AI သုံးစွဲမှုက ပညာရှင် ငှားရမ်းမှု စရိတ်ထက် ပိုမို ကြီးမြင့်
သတင်းနှင့် မီဒီယာ ကွန်ရက်။
၂၀၂၆ ခုနှစ်၊ မေလ ၂၅ ရက်။
AI များ အသုံးပြုခနှင့် Agentic Coding ကုန်ကျစရိတ်များ မြင့်တက်လာခြင်းကြောင့် ကုမ္ပဏီကြီးများတွင် AI ကုန်ကျစရိတ် အကျပ်အတည်းနှင့် ရင်ဆိုင်နေရကြောင်း နည်းပညာ ဆိုင်ရာ သတင်းဌာနဖြစ်သည့် Verge က ဖော်ပြလိုက်သည်။
ကမ္ဘာ့ထိပ်တန်း နည်းပညာကုမ္ပဏီကြီးများဖြစ်ကြသည့် မိုက်ခရိုဆော့ဖ် (Microsoft) နှင့် အူးဘား (Uber) တို့သည် လုပ်ငန်းခွင်အတွင်း AI နည်းပညာ အသုံးပြုရာ၌ ခန့်မှန်းထားသည်ထက် ကုန်ကျစရိတ် အဆမတန် ပိုမိုမြင့်တက်လာသည့် ပြဿနာကို လူသိရှင်ကြား စတင်ရင်ဆိုင်နေရပြီ ဖြစ်သည်။
မိုက်ခရိုဆော့ဖ် ကုမ္ပဏီသည် ကုန်ကျစရိတ် (Token Bills) အလွန်အမင်း မြင့်တက်လာခြင်းကြောင့် ၎င်းတို့၏ ဝန်ထမ်းများအတွင်း အသုံးပြုနေသည့် Claude Code ဆော့ဖ်ဝဲလ်လိုင်စင် အများစုကို ပယ်ဖျက်လိုက်ရသည်။
Uber ကုမ္ပဏီကလည်း ၂၀၂၆ ခုနှစ် တစ်နှစ်စာလုံးအတွက် သတ်မှတ်ထားသည့် AI အသုံးစရိတ် ဘတ်ဂျက်တစ်ခုလုံးသည် ယခုနှစ် ဧပြီလအတွင်းမှာပင် ကုန်ဆုံးသွားခဲ့ပြီဖြစ်ကြောင်း ဝန်ခံလိုက်သည်။
အဆိုပါ လုပ်ငန်းသုံး AI (Enterprise AI) ကဏ္ဍတွင် သုံးစွဲမှုအလိုက် ကောက်ခံသည့် စနစ်များကြောင့် (Token-based pricing) ကုမ္ပဏီများအနေဖြင့် လူအင်အား လျှော့ချနိုင်မှုမှ ရရှိသည့် သက်သာစရိတ်ထက် AI အသုံးပြုခ ပြေစာများက ပိုမိုများပြားနေသည်ဟု ဆိုသည်။
ထို့ကြောင့် ကုမ္ပဏီများသည် ပြီးခဲ့သည့် ၂၀၂၅ ခုနှစ်နှောင်းပိုင်းက အလျင်အစလို ဖြန့်ကြက်ခဲ့သည့် AI စနစ်များအပေါ် ဘဏ္ဍာရေးဆိုင်ရာ ထိန်းချုပ်မှုများကို အရေးပေါ် ပြန်လည်ပြင်ဆင် လုပ်ဆောင်နေကြရသည်။
နည်းပညာသတင်းဌာနတစ်ခုဖြစ်သည့် Verge ၏ ဖော်ပြချက်အရ မိုက်ခရိုဆော့ဖ် ကုမ္ပဏီသည် ၂၀၂၆ ခုနှစ် မေလလယ်ပိုင်းမှစ၍ ၎င်းတို့၏ ဝန်ထမ်းများအတွင်း အသုံးပြုနေသော Anthropic ကုမ္ပဏီထုတ် Claude Code လိုင်စင်များကို စတင်ပိတ်သိမ်းခဲ့သည်။
ကုမ္ပဏီ၏ Experiences and Devices ဌာနခွဲရှိ အင်ဂျင်နီယာအများစု၏ AI အသုံးပြုခွင့်ကို လာမည့် ဇွန်လ ၃၀ ရက်နေ့တွင် အပြီးသတ် ရပ်ဆိုင်းသွားမည် ဖြစ်သည်။
မိုက်ခရိုဆော့ဖ်၏ ကိုယ်ပိုင်အစီရင်ခံစာများတွင် AI ကြောင့် ကုန်ထုတ်စွမ်းအား ၈၀ ရာခိုင်နှုန်းအထိ တိုးတက်လာကြောင်း ဖော်ပြထားသော်လည်း၊ ပမာဏအမြောက်အမြား အသုံးပြုလာချိန်တွင် တိုကင်အခြေပြု ကောက်ခံသည့်စနစ် (Token-based billing) ကြောင့် ကုန်ကျစရိတ်ကို ဆက်လက်မခံနိုင်တော့ခြင်း ဖြစ်ကြောင်း Fortune သတင်းကလည်း ဆိုသည်။
တစ်ချိန်တည်းတွင် Uber ကုမ္ပဏီ၏ နည်းပညာဆိုင်ရာ အရာရှိချုပ် (CTO) ပရာဗင်း နက်ပလ္လီ နာဂါ (Praveen Neppalli Naga) က ၎င်းတို့အနေဖြင့် ခန့်မှန်းထားသည့် ဘတ်ဂျက်များအားလုံး ကုန်ခမ်းသွားခဲ့ပြီ ဖြစ်ရာ ကနဦးအစီအစဉ်များကို အစကနေ ပြန်လည်ရေးဆွဲနေရပြီဖြစ်ကြောင်း ထုတ်ဖော်ပြောကြားခဲ့သည်။
Uber သည် လွန်ခဲ့သော ၄ လခန့်က အင်ဂျင်နီယာပေါင်း ၅,၀၀၀ ကျော်ကို အဆိုပါ Claude Code စနစ်အား စတင်အသုံးပြုခွင့်ပေးခဲ့ခြင်း ဖြစ်သည်။
ဖို့ဘ်စ် (Forbes) သတင်းဌာန၏ ဖော်ပြချက်အရ အင်ဂျင်နီယာတစ်ဦးလျှင် AI အသုံးပြုခ ကုန်ကျစရိတ်သည် တစ်လလျှင် အမေရိကန်ဒေါ်လာ ၅၀၀ မှ ၂,၀၀၀ အထိ ရှိနေသည်။
လက်ရှိတွင် ကုမ္ပဏီကြီးများ၏ နည်းပညာအဖွဲ့များအတွင်း ကုဒ်ရေးသားမှု စုစုပေါင်း၏ ၇၀ ရာခိုင်နှုန်းခန့်ကို AI ကူညီရေးကိရိယာများဖြင့် လုပ်ဆောင်နေခြင်းဖြစ်ရာ Claude စနစ်အပေါ် မှီခိုမှုမှာ အလွန်မြင့်မားလျက်ရှိသည်။
Mavvrik သုတေသနအဖွဲ့၏ ၂၀၂၅ ခုနှစ် စစ်တမ်းအရ ကုမ္ပဏီများ၏ ၈၅ ရာခိုင်နှုန်းခန့်သည် ၎င်းတို့ ခန့်မှန်းထားသည့် AI ကုန်ကျစရိတ်ထက် ၁၀ ရာခိုင်နှုန်းကျော် ပိုမိုကျော်လွန် သုံးစွဲမိနေကြပြီး၊ ၈၄ ရာခိုင်နှုန်းသော ကုမ္ပဏီများတွင် AI အသုံးစရိတ်ကြောင့် ကုမ္ပဏီ၏ အသားတင်အမြတ်အစွန်း (Gross Margins) ၆ ရာခိုင်နှုန်းကျော်အထိ လျော့ကျသွားစေခဲ့ကြောင်း ထောက်ပြထားသည်။
စီးပွားရေးလေ့လာဆန်းစစ်သူများက ယခုအခြေအနေကို “AI ကုန်ကျစရိတ် အကျပ်အတည်း စတင်ပြီ” ဟု မှတ်ချက်ပြုကြသည်။
နည်းပညာကုမ္ပဏီကြီးများ၏ AI ဆိုင်ရာ မတည်ရင်းနှီးမြှုပ်နှံမှု (Capex) သည် ၂၀၂၆ ခုနှစ် ပထမသုံးလပတ် (Q1) အတွင်းမှာပင် အမေရိကန်ဒေါ်လာ ၆၅၀ ဘီလီယံအထိ စံချိန်တင် မြင့်တက်ခဲ့သည်။
ထို့ကြောင့် အဖွဲ့အစည်းများအတွင်း AI အသုံးစရိတ်ကို စနစ်တကျ ပြန်လည်စီမံခန့်ခွဲရသည့် FinOps (Financial Operations) အဖွဲ့များ ထားရှိမှုနှုန်းမှာ တစ်နှစ်အတွင်း ၃၁ ရာခိုင်နှုန်းမှ ၆၃ ရာခိုင်နှုန်းအထိ နှစ်ဆနီးပါး မြင့်တက်လာခဲ့သည်။
အဆိုပါ ကုန်ကျစရိတ်များကြောင့် သုံးစွဲသူ ကုမ္ပဏီများ ဘတ်ဂျက်အခက်အခဲဖြစ်နေသော်လည်း AI ပံ့ပိုးပေးသည့် အင်သရိုးပစ် (Anthropic) ကုမ္ပဏီအတွက်မူ ဒုတိယသုံးလပတ် (Q2) တွင် ဝင်ငွေခန့်မှန်းချက် အမေရိကန်ဒေါ်လာ ၁၀.၉ ဘီလီယံအထိ ရရှိနိုင်သဖြင့် ကုမ္ပဏီသမိုင်းတွင် ပထမဆုံးအကြိမ်အဖြစ် အမြတ်အစွန်းရရှိမည့် ကာလဖြစ်လာမည် ဖြစ်သည်။
လက်ရှိတွင် ကုမ္ပဏီအများစုသည် ယခင်က ကန့်သတ်ချက်မရှိ လွှတ်ထားခဲ့သည့် AI အသုံးပြုမှုများကို ကန့်သတ်ချက် (Quotas) များ ထားရှိခြင်း၊ ပြည်တွင်းအသုံးပြုမှု အဆင့်ဆင့်သတ်မှတ်ခြင်းနှင့် ဈေးနှုန်းသက်သာသည့် AI မော်ဒယ်ငယ် (Cheaper models) များဆီသို့ လမ်းကြောင်းလွှဲပြောင်း အသုံးပြုစေခြင်း စသည့် ထိန်းချုပ်မှုဗျူဟာများကို အလျင်အမြန် ချမှတ်လုပ်ဆောင်နေကြရသည်ဟု ဆိုသည်။
