Meta, Uber এবং Walmart কর্মীদের AI ব্যবহারে সীমা আরোপ করেছে, কোম্পানিগুলো "Tokenmaxxing" থেকে "Tokenmining"-এ স্থানান্তরিত হচ্ছে

নিউ ইয়র্ক টাইমসের প্রতিবেদন অনুযায়ী, ক্রমবর্ধমান পরিচালন ব্যয় কর্পোরেট AI কৌশলকে নতুনভাবে রূপ দেওয়ার কারণে Meta, Uber এবং Walmart সহ মার্কিন যুক্তরাষ্ট্রের প্রধান কোম্পানিগুলো কর্মীদের কৃত্রিম বুদ্ধিমত্তা সরঞ্জাম ব্যবহারে নতুন সীমা আরোপ করছে বলে জানা গেছে।

এই পরিবর্তন কিছু বিশ্লেষকদের "tokenmaxxing" যুগের সমাপ্তি চিহ্নিত করে, যেখানে কোম্পানিগুলো AI সিস্টেমের ব্যাপক এবং নিবিড় ব্যবহারকে উৎসাহিত করত, এবং "tokenmining" হিসেবে বর্ণিত একটি আরও ব্যয়-সচেতন পর্যায়ের সূচনা করে।

এই পরিবর্তনগুলো কর্পোরেট পরিবেশে বড় আকারের AI ব্যবহারের ব্যয় নিয়ে ক্রমবর্ধমান উদ্বেগকে প্রতিফলিত করে, বিশেষত যখন ব্যবসায়িক প্রতিষ্ঠানগুলো উৎপাদনশীলতা, গ্রাহক সেবা এবং অভ্যন্তরীণ কার্যক্রমের জন্য জেনারেটিভ AI সরঞ্জামের উপর আরও বেশি নির্ভর করছে।

Source: XPost

কোম্পানিগুলো AI ব্যবহার সীমিত করতে পদক্ষেপ নিচ্ছে

প্রতিবেদন অনুযায়ী, বেশ কয়েকটি বড় কর্পোরেশন এখন কর্মীরা কীভাবে AI সরঞ্জাম ব্যবহার করতে পারবে তার উপর অভ্যন্তরীণ সীমা বাস্তবায়ন করছে।

এই বিধিনিষেধগুলো বড় ভাষা মডেলগুলোর উচ্চ-পরিমাণ ব্যবহারের সাথে সম্পর্কিত ব্যয় নিয়ন্ত্রণ করতে ডিজাইন করা হয়েছে, যেগুলো সাধারণত টোকেন ব্যবহারের উপর ভিত্তি করে চার্জ করে।

Meta, Uber এবং Walmart সেই কোম্পানিগুলোর মধ্যে রয়েছে যারা অপ্রয়োজনীয় AI-সম্পর্কিত ব্যয় কমাতে অভ্যন্তরীণ নীতি সামঞ্জস্য করছে।

এই পদক্ষেপটি বড় প্রতিষ্ঠানগুলোতে কৃত্রিম বুদ্ধিমত্তা কীভাবে ব্যবহার করা হয় তার একটি বৃহত্তর পুনর্মূল্যায়নের ইঙ্গিত দেয়।

"Tokenmaxxing" থেকে "Tokenmining"-এ

"Tokenmaxxing" শব্দটি অনানুষ্ঠানিকভাবে উৎপাদনশীলতা বৃদ্ধি চাওয়া কোম্পানিগুলোর মধ্যে AI সিস্টেমের দ্রুত এবং প্রায়শই অসীমিত ব্যবহার বর্ণনা করতে ব্যবহৃত হয়েছে।

তবে, ব্যয় বৃদ্ধির সাথে সাথে, ব্যবসায়িক প্রতিষ্ঠানগুলো "tokenmining" হিসেবে উল্লিখিত একটি আরও নিয়ন্ত্রিত মডেলে রূপান্তরিত হচ্ছে বলে জানা গেছে।

এই নতুন পর্যায়টি ব্যাপক AI স্থাপনার পরিবর্তে দক্ষতা, নির্বাচনী ব্যবহার এবং ব্যয় অপ্টিমাইজেশনকে জোর দেয়।

এই পরিবর্তন বড় কর্মশক্তি জুড়ে কৃত্রিম বুদ্ধিমত্তা স্কেল করার আর্থিক বাস্তবতা তুলে ধরে।

AI অবকাঠামোর ক্রমবর্ধমান ব্যয়

নীতি পরিবর্তনের পিছনে মূল চালকগুলোর একটি হল AI অবকাঠামো এবং ব্যবহারের ক্রমবর্ধমান ব্যয়।

জেনারেটিভ AI সিস্টেমগুলো টোকেন-ভিত্তিক মূল্য নির্ধারণ মডেলে পরিচালিত হয়, অর্থাৎ কোম্পানিগুলো প্রক্রিয়াকৃত বা উৎপন্ন টেক্সটের পরিমাণের উপর ভিত্তি করে অর্থ প্রদান করে।

কর্মীদের গ্রহণ বাড়ার সাথে সাথে পরিচালন ব্যয়ও বাড়ে, বিশেষত হাজার হাজার ব্যবহারকারী সহ বড় প্রতিষ্ঠানগুলোতে।

এটি কোম্পানিগুলোকে AI সরঞ্জাম কীভাবে এবং কখন ব্যবহার করা উচিত তা পুনর্মূল্যায়ন করতে অনুপ্রাণিত করেছে।

দক্ষতা ও নিয়ন্ত্রণে কর্পোরেট মনোযোগ

ব্যবহারের সীমা প্রবর্তন করে, কোম্পানিগুলো উৎপাদনশীলতা লাভ এবং আর্থিক স্থায়িত্বের মধ্যে ভারসাম্য রাখতে চায়।

AI সরঞ্জামগুলো প্রাথমিকভাবে উচ্চ-মূল্যের কাজের জন্য ব্যবহার করা হয় তা নিশ্চিত করতে অভ্যন্তরীণ নির্দেশিকা তৈরি করা হচ্ছে।

নিয়মিত বা কম-প্রভাবের ব্যবহার সীমিত করা বা আরও সাশ্রয়ী সিস্টেমে পুনর্নির্দেশিত করা হতে পারে।

লক্ষ্য হল অনিয়ন্ত্রিত ব্যয় বৃদ্ধি রোধ করার পাশাপাশি AI-এর সুবিধাগুলো বজায় রাখা।

সীমা আরোপের প্রাথমিক গ্রহণকারীদের মধ্যে Meta, Uber এবং Walmart

প্রতিবেদনটি AI ব্যবহারের বিধিনিষেধের কিছু প্রাথমিক গ্রহণকারী হিসেবে Meta, Uber এবং Walmart-কে হাইলাইট করেছে।

এই কোম্পানিগুলো তাদের কার্যক্রমে কৃত্রিম বুদ্ধিমত্তা সংহত করার ক্ষেত্রে অগ্রভাগে রয়েছে।

তবে, তাদের মাপও মানে তারা ক্রমবর্ধমান AI-সম্পর্কিত ব্যয়ের কাছে আরও বেশি উন্মুক্ত।

ফলস্বরূপ, তারা কর্মীদের ব্যবহারে কাঠামোগত সীমাবদ্ধতা বাস্তবায়নকারী প্রথমদের মধ্যে রয়েছে।

কর্মক্ষেত্রের উৎপাদনশীলতার উপর প্রভাব

কৃত্রিম বুদ্ধিমত্তা আধুনিক কর্মক্ষেত্রে একটি অপরিহার্য সরঞ্জাম হয়ে উঠেছে, লেখা, কোডিং, ডেটা বিশ্লেষণ এবং গ্রাহক সহায়তায় সহায়তা করছে।

AI ব্যবহার সীমিত করা কর্মীরা কীভাবে নির্দিষ্ট কাজ সম্পন্ন করে তা প্রভাবিত করতে পারে, কিছু ক্ষেত্রে সম্ভাব্যভাবে আরও ম্যানুয়াল প্রচেষ্টার প্রয়োজন হতে পারে।

তবে, কোম্পানিগুলো বিশ্বাস করে যে কাঠামোগত ব্যবহার অপ্রয়োজনীয় ব্যয় কমিয়ে উৎপাদনশীলতার সুবিধাগুলো এখনও সংরক্ষণ করতে পারে।

চ্যালেঞ্জ হল দক্ষতা এবং ব্যয়ের মধ্যে সঠিক ভারসাম্য খুঁজে বের করা।

AI কৌশলে শিল্প-ব্যাপী পরিবর্তন

বড় কর্পোরেশনগুলোর এই পদক্ষেপ AI স্থাপনার কৌশলগুলোর একটি বৃহত্তর শিল্প-ব্যাপী পুনর্মূল্যায়নকে প্রতিফলিত করে।

প্রাথমিকভাবে, অনেক কোম্পানি উদ্ভাবন এবং দক্ষতা বৃদ্ধির জন্য AI সরঞ্জামগুলোর ব্যাপক গ্রহণকে উৎসাহিত করেছিল।

এখন, ব্যয় আরও দৃশ্যমান হওয়ার সাথে সাথে, ব্যবসায়িক প্রতিষ্ঠানগুলো অপ্টিমাইজেশন এবং গভর্নেন্সে মনোযোগ দিচ্ছে।

এই পরিবর্তন আগামী বছরগুলোতে এন্টারপ্রাইজ সিস্টেমে AI কীভাবে সংহত করা হয় তা প্রভাবিত করবে বলে আশা করা হচ্ছে।

টোকেন-ভিত্তিক মূল্য নির্ধারণ যাচাইয়ের মুখে

বেশিরভাগ AI প্রদানকারীদের দ্বারা ব্যবহৃত টোকেন-ভিত্তিক মূল্য নির্ধারণ মডেল আলোচনার একটি কেন্দ্রীয় বিষয় হয়ে উঠছে।

যদিও এটি নমনীয় স্কেলিংয়ের অনুমতি দেয়, এটি উচ্চ ব্যবহারের স্তরে অপ্রত্যাশিত ব্যয়ের দিকেও নিয়ে যেতে পারে।

কোম্পানিগুলো ক্রমবর্ধমানভাবে ব্যয় পরিচালনার জন্য আরও ভালো পূর্বাভাস সরঞ্জাম এবং ব্যবহার নিয়ন্ত্রণ খুঁজছে।

এটি আরও পূর্বানুমানযোগ্য মূল্য নির্ধারণ কাঠামো ডিজাইন করতে এন্টারপ্রাইজ এবং AI প্রদানকারীদের মধ্যে ঘনিষ্ঠ সহযোগিতার দিকে নিয়ে গেছে।

AI গভর্নেন্স এবং অভ্যন্তরীণ নীতি উন্নয়ন

প্রতিষ্ঠানগুলো এখন AI ব্যবহারের জন্য অভ্যন্তরীণ গভর্নেন্স ফ্রেমওয়ার্ক তৈরি করছে।

এই ফ্রেমওয়ার্কগুলো সাধারণত ব্যবহারের সীমা, অনুমোদন প্রক্রিয়া এবং পর্যবেক্ষণ সিস্টেম অন্তর্ভুক্ত করে।

লক্ষ্য হল বিভাগ জুড়ে AI সরঞ্জামগুলোর দায়িত্বশীল এবং সাশ্রয়ী মোতায়েন নিশ্চিত করা।

এই ধরনের নীতিগুলো কর্পোরেট AI কৌশলের একটি মানক অংশ হয়ে উঠছে।

এন্টারপ্রাইজ AI-এর দীর্ঘমেয়াদী দৃষ্টিভঙ্গি

ব্যবহারের সীমা প্রবর্তন সত্ত্বেও, কোম্পানিগুলো AI-এর প্রতি তাদের সামগ্রিক প্রতিশ্রুতি কমাচ্ছে না।

বরং, তারা তাদের কার্যক্রমের মধ্যে এই সরঞ্জামগুলো কীভাবে ব্যবহার করা হয় তা পরিমার্জন করছে।

AI এন্টারপ্রাইজ উৎপাদনশীলতা সিস্টেমের একটি মূল উপাদান হিসেবে থাকবে বলে আশা করা হচ্ছে।

মনোযোগ অসীমিত গ্রহণ থেকে কৌশলগত বাস্তবায়নে স্থানান্তরিত হচ্ছে।

AI ব্যয় ব্যবস্থাপনার অর্থনৈতিক প্রভাব

ব্যয় নিয়ন্ত্রণের উপর ক্রমবর্ধমান জোর বড় কর্পোরেশনগুলোর সম্মুখীন হওয়া বৃহত্তর অর্থনৈতিক চাপকে প্রতিফলিত করে।

AI ব্যবসায়িক প্রক্রিয়াগুলোতে আরও সংহত হওয়ার সাথে সাথে এর আর্থিক প্রভাব আরও উল্লেখযোগ্য হয়ে ওঠে।

কোম্পানিগুলো এখন AI ব্যবহারকে একটি অসীমিত সরঞ্জামের পরিবর্তে একটি পরিচালিত সম্পদ হিসেবে বিবেচনা করছে।

এই পদ্ধতিটি ভবিষ্যতে এন্টারপ্রাইজ প্রযুক্তি ব্যয়কে রূপ দেবে বলে আশা করা হচ্ছে।

উপসংহার

কর্মীদের AI ব্যবহারে সীমা আরোপ করতে Meta, Uber এবং Walmart-এর প্রতিবেদিত পদক্ষেপ বড় কোম্পানিগুলো কীভাবে কৃত্রিম বুদ্ধিমত্তার কাছে যায় তার একটি উল্লেখযোগ্য পরিবর্তন চিহ্নিত করে।

প্রতিষ্ঠানগুলো "tokenmaxxing" থেকে "tokenmining"-এ রূপান্তরিত হওয়ার সাথে সাথে, মনোযোগ ক্রমবর্ধমানভাবে ব্যয় দক্ষতা, গভর্নেন্স এবং টেকসই AI স্থাপনার দিকে।

AI উৎপাদনশীলতার জন্য একটি গুরুত্বপূর্ণ সরঞ্জাম হিসেবে থাকলেও, ব্যবসায়িক প্রতিষ্ঠানগুলো এখন ক্রমবর্ধমান পরিচালন ব্যয় পরিচালনার জন্য নিয়ন্ত্রিত ব্যবহারকে অগ্রাধিকার দিচ্ছে।

hokanews.com – শুধু ক্রিপ্টো নিউজ নয়। এটি ক্রিপ্টো সংস্কৃতি।

Writer @Ethan
Ethan Collins একজন উৎসাহী ক্রিপ্টো সাংবাদিক এবং ব্লকচেইন উৎসাহী, সর্বদা ডিজিটাল ফিনান্স জগতকে কাঁপিয়ে দেওয়া সর্বশেষ ট্রেন্ডের সন্ধানে। জটিল ব্লকচেইন উন্নয়নগুলোকে আকর্ষণীয়, সহজে বোধগম্য গল্পে রূপান্তরিত করার দক্ষতার সাথে, তিনি দ্রুতগতির ক্রিপ্টো বিশ্বে পাঠকদের এগিয়ে রাখেন। BTC, ETH বা উদীয়মান অল্টকয়েন যাই হোক না কেন, Ethan সর্বত্র ক্রিপ্টো ভক্তদের কাছে গুরুত্বপূর্ণ অন্তর্দৃষ্টি, গুজব এবং সুযোগগুলো উন্মোচন করতে বাজারে গভীরভাবে ডুব দেন।

Disclaimer:

HOKANEWS-এর নিবন্ধগুলো আপনাকে ক্রিপ্টো, প্রযুক্তি এবং তার বাইরের সর্বশেষ আলোচনা সম্পর্কে আপডেট রাখতে এখানে রয়েছে—কিন্তু এগুলো আর্থিক পরামর্শ নয়। আমরা তথ্য, ট্রেন্ড এবং অন্তর্দৃষ্টি শেয়ার করছি, কিনতে, বিক্রি করতে বা বিনিয়োগ করতে বলছি না। যেকোনো অর্থ সংক্রান্ত পদক্ষেপ নেওয়ার আগে সর্বদা নিজের গবেষণা করুন।

HOKANEWS আপনি এখানে যা পড়েন তার ভিত্তিতে কাজ করলে যেকোনো ক্ষতি, লাভ বা বিশৃঙ্খলার জন্য দায়ী নয়। বিনিয়োগের সিদ্ধান্তগুলো আপনার নিজের গবেষণা থেকে আসা উচিত—এবং আদর্শভাবে, একজন যোগ্য আর্থিক উপদেষ্টার কাছ থেকে নির্দেশনা। মনে রাখবেন: ক্রিপ্টো এবং প্রযুক্তি দ্রুত চলে, তথ্য এক মুহূর্তে পরিবর্তন হয়, এবং যদিও আমরা নির্ভুলতার লক্ষ্য রাখি, আমরা প্রতিশ্রুতি দিতে পারি না যে এটি ১০০% সম্পূর্ণ বা আপ-টু-ডেট।