“Tokenmaxxing” – AI कोडिङ सफलता सकेसम्म धेरै टोकनहरू प्रयोग गर्नमा आउँछ भन्ने विचार – एक आकर्षक मेट्रिक हो।
टोकनहरू एआई कोडिङ उपकरणहरूले पढ्न, लेख्न र तर्क गर्न प्रयोग गर्ने आधारभूत एकाइ हुन्। त्यसोभए सतहमा, थप टोकनहरूको अर्थ अधिक उत्पादन, अधिक उत्पादकता, र अधिक प्रभाव हुनुपर्छ।
तर जब हामीले २०० कम्पनीहरूमा १२,००० विकासकर्ताहरूको विश्लेषण गर्यौं, डेटाले पत्ता लगायो कि धेरै टोकनहरू धेरै आउटपुटसँग सहसम्बन्धित हुँदा, तिनीहरू प्रति इकाई महत्त्वपूर्ण रूपमा उच्च मूल्यमा आउँछन्।
केही संस्थाहरूले सफ्टवेयर इन्जिनियरहरूलाई सकेसम्म धेरै टोकनहरू प्रयोग गर्न, लिडरबोर्डहरू प्रयोग गरेर सबैभन्दा ठूलो AI प्रयोगकर्ताहरूलाई प्रवर्द्धन गर्न दबाब दिइरहेका छन्। तर त्यो दिगो रणनीति होइन । CFOs अनियन्त्रित AI खर्चमा पछाडि धकेल्न थालेका छन् र कोडरहरूलाई रसिदहरू देखाउन सोधिरहेका छन्।
नेताहरू छिटो सार्न पैसा खर्च गर्न इच्छुक हुन सक्छन्, तर तिनीहरूले आफ्नो ईन्जिनियरिङ् टोलीहरूले प्रभाव पारेको प्रमाणित नगरी यो गर्न सक्दैनन्।
“टक्सेनम्याक्सिङ” को लागि सबैभन्दा राम्रो दृष्टिकोण भनेको एआई अपनाउनका लागि अन्धाधुन्ध धक्का दिनु होइन। यसको सट्टा, कम्पनीहरूका लागि अगाडि बढ्ने उत्तम मार्ग भनेको AI कोडिङ लाई थप फराकिलो रूपमा ग्रहण गर्नु हो, धेरै इन्जिनियरहरूलाई वक्रको बीचमा लैजानु हो।
किन ‘tokenmaxxing’ मापन गर्दैन
हामीले फेला पारेका छौँ कि क्लाउड कोड प्रयोगकर्ताहरूको शीर्ष १०% ले मध्य विकासकर्ताको तुलनामा १० गुणा धेरै AI टोकनहरू उपभोग गरे तर आउटपुटको दोब्बर मात्र उत्पादन गरे। अर्को शब्दमा, टोकन खपत बढ्दा उत्पादन बढ्छ, तर समानुपातिक रूपमा होइन।
अनुसन्धानले कुल टोकन खपतमा हावी रहेको पावर प्रयोगकर्ताहरूको सानो तर बढ्दो समूह पनि देखाउँछ। 90 औं प्रतिशतमा, प्रयोगकर्ताहरूले प्रति हप्ता लगभग 225M टोकनहरू जलाउँदैछन्, तिनीहरूले छ महिना अघि प्रयोग गरेको लगभग 3x, र लगभग 7x औसत।
धेरै ईन्जिनियरिङ् नेताहरू अब आफ्ना उच्च ग्रहणकर्ताहरूलाई हेरिरहेका छन् र बाँकी संगठनलाई कसरी समान स्तरमा ल्याउने भनेर पत्ता लगाउन प्रयास गरिरहेका छन्। त्यो दृष्टिकोण गलत छ। प्रति मर्ज गरिएको PR लागत $0.28 बाट सबैभन्दा कम अपनाउने तहमा $89.32 मा बढ्दै, चरम टोकन प्रयोग मापनले मात्र मूल्य चलाउन सक्दैन।
बरु, इन्जिनियरिङ् नेताहरूले कर्भलाई सहज बनाउनमा ध्यान केन्द्रित गर्नुपर्छ। फराकिलो, मध्यम टोकन खपत स्पेक्ट्रमको एक छेउमा पावर प्रयोगकर्ताहरूको सानो समूह हुनु र अरू सबै पछि पर्नु भन्दा धेरै लागत प्रभावी छ। जब धेरैजसो संस्था कर्भको बीचमा काम गरिरहेको हुन्छ, AI एक दिगो फाइदा बन्छ: वास्तविक उत्पादकता प्राप्त गर्न पर्याप्त तर इन्जिनियरिङ टोलीहरूले मार्जिनल आउटपुटलाई पछ्याउँदै पैसा जलाउने धेरै होइन।
प्रभाव अधिकतम बनाउनुहोस्, टोकन खपत होइन
सबैभन्दा धेरै टोकनहरू प्रयोग गर्ने संस्थाहरूले AI मार्फत सबैभन्दा टाढा पुगेका छैनन्। जब टोकन खपत उच्च हुन्छ, अधिकांश क्लाउड, कोपाइलट वा कर्सर जस्ता उपकरणहरूसँग म्यानुअल कार्यहरू स्वचालित गर्नमा खर्च गरिन्छ। Developers सँग अनिवार्य रूपमा पहिले जस्तै काम गर्न अझ राम्रो उपकरण छ।
AI सँग प्रभाव पार्नको लागि, इन्जिनियरिङ संस्थाहरूले काम गर्ने नयाँ, साँच्चै एजेन्टिक मोडहरू तर्फ अघि बढ्नुपर्छ। यद्यपि, एजेन्टिक प्रणालीहरूलाई सन्दर्भ इन्जिनियरिङ, अर्केस्ट्रेसन र स्यान्डबक्स गरिएको वातावरण सहित IT पूर्वाधार मा ठूलो लगानी चाहिन्छ। जबसम्म संगठनहरूले यी मुद्दाहरूलाई सम्बोधन गर्दैनन्, उत्पादकता लाभहरू “एजेन्टिक अवरोध” द्वारा अवरुद्ध रहनेछन् जुन टोकनहरूको कुनै पनि मात्रालाई पार गर्न सक्दैन। . इन्जिनियर को भूमिका। कुनै उत्पादनलाई बजारमा लैजानुमा रोडम्याप कार्य, डिप्लोयमेन्ट, गो-टु-मार्केट सक्षमता, र थप कुराहरू पनि समावेश हुन्छन्। यदि ईन्जिनियरहरूले सकेसम्म छिटो कोड लेख्नको लागि टन टोकनहरू खर्च गर्दै छन् भने, अरू सबै कुराहरू समात्न आवश्यक छ।
रोडम्याप ताल परिवर्तन र गति बिक्री सक्षमता लाई प्रमुख सांस्कृतिक परिवर्तनहरू आवश्यक पर्दछ जुन धेरै संगठनहरूको लागि तयार छ। नतिजाको रूपमा, अतिरिक्त क्याडेन्सहरू प्राय: ब्याकलग वा अन्य चीजहरूमा खन्याइन्छ जसले मूल्यलाई रेखा तल पुर्याउन सक्छ तर छोटो अवधिमा राजस्व सुई सार्न सक्दैन। टोलीहरूले प्रत्येक हप्ता लाखौं टोकनहरू उपभोग गर्न सक्छन् तर त्रैमासिकको अन्त्यसम्म यसको लागि देखाउनको लागि थोरै छ।
एआई-नेटिभ कम्पनीहरूले उनीहरूको AI लगानीमा तत्काल प्रतिफल देख्ने सम्भावना बढी हुन्छ। स्थापित उद्यमहरू स्क्र्याचबाट सुरु गर्न सक्षम नहुन सक्छन्, एआई-नेटिभ सिद्धान्तहरू अपनाएमा अवरोधहरू हटाउन र टोकन खर्चलाई मापनयोग्य व्यापार रिटर्नमा छिटो परिवर्तन गर्न मद्दत गर्न सक्छ। स्वचालित लाई दिमागमा राखेर कार्यप्रवाहहरू डिजाइन गरेर, तिनीहरूले प्राविधिक ऋण सिर्जना नगरिकन कोडिङको गतिलाई जारी राख्न सक्छन्।
“टोकनम्याक्सिङ” ले केही समय पाएको छ, तर ईन्जिनियरिङ्का नेताहरूले टोकन गणनाभन्दा बाहिर जान र मूल्य प्रमाणित गर्ने तरिकाहरू खोज्न थाल्नुपर्छ। AI ले सफ्टवेयर डेलिभरी जीवन चक्रमा डेलिभरी, गुणस्तर र उत्पादकतालाई कसरी प्रभाव पार्छ भन्ने मापन गरेर, नेताहरूले ROI देखाउन सक्छन् र प्रत्येक टोकन गणना हुन्छ भनेर सुनिश्चित गर्न सक्छन्। प्लेटफर्महरू।
यो लेख TechRadar Pro Perspectives को भागको रूपमा उत्पादन गरिएको थियो, हाम्रो च्यानलले उत्कृष्ट र उज्यालो दिमागहरू प्रस्तुत गर्नको लागि हाम्रो च्यानललाई टेक्नोलोजीमा व्यक्त गरेका छन्। र आवश्यक छैन TechRadarPro वा Future plc को हो। यदि तपाईं योगदान गर्न इच्छुक हुनुहुन्छ भने यहाँ थप जान्नुहोस्: https://www.techradar.com/pro/perspectives-how-to-submit