wziąć pod uwagę, że chociaż sieci neuronowe są oprogramowaniem, nie działają jak typowe narzędzia. Jak pisze „The World Street Journal”, działają bardziej jak ludzie – myślą, podejmują decyzje i czasami popełniają błędy. A za to wszystko, w tym za te błędy, płacą użytkownicy, zarówno prywatni, jak i komercyjni.

Tańszy model nie zawsze oznacza niższy rachunek

Próby firm, aby obniżyć koszty sztucznej inteligencji poprzez porzucenie drogich, zaawansowanych modeli na rzecz tańszych, często prowadzą do dokładnie odwrotnych rezultatów. Dowodzi tego badanie przeprowadzone przez naukowców ze Stanford, Berkeley, Carnegie Mellon i uniwersytetów kalifornijskich  oparte na analizie ponad 6800 zadań sieci neuronowych z zakresu matematyki, programowania i innych dziedzin.

Według wyników badania korzystanie z droższych modeli jest często tańsze niż korzystanie z tych tańszych. Chociaż tokeny w tych modelach są droższe, całkowity koszt eksploatacji jest niższy.

Publikacja podaje jako przykład dwa modele sztucznej inteligencji opracowane przez Google: drogi i ciężki Gemini 3.1 Pro oraz tańszy (i szybszy) Gemini 3 Flash. Podczas wykonywania tego samego zadania, Gemini 3.1 Pro osiągnął pożądany wynik w 85 krokach, podczas gdy Gemini 3 Flash potrzebował 1000 kroków i ostatecznie zawiódł.

Naukowcy wydali 14 dolarów na Gemini 3 Flash i nie osiągnęli oczekiwanego rezultatu. Gemini 3.1 Pro kosztował 1 dolara, czyli 14 razy mniej.

W takim przypadku wydawać się może, że droższe modele mogą ostatecznie przynieść oszczędności, zwłaszcza biorąc pod uwagę wyniki badania, ale w rzeczywistości tutaj też tak nie jest. „Wall Street Journal” donosi, że nawet ten sam model może zużywać różne kwoty pieniędzy w różnych okresach i nie ma tu żadnego spójnego wzorca.

Jako przykład porównawczy publikacja podaje firmę koszącą trawniki. Jej usługi kosztują 20 dolarów za godzinę, a dziś wykona ona tę pracę w dwie godziny za 40 dolarów. W przyszłym tygodniu wykona tę samą pracę w osiem godzin za 160 dolarów. A w kolejnym tygodniu jej technik będzie twierdził, że skończy pracę w pięć godzin, ale ostatecznie wykona w tym czasie tylko połowę pracy.