اگر مدیر بودجه یک تیم فنی هستید، تجربه اخیر اوبر (Uber) برای شما یک هشدار جدی است. این غول حمل‌ونقل، بودجه سالانه خود را تنها در ۴ ماه سوزاند و حالا مجبور شده برای هر کارمند سقف هزینه ماهانه تعیین کند.
سال گذشته، اکثر شرکت‌ها کارکنان خود را به استفاده حداکثری از هوش مصنوعی تشویق می‌کردند تا از رقبا عقب نمانند. اما حالا که صورت‌حساب‌ها می‌رسند، مدیران می‌پرسند: آیا این بهره‌وری واقعاً ارزش این هزینه را دارد؟
اینکه شرکت‌ها بدون برنامه سراغ استنتاج (Inference) — که مثل لحظه آشپزی واقعی است و نه دوره آموزش آشپز — رفتند، منجر به هزینه‌های پیش‌بینی‌نشده شد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدیریت هزینه‌های مدل‌های زبانی اشاره کردیم، تضاد بین «پذیرش سریع» و «سودآوری واقعی» در حال تبدیل شدن به یک الگوی تکراری در دنیای بیزنس است.
به گزارش بلومبرگ (Bloomberg) در ۲ ژوئن ۲۰۲۶، اوبر قانون جدیدی وضع کرده است که سقف هزینه ماهانه هر کارمند برای ابزارهای عامل‌محور (Agentic) — مثل دستیارهایی که شبیه کارمندان مجازی هستند و خودکار کد می‌زنند — را ۱٬۵۰۰ دلار تعیین می‌کند. این محدودیت به‌طور مستقیم ابزارهایی مانند کلاود کد (Claude Code) از شرکت آنتروپیک (Anthropic) و کِرسور (Cursor) را هدف قرار داده است.
بر اساس مستندات این شرکت، جزئیات این نظام نظارتی به شرح زیر است:
- پایش: کارکنان هزینه‌ها را از طریق یک داشبورد داخلی دنبال می‌کنند.
- انعطاف‌پذیری: در صورت دریافت مجوز خاص، می‌توان از سقف هزینه عبور کرد.
- علت بحران: در آوریل ۲۰۲۶، مدیر ارشد فناوری (CTO) اوبر فاش کرد که ایجاد «جدول رده‌بندی» برای رقابت در میزان استفاده از AI، باعث تخلیه سریع بودجه شده است.
این اتفاق یک شوک بیداری برای رهبران کسب‌وکار است. اندرو مک‌دونالد (Andrew Macdonald)، مدیر عملیات اوبر، اشاره می‌کند که رسم کردن خط مستقیم بین استفاده از AI و خلق ویژگی‌های جدید برای مشتری، بسیار سخت است. اوبر آموخت که تشویق به «حداکثر استفاده» بدون داشتن چارچوب هزینه-فایده، فقط باعث نشت مالی می‌شود، نه رشد تضمین‌شده.
گام بعدی شما
- بودجه‌های ابزارهای AI تیم خود را بر اساس خروجی‌های واقعی (KPI) بازنگری کنید.
- به جای تشویق به «تعداد دفعات استفاده»، روی «کاهش زمان توسعه» تمرکز کنید.
- داشبوردهای نظارتی برای پایش هزینه هر توکن ایجاد کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو