Για χρόνια, η τεχνητή νοημοσύνη παρουσιαζόταν ως η μεγάλη υπόσχεση της εταιρικής αποδοτικότητας. Οι επιχειρήσεις επένδυαν δισεκατομμύρια θεωρώντας ότι τα συστήματα AI θα περιόριζαν δραστικά τα λειτουργικά έξοδα, θα αυτοματοποιούσαν επαναλαμβανόμενες εργασίες και θα επέτρεπαν στις εταιρείες να παράγουν περισσότερα με μικρότερο ανθρώπινο κόστος. Σήμερα όμως, καθώς η χρήση της AI περνά από το πειραματικό στάδιο στη μαζική ενσωμάτωση, αρχίζει να εμφανίζεται μια διαφορετική και πολύ πιο ακριβή πραγματικότητα.
Σε αρκετές μεγάλες εταιρείες τεχνολογίας, το κόστος λειτουργίας των συστημάτων τεχνητής νοημοσύνης αυξάνεται πλέον με τόσο γρήγορους ρυθμούς ώστε σε ορισμένες περιπτώσεις ξεπερνά ακόμη και τις δαπάνες μισθοδοσίας. Η εικόνα αυτή ανατρέπει τη βασική υπόθεση πάνω στην οποία στηρίχθηκε το αφήγημα της αυτοματοποίησης: ότι οι μηχανές είναι τελικά φθηνότερες από τους ανθρώπους.
Η εκρηκτική αύξηση των αναγκών σε υπολογιστική ισχύ, GPU υψηλών επιδόσεων, αποθηκευτικούς πόρους και χρεώσεις API δημιουργεί νέα οικονομικά δεδομένα για τις επιχειρήσεις που προσπαθούν να ενσωματώσουν μαζικά εργαλεία AI στις καθημερινές τους λειτουργίες.
Η προειδοποίηση από τη Nvidia
Το ζήτημα αποκτά ιδιαίτερη βαρύτητα όταν ακόμη και στελέχη της Nvidia — της εταιρείας που κυριαρχεί στην παγκόσμια αγορά επεξεργαστών τεχνητής νοημοσύνης — παραδέχονται ότι το κόστος υπολογιστικής ισχύος έχει εκτοξευθεί.
Ο αντιπρόεδρος εφαρμοσμένης βαθιάς μάθησης της εταιρείας, Bryan Catanzaro, δήλωσε ότι για τη δική του ομάδα το κόστος της υπολογιστικής υποδομής υπερβαίνει πλέον κατά πολύ το κόστος των εργαζομένων.
Η παραδοχή αυτή θεωρείται ενδεικτική της τεράστιας οικονομικής πίεσης που δημιουργεί η νέα γενιά εφαρμογών AI, ειδικά σε περιβάλλοντα όπου η χρήση μοντέλων γίνεται συνεχής και μεγάλης κλίμακας.
Χαρακτηριστικό παράδειγμα της νέας πραγματικότητας αποτελεί η Uber.
Ο CTO της εταιρείας, Praveen Neppalli Naga, αποκάλυψε ότι ο προϋπολογισμός AI για το 2026 εξαντλήθηκε μέσα στους πρώτους μήνες του έτους.
Η αιτία δεν ήταν κάποια αποτυχία ή λανθασμένη επένδυση. Αντιθέτως, το πρόβλημα προέκυψε επειδή τα εργαλεία τεχνητής νοημοσύνης χρησιμοποιήθηκαν πολύ πιο εκτεταμένα και αποτελεσματικά απ’ όσο είχε αρχικά υπολογιστεί.
Η ταχεία υιοθέτηση του Claude Code της Anthropic από χιλιάδες μηχανικούς λογισμικού οδήγησε σε εκρηκτική αύξηση της κατανάλωσης υπολογιστικών πόρων.
Από τα τέλη του 2025 περίπου 5.000 μηχανικοί της Uber απέκτησαν πρόσβαση στο εργαλείο, ενώ μέσα σε λίγους μήνες η χρήση του διπλασιάστηκε.
Μέχρι τον Μάρτιο, το μεγαλύτερο ποσοστό των προγραμματιστών χρησιμοποιούσε συστήματα agentic coding, με την τεχνητή νοημοσύνη να παράγει πλέον το μεγαλύτερο μέρος του κώδικα που ενσωματωνόταν στις πλατφόρμες της εταιρείας.
Χιλιάδες αλλαγές κώδικα πραγματοποιούνταν κάθε εβδομάδα χωρίς άμεση ανθρώπινη παρέμβαση.
Το ακριβό μοντέλο των tokens
Το μεγαλύτερο πρόβλημα εμφανίστηκε στο μοντέλο χρέωσης.
Πολλά σύγχρονα εργαλεία AI λειτουργούν με τιμολόγηση βάσει tokens, δηλαδή ανάλογα με τον όγκο δεδομένων και υπολογισμών που επεξεργάζονται τα μοντέλα.
Όταν οι μηχανικοί χρησιμοποιούν πολλαπλούς AI agents ταυτόχρονα ή πραγματοποιούν σύνθετες αναδιαμορφώσεις κώδικα, το κόστος αυξάνεται εκθετικά.
Σε ορισμένες περιπτώσεις, το μηνιαίο κόστος API ανά μηχανικό φτάνει πλέον από 500 έως και 2.000 δολάρια.
Αυτό σημαίνει ότι όσο περισσότερο αξιοποιείται η AI, τόσο μεγαλύτερη γίνεται και η οικονομική επιβάρυνση για τις εταιρείες.
Η νέα έκρηξη στις δαπάνες πληροφορικής
Η πίεση αυτή δεν περιορίζεται σε μεμονωμένες επιχειρήσεις.
Οι παγκόσμιες δαπάνες πληροφορικής αυξάνονται πλέον με ρυθμούς που θυμίζουν τεχνολογική έκρηξη, κυρίως λόγω της ζήτησης για υποδομές AI.
Οι επενδύσεις σε data centers, επεξεργαστές υψηλών επιδόσεων και υπολογιστικά συστήματα μεγάλης κλίμακας αυξάνονται διαρκώς, καθώς οι εταιρείες προσπαθούν να καλύψουν τις ανάγκες των νέων μοντέλων τεχνητής νοημοσύνης.
Η ανάπτυξη αυτή δημιουργεί αλυσιδωτές πιέσεις στην αγορά hardware, στις εφοδιαστικές αλυσίδες και στη διαθεσιμότητα GPU.
Ο ίδιος ο Catanzaro περιέγραψε την κατάσταση ως μια παγκόσμια μάχη περιορισμένων πόρων, τονίζοντας ότι η αγορά αντιμετωπίζει σοβαρές ελλείψεις προμηθειών.
Το ερώτημα της βιωσιμότητας
Μπροστά σε αυτή την εκρηκτική άνοδο του κόστους, ολοένα και περισσότερα διοικητικά στελέχη αρχίζουν να επανεξετάζουν αν η μαζική ενσωμάτωση της τεχνητής νοημοσύνης είναι πράγματι οικονομικά βιώσιμη σε μακροπρόθεσμο ορίζοντα.
Η παραγωγικότητα μπορεί να αυξάνεται, όμως η συντήρηση των συστημάτων, οι χρεώσεις χρήσης και οι απαιτήσεις υποδομών δημιουργούν έναν νέο, βαρύ λογαριασμό για τις επιχειρήσεις.
Το παράδοξο είναι πλέον εμφανές: τα εργαλεία AI σχεδιάστηκαν για να μειώσουν το λειτουργικό κόστος, αλλά σε πολλές περιπτώσεις μετατρέπονται τα ίδια σε έναν από τους ακριβότερους τομείς λειτουργίας μιας εταιρείας.
Οι μηχανές ίσως γράφουν κώδικα, αναλύουν δεδομένα και αυτοματοποιούν διαδικασίες με πρωτοφανή ταχύτητα, όμως η εποχή όπου θεωρούνταν «φθηνή λύση» αρχίζει να αμφισβητείται σοβαρά.
Διαβάστε ακόμη
Νέος Πολεοδομικός Σχεδιασμός σε όλη τη χώρα: Ποιες ανατροπές έρχονται στην οικοδόμηση (pics)
Αεροδρόμιο Ντουμπάι: Ισχυρό πλήγμα από τον πόλεμο στο Ιράν – «Βουτιά» στην επιβατική κίνηση
Σχεδόν 1.000 εμπορικά πλοία παραμένουν στον Περσικό Κόλπο
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα