اگر مدیریت بودجه هوش مصنوعی در یک سازمان بزرگ را بر عهده دارید، سقوط مالی اخیر اوبر (Uber) یک هشدار جدی است. این غول حملونقل کل بودجه هوش مصنوعی سال ۲۰۲۶ خود را تنها در چهار ماه سوزاند و حالا مجبور شده سقف هزینههای ماهانه کارکنان فنی خود را بهشدت محدود کند.
این بحران تضاد بنیادین بین مدلهای مالی سنتی شرکتها و اقتصاد متلاطم هوش مصنوعی زاینده (Generative AI) را برملا کرد. در حالی که اکثر شرکتها نرمافزار را با هزینه ثابت بهازای هر کاربر میخرند، ابزارهای هوش مصنوعی عاملمحور (Agentic AI) — شبیه تاکسیمترهایی هستند که هر لحظه بر اساس میزان پیمایش و پیچیدگی مسیر، هزینه جداگانهای میگیرند — بر اساس مصرف توکن (Token) صورتحساب میدهند. این یعنی یک «کاربر حرفهای» میتواند ۲۰ برابر بیشتر از یک کاربر معمولی هزینه تحمیل کند، حتی اگر هر دو یک مبلغ اشتراک یکسان پرداخت کرده باشند.
به گزارش خبرگزاری بلومبرگ (Bloomberg)، اوبر اکنون سقف هزینه هر مهندس را برای هر ابزار عاملمحور به ۱,۵۰۰ دلار در ماه محدود کرده است. این محدودیت شامل دستیارهای کدنویسی پیشرفتهای مثل کلود کد (Claude Code) محصول آنتروپیک (Anthropic) و کِرسور (Cursor) میشود. برای اجرای این سیاست، اوبر یک داشبورد شخصیسازیشده راهاندازی کرد تا کارکنان مصرف توکن خود را بهصورت لحظهای رصد کنند. مهندسانی که به بودجه بیشتری نیاز دارند، باید درخواست استثنا ارسال کنند؛ چرا که شرکت به مدل «کمیابی اجباری» روی آورده است.
همانطور که در تحلیل قبلی ما دربارهی مدلهای استدلالی اشاره کردیم، افزایش توانایی مدلها در حل مسائل پیچیده، فشار روی سختافزار و هزینه استنتاج را بهشدت بالا برده است.
مسیر رسیدن به تهِ بودجه
مارپیچ هزینهها از دسامبر ۲۰۲۵ آغاز شد، یعنی زمانی که اوبر کلود کد را برای توسعهدهندگانش فعال کرد. سرعت پذیرش این ابزار خیرهکننده بود:
- فوریه ۲۰۲۶: ۳۲٪ مهندسان از ابزار استفاده کردند.
- مارس ۲۰۲۶: نرخ پذیرش به ۸۴٪ رسید.
- بهار ۲۰۲۶: ۹۵٪ مهندسان ماهانه از ابزارهای هوش مصنوعی استفاده میکردند و ۷۰٪ کدهای ثبتشده توسط AI تولید شده بود.
پراوین نپالی ناگا (Praveen Neppalli Naga)، مدیر فنی اوبر، به نقل از نشریه دی اینفورمیشن (The Information) تأیید کرد که بودجه سال ۲۰۲۶ تا آوریل تمام شد. در حالی که هزینه متوسط هر مهندس بین ۱۵۰ تا ۲۵۰ دلار بود، برخی کاربران صورتحسابهایی بین ۵۰۰ تا ۲,۰۰۰ دلار داشتند. خودِ ناگا در یک جلسه نمایش (Demo) دو ساعته، ۱,۲۰۰ دلار هزینه کرد.
ابعاد مالی و مقیاس
این هزینهٔ اضافی در مقایسه با کل مخارج اوبر قابل توجه است. در سال ۲۰۲۵، کل هزینه تحقیق و توسعه (R&D) اوبر با ۹٪ رشد سالانه به ۳.۴ میلیارد دلار رسید. مشکل اوبر نه در مقیاس کلی بودجه، بلکه در مدل قیمتگذاری بود که تیمهای مالی شرکت برای مدیریت آن آماده نبودند.
فرهنگ مصرفگرایی
اتمام بودجه اوبر تنها یک خطای فنی نبود، بلکه یک شکست فرهنگی بود. شرکت با ایجاد جدولهای رتبهبندی داخلی برای تیمهایی که بیشترین استفاده از کلود کد را داشتند، پذیرش AI را «گیمیفای» یا بازیوار کرد. این کار باعث ایجاد یک «مسابقه تسلیحاتی توکنها» شد؛ مهندسان برای رتبههای بالاتر بیشتر مصرف میکردند، در حالی که تیمهای مدیریت هزینه کاملاً از تیمهای عملیاتی جدا بودند.
این گسست باعث شد توجیه سرمایهگذاری دشوار شود. اندرو مکدونالد (Andrew Macdonald)، مدیر عملیات اوبر، در پادکست Rapid Response گفت که ترسیم خط dividing بین مصرف AI و خلق ویژگیهای جدید برای مصرفکننده بسیار سخت شده است.
چرا صورتحساب توکنی بودجهها را میشکند؟
تنش اصلی ساختاری است. نرمافزارهای سنتی از لایسنس بهازای هر کاربر استفاده میکنند که هزینهای پیشبینیپذیر است. اما ابزارهایی مثل کلود کد از قیمتگذاری مبتنی بر مصرف توکن استفاده میکنند. مهندسی که فقط از تکمیل خودکار کد استفاده میکند، توکن کمی مصرف میکند؛ اما مهندسی که عاملهای موازی را در یک مخزن کد بزرگ (Monorepo) مدیریت میکند، حجم عظیمی از توکنها را میبلعد.
در حالی که هر دو کاربر ممکن است برای GitHub Copilot مبلغ یکسانی بپردازند، گردش کار عاملمحور در مدل کلود کد میتواند ۱۰ تا ۲۰ برابر گرانتر باشد. تیمهای مالی که برای پیشبینیهای نرخ ثابت آموزش دیدهاند، چارچوبی برای جذب این نوسانات ندارند.
چرخش قیمتگذاری در صنعت
این شکاف ساختاری اکنون کل صنعت را درگیر کرده است:
- آنتروپیک: از ۱۵ ژوئن ۲۰۲۶، مشترکان با یک شمارنده اعتبار ماهانه جداگانه برای ابزارهای عاملمحور مواجه میشوند که با نرخ کامل API محاسبه میشود.
- گیتهاب: از ۱ ژوئن، کوپایلت (Copilot) را به سیستم مبتنی بر اعتبار منتقل میکند.
- اوپنایآی (OpenAI): این اقتصاد مصرفمحور باعث شد شرکت در سهماهه اول ۲۰۲۶ حدود ۳.۷ میلیارد دلار هزینه (Burn) داشته باشد.
تحلیلگران پیشبینی میکنند اکثر فروشندگان AI در ۱۲ تا ۲۴ ماه آینده، «استخرهای مصرف» (Consumption Pools) را برای بارهای کاری عاملمحور معرفی کنند. این روند با ادغام بازار همزمان شده است؛ برای مثال، کرسور بهتازگی در یک معامله تمامسهامی ۶۰ میلیارد دلاری توسط اسپیساکس (SpaceX) خریداری شد.
شکاف حاکمیتی
برای رهبران کسبوکار، این یعنی عصر AI با نرخ ثابت به پایان رسیده است. نظرسنجی بین (Bain) که توسط بلومبرگ نقل شده، نشان میدهد اکثر شرکتها کاهش هزینههای کمتری نسبت به پیشبینیها دیدهاند. شکاف حاکمیتی عمیق است:
- تنها ۴۳٪ سازمانها سیاستهای رسمی حاکمیت AI دارند.
- تنها ۲۱٪ حاکمیت بالغی برای ابزارهای عاملمحور دارند.
بدون نظارت لحظهای و هشدارهای بودجهای، هر شرکتی که عاملها را در مقیاس بزرگ مستقر میکند، در واقع روی بودجه سهماهه خود قمار میکند. اوبر ثابت کرد که دستورالعملهای بودجهبندی قدیمی برای واقعیتهای هزینهای AI کار نمیکند.
گام بعدی شما
- اگر از ابزارهای AI در تیم خود استفاده میکنید، فوراً از مدل «پرداخت ثابت» به «پایش مصرف لحظهای» مهاجرت کنید.
- برای هر کاربر، سقف هزینه (Quota) تعریف کنید تا از شوک صورتحساب در پایان ماه جلوگیری شود.
- معیارهای موفقیت را از «میزان استفاده» (Usage) به «خروجی واقعی» (Outcome) تغییر دهید تا مصرف توکن به یک مسابقه پوچ تبدیل نشود.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو