Ang mga malalaking teknolohiyang kompanya mula sa Silicon Valley ay nagpapahintulot sa paggamit ng AI token ng mga empleyado dahil sa pagtaas ng gastos

Ang AI ay automatisasyon ang mga gawain na «hinahanap ng mga empleyado» ng isang kumpanya, hindi ang mga gawain na «kumikita».

Ilang araw na ang nakalipas, ipinahayag ng Geek Park na ang Microsoft, na naglagay ng malaking taya sa AI, ay tahimik na sinara ang karamihan sa mga lisensya ng Claude Code para sa mga empleyado nito.

Sobrang kakaiba ito, dahil sa alon ng pagpapatupad ng AI, ang pinakamalaking mensahe sa pagbebenta sa mga corporate user ay ang “pagpapabilis.” Kung makakapagpabilis ito, bakit pinagtigil ng Microsoft ang paggamit ng Claude Code ng mga empleyado?

Hindi lang ang Microsoft ang gumagawa nito, ang pagpapaliit sa paggamit ng Token at ang paghinto sa pagpapalakas sa pagsusulat ng code nang walang limitasyon ay naging bagong trend sa mga malalaking kumpanya sa Silicon Valley.

Ginastos ng Uber ang buong taong budget para sa AI tokens sa loob ng apat na buwan. Ang Salesforce ay nagbibigay ng halos $300 milyon sa Anthropic bawat taon. Ipinahayag ng isang AI consultant na ang isang kliyente nito ay naglalabas ng hanggang $500 milyon sa AI bawat buwan. Kahit ang Meta ay nagpapalabas nang tahimik ang loob na “tokenmaxxing leaderboard”—ang leaderboard na ito ay orihinal na nilikha upang hikayatin ang mga empleyado na gamitin ang AI.

Ngayon, ang mga negosyo ay gumagawa ng isang bagay na hindi pa nakakaintindi ilang taon ang nakalipas:

I-limit at i-monitor ang paggamit ng AI ng mga empleyado.

Bakit nagpapalit ang mga malalaking kumpanya?

Upang maunawaan ang krisis sa gastos ngayon, kailangan mong maunawaan kung ano ang "tokenmaxxing".

Ang salitang ito ay naging populaar noong 2025, at literal na ibig sabihin ay “maximize token usage.” Ito ay batay sa isang logika sa pagpapatakbo—kung ang isang kumpanya ay naglabas ng malaking pera para bumili ng mga AI tool, dapat magamit nang buong-pusong ng mga empleyado ang mga ito; mas maraming paggamit ay nagpapatotoo na mas “digital transformation” ka, habang mas kaunting paggamit ay nagpapakita ng pagkawala ng yaman. Kaya, maraming kumpanya ang nagtatakda ng quota sa paggamit, leaderboard, at kahit performance evaluation, upang hikayatin ang mga empleyado na gamitin ang AI.

Ano ang resulta?

Ang mga empleyado ay nagsisimula nang gamitin ang enterprise-level AI model ng kumpanya para mag-check ng panahon, sumulat ng mga paalala sa kaarawan, at magtanong kung ano ang kainin ngayon.

Isang pag-aaral sa 2,444 na kumpanya ang natuklasan na bawat dolyar na ginugol ng mga negosyo sa AI token, 0.44 dolyar ay ginagamit para ayusin ang mga bug na ginawa ng AI, 0.27 dolyar para i-rewrite ang code na nilikha ng AI, at 0.11 dolyar ay nasasayang sa pagmamasid at pagkakasunod sa pagkakatagpo.

Ibig sabihin, sa bawat piso ng gastos sa pagbili ng AI, may nakatago pang halos 80% na nakatagong pagkawala.

Ginamit ng investor na si Shruti Gandhi ang isang napakatumpak na paghahambing: "Ang mga negosyo na tokenmaxxing ay parang mga kumpanya na sinusukat ang produktibidad sa pamamagitan ng pagpapagana ng lahat ng mga ilaw—ang paggugol ng higit na pera ay hindi nangangahulugan ng mas maraming output."

Mas ironic ay ang mga kumpanyang ito ay karamihan ay hindi alam kung ano ang ginagawa ng kanilang mga empleyado gamit ang AI, at mas hindi alam kung ang pagkumpleto ng mga gawain ay nagdulot ng anumang pagbabago dahil sa AI.

Ang "kompetisyon sa pagbuburn ng pera" ay nagmula noong 2024 hanggang 2025, at sa huli ay sumabog nang buong-pusong ito taon. Ang JPMorgan ay naglabas ng isang malakas na ulat na may pamagat na direktang nakakalito—“Ang Gastos sa AI Token ay Naglalason sa Kita ng Internet”.

Ang Shopify, Spotify, ServiceNow, at Roku ay nabanggit sa kanilang mga talaan ng teleponikong pagsusuri na ang AI ay naging pangunahing pinagkukunan ng presyur sa gastos sa operasyon. Ang pangkalahatang hangin sa industriya ay nagsisimula nang lumipat mula sa “gaano kagaling ang AI” patungo sa “totoo bang worth it ang gastos na ito.”

Kasalukuyang mayroon lang 14% ng CFO ang nagsasabi na nakikita nila ang malinaw at masusukat na bunga ng pag-invest sa AI.

Ang Uber Chief Operating Officer na si Andrew Macdonald, sa isang podcast, ay nagbigay ng isang napakatapat na pahayag—nabatid nila ang hirap na iugnay ang pagtaas ng personal na produktibidad ng mga empleyado sa pangkabuuang epekto sa negosyo ng kumpanya. “Kung hindi mo makikita kung paano tinulungan ka ng AI na ipaglaban ang mga halagang tampok sa mga user, mas mahirap pang ipagtanggol ang mga gastos sa token.”

Naglalabas ang pangungusap na ito sa core ng hamon ng AI sa negosyo: ang pagtaas ng personal na efficiency ay hindi katumbas ng pagdami ng kita ng kumpanya.

Mas mabilis na tatlong beses ng mga empleyado ang pagsusulat ng weekly report gamit ang AI, ngunit hindi nagbago ang kita ng kumpanya. Doble ang bilis ng mga inhinyero sa paggawa ng code gamit ang AI, ngunit tumataas ang “code churn rate”—o ang proporsyon ng code na itinapon o isinulat muli—ng 800%.

Sinabi ni Sophia Velastegui, dating pangunahing opisyal ng AI sa Microsoft, isang pahayag na nagdulot ng kawalan ng kasiyahan sa maraming tagapagpaganap: "Ang karamihan sa atin ay automatikong isasagawa ang mga gawain na hindi natin gusto, hindi ang mga gawain na may pinakamataas na halaga para sa kompanya."

Sa madaling salita, automata ng mga kumpanya ang mga gawain na «hinahanap ng mga empleyado» at hindi ang mga gawain na «kumikita».

Hindi ito isyu sa teknikal, kundi isyu sa prioridad. Ito rin ang dahilan kung bakit hinihinto ng halos 30% ng mga proyekto ng generative AI sa phase ng proof of concept—hindi malinaw ang gastos at hindi rin malinaw ang halaga, kaya natural na hindi na binabayaran ng boss.

Ang paraan ng pagtrato ni Marc Benioff, CEO ng Salesforce, ay may kahulugang representatibo. Sa harap ng mga taksil na $300 milyon bawat taon kay Anthropic, ang kanyang inaasahan ay isang “inteligenteng router”: makakapag-decide kung aling mga query ang dapat gamitin ang pinakamataas na modelo at aling mga ito ay sapat na gamitin ang mas murang maliit na modelo.

Hindi naman ito bagong ideya—noong panahon ng cloud computing, ang “bayad ayon sa paggamit” at “pagsusuri ng yaman” ay standard na operasyon. Ngunit ang alon ng AI ay nangyari nang mabilis, kaya unang bumili ang mga tao, tapos isipin na lang pagsapit ng panahon, at ngayon ay nagsisimula na silang mag-aral.

Kinansela ng Microsoft ang karamihan sa mga enterprise license ng Claude Code, na pinatotohanan sa pamamagitan ng mga gastos. Ito ay nagdulot ng malaking diskusyon sa industriya—dahil ang Microsoft mismo ay ang pinakamalaking investor ng OpenAI, samantalang itinatapon nito ang mga subscription ng kalaban. Mahirap masabi kung gaano karami ang gastos at gaano karami ang estratehikong plano.

Ngunit anuman ang mangyari, ito ay nagpapakita ng isang signal: ang mga negosyo ay nagsisimula nang mag-vote gamit ang kanilang mga paa.

Hinuhusay at CloudZero ay naglabas ng mga kasangkapan sa pagpapahalaga ng gastos sa AI sa parehong araw—Mayo 28—kung saan ang isa ay nagtatampok ng real-time na pagmamasid sa gastos at ROI sa AI, habang ang isa pa ay naglunsad ng “AI Financial Control Plane” upang tulungan ang mga negosyo na iugnay ang bawat dolyar ng gastos sa AI sa mga partikular na resulta sa negosyo.

Ang pagkakaroon ng dalawang produkto na ito ay nagpapakita na may demand ang merkado, at ang demand ay napakadali.

Inilipat ng HubSpot ang kanilang pricing model para sa AI agents noong Abril ng taong ito, mula sa pagbabayad batay sa token patungo sa pagbabayad batay sa "bilang ng nalutas na usapan" o "bilang ng nabuong lead"—isang direksyonal na pagbabago na nagpapalapit sa interes ng nagbebenta sa aktwal na output ng nagbibili. Ginagawa rin ng ServiceNow ang parehong pagbabago. Naiintindihan ng mga tagagawa ng AI na kung patuloy nilang ibebenta ang "paggamit" at hindi ang "resulta", ang mga corporate client ay magkakaroon ng pagsalungat sa isang malaking grupo.

Ang pag-aayos na ito, ay kailangang harapin na sakit ng industrialisasyon ng AI, o ang simula ng mas malaking krisis?

Mas nais kong paniniwalaan ang una. Ngunit may isang detalye na nagdudulot ng pag-aalala: inaasahan na makakamit ng global na paggastos sa AI ang $2.59 trilyon noong 2026, isang pagtaas ng 47% taon-taon, ngunit samantala, 94% ng mga head ng engineering ay nagsasabi na patuloy na nawawala ang mga mahalagang indikador ng ROI. Mas maraming pera ang ginagastusin, ngunit walang nakakaalam kung saan ito sinasayang o kung worth it. Kung hindi lutasin ang kontradiksyong ito, ang susunod na “tokenmaxxing moment” ay isang bagay na naghihintay lamang sa oras.

Isang pagsusuri sa Fortune magazine ay nagpapaliwanag nang direkta: "Madali ang tokenmaxxing, mahirap ang pag-redesign ng workflow." Ang karamihan sa mga kumpanya ngayon ay nag-o-optimize sa kanilang umiiral na workflow, hindi nag-aayos ng bagong business model. Dito nakikita ang tunay na halaga ng AI, at dito pa lang hinihintay ng karamihan sa mga negosyo.

Ang pagbabalik sa katotohanan ay mabuti. Ngunit pagkatapos ng pagbabalik sa katotohanan, kailangan pa ng mga kumpanya sagutin ang isang mas mahirap na tanong: Dapat ba ang AI na maging isang martilyo o isang bagong framework ng pag-iisip para sa aming negosyo?

Kung tanging ginagamit mo ang AI para gawing mas mabilis ang mga lumang trabaho, ang mga taksil ay iisa sa sandaling ipipilit sa iyo na muling harapin ang tanong na ito.

Ang artikulong ito ay galing sa WeChat public account na “GeekPark” (ID: geekpark), may-akda: Hua Lin Wu Wang, editor: Jingyu