Ο Άλιστερ Μπαρ είναι ο συγγραφέας του ενημερωτικού δελτίου Tech Memo του Business Insider. Πριν από αυτό, ήταν συντάκτης τεχνολογικών ειδήσεων στο BI και επικεφαλής της ομάδας Big Tech του Bloomberg, μετά από μια καριέρα δημοσιογράφων στις εφημερίδες The Wall Street Journal, USA Today, Reuters και MarketWatch. O Άλιστερ κέρδισε το Βραβείο Gerald Loeb το 2007 για την δημοσιογραφική του έρευνα στον τομέα των ανοικτών πωλήσεων ενώ το 2013 ήταν υποψήφιος για το ίδιο βραβείο χάρη στη δημοσιογραφική του δουλειά για τη δημόσια προσφορά μετοχών του Facebook. Πιο πρόσφατα, κέρδισε το βραβείο σχολιασμού του San Francisco Press Club για το 2024.

Σε πρόσφατο δημοσίευμά του στο Business Insider, ο Άλιστερ Μπαρ, συντάκτης σε θέματα τεχνολογικού περιεχομένου, μοιράζεται τις απόψεις και εμπειρίες του σχετικά με την αλλαγή που παρατηρείται στο μέλλον των προσφερόμενων λογισμικών προγραμμάτων από τις εταιρείες και τον ρόλο που διαδραματίζει η Τεχνητή Νοημοσύνη σε αυτή τη μετάβαση.

«Μια διακριτική, αλλά σημαντική, αλλαγή βρίσκεται σε εξέλιξη στον τρόπο λειτουργίας των εταιρειών που προσφέρουν SaaS (Software as a Service) – δηλαδή λογισμικό που παρέχεται μέσω διαδικτύου και χρεώνεται συνήθως με συνδρομή, χωρίς να απαιτείται εγκατάσταση από τον χρήστη. Η αγορά απομακρύνεται σταδιακά από τις μηνιαίες άδειες χρήσης ανά χρήστη και υιοθετεί μοντέλα τιμολόγησης βάσει της πραγματικής χρήσης – το γνωστό «Pay-As-You-Go».

Πίσω από αυτή τη μετατόπιση βρίσκεται η ραγδαία πρόοδος της Τεχνητής Νοημοσύνης, και πιο συγκεκριμένα, μια νέα γενιά μοντέλων συλλογιστικής που απαιτούν υψηλή υπολογιστική ισχύ και παρουσιάζουν αυξημένο κόστος λειτουργίας.

Αυτό δεν αποτελεί απλώς ένα πείραμα τιμολόγησης – για πολλές εταιρείες, ενδέχεται να είναι μια αναγκαία οικονομική προσαρμογή, καθώς καλούνται να προσαρμοστούν στα αυξημένα έξοδα που προκύπτουν από τη λειτουργία λογισμικών με τεχνητή νοημοσύνη.

Η άνοδος των υψηλών εξόδων

Αν παρακολουθείτε τις αναλύσεις μου, θα έχετε παρατηρήσει ότι έχω προειδοποιήσει για τις σημαντικές αλλαγές στην τιμολόγηση, που θα επιφέρει η επανάσταση της ΤΝ σε πολλές επιχειρήσεις του διαδικτύου. Τον Ιανουάριο του 2024, ανέφερα πως η ανάπτυξη μοντέλων ΤΝ είναι ιδιαίτερα δαπανηρή και παρατήρησα ότι οι μεγάλες εταιρείες τεχνολογίας αναζητούν νέες πηγές εσόδων, όπως οι συνδρομητικές υπηρεσίες.

Τώρα, υπάρχει ένα νέο είδος μοντέλου ΤΝ που βασίζεται σε πιο σύνθετες διαδικασίες σκέψης και είναι πολύ ακριβό για να λειτουργήσει. Αυτά τα μοντέλα δεν παρέχουν απλώς έτοιμες απαντήσεις. Αντίθετα, ακολουθούν μια πιο περίπλοκη διαδικασία, κατά την οποία αναλύουν και επανεξετάζουν τα αποτελέσματά τους πολλές φορές, ακόμα και από την αρχή, για να είναι πιο ακριβή. Αυτή η διαδικασία λέγεται «υπολογισμός σε χρόνο συμπερασμού». Κάθε φορά που κάνουν αυτή τη διαδικασία, δημιουργούν νέα δεδομένα (tokens), τα οποία πρέπει να επεξεργαστούν πριν φτάσουν στην τελική απάντηση.

Για παράδειγμα, το μοντέλο «o3-high» της OpenAI βρέθηκε να χρησιμοποιεί 1.000 φορές περισσότερα tokens για να απαντήσει σε μια αναφορά AI, σε σχέση με τον προκάτοχό του, το «o1». Το κόστος για την παραγωγή αυτής της μίας απάντησης; «Περίπου 3.500 δολάρια», σύμφωνα με αναλυτές της Barclays.

Αυτό το κόστος δεν είναι απλώς θεωρητικό. Καθώς οι επιχειρήσεις ενσωματώνουν την Τεχνητή Νοημοσύνη στις βασικές λειτουργίες τους, δημιουργώντας συστήματα αυτοματισμού, βοηθούς και άλλα σύνθετα εργαλεία για τη λήψη αποφάσεων, κάθε ερώτημα απαιτεί όλο και περισσότερη υπολογιστική δύναμη. Όταν εκατομμύρια χρήστες χρησιμοποιούν αυτές τις υπηρεσίες, το κόστος αυξάνεται πολύ γρήγορα.

Ως αποτέλεσμα, οι εταιρείες λογισμικού ίσως να αντιμετωπίσουν δυσκολίες στο να συνεχίσουν να χρεώνουν σταθερές μηνιαίες συνδρομές. Όταν η χρήση της Τεχνητής Νοημοσύνης και το κόστος υπολογισμού αυξάνονται, τα έξοδα γίνονται διαφοροποιούνται σε μεγάλο βαθμό από πελάτη σε πελάτη. Αυτό μπορεί να δημιουργήσει προβλήματα στην τιμολόγηση.

Γιατί τα μοντέλα που βασίζονται σε θέσεις μπορεί να μην λειτουργούν πλέον

Για δεκαετίες, οι εταιρείες SaaS, όπως η Microsoft και η Salesforce, χρέωναν συνήθως «ανά χρήστη» και «ανά μήνα». Αυτό ήταν ένα σαφές και προβλέψιμο σύστημα, το οποίο λειτουργούσε αποτελεσματικά όταν το κόστος παροχής των υπηρεσιών ήταν ελάχιστο. Ωστόσο, η εξέλιξη της τεχνητής νοημοσύνης αλλάζει αυτή τη δυναμική. Καθώς το κόστος των υπολογιστικών πόρων αυξάνεται, το μοντέλο της σταθερής τιμολόγησης μπορεί να καταστεί μη-βιώσιμο από οικονομικής άποψης.

«Η αύξηση του κόστους για τη λειτουργία συστημάτων τεχνητής νοημοσύνης μπορεί να προκαλέσει μεγαλύτερα έξοδα για τις εταιρείες, σε σχέση με τις παραδοσιακές υπηρεσίες SaaS. Αυτό αναγκάζει τις εταιρείες να επανεξετάσουν πώς διαχειρίζονται το κόστος τους και πώς χρεώνουν τους πελάτες τους», ανέφερε η εταιρεία συμβούλων AlixPartners σε μια πρόσφατη μελέτη της για τις προκλήσεις που δημιουργεί η τεχνητή νοημοσύνη στις εταιρείες λογισμικού.

Το νέο μοντέλο: Pay-As-You-Go

Αντί να χρεώνουν τις εταιρείες ανά χρήστη, αρχίζουν να χρεώνουν με βάση τη δραστηριότητα του χρήστη. Αυτό μπορεί να περιλαμβάνει τον αριθμό των δεδομένων που καταναλώνονται, τις ερωτήσεις που υποβάλλονται, τις διαδικασίες που εκτελούνται αυτόματα ή τα μοντέλα στα οποία έχει κάποιος πρόσβαση. Με αυτόν τον τρόπο, τα έσοδα συνδέονται πιο άμεσα με την πραγματική χρήση των υπηρεσιών και βοηθούν τις εταιρείες να καλύψουν τα αυξανόμενα και μεταβαλλόμενα έξοδά τους.

Ο Σαμ Άλτμαν πρότεινε κάτι παρόμοιο για το OpenAI τον περασμένο μήνα.

Η πλατφόρμα προγραμματιστών Vercel λειτουργεί ήδη με βάση αυτή την αρχή: Όσο περισσότερη επισκεψιμότητα δέχεται ο ιστότοπος ενός πελάτη, τόσο περισσότερο πληρώνει.

«Αυτό είναι πιο δίκαιο, γιατί συνδέεται άμεσα με τα αποτελέσματα του πελάτη», μου είπε ο Μάρτεν Αμπραχάμσεν, οικονομικός διευθυντής της Vercel, σε συνέντευξή του. «Όταν ο πελάτης μας έχει περισσότερους επισκέπτες ή η επιχείρησή του πάει καλά, τότε και εμείς επωφελούμαστε».

Νεότερες πλατφόρμες, όπως η Bolt.new, η Vercel και η Replit, βρίσκονται στην πρώτη γραμμή αυτής της αλλαγής. Η Bolt.new, μια πλατφόρμα που επιτρέπει τη δημιουργία εφαρμογών με ελάχιστο προγραμματισμό και χρησιμοποιεί τεχνητή νοημοσύνη, είδε σημαντική αύξηση στα έσοδά της όταν πέρασε από τη χρέωση ανά χρήστη σε χρέωση που βασίζεται στη δραστηριότητα του χρήση. Τώρα, η τιμολόγησή της εξαρτάται από τον αριθμό των «tokens» που χρησιμοποιούν οι πελάτες, καλύπτοντας έτσι από περιστασιακούς χρήστες μέχρι επαγγελματίες.

Παράλληλα, εταιρείες όπως η Braze και η Monday.com έχουν υιοθετήσει έναν συνδυασμό μεθόδων χρέωσης. Συνδυάζουν μια βασική συνδρομή με επιπλέον χρέωση για τη χρήση της τεχνητής νοημοσύνης (Pay-Per-Use).

Στη Monday.com, οι νέοι πελάτες λαμβάνουν 500 μονάδες τεχνητής νοημοσύνης κάθε μήνα. Όταν οι μονάδες αυτές εξαντληθούν, απαιτείται επιπλέον χρέωση για την απόκτηση επιπλέον μονάδων.

Η προσέγγιση της ServiceNow

Η εταιρεία ServiceNow, που δραστηριοποιείται στον τομέα του SaaS, έχει εφαρμόσει τιμολόγηση βάσει δραστηριότητας. Ωστόσο, αυτή η ενέργεια αποτελεί μόνο ένα μέρος ενός συστήματος που βασίζεται κυρίως σε σταθερές χρεώσεις για κάθε χρήστη που έχει πρόσβαση στην υπηρεσία.

Ο διευθύνων σύμβουλος της ServiceNow, Μπιλ ΜακΝτέρμοτ, μου είπε ότι η εταιρεία «πέρασε χρόνια χτίζοντας μια οικονομική, γρήγορη και ασφαλή πλατφόρμα AI με τη βοήθεια της Nvidia». Σημείωσε επίσης ότι πολλά από τα μεγάλα μοντέλα τεχνητής νοημοσύνης εκεί έξω, όπως το Llama της Meta και το Gemini της Google, έχουν πολύ φθηνότερη πρόσβαση τον τελευταίο καιρό.

Παρόλα αυτά, η ServiceNow έχει υιοθετήσει τιμολόγηση βάσει χρήσης για να προστατευτεί σε περιπτώσεις όπου κάποιοι πελάτες είναι εξαιρετικά ενεργοί και χρησιμοποιούν μεγάλες ποσότητες tokens, οι οποίες απαιτούν υψηλή υπολογιστική επεξεργασία από την εταιρεία.

«Όταν η χρήση ξεπερνά τα όρια που μπορούμε να διαχειριστούμε με ασφάλεια και συνέπεια, χρειάζεται να υπάρχει ένας τρόπος ελέγχου του κόστους», εξήγησε ο ΜακΝτέρμοτ.

Διευκρίνισε, πάντως, ότι οι περισσότεροι πελάτες μπορούν «να αυτοματοποιήσουν» πολλές επιχειρηματικές διαδικασίες χωρίς να φτάσουν στο σημείο της επιπλέον χρέωσης.

«Οι πελάτες μας εξακολουθούν να επιθυμούν προβλεψιμότητα στην τιμολόγηση», ανέφερε ο Μπιλ ΜακΝτέρμοτ. «Πιστεύουμε ότι το μοντέλο μας προσφέρει την ιδανική ισορροπία: προσφέρει σταθερότητα, ενσωματώνει καινοτομία και δίνει τη δυνατότητα για χιλιάδες περιπτώσεις χρήσης χωρίς επιπλέον κόστος».

Το ενδιαφέρον των επενδυτών

Οι επενδυτές παρακολουθούν στενά αυτές τις εξελίξεις. Πρόσφατα, αναλυτές της Barclays ανέφεραν ότι η αξία εταιρειών λογισμικού που εφαρμόζουν τιμολόγηση βάσει χρήσης, όπως η JFrog και η Braze, πιθανόν να αυξηθεί. Αντίθετα, οι εταιρείες που βασίζονται σε χρεώσεις ανά χρήστη ίσως δουν πιο αργή ανάπτυξη. Αυτό ισχύει ιδιαίτερα για τα εργαλεία τεχνητής νοημοσύνης, τα οποία δεν χρησιμοποιούνται το ίδιο από όλους τους χρήστες.

«Όλο και περισσότεροι επενδυτές ανησυχούν ότι η εξάπλωση των εργαλείων AI μπορεί να μειώσει τα επιπλέον έσοδα από νέους χρήστες», σημείωσαν οι αναλυτές σε σχετική αναφορά.

Σύμφωνα με τους αναλυτές, αυτή η αλλαγή θα μπορούσε να οδηγήσει σε μεγαλύτερη αστάθεια στα τριμηνιαία έσοδα, αλλά σε ισχυρότερη μακροπρόθεσμη ευθυγράμμιση της τιμής που πληρώνει ο πελάτης και της πραγματικής αξίας της υπηρεσίας που λαμβάνει.

Τα μειονεκτήματα

Το βασικό μειονέκτημα είναι ότι οι πελάτες δεν γνωρίζουν πάντα εκ των προτέρων το ποσό που θα πρέπει να πληρώσουν. Τα έξοδά τους εξαρτώνται από το πόσο χρησιμοποιούν την υπηρεσία. Αν, για παράδειγμα, αυξηθεί η επισκεψιμότητα στον ιστότοπό τους ή αν οι υπάλληλοι χρησιμοποιούν πολύ τα εργαλεία τεχνητής νοημοσύνης, το τελικό κόστος μπορεί να είναι υψηλότερο από το αναμενόμενο.

Παρόμοια αβεβαιότητα αντιμετωπίζουν και οι ίδιες οι εταιρείες λογισμικού, καθώς τα έσοδά τους εξαρτώνται άμεσα από το πόσο συχνά και σε ποιο βαθμό χρησιμοποιούν οι πελάτες τις υπηρεσίες τους.

Ο Ντέιβιντ Σλέιτερ, επικεφαλής μάρκετινγκ με εμπειρία σε μεγάλες εταιρείες τεχνολογίας όπως η Salesforce και η Mozilla, δημιούργησε πρόσφατα έναν προσωπικό ιστότοπο χρησιμοποιώντας το Bolt.new. Σημείωσε ότι το κόστος «μπορεί να αυξηθεί γρήγορα», ειδικά αν κάποιος χρησιμοποιεί την πλατφόρμα εντατικά ή αν ξοδεύει υπερβολικό χρόνο επεξεργαζόμενος κάτι ξανά και ξανά.

Οι υπηρεσίες SaaS είναι ελκυστικές επειδή προσφέρουν σταθερές και προβλέψιμες τιμές για τους πελάτες και τους παρόχους τους. Αυτό σημαίνει ότι οι πελάτες ξέρουν πάντα πόσο θα πληρώσουν και οι πάροχοι ξέρουν πώς να προγραμματίσουν τα έσοδά τους. Αν αλλάξει αυτό το μοντέλο και η χρέωση γίνει απρόβλεπτη, μπορεί να προκαλέσει ανησυχία στους πελάτες, καθώς δεν θα γνωρίζουν το τελικό ποσό που θα κληθούν να πληρώσουν.

«Ένα μοντέλο τιμολόγησης που δεν είναι προβλέψιμο για την εταιρεία και τον καταναλωτή δεν είναι βιώσιμο», μου είπε ο Σλέιτερ σε συνέντευξή του.

Ποιο είναι το μέλλον;

Η μετάβαση από την τιμολόγηση ανά χρήστη στη χρέωση βάσει χρήσης δεν αφορά μόνο την τεχνητή νοημοσύνη. Η ΤΝ είναι ο κύριος παράγοντας πίσω από αυτή την αλλαγή. Καθώς το λογισμικό γίνεται πιο εξελιγμένο, απαιτεί περισσότερους υπολογιστικούς πόρους. Επομένως, η σύνδεση της τιμολόγησης με τη χρήση γίνεται πιο βιώσιμη.

Αναμένουμε ότι το 2025 πολλές εταιρείες θα υιοθετήσουν νέα μοντέλα τιμολόγησης, όπως χρέωση ανά χρήση ή μοντέλα που συνδυάζουν και άλλες μεθόδους, καθώς είναι πιο αποδοτικά. Οι εταιρείες θα πρέπει να προσαρμοστούν καθώς η ΤΝ γίνεται πιο διαδεδομένη.

Ωστόσο, αυτά τα μοντέλα μπορεί να αλλάξουν αν το κόστος για την υπολογιστική ισχύ που απαιτεί η ΤΝ μειωθεί στο μέλλον. Αυτό έχει συμβεί και στο παρελθόν στον τομέα της πληροφορικής. Κάποιοι ειδικοί πιστεύουν ότι θα συμβεί ξανά, ή τουλάχιστον ελπίζουν ότι θα συμβεί.

«Αργά ή γρήγορα, το κόστος της ΤΝ θα πέσει κατακόρυφα», δήλωσε ο Σλέιτερ. «Τότε το μοντέλο βάσει χρήσης θα αντικατασταθεί από πιο παραδοσιακά μοντέλα, όπως η χρέωση ανά χρήστη ή μηνιαία συνδρομή, που είναι πιο εύκολα κατανοητά»».

Διαβάστε ακόμη

Η ΑΙ βάζει τέλος στις «ορφανές» κληρονομιές

Οι μισοί ασφαλισμένοι εξαγοράζουν πλασματικά χρόνια

Κατσαρίδες: Για να τις διώξετε μήπως πρέπει να τις ταΐσετε πρώτα;

Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφτείτε το Πρώτο Θέμα