செயற்கை நுண்ணறிவின் 'டோக்கன்மேக்ஸிங்' உற்பத்தித்திறனை விலையுயர்ந்த போட்டியாக மாற்றுகிறது.

முன்கூட்டியே வருவது அல்லது மதிய உணவு இடைவேளையில் வேலை செய்வது போன்றவற்றை மறந்துவிடுங்கள். 2026-ல், பணியாளர்கள் செயற்கை நுண்ணறிவை எந்த அளவிற்குத் தீவிரமாகப் பயன்படுத்துகிறார்கள் என்பதைப் பொறுத்தே தொழில் வெற்றி பெருகிய முறையில் அமையும்.

அமேசான், டிஸ்னி மற்றும் மெட்டா உள்ளிட்ட நிறுவனங்களின் நிர்வாகிகள் தற்போது, ​​உள்ளக டாஷ்போர்டுகள், லீடர்போர்டுகள் மற்றும் பயன்பாட்டு அளவீடுகள் மூலம் ஊழியர்களின் செயற்கை நுண்ணறிவுச் செயல்பாடுகளைக் கண்காணித்து வருகின்றனர்.

மெட்டாவில், ஊழியர்கள் தாங்கள் பயன்படுத்தும் AI “டோக்கன்களின்” எண்ணிக்கையைக் கொண்டு, மிகவும் சுறுசுறுப்பான 250 பணியாளர்களைக் கண்காணிக்கும் தரவரிசைகளில் போட்டியிட்டுள்ளனர். டோக்கன்கள் என்பவை AI அமைப்புகளால் செயலாக்கப்படும் உரைத் துண்டுகளைக் குறிக்கின்றன.

டிஸ்னி இதேபோன்ற “செயற்கை நுண்ணறிவு பயன்பாட்டு டாஷ்போர்டை” இயக்குகிறது, அதே நேரத்தில் அமேசான் பரவலான செயற்கை நுண்ணறிவு பயன்பாட்டை ஊக்குவித்துள்ளது; இதன் காரணமாக, சில ஊழியர்கள் தேவையற்ற பணிகளை செயற்கை நுண்ணறிவு கருவிகளுக்கு ஒதுக்குவதன் மூலம் அதன் செயல்பாடுகளை மிகைப்படுத்துவதாகக் கூறப்படுகிறது.

“டோக்கன்மேக்ஸிங்” என்று அழைக்கப்படும் இந்தப் புதிய நடைமுறையானது, வெளியீடுகளை அளவிடுவது கடினமாக இருக்கும்போதும், உற்பத்தித்திறனின் ஒரு செயல்திறன் அளவீடாக மாறியுள்ளது.

ஒரு தொழில்நுட்ப ஊழியர் இதை, ஒரு கட்டுமானத் தளத்தில் மரத்தூளைக் கண்காணிப்பதோடு ஒப்பிட்டு, இது அர்த்தமுள்ள வெளியீட்டைக் காட்டிலும் செயல்பாட்டையே குறிக்கிறது என்று கூறினார்.

ஆனால் இந்த உத்தி செலவு மிக்கதாக அமைகிறது. நிறுவனங்கள் அழுத்தம் கொடுப்பதால் தொழிலாளர்கள் செயற்கை நுண்ணறிவுப் பயன்பாட்டை அதிகபட்சமாக்குவதற்காக, பெரிய மொழி மாதிரிகளுடன் தொடர்புடைய வேகமாக அதிகரித்து வரும் கணக்கீட்டுச் செலவுகளால் தகவல் தொழில்நுட்ப நிதி ஒதுக்கீடுகள் நெருக்கடிக்கு உள்ளாகின்றன.

முக்கிய நிறுவனங்களில் நிதி நெருக்கடி ஏற்கனவே தென்படுகிறது.

கிளாட் கோட் போன்ற கோடிங் கருவிகளுக்கான தேவையின் காரணமாக, உபெர் நிறுவனம் தனது ஆண்டுக்கான செயற்கை நுண்ணறிவு (AI) பட்ஜெட்டை நான்கு மாதங்களுக்கும் குறைவான காலத்தில் தீர்த்துவிட்டதாக அந்நிறுவனத்தின் தலைமை தொழில்நுட்ப அதிகாரி பிரவீன் நெப்பள்ளி நாகா ஏப்ரல் மாதம் வெளிப்படுத்தினார்.

உபரின் தலைமைச் செயல்பாட்டு அதிகாரியான ஆண்ட்ரூ மெக்டொனால்ட், வருமானம் நிச்சயமற்றது என்று பின்னர் கூறினார்.

அந்தப் புள்ளிவிவரங்களில் ஒன்றுக்கும், 'சரி, இப்போது நாங்கள் உண்மையில் 25% அதிகமான பயனுள்ள நுகர்வோர் அம்சங்களை உருவாக்குகிறோம்' என்பதற்கும் இடையே ஒரு கோடு வரைவது மிகவும் கடினம்.

தொழில்நுட்ப ஆலோசனை நிறுவனமான ரெட்மாங்கின் பங்குதாரரான கபாசிடாஸைச் சேர்ந்த டேனி குவில்டன், சில நிறுவனங்களுக்குள் ஏற்பட்ட எதிர்வினை மிகக் கடுமையாக இருந்ததாகக் கூறினார்:

முதல் கட்டணப் பட்டியலைப் பார்த்ததும் ஒரு தலைமை நிதி அதிகாரி நாற்காலியிலிருந்து கீழே விழுந்துவிட்டார்.

ChatGPT போன்ற நுகர்வோர் AI கருவிகள் பெரும்பாலும் இலவசமாகவோ அல்லது சந்தா அடிப்படையிலோ இருந்தாலும், பெருநிறுவன அமைப்புகளுக்கு வழக்கமாக ஒவ்வொரு டோக்கனுக்கும் கட்டணம் வசூலிக்கப்படுகிறது. ஒரு தனிப்பட்ட வினவலுக்கு மிகக் குறைந்த செலவாகலாம், ஆனால் பெரிய அளவில் பயன்படுத்தும்போது, ​​அதன் பயன்பாடு மில்லியன் அல்லது பில்லியன் கணக்கான டோக்கன்களை எட்டக்கூடும்.

மேலும் மேம்பட்ட பணிகள் செலவுகளைப் பெருமளவில் அதிகரிக்கின்றன. ஒரு சிறிய கேள்விக்குச் சில டோக்கன்கள் தேவைப்படலாம், ஆனால் அறிக்கைகள் அல்லது குறியீடுகளை உருவாக்குவதற்கு ஒவ்வொரு கோரிக்கைக்கும் ஆயிரக்கணக்கான டோக்கன்கள் செலவாகலாம்.

பகுப்பாய்வாளர்களின் கூற்றுப்படி, ஒரு மில்லியன் டோக்கன்களுக்கு சுமார் £4 விலையுள்ள மாடல்கள் கூட, பெருநிறுவன அளவில் விலை உயர்ந்ததாக மாறி வருகின்றன; குறிப்பாக, பொறியாளர்கள் பின்னணியில் தொடர்ச்சியாக இயங்கும் தானியங்கு “ஏஜென்ட்” அமைப்புகளைப் பயன்படுத்தும்போது இந்த விலை உயர்வு ஏற்படுகிறது.

சில அணிகள் இப்போது, ​​இரவோடு இரவாகத் தரவுகளைப் பகுப்பாய்வு செய்யும் அல்லது தன்னிச்சையாகக் குறியீட்டை எழுதிச் சோதிக்கும் செயற்கை நுண்ணறிவு முகவர்களின் திரள்களை இயக்குகின்றன.

இந்த அமைப்புகள் பெரும்பாலும் கூடுதல் செயற்கை நுண்ணறிவு முகவர்களால் நிர்வகிக்கப்படுவதால், பயன்பாடு மேலும் பன்மடங்கு பெருகுகிறது.

செயற்கை நுண்ணறிவு நிறுவனமான ஆந்த்ரோபிக்கின் கிளாட் கோட் பிரிவின் தலைவர் போரிஸ் செர்னி, குறியீட்டுப் பணிகளுக்காகத் தனிப்பட்ட முறையில் நூற்றுக்கணக்கான ஏஜென்ட்களை ஒரே நேரத்தில் இயக்குவதாகக் கூறுகிறார்.

இதற்கிடையில், தனது OpenClaw என்ற செயற்கை நுண்ணறிவு கருவியை OpenAI நிறுவனத்திற்கு விற்ற பீட்டர் ஸ்டீன்பெர்கர், டோக்கன் பயன்பாட்டிற்காக ஒரே மாதத்தில் £1 மில்லியன் செலவிட்டதாகவும், அந்தச் செலவுகளை அவரது முதலாளி ஏற்றுக் கொண்டதாகவும் கூறப்படுகிறது.

என்விடியா தலைமை நிர்வாகி ஜென்சன் ஹுவாங் சம்பளத்திற்கு ஏற்ப செயற்கை நுண்ணறிவு பயன்பாடும் அதிகரிக்க வேண்டும் என வாதிட்டுள்ளார்:

அந்த 500,000 டாலர் பொறியாளர் குறைந்தபட்சம் 250,000 டாலர் மதிப்புள்ள டோக்கன்களைப் பயன்படுத்தவில்லை என்றால், நான் மிகவும் கவலைப்படுவேன்.

இந்த உள்கட்டமைப்பின் பெரும்பகுதிக்கு ஆற்றலளிக்கும் சிப்களைத் தயாரிக்கும் என்விடியா, தொழில்துறை முழுவதும் அதிகரித்து வரும் கணக்கீட்டுத் தேவையால் பயனடைய உள்ளது.

இருப்பினும், டோக்கன் பயன்பாடு என்பது உற்பத்தித்திறனுக்கான ஒரு மோசமான அளவுகோல் என்று நிபுணர்கள் எச்சரிக்கின்றனர்.

தொழில்நுட்ப ஆலோசனை நிறுவனமான ரெட்மாங்கின் நிறுவனர் ஜேம்ஸ் கவர்னர் கூறியதாவது:

நீங்கள் எல்லோரிடமும் 'நிறைய டோக்கன்களை எரியுங்கள்' என்று சொன்னால், நீங்கள் நிறைய டோக்கன்களை எரிப்பீர்கள். ஆனால் அது உற்பத்தித்திறனை அளவிடுவதற்கான சரியான அளவுகோல் அல்ல.

பெரும்பாலான நிறுவனங்கள், நிரூபிக்கப்படாத உற்பத்தித்திறனுக்காக அத்தகைய பெரும் தொகையை நடைமுறையில் செலவிடும் நிலையில் இல்லை.

செலவுகளும் வேகமாக அதிகரித்து வருகின்றன.

மேம்பட்ட மாடல்களுக்கான தேவை அதிகரித்து வருவதால், 2026 ஆம் ஆண்டின் தொடக்கத்திலிருந்து டோக்கன் விலை கிட்டத்தட்ட இருமடங்காக உயர்ந்துள்ளது என்றும், மே மாதத்திலிருந்து 26% அதிகரித்துள்ளது என்றும் ஆய்வுகள் தெரிவிக்கின்றன.

முகவர் அடிப்படையிலான அமைப்புகள் இந்த வளர்ச்சியின் ஒரு முக்கிய உந்துசக்தியாக விளங்குகின்றன, ஏனெனில் வழக்கமான சாட்பாட் உரையாடல்களை விட அவற்றுக்குக் கணிசமாக அதிக கணினி ஆற்றல் தேவைப்படுகிறது.

இந்த அதிகரித்து வரும் செலவுகள் சில நிறுவனங்களைத் தங்கள் அணுகுமுறையை மறுபரிசீலனை செய்யத் தூண்டுகின்றன.

டார்கெட் நிறுவனத்தின் நிர்வாகியான ஆண்ட்ரியா ஜிம்மர்மேன், செயற்கை நுண்ணறிவுக்கான அதிகப்படியான செலவுகள், தங்களது "வியூகத்தை மறுமதிப்பீடு செய்ய" தங்களைத் தூண்டுவதாகக் கூறினார்.

டுயோலிங்கோவின் தலைமை நிர்வாகி லூயிஸ் வான் ஆன், செயற்கை நுண்ணறிவு பயன்பாட்டின் அடிப்படையில் ஊழியர்களை மதிப்பீடு செய்யும் தனது முந்தைய திட்டங்களை மாற்றியமைத்து, அந்தத் தொழில்நுட்பத்தைப் பயன்படுத்த ஊழியர்களைத் தாம் "கட்டாயப்படுத்தப்" போவதில்லை என்றும் கூறியுள்ளார்.

அதே நேரத்தில், சில நிறுவனங்கள் மற்ற இடங்களில் செலவுகளைக் குறைப்பதன் மூலம் செயற்கை நுண்ணறிவுக்கான செலவினங்களை ஈடுசெய்ய முயற்சிக்கின்றன.

மெட்டா நிறுவனம் சமீபத்தில் தனது பணியாளர்களின் எண்ணிக்கையை சுமார் 8,000 பணியிடங்கள் குறைத்துள்ளது, அதே நேரத்தில் உபெர் நிறுவனம் அதிகரித்து வரும் செயற்கை நுண்ணறிவு செலவினங்களைச் சமன் செய்வதற்காக ஆள்சேர்ப்பைக் குறைத்துள்ளது.

கோல்ட்மேன் சாக்ஸ் நிறுவனத்தின் ஆய்வாளர்களின் மதிப்பீட்டின்படி, பொறியியல் பணிகளுடன் தொடர்புடைய செயற்கை நுண்ணறிவுக்கான செலவினம், மனித உழைப்புச் செலவில் கிட்டத்தட்ட 10 சதவீதத்தை நெருங்குகிறது; தற்போதைய போக்குகள் தொடர்ந்தால், இந்தச் சமநிலை ஏற்படவும் வாய்ப்புள்ளது.

சிசிஎஸ் இன்சைட் நிறுவனத்தின் ஆய்வாளர் போலா ரோடிபி கூறியதாவது:

சில நிறுவனங்கள் ஆரம்பத்தில், ஆள்சேர்ப்பிலிருந்து செலவினங்களுக்கு முன்னுரிமை அளித்து, அவற்றை செயற்கை நுண்ணறிவின் பக்கம் திருப்ப முனையலாம்.

ஆனால் காலப்போக்கில், செயற்கை நுண்ணறிவுச் செலவினத்திற்கும் நிரூபிக்கப்பட்ட விளைவுகளுக்கும் இடையே தெளிவான தொடர்புகளைத் தலைவர்கள் கோருவதால், அந்தச் சமநிலை மறுபரிசீலனை செய்யப்படும்.

இறுதியில், வேகமாகப் பெருகிவரும் செயற்கை நுண்ணறிவுப் பொருளாதாரத்தில், “டோக்கன்மேக்ஸிங்” என்பது உண்மையான உற்பத்தித்திறனைக் குறிக்கிறதா அல்லது வெறும் விலையுயர்ந்த ஒரு சமிக்கை நடவடிக்கையா என்பதே பல நிறுவனங்களுக்கு எழும் கேள்வியாகும்.