Компании, такие как Tesla, Uber, Meta, Amazon и Walmart, меняют свой подход к потреблению ИИ-токенов. Изначально компании разрешали неограниченное использование ИИ, подобно модели "промпт-все, что можешь". Этому способствовали сильно субсидируемые цены на токены, когда ИИ-лаборатории покрывали большую часть расходов. Однако с ростом использования ИИ росли и расходы, что побудило финансовые отделы тщательно анализировать рентабельность инвестиций. Это привело к осознанию того, что не все задачи ИИ требуют дорогих, высокопроизводительных моделей. Концепция "tokenmaxxing", или максимизации использования токенов, теперь сменяется "valuemaxxing", которая фокусируется на расходах там, где ИИ приносит наибольшую отдачу.Для реализации "valuemaxxing" рекомендуется три шага. Во-первых, необходимо создать финансовые операции (FinOps) для эффективного отслеживания расходов на ИИ. Во-вторых, рутинные и объемные задачи следует делегировать более дешевым, менее мощным моделям ИИ или альтернативам с открытым исходным кодом, оставляя премиальные модели для сложных, многоэтапных процессов. В-третьих, при чрезвычайно высоком, постоянном использовании бизнесу следует рассмотреть экономическую эффективность владения собственным ИИ-оборудованием по сравнению с арендой доступа к API. Согласовывая использование ИИ с генерируемой ценностью, компании могут превратить расходы на ИИ из терпимых издержек в контролируемые инвестиции. Этот стратегический подход гарантирует, что дорогостоящие ресурсы ИИ будут использоваться только для задач, которые действительно оправдывают их стоимость, что приведет к значительной экономии без ущерба для общей полезности ИИ. Конечная цель — не использовать меньше ИИ, а использовать его более разумно и эффективно.