அமெரிக்காவில் உள்ள நிறுவனங்கள் செயற்கை நுண்ணறிவுக்கு (AI) செலவிடும் தொகை வியக்க வைக்கிறது. பெரும்பாலான நிறுவனங்கள் ஒரு ஊழியருக்கு மாதத்திற்கு சராசரியாக **₹950** மட்டுமே செலவழிக்கும் நிலையில், முதல் 1% நிறுவனங்கள் ஒரு ஊழியருக்கு மாதத்திற்கு **₹5,80,000** (சுமார் **$7,400**) வரை செலவு செய்கின்றன. இந்த மிகப்பெரிய ஏற்றத்தாழ்வு, பயன்பாட்டு அடிப்படையிலான (usage-based) AI கருவிகளால் ஏற்படுகிறது.
அமெரிக்க வணிகங்கள் செயற்கை நுண்ணறிவுக்கு (AI) எப்படி பணம் செலுத்துகின்றன என்பதில் ஒரு புதிய பிளவு உருவாகியுள்ளது. ஆகஸ்ட் 2026-ல் வெளியான Ramp AI Index டேட்டாவின்படி, பெரும்பாலான நிறுவனங்கள் ஒரு ஊழியருக்கு மாதத்திற்கு சுமார் $12 (தோராயமாக ₹1,000) செலவழிக்கும் போது, அதிதீவிர AI பயனர்களாக இருக்கும் முதல் 1% நிறுவனங்கள் ஒரு ஊழியருக்கு $7,400 (தோராயமாக ₹5,80,000) வரை செலவிடுகின்றன. 2024 ஆம் ஆண்டின் தொடக்கத்திலிருந்து இந்த செலவு மூன்று மடங்குக்கு மேல் அதிகரித்துள்ளது.
இந்த வியக்கத்தக்க செலவு வேறுபாட்டிற்கான முக்கிய காரணம், விலை நிர்ணய மாதிரிகளில் ஏற்பட்ட மாற்றம். ஆரம்பத்தில் பல AI பயனர்கள் சாட்பாட்கள் அல்லது எழுதும் உதவியாளர்களுக்கு மாதந்தோறும் ஒரு நிலையான கட்டணத்தைச் செலுத்தினார்கள். ஆனால், அதிகம் செலவு செய்யும் நிறுவனங்கள் இப்போது பயன்பாட்டு அடிப்படையிலான மாதிரிகளை நோக்கி நகர்கின்றன. இந்த அமைப்புகள், AI கருவிகள் சிக்கலான பணிகளைச் செய்யப் பயன்படுத்தும் கணக்கீட்டு வேலைகள் அல்லது 'டோக்கன்கள்' அடிப்படையில் கட்டணம் வசூலிக்கின்றன. இந்த நிறுவனங்கள் மென்பொருள் மேம்பாடு, தரவு பகுப்பாய்வு போன்ற கடினமான பணிகளில் AI-ஐ ஆழமாகப் பயன்படுத்துவதால், அவற்றின் கட்டணங்கள் கடுமையாக உயர்கின்றன.
மனித தலையீடு இல்லாமல் பல படிகளைச் செய்யக்கூடிய கோடிங் உதவியாளர்கள் மற்றும் AI ஏஜென்ட்கள் தான் இந்த செலவுகளுக்கு முக்கிய காரணம். இந்த கருவிகள் உற்பத்தித்திறனை அதிகரிக்கும் என்று உறுதியளித்தாலும், AI பயன்பாட்டிற்கும் செயல்பாட்டுச் செலவுகளுக்கும் இடையே ஒரு நேரடி இணைப்பை உருவாக்குகின்றன. நிறுவனங்கள் AI-ஐ சோதிக்கும் நிலையிலிருந்து அன்றாட, மிக முக்கியமான பணிகளுக்குப் பயன்படுத்தத் தொடங்கும் போது, நிதி தாக்கம் கணிசமாகிறது. Anthropic, OpenAI மற்றும் xAI போன்ற நிறுவனங்கள் இந்த வணிக தத்தெடுப்பில் பெரும் பங்கைப் பெறுகின்றன.
முதலீட்டாளர்களுக்கு, இந்த போக்கு செயல்பாட்டுத் திறன் குறித்த ஒரு முக்கிய கேள்வியை எழுப்புகிறது. அதிக செலவு செய்வது ஆழமான ஒருங்கிணைப்பையும், சாத்தியமான உற்பத்தித்திறன் முன்னேற்றங்களையும் குறிக்கும் அதே வேளையில், இது செலவு அபாயங்களையும் அதிகரிக்கிறது. விலை உயர்ந்த, கணக்கீடு-தீவிர ஏஜென்ட் அமைப்புகளை நம்பியிருக்கும் நிறுவனங்கள், உண்மையில் உருவாக்கப்படும் வெளியீடுகளுக்கு எதிராக இந்த அதிக செலவுகளை நியாயப்படுத்துவதில் சவாலை எதிர்கொள்கின்றன. சமீபத்திய தரவுகளின்படி, இந்த அதிதீவிர பயனர்களிடையே கூட, ஜூன் மற்றும் ஜூலை 2026 க்கு இடையில் செலவு வளர்ச்சி சீராக இருந்தது, இது நிறுவனங்கள் தங்கள் AI வரவு செலவுத் திட்டங்களை உன்னிப்பாக மதிப்பாய்வு செய்வதைக் குறிக்கிறது.
முன்னோக்கிச் செல்லும்போது, முதலீட்டாளர்கள் கவனிக்க வேண்டிய முக்கிய விஷயம், இந்த நிறுவனங்கள் தங்கள் AI செயல்பாடுகளை அளவிடுவதற்கான செலவை எவ்வாறு நிர்வகிக்கின்றன என்பதாகும். வணிகங்கள் பணியாளர் செலவுகளைக் குறைப்பதற்கோ அல்லது திட்ட காலக்கெடுவை விரைவுபடுத்துவதற்கோ இந்தக் கருவிகளை வெற்றிகரமாகப் பயன்படுத்தினால், அதிக செலவு நியாயப்படுத்தப்படலாம். இருப்பினும், முதலீட்டில் தெளிவான வருமானம் இல்லாமல் அதிக பயன்பாட்டு அடிப்படையிலான கட்டணங்கள் தொடர்ந்து உயர்ந்தால், லாப வரம்புகள் அழுத்தத்திற்கு உள்ளாகலாம். முதலீட்டாளர்கள் இந்த AI பயன்பாடுகளிலிருந்து கிடைக்கும் உறுதியான செயல்திறன் ஆதாயங்கள் குறித்து வரவிருக்கும் காலாண்டு அறிக்கைகளில் நிர்வாக கருத்துக்களை எதிர்பார்க்கலாம்.