Редакційна примітка: Коли ШІ починає писати код, обробляти звернення служби підтримки та перевіряти правові документи, виникає більш фундаментальне питання: що саме реально купують компанії — токени, години GPU чи виконану роботу?

Ця стаття пропонує варто уваги рамки: комерціалізація ШІ не повинна сприйматися лише як «ринок обчислювальних потужностей» або «ринок виклику моделей», а наближається до нового «ринку машинної праці». У цьому ринку токени є лише одиницями виміру, GPU — вхідними ресурсами, моделі — інструментами виробництва, а справжніми об’єктами ціноутворення та торгівлі є економічна праця, яку безпосередньо виконує програмне забезпечення.

Суть статті полягає в тому, що механізм ціноутворення на основі ШІ пройде еволюцію від первинних токенів і стандартизованих моделей до галузевої робочої сили, а потім — до програмованих ринків результатів. Іншими словами, майбутні підприємства можуть перестати цікавитися тим, якою моделлю чи яким GPU виконується завдання, і зосередитися на тому, чи були результати доставлені в межах встановлених затримки, точності, надійності та витрат.

Це також означає, що вплив ШІ на ринок праці не обов’язково полягає у простій заміні. Зі зростанням кількості стандартизованих та перевірених завдань, які виконуються машинами, роль людини може зміститися до перевірки, несення відповідальності, управління контекстом та остаточного прийняття рішень. У деяких сценаріях останні 1% людського судження навпаки стануть більш цінними, оскільки вони дозволяють розблокувати 99% масштабної автоматизації.

З цієї точки зору наступний етап конкуренції на ринку ШІ, можливо, більше не буде зводитися до боротьби за здатність моделей чи просто війну цін на обчислювальну потужність, а полягатиме в тому, хто першим стандартизує, перевірить та визначить ціну на «роботу», і зрештою перетворить машинну працю на новий вид виробничого фактора, який можна закуповувати, розраховувати та торгувати.

Нижче наведено оригінал:

Хвилі продуктивності завжди виникали через створення інструментів і програмного забезпечення для людей, щоб оптимізувати спосіб виконання роботи. Таблиці допомагали бухгалтерам та аналітикам, конвеєри збільшували пропускну здатність, молотки посилювали людський важіль. Але справжня праця завжди походила від людей.

Зараз ШІ безпосередньо виконує роботу, генеруючи результати від початку до кінця. Він може писати код, обробляти службові запити та перевіряти правові документи. На кінці технологічного стеку відбувається стиснення: старий стек підтримував працю, а новий стек починає виробляти працю.

Якщо ви недавно слухали обговорення про фінансовізацію ШІ, ви, ймовірно, чули, як Дженнсен та інші стверджують, що LLM-токени і/або години GPU стають новими сировинними товарами. Ця інтуїція зрозуміла, оскільки токени можна вимірювати, обліковувати та легко візуалізувати; за годинами GPU стоїть вкладення десятків мільярдів доларів. Але токени залишаються лише вимірювальними приладами, а години GPU — це лише вхідні ресурси, ніхто не купує їх саме для того, щоб володіти ними. Люди справді хочуть завершити роботу. ШІ перетворює сам технічний стек на джерело праці.

Машинна праця: робота, виконувана програмним забезпеченням, що має економічну цінність і продавана виробничому процесу.

Ринок вже рухається в цьому напрямку. Сара Тевел з Benchmark схильна розуміти цю можливість через зовнішній ринок праці, а не через програмне забезпечення. Якщо певна повторювана задача зазвичай виконується спеціалізованими офшорними командами або компаніями професійних послуг, то вона, як правило, також підходить для виконання за допомогою ШІ. Алекс Ремпелл з a16z називає це «програмне забезпечення, що поглинає працю»: наступний етап програмного забезпечення — це виконання роботи безпосередньо. Жульєн Бек з Sequoia описує ту саму зміну з іншого боку: послуги перетворюються на програмне забезпечення; copilot продає інструменти, а autopilot — роботу.

Відсутні ринки за результатами ціноутворення

Ціни на місця стягуються залежно від прав доступу, ціни на токени — залежно від обсягу використання. Ціни на результати стягуються після завершення роботи. Ціни на результати — це крок вперед, але вони все ще не відповідають на питання: хто встановлює ціни?

Якщо машинну працю можна купити безпосередньо, ціна повинна визначатися конкуренцією між постачальниками. Ці постачальники повинні мати змогу виконувати однотипні завдання або досягати однакових стандартів виконання робіт, що вимагає стандартизації всередині різних галузей та завдань.

Зараз використовуються токени LLM, але оригінальні токени — це лише найнижчий рівень. Барель нафти — це лише одиниця виміру; справжнім об’єктом торгівлі є барелі певного класу нафти з чітко визначеною якістю, умовами доставки та ринковою ціною. Барель сирової нафти Brent і барель важкої сірчистої нафти — це не однакові товари. Те саме стосується й токенів LLM: токени — це лише одиниця виміру, справжньою цінністю є інтелект, що стоїть за ними: якість моделі, мінімальні показники тестування, затримка, вікно контексту, надійність та гарантії доставки. Мільйон токенів від передової кодової моделі — це не те саме, що мільйон токенів від дешевої універсальної моделі. Ринок потребує стандартизованих рівнів інференсу, як ринок енергетики потребує стандартизованих класів нафти.

Анджалі Шріва прямо зазначила: токен — це не фіксована одиниця вартості. Його економіка змінюється залежно від довжини контексту, структури завдання, співвідношення вхідних/вихідних даних, кількості спроб, викликів інструментів та робочих процесів агента. Токен у короткому запиті — це не те саме економічне об’єкти, що й токен, занурений у довгий агентний цикл.

Ми вже робимо це на ринку людської праці. Ніхто не наймає рентгенолога як узагальнений «людський годинник». Люди дивляться на освітній рівень, ліцензії, спеціалізацію, досвід роботи, доступність, репутацію, відповідальність тощо. Різні умови людських контрактів відповідають різним мінімальним стандартам та очікуванням.

Ринок людської праці завжди функціонував за цими стандартами, але ці стандарти часто були змішаними, якісними й наповненими різними проксі-показниками. Ринок машинної праці зробить ці стандарти більш явними й більш вимірюваними.

Для LLM або агента такі показники, як навички, досвід, швидкість і надійність, можна прямо включити до контракту: результати бенчмарку, затримка, пропускна здатність, розмір контекстного вікна, максимальна довжина виводу, точність використання інструментів, час роботи без відключень, частота помилок. Ми можемо закуповувати працю на основі конкретних, вимірюваних очікувань і результатів.

Контрактні специфікації TheGrid.ai є суттєво фільтром кваліфікації, плюс цінова конкуренція щодо виводів LLM. Постачальники, які відповідають специфікаціям, можуть взяти участь у конкуренції:

Інтелектуальний тестовий мінімум ≥ мінімальний поріг

Затримка ≤ ліміт

Пропускна здатність ≥ мінімальний поріг

Час роботи ≥ мінімум

Помилка ≤ ліміт

Коли всі постачальники досягають однакової мінімальної межі, вони починають конкурувати за ціною. Покупець запитує: який постачальник може надати необхідну робочу силу за найкращою ціною?

Набір рентгенологів перетворився на вимірювальну проблему в контексті LLM: які LLM можуть з високою майстерністю інтерпретувати рентгенівські знімки та виконувати завдання в межах чітко визначених затримок, вікон контексту та інших результативних умов договору.

Результат — це спосіб, за яким покупці вимірюють успіх; праця — це економічна діяльність, що надається; токен — це паливо, яке споживається машинами під час виконання роботи.

Grid — це ринок машинної праці.

Від токенів до ринку машинної праці

Ринок може цінувати інвестиції в технологічний стек, але для ціноутворення продукту потрібен ринок машинної праці. Покупці не цікавляться годинами GPU. Самі кінцеві точки моделей також нестабільні: їх можуть перейменовувати, зупиняти, упаковувати або просто виводити з експлуатації.

Користувачі та ліквідність не люблять частих змін. GPU та моделі постійно розвиваються, але стабільною одиницею є сама робота.

Я вважаю, що ринок буде еволюціонувати за такою траєкторією. Кожен наступний рівень вище означає все більш абстрактні та цінніші речі, які купуються, але й важче перевіряти. The Grid повинен поступово підніматися по цій драбині:

Оригінальний токен → комерціалізований ринок можливостей LLM → комерціалізований ринок праці → ринок програмованих результатів

Claude 4.7, GPT 5.5, Kimi 2.6, DeepSeek V4, GLM 5 тощо.

Сьогодні покупці купують вихідні дані моделей у постачальників інференсу. Вони надсилають свої запити, отримують результати інференсу та платять за використання. Це легко перевірити, але це все ще лише сировина. Покупці справді хочуть не токени, а корисний інтелект за найкращою ціною.

Наприклад text/usd, code/usd, agent/usd тощо.

Покупець більше не вибирає конкретну модель, а вибирає потрібний йому інтелектуальний тип. Покупець зберігає контроль над робочим процесом, підказками, даними та логікою застосунку. The Grid лише маршрутизує кожен запит до кваліфікованої моделі, яка відповідає умовам договору та має найнижчу ціну.

Примітка: це перший справжній абстрактний рівень, що вищий за початковий токен, і саме на цьому рівні зараз знаходиться TheGrid.ai.

Наприклад accounting/usd, support_agent/usd, legal/usd, healthcare/usd, radiology/usd тощо.

Зі зростанням спеціалізації моделей ринок здібностей може далі еволюціонувати у галузеві ринки. Це схоже на спеціалізацію людей у різних ринках праці.

На цьому рівні ми пропонуємо висновкові здібності, призначені для робочих процесів у конкретних сегментах праці. Зі зростанням поширеності моделей для окремих галузей цей ринок швидко розширюватиметься. Відповідними прикладами є Composer від Cursor, Harvey для юридичних завдань та EvidenceOpen для охорони здоров’я.

Наприклад, support_ticket_resolved/usd, pr_merged/usd, claim_processed/usd тощо.

Останній шар — це місце, де The Grid переходить з ринку висновків на ринок машинної праці.

Цей рівень вимагає механізми RFQ (запит на ціну), депоновані рахунки, відстрочене розрахунок, підтвердження покупця, репутація постачальника, механізми відшкодування та вирішення спорів. Він, ймовірно, спочатку почне з RFQ, а не з прямого використання книги замовлень. Покупець визначає обсяг робіт, обмеження, критерії прийняття та умови розрахунку, а агенти змагаються за виконання завдання. The Grid допомагає маршрутизувати, визначати ціни, перевіряти та розраховувати ці роботи.

Це найцінніший рівень, але й найскладніший для перевірки, оскільки результати можуть затримуватися, бути суб’єктивними та піддаватися маніпуляціям. Тикет служби підтримки може бути знову відкритий; PR може пройти тести, але все ще призвести до поганої архітектури.

Загальна вартість = Вартість виконання роботи + Вартість прийняття ризику

Робочий процес не перетворюється автоматично на ринок лише тому, що інтелект став доступним або дешевшим. Деякі завдання сильно залежать від приватного контексту, наприклад, історії клієнта або внутрішніх політик. Чим більше завдання залежить від контексту, тим менш імовірно, що його можна буде чітко розрахувати на відкритому ринку. [@hypersoren https://hypersoren.xyz/posts/cybernetic-arbitrage/]

Ринок повинен розкрити, які класи праці зростатимуть, а які скорочуватимуться.

«Машинна праця проти людської праці», чи «Машинна праця та людська праця»

Анджалі Шріва у своєму проекті механізму зазначає, що AI-наративи надто часто описуються як заміна. Насправді це більше схоже на координаційну проблему: як перегрупувати роботу, визначення авторства, стимули та цінність, коли люди та машини беруть участь у виробництві.

Сьогодні багато використання ШІ всередині компаній залишаються заблокованими, оскільки співробітники використовують ШІ в особистих цілях, робочі процеси все ще зосереджені на окремих осobaх, і компанії не можуть оцінити ці підвищення продуктивності або масштабувати ці вигоди.

Більшість робіт, які можна автоматизувати, ймовірно, будуть передані машинам. Частина робіт перетвориться на перевірку людиною, взяття відповідальності, навчання та управління контекстом. У деяких випадках останні 1% людського судження стануть ціннішими, оскільки дозволять масштабно розблокувати 99% автоматизованих робіт.

Рейчел Су Парк у своїй роботі «Brave New World of AI Markets» зазначає, що TAM штучного інтелекту не слід просто моделювати як заміну поточних витрат на людську працю, оскільки він одночасно змінює ціни та обсяги. Зі зниженням вартості роботи ціна за одиницю може знизитися, але кількість споживання може зростати, оскільки існуючі роботи будуть споживатися частіше, а нові роботи, які раніше були економічно невигідними, стануть досяжними. Стаття узагальнює це як:

P × Q: Ринковий обсяг = Ціна за одиницю роботи × Кількість спожитих робіт

Якщо ШІ зробить взаємодію з службою підтримки дешевшою, компанії зможуть надавати послуги 24/7. Цей ринок не буде просто дешевою версією старого ринку праці служби підтримки, а може перетворитися на більший ринок взаємодії з клієнтами.

Штучний інтелект — це розширювальний ринок, оскільки зі зниженням вартості роботи попит не залишається незмінним.

Робочий шар

Ринок машинної праці повинен починатися з робіт, чиї специфікації можна чітко визначити. ГПУ-години містять надто багато інформації про вклад, і вони лише показують, що підтримує роботу; тоді як ціноутворення за повним результатом надто складне і надто залежить від контексту. З тим як перевірка, репутація та ціноутворення на основі ризику/страхування поступово переходять до машин, ринок продовжуватиме рух у бік чистого рівня результатів.

Машинна праця може стати торговою, оскільки покупці все менше цікавитимуться тим, яка модель або який GPU виробили роботу, і більше звертатимуть увагу на те, чи досягла робота мінімальних стандартів і класів, встановлених у договорі, за правильною ціною. Агенти ще менше звертатимуть увагу на ці підlying джерела.

Машини тепер можуть безпосередньо виконувати роботу з економічним застосуванням, яку можна визначити, виміряти, встановити ціну, закупити та в кінцевому підсумку угодовувати. Електроенергія, обчислювальна потужність, моделі та токени, звичайно, все ще важливі, але вони всі залишаються на верхньому рівні.

Справжнє завершення роботи відбувається в ланцюзі постачання, а ринок рухається до більш простого об’єкта: машинної праці.