Az AI-t sok cég már nem „kísérletként” futtatja, hanem gyártósori eszközként — és amikor a számla ipari méretű lesz, hirtelen nagyon is számít, mennyibe kerül egy-egy modellhívás.

Mi történt

Több nagyvállalat — köztük a DoorDash, az Airbnb és a Siemens — kínai AI-eszközöket kezdett használni, részben azért, mert ezek érezhetően olcsóbbak, részben pedig azért, mert sok közülük úgynevezett open-weight modell. Az open-weight nagyjából olyan, mintha nem csak egy „kész alkalmazást” bérelnél, hanem hozzáférnél a motor beállításaihoz is: a modell belső paraméterei elérhetők, így a cég a saját adataira és folyamataira szabhatja.

A vállalati költések közben látványosan nőnek. A riportban szerepel egy extrém példa is: egy szervezet állítólag egyetlen hónap alatt 500 millió dollárt költött Claude-használatra. A tipikusabb nagyságrendet egy másik mérés érzékelteti: az AI-t intenzíven használó cégeknél körülbelül 7 500 dollár/alkalmazott/hó költésről beszélünk.

A keresletet nemcsak a „mindenre AI-t” szemlélet, hanem a munka megszervezése is fűti: egyes helyeken elvárás, hogy a dolgozók rendszeresen AI-t használjanak, a fejlesztők pedig gyakran egyszerre több AI-ügynököt futtatnak háttérben. (Az AI-ügynök gondolj rá úgy, mint egy digitális gyakornokra: kap egy feladatot, és több lépésben, részfeladatokra bontva próbálja végigvinni.)

Miért fontos

A történet lényege nem az, hogy „Kína jobb lett”, hanem hogy a vállalati AI-használat belépett a költségoptimalizálás korszakába. Sok feladatnál — például „alacsonyabb szintű” szöveg- vagy kódmunkáknál — nem a legjobb modell kell, hanem a elég jó modell, gyorsan és olcsón. Ezt erősíti, hogy a kínai modellek egy része testreszabhatóbb az open-weight jelleg miatt, ami adatkezelési és kiberbiztonsági szempontból is nagyobb kontrollérzetet adhat: nem csak egy fekete dobozt hívsz API-n, hanem jobban a kezedben van, mi fut és hogyan.

Közben a beszállítói kockázat is felértékelődik. Ha egy szolgáltató egyik napról a másikra korlátozza az elérhetőséget bizonyos régiókban vagy ügyfeleknél, az üzleti folyamatokban azonnali törést okozhat. A Futurism anyagában idézett példa szerint a Mythos-hozzáférések felfüggesztése sokaknak kézzelfogható emlékeztető lett arra, mennyire sérülékeny az „egy szolgáltatóra mindent” stratégia.

Mire figyelj

  1. Mely munkafolyamatoknál „elég jó” a modell? A költségcsökkentés tipikusan úgy jön ki, hogy a prémium modellt csak a kritikus lépésekre tartod meg, a tömegmunkát olcsóbbra terheled.
  2. Open-weight vs. felhős API: ki irányítja az adatutat? A testreszabhatóság és az ellenőrizhetőség vonzó, de a saját üzemeltetés (vagy saját finomhangolás) kompetenciát és felelősséget is jelent.
  3. Geopolitika helyett üzletmenet-folytonosság: érdemes úgy tervezni, hogy egy modell vagy szolgáltató kiesése ne állítsa le a működést — több modell, több útvonal, gyors átterhelhetőség.
  4. Valódi TCO (teljes költség): nem csak a tokenár számít, hanem az integráció, a minőségbiztosítás, a hibák kezelése és az emberi felügyelet költsége is.

Ha a következő hónapokban azt látod, hogy a „legjobb modell” helyett a „legjobb ár-érték arány” lesz a beszerzések kulcsszava, az nem divathullám: egyszerűen most érkeztek meg a vállalati AI számlák a CFO asztalára is.