Τι συμβαίνει όταν οι επιχειρήσεις δεν μπορούν πλέον να αντέξουν οικονομικά την τεχνητή νοημοσύνη τους;

Τα πρώτα χρόνια, η Uber έκανε μια διαδρομή από τη μία πλευρά της πόλης στην άλλη φθηνότερη από ένα ταξί. Οι επενδυτές κάλυπταν τη διαφορά, μέχρι που η εταιρεία χρειάστηκε να γίνει κερδοφόρα. Τα στοιχεία της Rakuten Intelligence έδειξαν ότι οι τιμές των υπηρεσιών μετακίνησης με κλήση οχήματος στις ΗΠΑ αυξήθηκαν κατά 92% από το 2018 έως το 2021 και, έως το 2023, ακόμη και ο διευθύνων σύμβουλος της Uber εξεπλάγη όταν έμαθε πόσο κόστιζε πλέον μια διαδρομή τριών μιλίων στη Νέα Υόρκη.

Η τεχνητή νοημοσύνη πλησιάζει σε μια ανάλογη καμπή. Η Anthropic επιβεβαίωσε τον Ιούνιο ότι είχε καταθέσει εμπιστευτικά αίτηση για εισαγωγή στο χρηματιστήριο των ΗΠΑ, ενώ, σύμφωνα με πληροφορίες, η OpenAI ετοιμάζεται να ακολουθήσει. Οι εισηγμένες εταιρείες λογοδοτούν στους μετόχους κάθε τρίμηνο και αυτός ο έλεγχος τείνει να επηρεάζει την τιμολόγηση.

Αυτό γεννά ένα ερώτημα που πολλές επιχειρήσεις δεν έχουν ακόμη θέσει: τι θα συμβεί αν η τεχνητή νοημοσύνη στην οποία βασίζονται τα προϊόντα τους γίνει ακριβότερη, υπόκειται σε περισσότερους περιορισμούς ή και στα δύο; Η απάντηση εξαρτάται λιγότερο από τις αποφάσεις των εταιρειών τεχνητής νοημοσύνης και περισσότερο από τον τρόπο με τον οποίο κάθε επιχείρηση έχει οργανώσει τη δραστηριότητά της γύρω από αυτές· υπάρχει, μάλιστα, ακόμη χρόνος για προετοιμασία.

Το κόστος της τεχνητής νοημοσύνης έχει μεταφερθεί από τον προϋπολογισμό πληροφορικής στο επιχειρηματικό μοντέλο

Οι πρώτοι λογαριασμοί για την τεχνητή νοημοσύνη ήταν αρκετά μικροί ώστε να καταχωρίζονται στα έξοδα πειραματισμού. Σήμερα, η τεχνητή νοημοσύνη είναι ενσωματωμένη σε προϊόντα και ροές εργασίας, επομένως το κόστος της επηρεάζει άμεσα τα περιθώρια κέρδους. Οι σημερινές τιμές αντανακλούν μια περίοδο μεγάλων επενδύσεων.

Σε δοκιμή της εταιρείας ερευνών SemiAnalysis, ένα πρόγραμμα Claude Max που κοστίζει $200 τον μήνα παρείχε χρήση αξίας περίπου $8,000 τον μήνα, με τις συνήθεις τιμές API. Αυτό είναι γενναιόδωρο για τους χρήστες και δείχνει πόσο απέχουν ορισμένες τιμές από το υποκείμενο κόστος της υπηρεσίας.

Ορισμένες προσαρμογές έχουν ήδη αρχίσει. Στα μέσα του 2025, το εργαλείο προγραμματισμού με τεχνητή νοημοσύνη Cursor αντικατέστησε το πρόγραμμά του των $20 τον μήνα με χρέωση βάσει χρήσης, σύμφωνα με τις τιμές API, ενώ η Anthropic θέσπισε εβδομαδιαία όρια χρήσης για τους χρήστες του Claude Code με τη μεγαλύτερη κατανάλωση. Ο προγραμματιστής Simon Willison εκτίμησε ότι η εποχή της χρήσης τεχνητής νοημοσύνης που επιδοτούνταν από επενδυτές μπορεί να φτάνει στο τέλος της.

Οι αναλυτές δίνουν παρόμοιες συμβουλές. Οι κατευθυντήριες οδηγίες της Gartner του Αυγούστου του 2026 προτρέπουν τα διευθυντικά στελέχη να προετοιμαστούν για πιθανές αυξήσεις στις τιμές της τεχνητής νοημοσύνης. Οι αναλυτές της έχουν επίσης προειδοποιήσει ότι οι οργανισμοί που δεν κατανοούν πώς κλιμακώνεται το κόστος της τεχνητής νοημοσύνης μπορεί να το υπολογίσουν λανθασμένα κατά 500% έως 1,000%.

Η μείωση του μοναδιαίου κόστους βοηθά, αλλά μέχρις ενός σημείου. Η Epoch AI δείχνει ότι η τιμή για ένα δεδομένο επίπεδο επιδόσεων της τεχνητής νοημοσύνης μειώνεται απότομα κάθε χρόνο, ωστόσο ερευνητές του MIT διαπίστωσαν ότι τα νεότερα μοντέλα συλλογισμού απαιτούν πολύ περισσότερους υπολογιστικούς πόρους για να καταλήξουν στις απαντήσεις τους. Ο λογαριασμός αυξάνεται όσο μεγαλώνει η χρήση, και η χρήση συνεχίζει να αυξάνεται.

Τι μπορεί να σημαίνουν οι δημόσιες εγγραφές των εταιρειών τεχνητής νοημοσύνης για τις νεοφυείς επιχειρήσεις που βασίζονται σε αυτές

Η εισαγωγή στο χρηματιστήριο επιβάλλει πειθαρχία. Οι εισηγμένες εταιρείες τεχνητής νοημοσύνης θα πρέπει να παρουσιάζουν στους επενδυτές ένα σχέδιο για βιώσιμα περιθώρια κέρδους, ενώ η τιμολόγηση είναι ένας από τους πιο άμεσους μοχλούς που διαθέτουν. Αυτό μπορεί να σημαίνει υψηλότερες τιμές καταλόγου, αυστηρότερα όρια χρήσης, μεταφορά λειτουργιών σε ακριβότερα πακέτα ή ταχύτερη απόσυρση παλαιότερων μοντέλων.

Οι νεοφυείς επιχειρήσεις δραστηριοποιούνται επίσης στην ίδια αγορά με τους προμηθευτές τους. Οι εταιρείες τεχνητής νοημοσύνης προσφέρουν όλο και συχνότερα δικές τους εφαρμογές, όπως έκανε η Anthropic με το Claude Code, επομένως είναι σημαντικό να αποσαφηνίζεται ποια αξία προσθέτει μια επιχείρηση πέρα από το ίδιο το μοντέλο.

Υπάρχει και μια θετική πλευρά. Οι εισηγμένες εταιρείες δημοσιοποιούν περισσότερες πληροφορίες, προσφέροντας στους πελάτες σαφέστερη εικόνα για την τιμολόγηση της τεχνητής νοημοσύνης. Ο ανταγωνισμός μεταξύ παρόχων, μαζί με τα μοντέλα ανοικτού κώδικα που βελτιώνονται γρήγορα, αναμένεται να συγκρατήσει τις τιμές για όσους είναι έτοιμοι να αλλάξουν πάροχο.

Πώς μπορούν οι εταιρείες να μειώσουν την εξάρτησή τους

Ο επιχειρηματικός κίνδυνος συνοψίζεται σε δύο ερωτήματα. Θα εκτιμούσαν αρκετά οι πελάτες την υπηρεσία ώστε να πληρώσουν περισσότερο αν αυξάνονταν τα κόστη; Και υπάρχει αρκετό περιθώριο κέρδους για να απορροφηθεί μια αύξηση τιμών; Για κάθε επιχείρηση που δεν είναι βέβαιη για τις απαντήσεις, υπάρχουν πέντε πρακτικές που βοηθούν, χωρίς να χρειάζεται να ξεκινήσει από το μηδέν.

Γνωρίστε το κόστος κάθε εργασίας. Πολλές ομάδες γνωρίζουν τον μηνιαίο λογαριασμό τους για την τεχνητή νοημοσύνη, αλλά όχι το κόστος μιας μεμονωμένης ενέργειας πελάτη. Η μέτρηση του κόστους ανά εργασία δείχνει ποιες λειτουργίες, ποιοι πελάτες ή ποιες περιπτώσεις χρήσης θα γίνονταν ζημιογόνες αν οι τιμές αυξάνονταν κατά 30%, 50% ή ακόμη και 100%.

Χρησιμοποιήστε την τεχνητή νοημοσύνη εκεί όπου προσφέρει τη μεγαλύτερη αξία. Τα μεγάλα μοντέλα είναι ιδιαίτερα αποτελεσματικά στη διαχείριση της ασάφειας, για παράδειγμα όταν καλούνται να προσεγγίσουν ένα πρόβλημα για πρώτη φορά. Για επαναλαμβανόμενες εργασίες, συχνά ταιριάζει καλύτερα το συμβατικό λογισμικό. Στις δοκιμές λογισμικού, για παράδειγμα, η τεχνητή νοημοσύνη μπορεί να καθορίσει μία φορά πώς θα ελεγχθεί η διαδρομή ενός χρήστη· στη συνέχεια, ο έλεγχος εκτελείται χιλιάδες φορές ως συνηθισμένος κώδικας, χωρίς να καλείται κάποιο μοντέλο.

Επιλέξτε το κατάλληλο μοντέλο για κάθε εργασία. Η Epoch AI διαπίστωσε ότι τα καλύτερα μοντέλα ανοικτού κώδικα που μπορούν να εκτελεστούν σε μία κάρτα γραφικών για καταναλωτές υστερούν κατά περίπου έναν χρόνο ή λιγότερο σε σχέση με τα κορυφαία μοντέλα. Για εργασίες ρουτίνας, ένα μικρότερο μοντέλο ή ένα μοντέλο που φιλοξενείται στους ίδιους τους διακομιστές της επιχείρησης μπορεί να προσφέρει ικανοποιητικά αποτελέσματα με ένα κλάσμα του κόστους.

Διατηρήστε τη δυνατότητα αλλαγής παρόχου. Τα προϊόντα που βασίζονται σε συγκεκριμένες λειτουργίες ενός μόνο παρόχου είναι τα δυσκολότερα στη μετάβαση. Ένα απλό ενδιάμεσο επίπεδο ανάμεσα στο προϊόν και το μοντέλο, μαζί με τακτικές δοκιμές εναλλακτικών λύσεων, μετατρέπει μια μελλοντική αύξηση τιμών σε διαπραγματευτικό χαρτί.

Ορίστε τις τιμές με βάση το αποτέλεσμα. Η χρέωση των πελατών ανά token μετακυλίει σε αυτούς κάθε αλλαγή στις τιμές της τεχνητής νοημοσύνης. Μια σταθερή χρέωση ανά αποτέλεσμα, όπως η ολοκλήρωση μιας εργασίας ή η διεκπεραίωση ενός αιτήματος, διατηρεί σταθερές τις τιμές για τους πελάτες και δίνει στην επιχείρηση περιθώριο να απορροφήσει τις αλλαγές στο δικό της κόστος. Η ίδια λογική βοηθά και κατά την αγορά: τα εργαλεία που χρεώνουν ανά αποτέλεσμα διευκολύνουν την πρόβλεψη των μελλοντικών δαπανών.

Η προσιτή τιμή είναι θέμα σχεδιασμού

Οι αυξήσεις στις τιμές της Uber δεν έβαλαν τέλος στις υπηρεσίες μεταφοράς με κλήση οχήματος. Έβαλαν τέλος στα επιχειρηματικά μοντέλα που βασίζονταν στην υπόθεση ότι οι διαδρομές θα επιδοτούνταν πάντα. Η ΤΝ είναι πιθανό να ακολουθήσει παρόμοια πορεία. Καθώς τα μεγάλα εργαστήρια εισέρχονται στις δημόσιες αγορές, η τιμή της ΤΝ θα πλησιάσει περισσότερο το κόστος παροχής της και οι επιχειρήσεις θα κρίνονται με βάση το αν τα προϊόντα τους εξακολουθούν να λειτουργούν σε αυτή την τιμή.

Οι εταιρείες που είναι σε καλύτερη θέση να ανταποκριθούν σε αυτή τη μετατόπιση αντιμετωπίζουν την ΤΝ ως εξάρτηση που πρέπει να μετράται και να διαχειρίζεται. Για τις επιχειρήσεις που δεν έχουν ξεκινήσει ακόμη, δεν είναι αργά. Κάθε ένα από αυτά τα βήματα μπορεί να ξεκινήσει αυτό το τρίμηνο και καθιστά ευκολότερη την απορρόφηση της επόμενης αλλαγής τιμής.