Η εποχή της «απεριόριστης αφθονίας» στον τομέα της τεχνητής νοημοσύνης φαίνεται να φτάνει στο τέλος της, ακόμη και για τους κολοσσούς της Silicon Valley. Σύμφωνα με πρόσφατες αναφορές που επιβεβαιώνονται από το εσωτερικό της Meta, η εταιρεία του Mark Zuckerberg άρχισε να επιβάλλει αυστηρές ποσοστώσεις (quotas) στη χρήση των εσωτερικών της μοντέλων τεχνητής νοημοσύνης από τους ίδιους τους μηχανικούς και τους υπαλλήλους της. Η κίνηση αυτή, η οποία στοχεύει στον περιορισμό των λεγόμενων «tokens» —των μονάδων μέτρησης δεδομένων που επεξεργάζονται τα γλωσσικά μοντέλα— αναδεικνύει μια κρίσιμη καμπή στην πορεία της AI: την ανάγκη για οικονομική βιωσιμότητα.
Η Χρονιά της Αποδοτικότητας Μεταφέρεται στον Κώδικα
Όταν ο Mark Zuckerberg κήρυξε το 2023 ως τη «Χρονιά της Αποδοτικότητας», πολλοί θεώρησαν ότι αυτό αφορούσε κυρίως τις απολύσεις και τη διοικητική αναδιάρθρωση. Ωστόσο, το 2026 μας βρίσκει αντιμέτωπους με μια βαθύτερη μορφή αποδοτικότητας, αυτή της υπολογιστικής ισχύος. Η Meta, η οποία έχει επενδύσει δισεκατομμύρια δολάρια στην αγορά των επεξεργαστών H100 της NVIDIA και στην ανάπτυξη της σειράς μοντέλων Llama, συνειδητοποιεί ότι το κόστος inference (της εκτέλεσης των μοντέλων) είναι δυσβάσταχτο, ακόμη και για έναν οργανισμό με τα δικά της έσοδα.
Οι περιορισμοί αυτοί δεν είναι απλώς μια λογιστική κίνηση. Σηματοδοτούν μια αλλαγή κουλτούρας. Οι προγραμματιστές που κάποτε μπορούσαν να τρέχουν αμέτρητες δοκιμές σε μοντέλα όπως το Llama 3.1 ή το επερχόμενο Llama 4, τώρα καλούνται να είναι επιλεκτικοί. Κάθε ερώτημα προς το μοντέλο κοστίζει σε ηλεκτρική ενέργεια, ψύξη κέντρων δεδομένων και φθορά υλικού. Η Meta προσπαθεί να διδάξει στους υπαλλήλους της ότι η τεχνητή νοημοσύνη δεν είναι ένας «δωρεάν» πόρος, αλλά ένα πολύτιμο αγαθό που πρέπει να χρησιμοποιείται με σύνεση.
Το Ενεργειακό και Οικονομικό Αδιέξοδο
Το πρόβλημα δεν είναι μόνο το κόστος των τσιπ. Είναι η ενέργεια. Τα data centers της Meta σε όλο τον κόσμο καταναλώνουν τεράστιες ποσότητες ρεύματος, και η πίεση από τους επενδυτές για ESG (Environmental, Social, and Governance) κριτήρια αυξάνεται. Επιβάλλοντας εσωτερικά όρια στα tokens, η Meta προσπαθεί να μειώσει το αποτύπωμα άνθρακα της εσωτερικής της έρευνας και ανάπτυξης, ενώ παράλληλα διασφαλίζει ότι η διαθέσιμη υπολογιστική ισχύς διοχετεύεται σε προϊόντα που αποφέρουν άμεσα έσοδα, όπως η βελτιστοποίηση των διαφημίσεων στο Instagram και το Facebook.
«Η τεχνητή νοημοσύνη είναι το μέλλον, αλλά το μέλλον πρέπει να έχει ισολογισμό», αναφέρει στέλεχος της εταιρείας που θέλησε να διατηρήσει την ανωνυμία του. «Δεν μπορούμε να καίμε εκατομμύρια δολάρια την ημέρα σε εσωτερικά chatbots που δεν καταλήγουν ποτέ στον χρήστη».
Η Επίδραση στην Ανοιχτή Κοινότητα
Μια από τις μεγαλύτερες ανησυχίες που προκύπτουν από αυτή την απόφαση αφορά το οικοσύστημα του open-source. Η Meta έχει αναδειχθεί σε ηγέτη της ανοιχτής τεχνητής νοημοσύνης, προσφέροντας τα μοντέλα Llama δωρεάν για χρήση από την κοινότητα. Εάν η ίδια η εταιρεία δυσκολεύεται να διαχειριστεί το κόστος της εσωτερικής χρήσης, τίθεται το ερώτημα: για πόσο ακόμα θα μπορεί να χρηματοδοτεί την ανάπτυξη μοντέλων που προσφέρει δωρεάν στον ανταγωνισμό; Η στρατηγική της Meta βασιζόταν στην ιδέα ότι η ανοιχτή διάθεση θα δημιουργούσε ένα στάνταρ στη βιομηχανία, αλλά το κόστος αυτής της στρατηγικής αποδεικνύεται υψηλότερο από το αναμενόμενο.
Συμπεράσματα για την Ελληνική Αγορά
Για την Ελλάδα και τις αναπτυσσόμενες τεχνολογικές κοινότητες, το μήνυμα της Meta είναι σαφές: η βελτιστοποίηση των αλγορίθμων είναι εξίσου σημαντική με την ισχύ τους. Οι ελληνικές startups που βασίζονται σε API μεγάλων μοντέλων πρέπει να προετοιμαστούν για μια εποχή όπου η τιμολόγηση των tokens μπορεί να αυξηθεί ή η διαθεσιμότητα να περιοριστεί. Η εστίαση στην «πράσινη AI» και σε πιο ελαφριά, εξειδικευμένα μοντέλα (SLMs - Small Language Models) φαίνεται να είναι η μόνη βιώσιμη διέξοδος από την κρίση του κόστους.
