Silicon Valley Teknoloji Devleri, Artan Maliyetlerden Ötürü Çalışanların AI Token Kullanımını Sınırlıyor

Yapay zeka, işletmeler için çalışanların "kazanç sağlayan işlerini" değil, "beğenmediği işlerini" otomatikleştirir.

Birkaç gün önce, GeekPark, AI üzerine büyük bahis yapan Microsoft'un, içsel olarak çoğu çalışanın Claude Code lisansını durdurduğunu bildirmişti.

Bu olay çok tuhaf, çünkü AI'nın bu dalgaında kurumsal kullanıcılar için en büyük pazarlama vurgusu "verimlilik artışı"dır. Eğer verimlilik artırılıyorsa, neden Microsoft çalışanların Claude Code kullanımını durduruyor?

Microsoft, bunu yapan tek şirket değil; "Token kullanımını daraltmak" ve çalışanların çılgınca Vibe Coding yapmasını teşvik etmemek, Silicon Valley büyük şirketlerinde yeni bir eğilim haline geldi.

Uber, yıllık AI token bütçesini dört ay içinde tüketti. Salesforce, her yıl Anthropic'e yaklaşık 300 milyon dolarlık çek öder. AI danışmanlarından biri, bir müşterisinin aylık AI harcamalarının 500 milyon dolara ulaştığını açıkladı. Meta, içsel olarak "tokenmaxxing sıralamasını" sessizce kapattı—bu sıralama, çalışanların AI kullanımını teşvik etmek için oluşturulmuştu.

Şu anda şirketler, birkaç yıl önce bile hayal edemeyecekleri bir şey yapıyor:

Çalışanların AI kullanımını sınırlayın ve izleyin.

Neden büyük şirketler hep bir ağızdan döndü?

Bugünün maliyet krizini anlamak için "tokenmaxxing"in ne olduğunu anlamalısınız.

Bu terim yaklaşık 2025 yılında popüler hale geldi ve kelime anlamıyla «token kullanımını maksimize etmek» anlamına gelir. Arkasında şu yönetim mantığı yatıyor: Şirket büyük miktarda AI araçlarına para harcadıysa, çalışanların bu araçları en fazla şekilde kullanması gerekir; ne kadar çok kullanılırsa, o kadar «dijital dönüşüm» yapıldığı kabul edilir, az kullanılırsa kaynak israfı sayılır. Bu nedenle birçok şirket, çalışanların AI araçlarını kullanmasını teşvik etmek için kullanım kotaları, sıralamalar ve hatta performans değerlendirmeleri getirdi.

Sonuç nedir?

Çalışanlar, şirketin kurumsal AI modelini hava durumunu sormak, doğum günü mesajları yazmak ve bugün ne yemek yemek gerektiğini sormak için kullanmaya başladı.

2444 şirket üzerinde yapılan bir araştırma, şirketlerin AI token üzerine harcadığı her 1 doların 0,44 dolarının AI tarafından üretilen hataları düzeltmeye, 0,27 dolarının AI tarafından üretilen kodu yeniden yazmaya ve 0,11 dolarının inceleme ve birleştirme gecikmelerine harcandığını ortaya koydu.

Yani, her bir liralık AI satın alma maliyetinin arkasında yaklaşık %80 gizli kayıp saklıdır.

Yatırımcı Shruti Gandhi, "tokenmaxxing" şirketlerini, tüm ışıkları açık tutarak üretkenliği ölçen şirketlere benzetti: "Daha fazla para harcamak, daha fazla çıktı anlamına gelmez."

Daha ironik olanı, bu şirketlerin çoğu çalışanların AI'yi ne için kullandığını bilmiyor ve bu görevlerin tamamlanmasında AI'nın herhangi bir etki yaratıp yaratmadığını da bilmiyor.

Bu "para yakma yarışı" 2024'ten 2025'e kadar sürdü ve nihayet bu yıl yoğun bir şekilde patladı. JPMorgan, başlığı rahatsız edici kadar açık bir rapor yayınladı: "AI Token maliyetleri, internet kârlarını yemektedir."

Shopify, Spotify, ServiceNow ve Roku, gelir raporu telekonferanslarında AI'nın operasyonel giderlerin ana baskı kaynağı olduğunu belirtti. Endüstrideki genel atmosfer, "AI'nın ne kadar harika olduğu"ndan "bu paranın gerçekten değeri var mı" yönüne doğru dönüyor.

Yalnızca %14'lük bir CFO oranı, AI yatırımlarından net ve ölçülebilir bir getiri görebildiğini belirtti.

Uber baş operasyon görevlisi Andrew Macdonald, bir podcast'te oldukça samimi bir ifade kullandı—çalışanların bireysel verimliliğini artırmakla şirketin genel iş etkisi arasında bağlantı kurmakta zorluk yaşadıklarını. “AI’nın kullanıcılarınıza ne kadar değerli özellik sunduğunu göremiyorsanız, token maliyetlerini savunmak daha da zor olur.”

Bu cümle, şirketlerin AI zorluklarının temelini ortaya koyar: bireysel verimlilik artışı, şirket kazancının artışı anlamına gelmez.

Çalışanlar, haftalık raporları yazmak için AI kullanarak üç kat daha hızlı çalışıyor, ancak şirketin geliri değişmedi. Mühendisler, AI kullanarak kod üretirken hızlarını iki katına çıkardı, ancak kodun “kayıp oranı”—yani bırakılan veya yeniden yazılan kodun oranı—%800 arttı.

Microsoft eski baş yapay zeka görevlisi Sophia Velastegui, birçok yöneticinin rahatsız edeceği bir ifade kullandı: “Çoğu insan, şirket için en değerli görevler yerine, beğenmediği görevleri otomatikleştirmeye meyilli.”

Açıkçası, şirketler otomasyonu çalışanların «beğenmediği işlerini», değil «para kazandıran işlerini» yapıyor.

Bu bir teknik sorun değil, öncelik sorunu. İşte neden yaklaşık %30'lik bir oranda üretken AI projeleri, kanıtlanmış kavram aşamasında bırakılıyor—maliyet belirsiz, değer belirsiz, yönetici doğal olarak yenileme yapmıyor.

Salesforce CEO Marc Benioff'un yaklaşımı temsili bir örnektir. Yıllık 300 milyon dolarlık Anthropic faturası karşısında, hangi sorguların en iyi modelle, hangilerinin ucuz küçük modellerle yeterli olacağını belirleyebilecek bir "akıllı yönlendirici" bekliyor.

Fikir kendisi yeni değil—bulut hesaplama çağından beri “kullanıma göre ödeme” ve “kaynak optimizasyonu” standart uygulamalardı. Ancak AI dalgası çok hızlı geldi, herkes önce satın aldı, sonra düşündü, şimdi tamir etmeye başladı.

Microsoft, yakın zamanda Claude Code'un büyük bir kısmının kurumsal lisanslarını iptal etti ve resmi gerekçe maliyet faktörlerini gösterdi. Bu olay, sektörde büyük bir tartışma yarattı—çünkü Microsoft, OpenAI'ın en büyük yatırımcısı olmanın yanı sıra rakip bir abonelik hizmetini de sonlandırmaktadır; bu durumda ne kadarı maliyet değerlendirmesi, ne kadarı stratejik bir hamle olduğu net değildir.

Ancak ne olursa olsun, bu bir sinyaldir: şirketler ayaklarıyla oy kullanmaya başlıyor.

Harness ve CloudZero, neredeyse aynı gün olan 28 Mayıs'ta sırasıyla AI maliyet yönetimi araçlarını piyasaya sürdü; biri AI harcamalarını ve ROI'yi gerçek zamanlı izlemeye odaklanırken, diğeri "AI Finansal Kontrol Düzlemi"ni tanıtarak işletmelere her dolarlık AI harcamasını belirli iş sonuçlarıyla ilişkilendirmeyi sağladı.

Bu iki ürünün ortaya çıkması kendiliğinden sorunu gösteriyor: Piyasada ihtiyaç var ve bu ihtiyaç acil.

HubSpot, bu yıl Nisan'dan itibaren AI ajantlarının fiyatlandırma modelini değiştirdi ve artık token başına değil, "çözülen sohbet sayısı" veya "oluşturulan potansiyel müşteri sayısı" üzerinden ücret alıyor—bu, satıcının çıkarlarını alıcının gerçek çıktılarıyla uyumlu hale getiren yön değiştiren bir adım. ServiceNow da benzer bir değişiklik yapıyor. AI üreticileri, "kullanım" yerine "sonuç" satmazlarsa, kurumsal müşterilerin bir gün toplu olarak tepki göstereceğini fark ediyor.

Bu düzenleme, AI'nın endüstriyelleşmesi için kaçınılmaz bir ağrı mı, yoksa daha büyük bir krizin öncüsü mü?

Ben daha çok ilkini tercih ediyorum. Ancak bir detay endişe verici: Küresel AI yazılım harcamalarının 2026 yılında 2,59 trilyon dolara ulaşması bekleniyor ve bu, yıllık %47 artış anlamına geliyor; ancak aynı zamanda %94'ü mühendislik liderleri, kritik ROI göstergelerinin hâlâ eksik olduğunu belirtiyor. Harcanan para artarken, nerede harcandığı ve bunun değerli olup olmadığı kimse bilmiyor—bu çelişki çözülmezse, bir sonraki “tokenmaxxing anı” sadece bir sorun.

Fortune dergisinin bir analizinde açıkça belirtildi: “Tokenmaxxing kolay, iş akışını yeniden tasarlamak zor.” Çoğu şirket şu anda var olan süreçleri optimize ediyor, ancak iş modelini yeniden icat etmiyor. İşte AI’nın gerçek değeri ve çoğu şirketin henüz ulaşamadığı nokta.

Akılcı geri dönüş iyi bir şeydir. Ancak akılcı geri dönüşten sonra, şirketlerin daha zor bir soruyu yanıtlaması gerekir: Yapay zeka, işimiz için gerçekten bir çekiç mi, yoksa yeni bir düşünme çerçevesi mi olmalı?

Eğer yalnızca eski işleri daha hızlı yapmak için yapay zekâ kullanırsanız, bir gün faturalar size bu sorunu yeniden face etmek zorunda bırakacaktır.

Bu yazı, WeChat hesabından "GeekPark" (ID: geekpark) tarafından yayınlanmıştır, yazar: Hualin Wuwang, editör: Jingyu