صورتحساب ۵۰۰ میلیون دلاری یک شرکت بزرگ برای استفاده از Claude در یک ماه

یکی از شرکت‌های بزرگ بدون فعالسازی ابزارهای کنترل هزینه داخلی در Anthropic، اجازه داد تا هزینه‌های مصرف توکن هزاران کارمند در طول ۳۰ روز بهشدت سرسامآور شود.

یک مشاور حوزه هوش مصنوعی به خبرگزاری Axios اعلام کرد که یکی از مشتریان سازمانی، پس از غفلت مدیران سیستم در تعیین سقف مصرف برای کارکنان، ظرف تنها یک ماه با صورتحسابی حدود ۵۰۰ میلیون دلار برای استفاده از Claude روبهرو شده است. البته هنوز هیچ تأییدیه رسمی از سوی این شرکت یا مجموعه Anthropic منتشر نشده است؛ بنابراین این رقم را باید برآوردی گزارش‌شده در نظر گرفت، نه یک صورتحساب نهایی و قطعی. با این حال، با شتاب گرفتن پذیرش هوش مصنوعی در سازمانها، انتشار گزارش‌هایی از رفتارهای غیرمنتظره چتباتها و هزینه‌های ناشی از آنها به رویدادی متداول تبدیل شده است.

با این وجود، اصل ماجرا به مدل قیمتگذاری و پرداخت مربوط می‌شود. تعرفه سازمانی Anthropic شامل هزینه به ازای هر حساب کاربری به‌همراه هزینه مصرف لحظهای API است؛ یعنی هزینه‌ها صرفاً بر اساس تعداد کارکنان محاسبه نمیشوند، بلکه با مصرف هر توکن، هر چرخه اجرایی در ایجنت‌ها و هر درخواست فراخوانی مدل، بهسرعت افزایش مییابند.

کنتوری که بیوقفه کار میکرد

درک نحوه کارکرد سیستم پرداخت بر اساس میزان مصرف، به‌خوبی نشان می‌دهد که چگونه یک صورتحساب ماهانه می‌تواند به عددی با نه صفر تبدیل شود.

سیستم پرداخت مبتنی بر توکن سازوکاری کاملاً روشن دارد: هرچه کارکنان وظایف بیشتری به Claude محول کنند، هزینه نیز بالاتر میرود. ایجنت‌های هوش مصنوعی که گردشهای کاری خودکار را اجرا میکنند، می‌توانند مدل را بارها و بیوقفه فراخوانی کنند و این هزینه‌ها خیلی قبلتر از آنکه مدیری داشبورد مالی را بررسی کند، روی هم انباشته می‌شوند.

مستندات رسمی Anthropic تأیید می‌کند که مشتریان سازمانی می‌توانند از سقف مجاز نرخ مصرف و قیمت‌های اختصاصی بهرهمند شوند. با این حال، بدون اعمال این ابزارهای کنترلی، مبالغ پرداختی مبتنی بر مصرف، بهویژه هنگام فعال بودن فرایندهای خودکار در پسزمینه، با سرعتی سرسامآور رشد می‌کنند.

آمارهای تخمینی منتشرشده توسط خود Anthropic نیز معیار واقعبینانهای به دست می‌دهد: هزینه سازمانی ابزار Claude Code به‌طور میانگین حدود ۱۳ دلار به ازای هر توسعهدهنده در روزهای فعال، یا ۱۵۰ تا ۲۵۰ دلار برای هر برنامهنویس در ماه متغیر است. حال اگر این رقم را در مقیاس یک سازمان بزرگ با هزاران نیرو، بدون هیچ محدودیت مصرفی و با استفاده فراگیر ضرب کنید، این معادله ریاضی دیگر چندان غیرواقعی به نظر نمی‌رسد.

وقتی نمایش بهرهوری نتیجه عکس می‌دهد

رقم گزارش‌شده ۵۰۰ میلیون دلاری زمانی عجیبتر می‌شود که نحوه استفاده برخی کارکنان از این ابزار را بررسی کنیم.

گزارش Axios پدیدهای را با عنوان «بیشینه‌سازی توکن» (Tokenmaxxing) توصیف می‌کند که در آن، کارکنان با سپردن کارهای بیمورد و بیهوده به ایجنت‌های هوش مصنوعی، صرفاً به دنبال بالا بردن آمار مصرف خود هستند. طبق گزارش فایننشال تایمز، آمازون نیز پیشتر جدول رتبهبندی داخلی مصرف هوش مصنوعی خود را پس از دور زدن سیستم توسط کارمندان متوقف کرد؛ رویکردی که در دنیای شرکتی درست مانند روشن گذاشتن تردمیل باشگاه و استراحت در سونا به قصد ثبت رکورد دویدن است.

سوفیا ولاستگوی (Sophia Velastegui)، مدیرعامل Velastegui Ventures و مدیر ارشد سابق هوش مصنوعی در مایکروسافت، این چالش بنیادین را به روشنی شرح داده است: «بیشتر افراد به‌جای خودکارسازی کارهایی که بیشترین ارزش را برای شرکت دارند، به سراغ خودکار کردن وظایفی میروند که شخصاً از انجام آنها بیزارند.» یکی از نمونههای بسیار گویای مطرح‌شده در همین گزارش این است که کارکنان وضعیت آبوهوا را از طریق یک مدل زبانی بزرگ پیشرفته پیگیری میکردند، در حالی که یک برنامه رایگان هواشناسی با دو لمس ساده روی گوشی همان نتیجه را ارائه می‌دهد. اگر به دنبال ارتقای واقعی بهرهوری سازمانی با هوش مصنوعی هستید، کلید موفقیت تمرکز بر کارهای باارزش است، نه هدر دادن بیتعقلانه منابع و سوزاندن توکن‌ها.

بیشتر افراد به‌جای خودکارسازی کارهایی که بیشترین ارزش را برای شرکت دارند، به سراغ خودکار کردن کارهایی میروند که شخصاً تمایلی به انجام دادنشان ندارند.

سوفیا ولاستگوی (Sophia Velastegui)، مدیر ارشد سابق هوش مصنوعی مایکروسافت، به نقل از Axios

خلأ نظارت و مدیریت سازمانی

سنجش میزان بهرهگیری از هوش مصنوعی بر پایه حجم مصرف به‌جای ارزشافزوده واقعی، بستری است که در آن عادتهای پرهزینه شکل می‌گیرند.

هنگامی که سازمانها میزان مصرف توکن را به‌عنوان شاخص عملکرد کارکنان در نظر میگیرند، هر کارمند به مرکز هزینهای پرریسک با کنجکاویهایی بسیار گرانقیمت تبدیل می‌شود. در چنین شرایطی، انگیزه استفاده از هوش مصنوعی کاملاً از انگیزه استفاده درست و بهینه از آن فاصله می‌گیرد. این رویکرد به شرایطی میانجامد که شرکت‌ها بدون آنکه متوجه شوند، بهدلیل وابستگی هزینه‌ها به تکتک توکنها، حلقههای اجرای ایجنت‌ها و فراخوانیهای مکرر مدل، مبالغ هنگفتی را بیهوده از دست می‌دهند.

مستندات رسمی Anthropic به صراحت ابزارهای پیشگیری از این بحران را معرفی کرده است: امکان تعیین سقف هزینه در سطح سازمان، تعیین سقف برای تکتک کاربران و کنترل سفارشی نرخ مصرف، همگی در دسترس مشتریان سازمانی قرار دارند. زیرساخت لازم برای مهار چنین صورتحسابهای نجومی از پیش فراهم است؛ فقط کافی بود یک نفر آن گزینه را فعال کند.