Code Puppy fusese prezentat ca un instrument capabil să ajute cu sarcini precum analiza foilor de calcul, crearea de prezentări și alte activități de birou ușor automatizabile. Schimbarea de politică internă este o măsură de control al costurilor, deoarece modelele de limbaj mari (LLM) trec tot mai mult la un model de plată per utilizare, în locul abonamentelor cu preț fix care ofereau acces aproape nelimitat la inferența AI. Cu aproximativ 2,1 milioane de angajați, chiar și cereri modice per angajat pot genera costuri semnificative.
Orientarea Walmart către angajați este de a folosi AI acolo unde poate crea valoare, și vine cu instrucțiuni despre cum să aleagă instrumentul AI potrivit pentru fiecare sarcină. Rapoartele indică, de asemenea, că angajații au acces la alte platforme AI plătite de companie. Walmart a extins utilizarea instrumentelor AI în companie și a oferit instruire angajaților despre cum să folosească AI, încurajându-i să experimenteze și să adopte utilizări de succes. Acum, când costurile fiecărei interacțiuni sunt facturate direct, Walmart se numără printre marile întreprinderi care se străduiesc să echilibreze îmbunătățirile raportate ale productivității cu costul realizării acestora.
Cel puțin o parte a problemei poate proveni din metodele utilizate pentru măsurarea productivității în fluxurile de lucru bazate pe AI. Anterior, urmărirea numărului și complexității utilizării instrumentelor AI ca măsură a productivității a dus la „gamificarea” indicatorilor KPI de către angajați – așa-numitul „token maxxing”. În aprilie anul acesta, un partener de la Sequoia Capital a declarat pentru The Wall Street Journal: „Toți ar trebui să facem token maxxing”, o abordare care a dus la apariția clasamentelor AI în companii pentru a celebra pe cei care fac cea mai bună utilizare a software-ului AI. Astfel de practici performative în companii vor genera tot mai multe costuri relative la numărul și complexitatea sarcinilor AI și la modelul ales pentru a le îndeplini.
Modelele mai mari care efectuează acțiuni recursive („modele de gândire”) folosesc mai mulți tokeni pentru a procesa intrările introspectiv, ceea ce duce la facturi mai mari pentru utilizatori. Încurajarea lucrătorilor de către Walmart de a-și alege cu atenție modelul este o încercare de a limita cheltuielile pe modele de frontieră costisitoare pentru sarcini relativ banale, cum ar fi analiza foilor de calcul și crearea de prezentări. Munca multi-agentică AI poate crea, de asemenea, costuri neașteptate pentru angajatori. Când angajații inițiază bucle iterative care rulează pe mai mulți agenți pentru a crea un rezultat dorit, costul real al rezultatelor sub-optimale (și rafinarea și retrimiterea necesară a prompturilor) este acum măsurabil în bani lichizi.
Deși nu toți furnizorii de AI și-au schimbat întregul model de facturare de la abonamente fixe la per token, atât Anthropic, cât și OpenAI au mutat deja planurile enterprise de nivel superior pe noua bază. Decizia Microsoft de a taxa pentru instrumentele sale de dezvoltare software GitHub Copilot începând cu 1 iunie este în concordanță cu ceea ce devine rapid noua normalitate financiară pentru furnizorii de modele. Uber a dezvăluit recent că și-a epuizat bugetul pentru AI pentru 2026 în primele patru luni ale anului, o dovadă a schimbărilor în politica de tarifare care afectează utilizatorii finali.
Prin stabilirea unor limite ale tokenilor per angajat, Walmart încearcă să țină sub control costurile continue, să impună o utilizare mai atentă a instrumentelor AI și să își permită să stabilească metrici ale rentabilității investiției în AI. Această mișcare reflectă o tendință mai amplă în peisajul corporatist: entuziasmul inițial pentru adoptarea AI la scară largă se ciocnește de realitățile financiare dure. Companiile descoperă că, deși AI poate îmbunătăți productivitatea, costurile asociate cu inferența și tokenizarea pot escalada rapid, mai ales atunci când utilizarea nu este gestionată cu atenție.
Walmart nu este singurul jucător major care se confruntă cu această provocare. Pe măsură ce din ce în ce mai multe întreprinderi adoptă soluții AI, ele se confruntă cu dilema de a echilibra beneficiile potențiale cu costurile reale. De exemplu, multe companii au început să implementeze „agentic workflows” – fluxuri de lucru în care mai mulți agenți AI colaborează pentru a finaliza sarcini complexe. Deși acestea pot aduce eficiență semnificativă, ele consumă și mai mulți tokeni, ceea ce duce la facturi mai mari.
Un alt aspect este „token maxxing”-ul, un fenomen în care angajații sunt motivați să utilizeze cât mai mulți tokeni posibil pentru a-și atinge obiectivele de performanță, adesea fără a ține cont de eficiență. Acest comportament este similar cu „gamificarea” altor metrici în companii, dar în cazul AI, costurile directe asociate fac ca această practică să fie periculoasă financiar. Sequoia Capital a promovat chiar ideea de „token maxxing”, ceea ce a dus la crearea de clasamente interne ale utilizării AI, încurajând o competiție care a crescut și mai mult costurile.
Walmart, prin limitarea tokenilor, încearcă să schimbe această dinamică. În loc să încurajeze utilizarea maximă, compania promovează o abordare mai strategică: alegerea modelului potrivit pentru sarcina potrivită. De exemplu, pentru sarcini simple precum analiza foilor de calcul, nu este necesar un model de frontieră costisitor; un model mai mic și mai ieftin poate face față la fel de bine. Această abordare nu numai că reduce costurile, dar și încurajează angajații să gândească critic despre instrumentele pe care le folosesc.
Trecerea la facturarea per token este o schimbare fundamentală în modelul de afaceri al furnizorilor de AI. Anterior, abonamentele fixe ofereau acces nelimitat, dar acum fiecare interacțiune contează. Acest lucru forțează companiile să își reevalueze strategiile de adoptare a AI. Uber este un exemplu elocvent: bugetul pe doi ani pentru AI s-a epuizat în doar patru luni. Aceasta este o lecție dură pentru orice companie care crede că AI este o soluție magică fără costuri.
În concluzie, Walmart arată că succesul pe termen lung al AI în întreprinderi nu depinde doar de capacitatea tehnologică, ci și de gestionarea inteligentă a costurilor. Limitarea tokenilor este doar începutul; pe măsură ce mai multe companii adoptă modele similare, vom vedea o schimbare către o utilizare mai rațională și mai eficientă a AI. Aceasta nu este o veste rea pentru inovație, ci mai degrabă un semn că piața se maturizează și că companiile învață să integreze AI în mod sustenabil.
