בשנתיים האחרונות חיה תעשיית ההייטק בתחושה של "בופה חופשי". מנכ"ל אנבידיה, ג'נסן הואנג, נתן את האות כשטען שמהנדסים צריכים "לשרוף טוקנים" ללא הפסקה כאמצעי להגברת פרודוקטיביות, והחברות מיהרו לאמץ את גישת ה-Tokenmaxxing. מפתחים קיבלו יד חופשית, הרצו סוכני AI על פרויקטים ניסיוניים, העמיסו את חלונות ההקשר (Context stuffing) והתייחסו לצריכת טוקנים כאל מדד ליוקרה ועבודה קשה.
אלא שלכל חגיגה יש מוצאי שבת, והיא הגיעה בדמות החשבוניות של מחלקות הכספים. כפי שנחשף לאחרונה, חברות ענק כמו מטא, אמזון ואובר (ששרפה את תקציב ה-AI השנתי שלה בארבעה חודשים בלבד) גילו שהבזבוז יצא משליטה. המקרה הקיצוני של חברה אמריקאית שקיבלה חשבון של חצי מיליארד דולר על חודש אחד של שימוש בקלוד קוד, כמו גם מקרים שבהם עובדים הוציאו 500 דולר בודדים בסשן אחד של המודל החדש Claude 5 Fable רק בשביל לסכם הודעות בסלאק, הבהירו ל-CFOs שהקונספט הנוכחי מת.
כעת, השוק ניצב בפני צומת דרכים: האם עולם ה-AI עובר סופית לתשלום מדוד לפי טוקן ופר-שימוש (Pay-per-use), ומה יקרה להיקף השימוש הכולל במצב כזה?
המעבר לתשלום לפי שימוש: לא בחירה, אלא הכרח כלכלי
בניגוד למוצרי תוכנה מסורתיים (SaaS), שבהם העלות השולית של כל משתמש נוסף היא אפסית כמעט, בבינה מלאכותית יוצרת כל טוקן עולה כסף אמיתי במונחי כוח עיבוד (GPUs) וחשימל.
כאשר חברות הציעו מנויים שטוחים ("All you can eat") או תקציבים פתוחים, הן ספגו את הפער. כעת, כפי שמסביר אלון ארבץ, מנכ"ל PointFive, התעשייה עוברת מ-Tokenmaxxing ל-Tokenomics:
"טוקנמאקסינג היה נרטיב ששירת את צד ההיצע (מוכרי ה-GPUs והמודלים). עכשיו צד הביקוש מתמחר אותו מחדש. בניגוד לענן, שם התשלום הוא על קיבולת קבועה, ב-AI פרומפט אחד יכול לצרוך סכומים אדירים."
המעבר של התעשייה לתשלום מבוסס שימוש בפועל ובקרה הדוקה מוכתב על ידי מספר מגמות מרכזיות:
ניהול תקציבים כמו תקן עובדים: כפי שציין אדם מוסרי, ראש פעילות אינסטגרם במטא, קצב שריפת הטוקנים של מהנדס חזק מגיע לעלות ההעסקה שלו. בעתיד, תקציבי טוקנים ינוהלו, יוקצו ויבוקרו בדיוק כמו תקני כוח אדם (Headcount).
תמחור לפי ROI: חברות מפסיקות להקצות תקציב רוחבי עיוור. חברת Coralogix, למשל, הגדירה תקציב בסיס של 300 דולר לעובד, כאשר הגדלה דורשת אישור מנכ"ל. הקבלה של תקציב נוסף מותנית בהוכחת החזר השקעה (ROI) ישיר.
הסרת הסבסוד של ספקיות המודלים: חברות כמו Anthropic או OpenAI לא יוכלו להמשיך לסבסד שימוש כבד במודלי קצה יקרים במחיר מנוי פלואידי.
האם היקף השימוש ירד או יעלה?
על פניו, כשמציבים תגי מחיר, מגבלות ומכסות על כל דיאלוג מול AI, הנטייה הטבעית היא לחשוב שהשימוש יצטמצם דרמטית. אולם הניתוח הכלכלי וההיסטורי של טכנולוגיות תשתית מראה בדיוק את ההיפך.
בטווח הקצר: ניקוי השומנים והפסולת (ירידה נקודתית)
בשלב הראשון, המעבר לתשלום לפי שימוש אכן יוצר ירידה בצריכת הטוקנים "הריקה". חברות מפסיקות להריץ מודלי ענק יקרים על משימות פשוטות, ומחסלות תופעות כמו:
Context Stuffing: העמסת קבצים וקוד מיותרים לתוך חלון ההקשר.
בחירת מודל שגויה: שימוש במודל פרימיום יקר (כמו Claude Opus או Fable) בשביל משימות ניסוח זולות שאפשר לבצע במודלים קלים.
לולאות סוכנים בלתי נשלטות: סוכני AI שנכנסים בלולאה אינסופית של Retry ללא תקרת עצירה.
בטווח הארוך: "פרדוקס ג'בונס" וזינוק היקף השימוש
בטווח הבינוני והארוך, המעבר לתשלום לפי שימוש יזניק את היקף השימוש הכולל ב-AI. תופעה זו ידועה בכלכלה כ-פרדוקס ג'בונס (Jevons Paradox): כאשר טכנולוגיה הופכת לבעלת נצילות גבוהה ויעילה יותר, עלות השימוש בה יורדת – מה שמוביל דווקא לגידול משמעותי בדרישה הכוללת אליה.
הסיבות לכך שהיקף השימוש יעלה דרמטית במודל לפי שימוש:
אופטימיזציה שפותחת שימושים חדשים: כפי שרואים בחברות כמו JFrog (שפיתחה את כלי ה-Boost לדחיסת Context) או HoneyBook (המתמקדת ב-Valuemaxxing), הייעול מאפשר לקבל הרבה יותר ערך מכל טוקן. כשהעלות למשימה יורדת, משימות שלא היו כלכליות בעבר הופכות לכלכליות.
ניתוב חכם (Smart Routing): ארגונים עוברים לעבוד עם סוחר מטבעות AI – משימות פשוטות מנותבות למודלים זולים/פתוחים (SLMs) ורק משימות מורכבות נשלחות למודלי הקצה. המוביליות הזו מורידה את המחיר הממוצע למשימה ומאפשרת להטמיע AI בכל תהליך בארגון, ולא רק אצל המפתחים.
הסרת הפחד מהפתעות: תשלום מבוסס שימוש הנשלט על ידי כלים כמו PointFive מעניק ל-CFOs שקט נפשי. כשההוצאה צפויה ויכולה להיות מיוחסת ישירות לערך עסקי, הארגון אינו מציב תקרת זכוכית לשימוש – הוא מוכן להשקיע עוד, כל עוד השורה התחתונה חיובית.
סיכום: ה-CFOs לא הרגו את ה-AI, הם שידרגו אותו
הקץ של עידן ה-Tokenmaxxing והמעבר לתשלום מדוד לפי שימוש אינם סימן לנסיגה של טכנולוגיית ה-AI, אלא סימן להתבגרות של השוק.
בדיוק כפי שעולם המחשוב עבר משרתים פרטיים לתמחור לפי שימוש בענן (AWS/Azure) – מעבר שלא הקטין את הצריכה אלא הפך את הענן למפלצת שולטת – כך גם ב-AI. ה-CFOs אולי ניצחו את הבזבוז של המפתחים, אך על ידי יצירת מודל כלכלי מדיד ומבוקר, הם הכשירו את הדרך לזינוק האמיתי בהיקף השימוש ב-AI בשנים הקרובות.