İşletmeler, COVID-19’un ardından dijital dönüşüm projeleri peşinde koşarken yapay zeka, stratejik planlamanın kritik bir parçası haline geliyor. Üretken yapay zekadaki ilerlemeler, işletmelerin bu çabanın arkasına ciddi paralar yatırması ile dikkatleri üzerine çekmekten çok daha fazlasını yapıyor.
Fırsat olgunlaşmış olsa da, katlanarak büyüyen bir kullanıcı tabanı için bu araçları oluşturmanın ve sürdürmenin maliyeti de bir o kadar fazla. Tek başına CPU’ların maliyeti zaten oldukça yüksek; tanesi 10.000 dolar değerindeki Nvidia A100 çipleri, ChatGPT gibi en büyük yapay zeka sistemlerinin çoğuna güç veriyor. Bazı modelleri eğitmek için binlerce A100’e ihtiyaç duyulduğundan, maliyetler göz yaşartıcı oluyor. Bu, daha geniş bilgi işlem mimarisinden ve her sorguya anlamlı sonuçlar verecek şekilde eğitim modellerinin maliyetinden bahsetmiyor.
CPU’lar denklemin sadece bir kısmını oluşturuyor; Microsoft’un Bing sohbet robotu gibi sistemlerin, GPU’lar da dahil olmak üzere günlük kullanıcıların ihtiyaçlarını karşılamak için toplam altyapı maliyetlerinde 4 milyar dolara ihtiyaç duyduğu bildiriliyor. Kuşkusuz, kendi şirket içi modellerini oluşturmak isteyen işletmelerin bu kadar fazla harcama yapması pek mümkün değildir. O zaman bile, ortaya çıktıkça özel bir üçüncü taraf aracı kiralamak daha ucuz olabilir, ancak maliyetler yine de burada artmaya başlıyor; Visionary Future’ın yönetici üyesi David Shrier, örneğin ChatGPT’yi çalıştırmanın sorgu başına 0,15 dolara mal olduğunu söylüyor.
Düzenlenmemiş yapay zeka genişlemesinin riskleri hakkında devam eden tartışmalara rağmen, işletmeler üretken yapay zeka kullanmanın maliyetini ve bunların kârlılıklarını ve çevresel yeterliliklerini nasıl etkileyebileceğini anlıyor mu?
Şirketlerin Yapay Zeka’ya çok para harcıyor!
Yapay zeka sistemleri şüphesiz yeni fırsatlar sunuyor. PwC’ye göre, büyük ölçüde daha güçlü üretkenlik sayesinde 2030 yılına kadar küresel ekonomiye yaklaşık 15 trilyon dolar eklenebilir. IDC, yapay zekaya yapılan küresel harcamaların 2026 yılına kadar 300 milyar doların üzerine çıkacağını öngörüyor. AWS, Azure gibi bilgi işlem mimarisi sağlayıcıları da , Oracle ve Google da yapay zeka hizmetleri sunmaya fazlasıyla hazır. Örneğin Azure, ChatGPT’yi barındırıyor ve artan talebi karşılamak için sürekli olarak kapasite ekliyor. Ancak ilgili maliyetleri karşılaşmaya devam edip edemeyeceği belli değil.
iManage veri bilimi başkanı Jan Van Hoecke şöyle diyor: “Bu modeller ölçek büyütme eğilimindedir; ölçek büyütme, veri kümesi boyutunun “büyümesi” ve aynı zamanda modelleri eğitmek için gereken bilgi işlem gücünün artması anlamına geliyor,” diye açıklıyor.
IBM raporuna göre OpenAI’nin GPT-3’ünün geliştirilmesi ve eğitilmesi 3 milyon dolara, DeepMind’ın AlphgaGo’sunun ise yalnızca eğitilmesi 35 milyon dolara mal oldu. Rapor şunları ekledi: “Maliyetlerin bu kadar önemli olduğu göz önüne alındığında, daha büyük modellere, daha fazla veriye ve eğitime olan ihtiyacın yanı sıra daha fazla bilgi işlem gücüne duyulan ihtiyacın, bütçeler ve verimlilik gibi işin doğasında olan gerçeklerle nasıl dengeleneceği konusundaki ikilem de büyüyor. Araştırmacıların bu bilmeceyi çözmesi gerekiyor, aksi takdirde ilerleme daha da yavaşlayabilir.”
Üretken yapay zeka henüz emekleme aşamasındayken, ilk yatırım uzun vadeli bakım, eğitim ve altyapı maliyetleri ile karşılaştırıldığında nasıldır? Villanova Üniversitesi İşletme Fakültesi’nde Thomas G Labrecque işletme teknolojisi profesörü Stephen J Andriole, erken maliyetlerin garanti edilenden daha fazla olduğunu düşünüyor.
Adriole, “Her zaman olduğu gibi, tüm yeni teknolojilerin geliştirme, teslimat ve destek maliyetlerinde bir artış var ancak uzun vadede maliyetler düşüyor” diyor. “Yapay zekaya yapılan yatırımların onlarca yıl öncesine, DARPA’ya ve dünya çapındaki diğer birçok devlet kurumuna ve üniversiteye dayandığını unutmayın. Yatırımlar birikimlidir. Eğitim? Yeni mimariler, tümü büyük dil modelleri tarafından keşfedilen yeni görevlerin bile gerçek zamanlı eğitimini mümkün kıldığından, bu durum büyük ölçüde ortadan kalkıyor.”
“Altyapı mı? Bulut maliyetleri de zamanla azalacak,” diye konuşmasına devam ediyor Labrecque. “Eğer tartışma, Yüksek Lisans’ların konuşlandırılmasının kendi mali ağırlığı altında çökeceği yönünde ise, o zaman hepimiz, sağlayıcıların elde etmek istediği muazzam karı kaçırıyoruz demek’’.
“Her zaman olduğu gibi bunu kendileri için karlı ve müşterileri için üretken hale getirecekler ve her zaman da öyle olacak. Pfizer ve Moderna, COVID-19 aşılarını ne kadar hızlı geliştirdi? Elde ettikleri kâra bakın. Oyunun kurallarını değiştiren teknoloji geliştirme teşvikleri astronomiktir. İlk maliyetler onları dehşete düşürmeyecek.”
Yapay Zeka’nın maliyeti
Yapay zeka oluşturmanın maliyetinin nitelikli olması gerekir ve nihai toplamların birçok bileşeni olabilir. Yapay zekadan faydalanmayı ümit eden işletmeler de ücretler konusunda haklı olarak endişeli çünkü ücretler hızlı bir şekilde sarmal haline gelebilir. Sonuçta yapay zeka sistemleri sabit varlıklar değil, sürekli genişleyen yeteneklere sahip, gelişen varlıklar.
Ancak Shrier, hızla sermayeye yönelen kuruluşlar için parlak bir gelecek görüyor. “Şirketlerin artık ‘bekleyip görmeyi’ göze alamayacakları bir devrilme noktasına ulaştık” diyor ve şöyle devam ediyor: “Bir şeyler yapma zorunluluğu olduğu göz önüne alındığında, o zaman şu soru ortaya çıkıyor: büyümeden yararlanmak için en ihtiyatlı yol nedir? ve olumsuz tarafı yönetebilir misiniz? Yapay zeka, 200 yıldır görmediğimiz küresel bir dönüşüm fırsatını temsil ediyor ve bunun gerçekleşme hızı sanayi devriminden çok çok daha hızlı. Akıllı liderler agresif bir şekilde kapasite geliştiriyor ve fırtınaya hazırlanıyor.”
Bir kuruluş genelinde üretken yapay zeka kullanımına ilişkin iş senaryosu hâlâ tanımlanma aşamasındadır. Şu anda ChatGPT gibi sistemler bu hizmetlere erişim konusunda neredeyse tüketici benzeri bir yaklaşım sunuyor. Bu hizmetlerin popülaritesi katlanarak artmaya devam ederse geliştiriciler kendi başarılarının kurbanı olabilirler; yalnızca bütçesi sınırsız olan işletmeler yapay zeka sistemlerini canlı ve gelişmekte tutmayı başarabilir.
İhtiyaç duyulan muazzam miktarda bilgi işlem gücü ve veri depolama, üretken yapay zekanın önümüzdeki birkaç yıl içinde gelişimini kısıtlayabilir. Bu talepleri karşılamak için büyük veri merkezi genişletmenin olası gizli maliyetleri ve bunun kuruluşların çevresel yeterlilikleri üzerindeki etkisi de göz ardı edilemez. Ancak yapay zeka altına hücumun ortasında bu endişelerin, onları hesaba katmamak imkansız hale gelene kadar bir kenara atılma riski var.
