Ibinabahagi ng foreign media na Fortune na ang dating paborito sa loob ng mga kumpanya na “tokenmaxxing” ay nagsisimulang mabawasan. Ang tokenmaxxing ay ang paggamit ng bilang ng token na ginagamit ng mga empleyado o tim sa pagtawag sa mga AI model bilang approximasyon ng antas ng inobasyon at produktibidad. Gayunpaman, habang tumataas ang mga taksil at dumadami ang hindi epektibong pagtawag, maraming kumpanya ang nagsisimulang magtakda ng mas mahigpit na patakaran.
Binanggit ng artikulo na ang mga kompanya tulad ng Meta, Amazon, at OpenAI ay dating nagkaroon ng pormal o di-pormal na pagrereporma ng mga Token, na nagpapahikayat sa mga inhinyero na magkumpetensya sa dami ng paggamit ng modelo. Ang problema ay, kapag naging layunin mismo ang mga indikador, madaling mababawasan ang orihinal na layunin. Noon, ayon sa British Financial Times, ang ilang empleyado ng Amazon ay pinapagana ang mga AI agent upang gawin ang mga gawain na walang praktikal na kahalagahan, lamang upang panatilihin ang pagkakaroon ng datos sa paggamit.
Ang presyur sa gastos ay nagsisimula nang makita
Samantalang lumalaganap ang generative AI sa loob ng mga kumpanya, tumataas din ang mga gastos sa pagtawag sa mga modelo. Ayon sa artikulo, ang ilang kumpanya ay nagsimulang maglimita sa paggamit ng third-party AI agents ng mga empleyado, lalo na ang mga kasangkapan na nakadepende sa mga mataas na modelo. Tinanggal na ni Meta ang sariling itinatag na leaderboard ng mga token ng mga empleyado; ayon sa The Verge, tinigil ni Microsoft ang mga subscription sa Claude Code ng mga empleyado sa ilang mahahalagang produkto ng departamento.
Ipinakita rin ng Uber na ginamit na ng kumpanya ang buong taong budget para sa mga token bago ang ikaapat na kalahati ng 2026, kung saan ang ilang gastos ay galing sa madalas na paggamit ng Claude Code. Sinabi naman ni Marc Benioff, CEO ng Salesforce, na humigit-kumulang $300 milyon ang bayad ng kumpanya kay Anthropic sa taong ito, at nais nilang magkaroon ng mas matalinong routing system sa hinaharap upang i-assign ang iba’t ibang mga hiling sa mga modelo na may mas angkop na gastos.
Mas pinapahalagahan ng mga negosyo ang mga resulta ng negosyo
Sa artikulo, sinasabi na ang pangunahing dahilan kung bakit pinapigilan ng mga kumpanya ang mga token metrics ay hindi lamang ang pagpapabawas sa gastos, kundi mas lalo ang pagkakaiba sa pagitan ng pagpapakilala at return. Binigyang-diin ni Andrew Macdonald, Chief Operating Officer ng Uber, na mahirap para sa kumpanya na iugnay ang pagtaas ng produktibidad ng ilang empleyado sa pagpapadala ng mga bagong tampok para sa mga user o sa pangkabuuang resulta ng negosyo. Kung hindi makakabuo ng malinaw na biz result, mahihirapan ang modelo na patuloy na patunayan ang kanyang katwiran.
Ito ang dahilan kung bakit ang pagsubaybay lamang sa paggamit ng Token ay nagsisilbing mahirap na ituring bilang epektibong pamamaraan ng pagpapahalaga. Maaari itong ipakita ang sukat ng pagtawag, ngunit hindi ito nagpapaliwanag kung ang mga pagtawag na ito ay talagang nagpabuti sa produkto, proseso, o kita.
Ang totoong kapakinabangan ay mula sa pag-restructure ng proseso
Ang artikulo ay sumasalamin sa pananaw ni Azeem Azhar mula sa Exponential View na ang kasalukuyang pagkakaiba sa pagitan ng pagpapalaganap ng AI at ng produktibidad ay mas katulad ng “productivity J-curve” na karaniwan sa mga unang yugto ng isang bagong pangkalahatang teknolohiya. Sa panahon ng pag-aaral, ang mga kumpanya ay karaniwang nagdaragdag ng gastos sa pagsubok, ngunit hindi nakikita ang malinaw na benepisyo sa maikling panahon; ang pagtaas ng efficiency ay lalong magkakaroon ng malaking epekto lamang pagkatapos ma-redesign ang mga proseso ng negosyo.
Ang artikulo ay gumagamit ng pagsasaulo ng pabrika ng kuryente bilang halimbawa: una, ang mga kumpanya ay nagpapalit lang ng ilaw o pinagkukunan ng lakas, ngunit ang tunay na malaking pagtaas sa produktibidad ay nangyari pagkatapos na muling ilarawan ang layout ng pabrika at bawat makina ayon sa bagong teknolohiya. Sa kaukulang pagkakaugnay sa AI, maraming kumpanya ay kasalukuyang nasa antas ng limitadong pagsubok o pagdadagdag ng mga kasangkapan, at hindi pa nabababa sa mas malalim na pagbabago ng proseso.
Ang mga komento ay nagsasabi na ang pangunahing dahilan kung bakit nawawala ang kompetisyon sa paggamit ng token ay dahil ito ay tumutugon sa "gaano karaming ginamit" at hindi sa "ano ang nilikha". Para sa mga negosyo, ang halaga ng AI ay hihigit pa sa pagpapadala ng produkto, negosyong modelo, at pagtatanghal ng kita, at hindi sa pagkakaroon ng listahan ng pagtawag sa model.