بیرونی میڈیا فورچن نے جائزہ لیا کہ کاروباری اداروں میں ایک زمانہ تھا جب "ٹوکن میکسنگ" بہت مقبول تھا، لیکن اب یہ رجحان کم ہو رہا ہے۔ "ٹوکن میکسنگ" کا مطلب ہے کہ ملازمین یا ٹیم کے AI ماڈلز کے استعمال کے ٹوکنز کو ان کی نوآوری اور کارکردگی کا تقریبی اشارہ سمجھا جاتا ہے۔ لیکن جب بکھرے ہوئے بلز اور بے فائدہ استعمال میں اضافہ ہوا، تو زیادہ تر کمپنیاں اس طریقہ کار پر پابندی لگانے لگیں۔
آرٹیکل میں کہا گیا ہے کہ میٹا، ایمیزون، اور اوپن اے آئی جیسی کمپنیوں نے پہلے بھی اپنے ٹوکن کے رینکنگ کے طریقے استعمال کیے تھے، جن میں انجینئرز کو ماڈل کے استعمال کی مقدار کے لحاظ سے مقابلہ کرنے کی حوصلہ افزائی کی جاتی تھی۔ مسئلہ یہ ہے کہ جب کسی اشارے کو خود ہی ایک تقویم بنایا جائے، تو وہ اصل مقصد سے پھٹک سکتا ہے۔ برطانوی فنانشل ٹائمز نے پہلے رپورٹ کی تھی کہ ایمیزون کے کچھ ملازمین نے AI ایجینٹس کو بے معنی کاموں کے لیے متعین کر دیا تھا، صرف استعمال کے ڈیٹا کو بحال رکھنے کے لیے۔
لاگت کے دباؤ ظاہر ہونا شروع ہو گئے ہیں
جب تولیدی AI کو کاروباری سطح پر بڑے پیمانے پر لاگو کیا جا رہا ہے، تو ماڈل کے استعمال کی لاگت بھی تیزی سے بڑھ رہی ہے۔ مضمون کے مطابق، کچھ کمپنیاں اپنے ملازمین کو تیسری طرف کے AI ایجینٹس، خاص طور پر اعلیٰ ماڈلز پر انحصار کرنے والے ٹولز، کے استعمال پر پابندی لگانے لگی ہیں۔ میٹا نے ملازمین کے ذریعہ بنائے گئے ٹوکن رینکنگ لسٹ کو ہٹا دیا ہے؛ دی ورج نے رپورٹ کیا ہے کہ مائیکروسافٹ نے کئی اہم مصنوعات ڈیپارٹمنٹس کے ملازمین کے Claude Code سبسکرپشن منسوخ کر دیا ہے۔
یوبیر نے بھی اعتراف کیا کہ کمپنی نے 2026 کے پہلے چار ماہ میں پورے سال کا ٹوکن بجٹ ختم کر دیا، جس میں سے کچھ اخراجات کلید کوڈ کے زیادہ استعمال سے آئے۔ سیلز فورس کے سی ای او مارک بینیوف نے کہا کہ کمپنی نے اس سال اینتھروپک کو تقریباً 3 ارب ڈالر ادا کیے ہیں اور مستقبل میں ایک زیادہ ذکی راؤٹنگ سسٹم چاہتے ہیں جو مختلف درخواستوں کو مختلف لاگت والے ماڈلز پر تقسیم کرے۔
کاروباری نتائج پر زیادہ توجہ دی جاتی ہے
یہ مضمون کہتا ہے کہ کاروباری اداروں کی ٹوکن میٹرکس پر سختی کا بنیادی سبب صرف اخراجات کم کرنا نہیں، بلکہ سرمایہ کاری اور واپسی کے درمیان فرق ہے۔ یوبر کے چیف آپریشنز آفیسر اینڈریو میکڈونلڈ نے حال ہی میں کہا کہ کمپنی کے لیے کچھ ملازمین کی پیداوار میں اضافہ کو صارفین کے لیے نئے فنکشنز یا مجموعی کاروباری نتائج تک جوڑنا مشکل ہے۔ اگر واضح کاروباری نتائج حاصل نہ ہو سکیں، تو ماڈل کے اخراجات کو مستقل طور پر مناسب ثابت کرنا مشکل ہو جاتا ہے۔
اسی لیے صرف ٹوکن کے استعمال کا تعاقب، اب ایک مؤثر انتظامی ٹول کے طور پر دیکھنا مشکل ہو رہا ہے۔ یہ کالوں کے سائز کو ظاہر کر سکتا ہے، لیکن یہ نہیں بتا سکتا کہ کیا یہ کالیں حقیقت میں مصنوعات، عمل یا آمدنی میں بہتری لائی ہیں۔
حقیقی فائدہ عمل کے دوبارہ ڈیزائن سے ملتا ہے
یہ مضمون ایکسپونینشل ویو کے مصنف ازیم ازہر کے خیال کا حوالہ دیتا ہے کہ موجودہ AI کی سرمایہ کاری اور پیداواری صلاحیت کے درمیان عدم تطابق، ایک نئی جامع ٹیکنالوجی کے ابتدائی مراحل میں عام "پیداواری J منحنی" کی طرح ہے۔ کاروبار ابتدائی مراحل میں اکثر تجربات کے اخراجات بڑھاتے ہیں، لیکن مختصر مدت میں واضح فائدہ نہیں دیکھ پاتے، صرف اس وقت جب عمل کے طریقے دوبارہ ڈیزائن کئے جاتے ہیں، تب کارکردگی میں اضافہ مرکوز طور پر ظاہر ہوتا ہے۔
بجلی کے ارتقاء کے ذریعہ فیکٹری کے مثال کے ساتھ، کمپنیاں شروع میں صرف روشنی یا طاقت کے ذرائع کو تبدیل کرتی ہیں، لیکن حقیقی اور قابل ذکر پیداواری بہتری صرف اس وقت حاصل ہوتی ہے جب فیکٹری کا ڈیزائن اور ہر مشین نئی تکنالوجی کے گرد دوبارہ ڈیزائن کیا جاتا ہے۔ AI کے لحاظ سے، بہت سی کمپنیاں اب بھی صرف جزوی تجربات یا ٹولز کے جمع کرنے کے مرحلے پر ہیں اور ابھی تک گہرے عمل کے تبدیلی میں نہیں آئی ہیں۔
ٹیکنالوجی کے استعمال کے مقابلے کا خاتمہ اس لیے ہوا کیونکہ یہ "کتنا استعمال ہوا" کا مسئلہ حل کرتا ہے، نہ کہ "کیا بنایا گیا"۔ کاروباروں کے لیے، AI کی قیمت آخرکار مصنوعات کی فراہمی، کاروباری ماڈل اور آمدنی کے نتائج پر منحصر ہے، نہ کہ ماڈل کے استعمال کی درجہ بندی پر۔