Palantir Technologies oraz jego prezes Alex Karp otwarcie zaatakowali OpenAI i Anthropic, zarzucając im sprzedaż usług AI rozliczanych w tokenach, które w przypadku dużych firm często nie generują mierzalnej wartości biznesowej.
Najważniejsze wnioski:
- Karp twierdzi, że przedsiębiorstwa płacą za tokeny AI, nie otrzymując wyników uzasadniających ponoszone koszty.
- Zwraca uwagę, że dostawcy modeli mogą zyskiwać dostęp do poufnej wiedzy i przewag konkurencyjnych swoich klientów.
- Krytyka wpisuje się w szerszą dyskusję o tym, czy wycena AI powinna odzwierciedlać realne wykorzystanie, czy raczej efekty biznesowe.
Wycena tokenów AI
Karp skomentował model rozliczeń w wywiadzie dla CNBC, podważając sens naliczania opłat firmom wyłącznie na podstawie liczby tokenów przetwarzanych przez model AI.
„Dlaczego oni w ogóle liczą tokeny, skoro ta technologia jest rzekomo tak wartościowa?” – pytał Karp, sugerując, że dostawcy powinni raczej uczestniczyć w wartości, jaką ich systemy realnie tworzą dla klienta.
Dodał też, że firmy ryzykują utratę kontroli nad wiedzą i unikalnymi procesami, gdy łączą swoje wewnętrzne dane i workflowy z zewnętrznymi modelami. Według Karpa coraz więcej korporacji jest sfrustrowanych po dużych wydatkach na narzędzia AI, które nie przekładają się na wyraźny wzrost produktywności.
Krytyka jednocześnie wzmacnia pozycję handlową Palantira – spółka sprzedaje oprogramowanie umożliwiające łączenie modeli, danych i systemów operacyjnych w ściśle kontrolowanych środowiskach.
Jednocześnie jego uwagi odzwierciedlają dużo szerszy niepokój firm dotyczący kosztów, ładu nad danymi oraz słabego zwrotu z pierwszych wdrożeń AI.
Zobacz także: Bitget uruchamia Cash Plus, aby płacić odsetki od nieużywanych sald stablecoinów
Zwrot z inwestycji w AI dla przedsiębiorstw
Argumentacja Karpa koncentruje się na rozdźwięku między technicznym „outputem” modeli a realnym wynikiem biznesowym. Rozliczanie po tokenach pokazuje jedynie, ile tekstu czy danych przetworzył model, ale nie odpowiada na pytanie, czy przełożyło się to na wyższe przychody, niższe koszty lub lepsze decyzje.
Ta różnica nabiera znaczenia, gdy korporacyjni nabywcy stają się coraz bardziej selektywni.
Sam Altman przyznał, że wydatki na AI i jej efektywność stają się centralnym tematem w gabinetach zarządów. Firmy testują tańsze modele i dywersyfikują zlecenia pomiędzy kilku dostawców.
Karp proponuje model rozliczeń oparty na wynikach, w którym dostawca AI otrzymuje wynagrodzenie powiązane z mierzalnym efektem u klienta. Takie podejście mogłoby ograniczyć wydawanie pieniędzy na nieproduktywne wykorzystanie AI, choć wymagałoby od stron uzgodnienia sposobu liczenia i przypisywania wartości.
Spór pojawia się po latach szybkiej adopcji korporacyjnej, napędzanej wiarą, że modele ogólnego przeznaczenia zrewolucjonizują rutynowe procesy. Wraz z dojrzewaniem pilotaży, klienci przesuwają uwagę z samej „mocy” modeli na kwestie własności rozwiązań, bezpieczeństwa danych oraz twardo udokumentowanego zwrotu z inwestycji.
Czytaj dalej: Rynek stablecoinów traci 10 mld USD od majowego szczytu wraz z kurczeniem się płynności krypto