Използването на AI расте, а разходите за него са на плато

TechCrunch съобщава за данни на Ramp, които показват раздвоение на пазара на AI: използването продължава да расте, но разходите са се задържали. Същите данни сочат намаления на цените и по-дисциплиниран контрол на разходите при най-големите купувачи като причини за тази разлика. В материала не се уточнява кои доставчици, какви размери на договорите и какви периоди стоят зад цифрите, нито как се измерва тенденцията в разходите.

Моментът е важен, защото публикацията поставя това в контекста на подхода на Anthropic към IPO, което превръща сигнала за разходите във въпрос за икономиката на предлагането на AI, а не в любопитен детайл за навиците на купувачите.

Какво всъщност означава плоската линия на разходите

Използване и разходи са две различни метрики и могат да се движат в противоположни посоки по съвсем обикновени причини. Ако цените за единица паднат, една компания може да отправя повече заявки към даден модел и въпреки това да плаща по-малка фактура. Ако купувачите консолидират доставчици, насочват по-прости задачи към по-евтини модели или добавят кеширане и пакетна обработка, кривата на обема продължава да расте, докато фактурата остава плоска.

За всеки, който изгражда продукт върху API на модели, това е релевантното четене. Ръстът на обработените токени не се превръща автоматично в ръст на приходите на клиент. Добре известно е също, че цените за инференс при големите доставчици са падали многократно през последните години, така че разминаване между използване и разходи е възможно и без спад в търсенето.

Това, което материалът оставя открито, е разпределението между икономии заради цените и икономии заради дисциплина. Тази разлика променя съществено перспективата: падащите цени са преоценка на целия пазар, докато контролът на разходите при най-големите купувачи подсказва, че те вече третират AI като перо, което се управлява, а не като експеримент, който се финансира.

Какво означава това за екипите за трафик и монетизация

Повечето екипи, които четат това, не продават фундаментални модели, но ги купуват и тяхната юнит икономика попада в същата промяна. Няколко неща си струва да се проверят тази седмица.

• Извадете фактурите за AI API и инструменти от последните две тримесечия и ги сравнете с реалния обем на използване, за да знаете дали цената ви за задача пада или е на плато.
• Определете работните процеси, при които по-малък или по-евтин модел би покрил критериите ви за качество, и тествайте един от тях.
• Проверете дали добавките с AI на цена за потребител във вашия стек все още се използват достатъчно, за да оправдаят подновяването.

От страна на монетизацията изводът е обратен. Ако продуктът ви включва AI функции, купувачите вече имат ориентири колко трябва да струва инференсът и ще оспорват ценообразуване, което предполага маржове от 2023 г. Функциите, чиято цена е премиум, защото използват модел, са уязвими; функциите, чиято цена се основава на резултата, който произвеждат, не са.

При привличането на трафик по-евтиният инференс разширява обхвата на персонализация и креативни варианти, които можете да си позволите да тествате — тихо предимство за екипите, които добре измерват фуниите си.

Макро въпросът, който данните повдигат, е дали ръстът на приходите от AI може да върви в крак с използването, ако купувачите продължават да свиват разходите за единица. Материалът не дава отговор, нито един набор от данни може. Но той дава причина „повече използване“ и „повече разходи“ да се третират като отделни допускания във всеки план, изграден върху този пазар.