Az Uber hivatalosan is lezárja a „tokenmaxxing” korszakát, amely a vállalati mesterséges intelligencia-használat egyik meghatározó, mégis vitatott trendje volt. Praveen Neppalli Naga, az Uber technológiai igazgatója egy szerdai X-bejegyzésében jelentette be, hogy „nagyon érdekes tendenciákat” figyeltek meg az AI-költségek terén, ami szerinte „újabb jelzés arra, hogy a tokenmaxxing korszakának végéhez érkezünk”. A fogalom az első félévben terjedt el, és azt a gyakorlatot takarta, amikor a vállalatok arra ösztönözték munkavállalóikat, hogy minél több mesterséges intelligenciát használjanak a munkafolyamataikban – egyes helyeken ez még a teljesítményértékelés részévé is vált.
Naga beszámolója szerint az év eleje óta négyszeresére nőtt azoknak a száma az Ubernél, akik a legmodernebb AI-eszközöket használják, ugyanakkor ez a növekedés az egy tokenre jutó költségek csökkenésével járt együtt. A költségcsökkentést több tényezőnek tulajdonította: javították a prompt-gyorsítótárazási folyamatot, jobb alapértelmezett modelleket vezettek be, nagyobb rálátást biztosítottak a mérnököknek az AI-használatukra, valamint kísérleteztek nyílt súlyú modellekkel is. „A következő fázis, akárhogy is nevezzük, nem arról fog szólni, hogy ki költ el több tokent, hanem arról, hogyan használják azokat a lehető leghatékonyabban” – fogalmazott a technológiai igazgató.
A pénzügyi vezető, Balaji Krishnamurthy is hasonló eredményekről számolt be a vállalat második negyedéves earnings callján. „Az AI terén még nagyon az elején járunk, de azt látjuk, hogy költséghatékonyan tudunk termelékenységnövekedést elérni a fejlesztőknél” – mondta, hozzátéve, hogy a mérnökök kódtermelése megduplázódott. Az Uber korábban maga indította el a tokenmaxxing hullámot, amikor Naga áprilisban bejelentette, hogy már túllépték a 2026-os költségkeretüket az Anthropic Claude Code-jára, és hogy hetente 1800 kódmódosítást teljesen a belső programozó ügynökük ír. Májusban azonban Andrew Macdonald operatív igazgató már arról beszélt, hogy egyre nehezebb megindokolni az AI-befektetések kompromisszumait, mivel nem látott arányos termelékenységnövekedést a megnövekedett költségekhez képest.
Ez a probléma nem csak az Ubert érinti; a teljes technológiai iparág azzal küszködik, hogyan érjen el jobb megtérülést a jelentősen felduzzasztott AI-kiadásaiból. Egyes cégek, mint például a Coinbase, a modellváltásos megoldást tesztelik, ami azt jelenti, hogy a legnehezebb feladatokat a csúcsmodellekre bízzák, míg az egyszerűbb, ismétlődő feladatokat olcsóbb modellekre terhelik át. A vállalati AI-költések problémája ráadásul új üzleti hullámot is elindított: számos tanácsadó cég és infrastruktúra-szolgáltató jött létre, amelyek kifejezetten arra specializálódtak, hogy segítsenek a vállalatoknak csökkenteni az AI-költségeiket és méretezhetővé tenni az AI-megoldásaikat költséghatékony módon.
Ez a cikk a Neural News AI (V1) verziójával készült.
Forrás: https://www.businessinsider.com/uber-cto-praveen-neppalli-tokenmaxxing-era-end-2026-8#article.
A képet BoliviaInteligente készítette, mely az Unsplash-on található.
