افزایش هزینه هوش مصنوعی و تغییر رویکرد شرکت‌ها
هزینه استفاده از هوش مصنوعی به یکی از دغدغه‌های مهم شرکت‌های فناوری تبدیل شده است. در ماه‌های ابتدایی رشد Agentic AI، بسیاری از شرکت‌ها بیشتر روی قابلیت‌های جذاب این فناوری تمرکز داشتند و کمتر به هزینه واقعی استفاده از آن فکر می‌کردند. اما حالا نگاه بازار در حال تغییر است.

شرکت‌ها و مشتریان بیش از گذشته می‌پرسند: این ابزار دقیقاً چه مشکلی را حل می‌کند و آیا نتیجه آن ارزش هزینه‌ای را که پرداخت می‌کنیم دارد؟

به همین دلیل، مفهوم بازگشت سرمایه یا ROI اهمیت بیشتری پیدا کرده است. دیگر داشتن یک ابزار هوش مصنوعی قدرتمند به‌تنهایی کافی نیست و شرکت‌ها می‌خواهند تأثیر واقعی AI را در کسب‌وکار خود ببینند. افزایش هزینه‌های AI حتی باعث شده شرکت‌هایی مانند Uber، Amazon و Microsoft درباره نحوه استفاده کارکنان از ابزارهای هوش مصنوعی بازنگری کنند.


چرا ROI در LegalTech مهم‌تر شده است؟
این تغییر رویکرد در حوزه LegalTech یا فناوری حقوقی اهمیت زیادی دارد. در گذشته شاید یک دمو جذاب برای جلب توجه مشتری کافی بود، اما حالا خریداران محصولات AI با دقت بیشتری تصمیم می‌گیرند. برخی شرکت‌ها حتی اسناد و پرسش‌های واقعی خود را به جلسات فروش می‌برند تا عملکرد ابزار را در شرایط واقعی بررسی کنند. بنابراین مشتری دیگر فقط نمی‌خواهد بداند «این ابزار چه قابلیت‌هایی دارد؟»؛ بلکه می‌خواهد بداند
«این قابلیت‌ها چه نتیجه‌ای برای کسب‌وکار من ایجاد می‌کنند؟»


برای نمونه، طبق گزارشی از EU-Startups، یک تیم رسیدگی به خسارت در یک شرکت بیمه توانسته با استفاده از Agentic AI تعداد پرونده‌های پردازش‌شده توسط هر فرد را از حدود ۱۵۰ پرونده در ماه به حدود ۷۰۰ پرونده افزایش دهد.


چنین نمونه‌هایی نشان می‌دهند که ارزش AI زمانی بهتر مشخص می‌شود که بتوان نتیجه آن را با عدد و معیارهای مشخص اندازه‌گیری کرد.
افزایش هزینه LLM؛ چالش استارتاپ‌های LegalTech
چالش هزینه فقط متوجه مشتریان نیست. شرکت‌های سازنده محصولات AI نیز باید هزینه استفاده از مدل‌های زبانی بزرگ (LLM) را مدیریت کنند. با افزایش تعداد کاربران یا پیچیده‌تر شدن درخواست‌ها، هزینه پردازش مدل‌ها نیز می‌تواند افزایش پیدا کند.

این موضوع برای استارتاپ‌های LegalTech اهمیت زیادی دارد؛ زیرا باید بین هزینه پردازش AI و درآمد حاصل از مشتری تعادل ایجاد کنند.

یکی از مدل‌های رایج، قیمت‌گذاری به ازای هر کاربر (Per-seat pricing) است. در این روش مشتری برای هر کاربر مبلغ مشخصی پرداخت می‌کند، اما افزایش مصرف AI می‌تواند هزینه واقعی ارائه سرویس را برای شرکت بالا ببرد. مدل دیگر، قیمت‌گذاری بر اساس میزان مصرف (Usage-based pricing) است که در آن مشتری متناسب با میزان استفاده هزینه پرداخت می‌کند. این روش می‌تواند مدیریت هزینه را ساده‌تر کند، اما ممکن است مشتری را نسبت به افزایش ناگهانی هزینه‌ها نگران کند.



 
انتخاب مدل مناسب می‌تواند هزینه AI را کاهش دهد
 

 

 

یکی از راه‌های مهم برای کنترل هزینه، انتخاب مدل مناسب برای هر وظیفه است. هر کاری به قوی‌ترین و گران‌ترین مدل AI نیاز ندارد.

برای درخواست‌های ساده می‌توان از مدل‌های کوچک‌تر و ارزان‌تر استفاده کرد و مدل‌های قدرتمندتر را برای وظایف پیچیده‌تر کنار گذاشت. همچنین شرکت‌ها می‌توانند Agentهای مختلفی بسازند و هرکدام را به مدل مناسب خود متصل کنند. این رویکرد باعث می‌شود مصرف LLM هدفمندتر شود و شرکت‌ها برای کارهای ساده، هزینه مدل‌های گران‌قیمت را پرداخت نکنند.
آینده LegalTech؛ AI باید ارزش واقعی ایجاد کند
افزایش حساسیت نسبت به هزینه‌های هوش مصنوعی می‌تواند به بلوغ بازار LegalTech کمک کند. شرکت‌ها حالا باید دقیق‌تر مشخص کنند محصولشان چه مشکلی را حل می‌کند، چقدر در زمان و هزینه صرفه‌جویی ایجاد می‌کند و آیا استفاده از آن واقعاً ارزش اقتصادی دارد یا نه.

برای استارتاپ‌های LegalTech، این شرایط به معنای توجه بیشتر به انتخاب مدل مناسب، کنترل هزینه پردازش و ایجاد یک مدل درآمدی پایدار است. در این بازار، صرف استفاده از یک مدل قدرتمند دیگر نمی‌تواند موفقیت محصول را تضمین کند. در نهایت، برنده‌های بازار احتمالاً شرکت‌هایی خواهند بود که بتوانند بین قدرت AI، هزینه استفاده، بهره‌وری و بازگشت سرمایه تعادل ایجاد کنند. مسیر بازار از «AI چون جذاب است» به سمت «AI چون ارزش واقعی ایجاد می‌کند» در حال تغییر است.


منبع:
EU-Startups — AI cost scrutiny is a win for LegalTech

مشاهده مقاله اصلی در EU-Startups




مطالب مرتبطزیرساخت لازم برای ساخت اپلیکیشن با هوش مصنوعیمسیر یادگیری آرانیک آکادمیTencent مدل هوش مصنوعی چندوجهی WeMM-Embedding را متن‌باز کرد