Όπως αναφέρει η Wall Street Journal, η τάση αυτή εξαπλώνεται σε ολοένα περισσότερους κλάδους και ενδέχεται να αλλάξει σημαντικά τα δεδομένα στην αγορά της AI, η οποία μέχρι σήμερα στηριζόταν σε μεγάλο βαθμό στην ανάπτυξη ολοένα ισχυρότερων και ακριβότερων μοντέλων.

Δεν χρειάζονται όλα τα tasks τα ακριβότερα μοντέλα

Η νέα προσέγγιση δεν σημαίνει ότι οι επιχειρήσεις εγκαταλείπουν τα κορυφαία μοντέλα της OpenAI και της Anthropic. Αντίθετα, τα χρησιμοποιούν πλέον πιο επιλεκτικά, κυρίως σε εργασίες υψηλής πολυπλοκότητας, όπου η πρόσθετη υπολογιστική ισχύς δικαιολογεί το κόστος.

Για τις απλούστερες εργασίες, όμως, επιλέγουν φθηνότερα μοντέλα, τα οποία μπορούν να προσφέρουν επαρκή αποτελέσματα με πολύ χαμηλότερη κατανάλωση πόρων.

Ο Μάικ Σέικς, πρώην επενδυτικός τραπεζίτης και σήμερα στέλεχος της Cursor, περιέγραψε χαρακτηριστικά τη νέα φιλοσοφία ως το να χρησιμοποιεί κάποιος μια Lamborghini για να πάει στο σούπερ μάρκετ για γάλα, ενώ το αυτοκίνητο έχει σχεδιαστεί για να τρέχει σε πίστα.

Η Cursor συμβουλεύει επιχειρήσεις για τον τρόπο με τον οποίο μπορούν να μετρούν και να βελτιώνουν την απόδοση των επενδύσεών τους στην τεχνητή νοημοσύνη, έχοντας μάλιστα δημιουργήσει τον όρο «tokenomics» για να περιγράψει την οικονομία της χρήσης των tokens.

Η εξοικονόμηση υπολογιστικών πόρων, ή αλλιώς η «tokenomical» προσέγγιση, αποτελεί ουσιαστικά μια αλλαγή παραδείγματος για την αγορά.

Από το «όσο πιο ισχυρό, τόσο καλύτερο» στο «όσο χρειάζεται»

Για χρόνια, η OpenAI και η Anthropic ανταγωνίζονταν για την ανάπτυξη ολοένα πιο ισχυρών μοντέλων, με το κόστος εκπαίδευσης και λειτουργίας τους να αυξάνεται σημαντικά.

Τώρα, όμως, οι επιχειρήσεις στέλνουν ένα διαφορετικό μήνυμα: δεν χρειάζονται πάντοτε το ισχυρότερο διαθέσιμο μοντέλο. Χρειάζονται το κατάλληλο μοντέλο για κάθε εργασία.

Η αλλαγή αυτή μπορεί να έχει σημαντικές συνέπειες και για την αποτίμηση των μεγαλύτερων εταιρειών του κλάδου, ιδιαίτερα καθώς η OpenAI και η Anthropic προετοιμάζονται για το επόμενο στάδιο ανάπτυξής τους και πιθανές χρηματιστηριακές εισαγωγές.

Εάν η αγορά μετακινηθεί από τη λογική της συνεχούς αύξησης της υπολογιστικής ισχύος προς τη λογική της βελτιστοποίησης του κόστους, τότε η αξία δεν θα βρίσκεται αποκλειστικά στην κατοχή του ισχυρότερου μοντέλου, αλλά στην ικανότητα αποτελεσματικού συνδυασμού πολλών διαφορετικών μοντέλων.

Η κινεζική πρόκληση

Η στροφή προς φθηνότερα μοντέλα έχει και έντονη γεωπολιτική διάσταση.

Τα σημαντικότερα αμερικανικά μοντέλα είναι κατά κανόνα κλειστού τύπου, με τις εταιρείες που τα αναπτύσσουν να ελέγχουν πλήρως την πρόσβαση και τη λειτουργία τους.

Στην Κίνα, αντίθετα, έχει αναπτυχθεί ένα οικοσύστημα φθηνότερων μοντέλων ανοικτών βαρών (open-weight), τα οποία μπορούν να μεταφορτωθούν, να προσαρμοστούν και να αξιοποιηθούν από τις επιχειρήσεις ανάλογα με τις ανάγκες τους.

Αυτό δημιουργεί ένα νέο πεδίο ανταγωνισμού μεταξύ των δύο μεγαλύτερων οικονομικών δυνάμεων του κόσμου. Η μάχη της AI δεν αφορά πλέον μόνο το ποιος θα δημιουργήσει το πιο έξυπνο μοντέλο, αλλά και το ποιος θα μπορέσει να προσφέρει την καλύτερη σχέση κόστους και απόδοσης.

Και αυτή η παράμετρος αποκτά ολοένα μεγαλύτερη σημασία για τις επιχειρήσεις.

Η Silicon Valley αλλάζει στρατηγική

Οι εταιρείες της Silicon Valley ήταν από τις πρώτες που άρχισαν να αντιμετωπίζουν την τεχνητή νοημοσύνη ως ένα ακόμη επιχειρηματικό προϊόν, αξιολογώντας όχι μόνο τις δυνατότητες ενός μοντέλου αλλά και το κόστος που απαιτεί η χρήση του.

Η πρακτική αυτή φαίνεται πλέον να περνά και σε άλλους κλάδους.

Ο Μάρτι Κάουσας, διευθύνων σύμβουλος της Pylon, σημειώνει ότι οι επιχειρήσεις δεν δείχνουν πλέον ιδιαίτερη «πίστη» σε έναν συγκεκριμένο προμηθευτή AI. Αντίθετα, οι εταιρείες τεχνητής νοημοσύνης ανταγωνίζονται πλέον έντονα για τη διατήρηση των πελατών τους, προσφέροντας σημαντικές εκπτώσεις και ιδιαίτερα επιθετικούς εμπορικούς όρους.

Η εξέλιξη αυτή ενισχύει τον ανταγωνισμό και πιέζει προς τα κάτω το κόστος χρήσης της τεχνητής νοημοσύνης.

Η νέα στρατηγική: ακριβό AI για τον σχεδιασμό, φθηνό AI για την εκτέλεση

Μία από τις στρατηγικές που εφαρμόζουν ήδη οι επιχειρήσεις είναι ο διαχωρισμός της διαδικασίας εργασίας σε διαφορετικά επίπεδα.

Τα ισχυρότερα μοντέλα χρησιμοποιούνται για τις πιο απαιτητικές εργασίες, όπως ο σχεδιασμός ενός project, η επίλυση σύνθετων προβλημάτων ή η δημιουργία της αρχιτεκτονικής μιας εφαρμογής.

Στη συνέχεια, τα φθηνότερα μοντέλα αναλαμβάνουν την εκτέλεση των επαναλαμβανόμενων ή λιγότερο σύνθετων εργασιών.

Με τον τρόπο αυτό οι επιχειρήσεις προσπαθούν να διατηρήσουν την ποιότητα των αποτελεσμάτων, περιορίζοντας ταυτόχρονα το κόστος υπολογιστικής ισχύος.

Η Cursor πραγματοποίησε πρόσφατα ένα χαρακτηριστικό πείραμα, προκειμένου να μετρήσει το κόστος ανάπτυξης ενός προγράμματος περιήγησης στο διαδίκτυο από το μηδέν.

Η ολοκλήρωση ολόκληρου του έργου αποκλειστικά με το GPT-5.5 της OpenAI κόστισε λίγο περισσότερο από $10.000.

Αντίθετα, η χρήση του μοντέλου προγραμματισμού Composer της Cursor σε συνδυασμό με το Opus 4.8 της Anthropic περιόρισε το κόστος στα μόλις $1.339.

Η διαφορά είναι εντυπωσιακή και δείχνει προς ποια κατεύθυνση μπορεί να κινηθεί η αγορά.

Το AI γίνεται commodity

Η εξέλιξη αυτή υποδεικνύει ότι η αγορά της τεχνητής νοημοσύνης περνά σταδιακά από την εποχή του «winner takes all» σε ένα πολύ πιο ανταγωνιστικό περιβάλλον, όπου το κόστος αποτελεί πλέον κρίσιμο παράγοντα.

Το σημαντικότερο ίσως στοιχείο είναι ότι η επιλογή του κατάλληλου μοντέλου δεν είναι πλέον στατική.

Όπως επισημαίνει ο Σέικς, μέχρι πρόσφατα το καλύτερο μοντέλο για μια συγκεκριμένη εργασία άλλαζε κάθε λίγους μήνες. Πλέον, η αλλαγή μπορεί να συμβαίνει πολλές φορές ακόμη και μέσα στην ίδια εβδομάδα.

Αυτό σημαίνει ότι οι επιχειρήσεις θα πρέπει να είναι σε θέση να μετακινούνται γρήγορα μεταξύ μοντέλων, ανάλογα με το κόστος, την απόδοση και τις ανάγκες κάθε εργασίας.

Η τεχνητή νοημοσύνη εισέρχεται έτσι σε μια νέα φάση. Το ζητούμενο δεν είναι πλέον απλώς η πρόσβαση στο ισχυρότερο AI, αλλά η αποτελεσματικότερη αξιοποίησή του.

Και για τις επιχειρήσεις, το μεγάλο στοίχημα της επόμενης περιόδου μπορεί να μην είναι ποιος θα έχει το πιο έξυπνο μοντέλο, αλλά ποιος θα μπορεί να παράγει το ίδιο αποτέλεσμα με το χαμηλότερο δυνατό κόστος.