Yapay zeka maliyetleri kontrolden çıkıyor: Şirketler krizin eşiğinde

Teknoloji dünyasında, yapay zeka (AI) maliyetlerinin beklenmedik şekilde artması nedeniyle büyük şirketler bütçelerini yeniden gözden geçirmek zorunda kalıyor. Örneğin, Uber, 2026 yılına kadar planlanan AI kodlama bütçesini bu yılın Nisan ayına kadar tüketti. Microsoft ise geliştiricilerine sağlanan Claude Code lisanslarını birkaç ay içinde iptal etti. Token fiyatları düşmesine rağmen, otonom ajanların yaygınlaşması tüketim hacmini keskin bir şekilde artırdı. Techcrunch.com haber veriyor.

Şirketler 2025'in başında sınırsız aboneliklere güvenerek işe başlamış olsalar da, şimdi fonların nereye gittiğini anlamaya ve maliyetleri kontrol altına almaya çalışıyorlar. OpenAI kurumsal bölümünün başkanı Alexander Embricos'a göre, müşterilerle yapılan görüşmelerde konu, modelin yeteneklerinden verimliliğine ve token kontrolüne kaydı. Şu anda piyasa katılımcıları, AI maliyetlerini izlemek için yeni araçlar ve standartlar geliştirmeye başladılar.

Linux Foundation tarafından duyurulan Tokenomics Foundation projesi tam da bu sorunu çözmeyi amaçlıyor. FinOps Foundation'ın icra direktörü J.R. Storment'in belirttiği gibi, birçok şirket Nisan ayına kadar yıllık bütçenin üç katı kadar kaynak harcamıştı. Bu durum, teknoloji sektöründe gerçek bir varoluşsal krize yol açtı ve "daha hızlı hareket et" sloganının yerini "güvenlik bariyerleri ve kontrol" aldı.

Anthropic'in Claude Opus 4.5'i, OpenAI'ın GPT-5.1'i ve Google'ın Gemini 3 Pro'su gibi yeni nesil modeller, ajans işlevlerini iyileştirmiş olsa da, bu durum tüketimin katlanarak artmasına neden oldu. Bazı bilgilere göre, bir şirket çalışanlar için limit koymayı unuttuğu için Claude için 500 milyon dolar ödemek zorunda kaldı. Priceline yetkilileri bu durumu özgün bir "bağımlılık" olarak nitelendiriyor.

Faros AI ve Jellyfish gibi platformlar tarafından yapılan araştırmalar, AI araçlarını yoğun kullanan mühendislerin iki kat daha verimli olabileceğini, ancak bunu başarmak için 10 kat daha fazla token harcadıklarını gösteriyor. Bununla birlikte, kodlardaki hatalar ve yeniden yazımların sayısı da artıyor, bu da yapay zekanın ekonomik verimliliğini şüphe altına alıyor.