Forbes: AI agent layihələrinin 40%-i 2027-ə qədər dayandırılacaq

Gartner-in 2025-ci ilin iyununda dərc etdiyi hesabata görə, agentli AI layihələrinin 40%-dən çoxu 2027-ci ilin sonuna qədər dayandırılacaq. Forbes-in yazdığına görə, səbəblər artan xərclər, biznes dəyərinin qeyri-müəyyənliyi və risk nəzarətinin zəifliyidir. Hesabatı Lyzr AI-ın qurucusu və baş direktoru Siva Surendira şərh edib.

Surendira bildirir ki, bu o demək deyil ki, şirkətlər agentlərdən imtina etməlidir. Onun sözlərinə görə, 100-dən çox AI agent tətbiqindən sonra aylıq frontier model xərcləri kiçik şirkətlərdə təxminən $50,000-dan moda brendində $800,000-a, nəşriyyat şirkətində $1.2 milyona və sürətli istehlak malları pərakəndə satıcısında təxminən $4 milyona çatıb. Əsas sual budur: şirkətlər bu modellərdən belə miqyasda nə etməyi xahiş edir? Çox vaxt cavab budur ki, demək olar ki, hər şeyi.

Yeni tapşırıq gələndə o, ən qabiliyyətli modelə verilir. Müqavilə risklərini yoxlayan agentlə marketinq strategiyası quran agent eyni cür işləməməlidir, amma əksər şirkətlərdə belə olur. Model keyfiyyəti yüksəldikcə və inference xərcləri azaldıqca hər AI agent çağırışını tənzimləmək lazımsız görünüb. Surendira bunu şirkətin baş mühəndisinə sistem parolunu sıfırlamağı, hüquq firmasının tərəfdaşına isə müqavilədə orfoqrafiya yoxlamağı tapşırmağa bənzədir.

Müəllifin fikrincə, müəssisə işinin böyük hissəsi təsnifat, çıxarış, axtarış, formatlaşdırma və ya yoxlamadan ibarətdir. Bu addımlar mürəkkəb iş axınlarının içində ola bilər, amma bu, hər addımın düşünmə tələb etdiyi anlamına gəlmir. Sadə marşrutlaşdırma qatı tapşırığı qiymətləndirib keyfiyyət həddini keçən ən ucuz modelə göndərə bilər. Çətin hallarda işi kiçik hissələrə bölmək, kiçik modellərə həvalə etmək və müstəqil nəticələri müqayisə etmək lazımdır. Cavablar üst-üstə düşürsə, davam etmək; fərqlənirsə, daha çox hesablama xərcləmək və ya yuxarı səviyyəyə keçmək lazımdır. Prinsip belədir: ehtiyac olmayan intellekt üçün pul ödəməmək.

Surendira deyir ki, bir çox şirkət üçün hər şey üçün frontier model lazım olmadığını eşitmək ağrılıdır. İstehsalat trafiki güclü modeldən keçə bilər, eyni zamanda kiçik model yanında işləyə və əvvəlcə heç nəyə xidmət etməyə bilər. Təkrarlanan iş kateqoriyalarında onun cavabları mövcud modellə müqayisə olunur. Kiçik model keyfiyyət həddini davamlı qarşılayanda trafik tədricən ona keçir; keyfiyyət aşağı düşərsə, geri qaytarılır. Müəllif vurğulayır ki, bu gün tapşırıq üçün ən uyğun model altı ay sonra həmin işi görməli deyil.

Token hesabı ROI göstəricisi deyil. Şirkətlər AI-a nə qədər xərclədiklərini bilir, amma bu xərclərin nəyə nail olduğunu bilmir. Faydalı rəqəm tamamlanmış nəticə üzrə xərcdir. Nəticə həll edilmiş bilet, emal olunmuş sənəd, tamamlanmış tranzaksiya və ya birləşdirilmiş pull request ola bilər. Bu, istehlakı komandalara, iş axınlarına və nəticələrə bağlamağı tələb edir.

McKinsey-in 2026-cı il müəssisə AI FinOps sorğusuna görə, respondentlərin 93%-i AI büdcəsini aşıb. McKinsey həmçinin göstərir ki, eyni kodlaşdırma tapşırığı üçün token istifadəsi agentin icra üsulundan asılı olaraq 30 dəfəyə qədər fərqlənə bilər. Surendira deyir ki, komandalara veriləcək sual modellərin nə qədər baha olduğu deyil, bu konkret tapşırığın niyə bu qədər baha başa gəldiyidir.

Müəllif 1,000-dən çox söhbətdə komandaların dörd məlum budağı olan və sadə deterministik məntiqlə həll oluna biləcək proseslərə frontier model yönəltdiyini görüb. O, müştəri e-poçtları ilə geri qaytarma tələbi nümunəsini göstərir. Bu, bir tapşırıq kimi görünür və komandalar onu bir AI modelinə verir. Amma yaxından baxanda beş kiçik işə bölünür: e-poçtu oxuyub geri qaytarma tələbi, şikayət və ya sual kimi işarələmək; geri qaytarma siyasətini yoxlamaq (30 gün ərzində bəli, əks halda xeyr); zədələnmiş məhsulu olan sadiq müştəri kimi qeyri-adi hallarla məşğul olmaq. Birinci və beşinci addımlar kiçik, ucuz model üçün asandır. İkinci və üçüncü addımlar verilənlər bazası axtarışı və sabit qaydadır, ümumiyyətlə AI tələb etmir. Yalnız dördüncü addım ən qabiliyyətli modelə layiqdir.

Əgər bütün tapşırıqları premium modeldə icra etsəniz, beş addımdan yalnız biri lazım olduğu halda hamısı üçün yüksək tarif ödəyirsiniz. Surendira məsləhət görür ki, AI agentlərdən istifadə edərkən iş axınını ayrı-ayrı tapşırıqlara bölmək, modelləri mürəkkəbliyə uyğun təyin etmək və hər tapşırığın nə qədər çətin olduğunu soruşmaq lazımdır. Məqsəd tapşırığın həqiqətən ehtiyac duyduğundan daha çox model qabiliyyəti üçün pul ödəməməkdir. Davamlı gəlir model qiymətlərini aşağı salmaqla deyil, hər tapşırığa düzgün səviyyədə intellekt ayırmaqla gəlir.