Meta, Uber et Walmart limitent l'utilisation de l'IA par leurs employés alors que les entreprises passent du "Tokenmaxxing" au "Tokenmining"

De grandes entreprises américaines, dont Meta, Uber et Walmart, imposeraient de nouvelles limites à l'utilisation des outils d'intelligence artificielle par leurs employés, alors que la hausse des coûts opérationnels remodèle les stratégies d'IA des entreprises, selon un reportage du New York Times.

Ce changement marque la fin de ce que certains analystes ont appelé l'ère du "tokenmaxxing", où les entreprises encourageaient une utilisation généralisée et intensive des systèmes d'IA, et le début d'une phase plus soucieuse des coûts, décrite comme le "tokenmining".

Ces changements reflètent des préoccupations croissantes concernant les dépenses liées à l'utilisation à grande échelle de l'IA dans les environnements d'entreprise, notamment à mesure que les entreprises s'appuient davantage sur les outils d'IA générative pour la productivité, le service client et les opérations internes.

Source : XPost

Les entreprises cherchent à restreindre l'utilisation de l'IA

Selon le rapport, plusieurs grandes entreprises mettent désormais en place des plafonds internes sur la façon dont les employés peuvent utiliser les outils d'IA.

Ces restrictions sont conçues pour contrôler les coûts associés à l'utilisation intensive des grands modèles de langage, qui facturent généralement en fonction de la consommation de tokens.

Meta, Uber et Walmart figurent parmi les entreprises qui ajustent leurs politiques internes pour réduire les dépenses inutiles liées à l'IA.

Cette démarche signale une réévaluation plus large de la façon dont l'intelligence artificielle est déployée au sein des grandes organisations.

Du "Tokenmaxxing" au "Tokenmining"

Le terme "tokenmaxxing" a été utilisé de manière informelle pour décrire l'utilisation rapide et souvent illimitée des systèmes d'IA au sein des entreprises cherchant à gagner en productivité.

Cependant, à mesure que les coûts augmentent, les entreprises transitionnent vers un modèle plus contrôlé désigné sous le nom de "tokenmining".

Cette nouvelle phase met l'accent sur l'efficacité, l'utilisation sélective et l'optimisation des coûts plutôt que sur un déploiement généralisé de l'IA.

Ce changement met en lumière les réalités financières liées à la mise à l'échelle de l'intelligence artificielle dans de grandes organisations.

La hausse des coûts de l'infrastructure IA

L'un des principaux facteurs à l'origine des changements de politique est la hausse des coûts de l'infrastructure et de l'utilisation de l'IA.

Les systèmes d'IA générative fonctionnent sur des modèles de tarification basés sur les tokens, ce qui signifie que les entreprises paient en fonction du volume de texte traité ou généré.

À mesure que l'adoption par les employés augmente, les dépenses opérationnelles augmentent également, en particulier dans les grandes organisations comptant des milliers d'utilisateurs.

Cela a conduit les entreprises à réévaluer comment et quand les outils d'IA doivent être utilisés.

L'accent des entreprises sur l'efficacité et le contrôle

En introduisant des plafonds d'utilisation, les entreprises cherchent à équilibrer les gains de productivité avec la durabilité financière.

Des directives internes sont en cours d'élaboration pour s'assurer que les outils d'IA sont utilisés principalement pour des tâches à haute valeur ajoutée.

L'utilisation routinière ou à faible impact peut être restreinte ou redirigée vers des systèmes plus rentables.

L'objectif est de maintenir les avantages de l'IA tout en évitant une escalade incontrôlée des coûts.

Meta, Uber et Walmart parmi les premiers à adopter des limites

Le rapport met en avant Meta, Uber et Walmart comme faisant partie des premières entreprises à adopter des restrictions d'utilisation de l'IA.

Ces entreprises ont été à l'avant-garde de l'intégration de l'intelligence artificielle dans leurs opérations.

Cependant, leur taille les expose davantage à la hausse des dépenses liées à l'IA.

Par conséquent, elles figurent parmi les premières à mettre en place des limitations structurées sur l'utilisation par les employés.

Impact sur la productivité au travail

L'intelligence artificielle est devenue un outil essentiel dans les environnements de travail modernes, aidant à la rédaction, au codage, à l'analyse de données et au support client.

Limiter l'utilisation de l'IA peut affecter la façon dont les employés accomplissent certaines tâches, nécessitant potentiellement plus d'efforts manuels dans certains cas.

Cependant, les entreprises estiment qu'une utilisation structurée peut encore préserver les avantages de productivité tout en réduisant les coûts inutiles.

Le défi réside dans la recherche du bon équilibre entre efficacité et dépenses.

Un changement de stratégie IA à l'échelle de l'industrie

La démarche des grandes entreprises reflète une réévaluation plus large des stratégies de déploiement de l'IA à l'échelle de l'industrie.

Initialement, de nombreuses entreprises encourageaient l'adoption généralisée des outils d'IA pour stimuler l'innovation et l'efficacité.

Désormais, à mesure que les coûts deviennent plus visibles, les entreprises se concentrent sur l'optimisation et la gouvernance.

Ce changement devrait influencer la façon dont l'IA est intégrée dans les systèmes d'entreprise dans les années à venir.

La tarification basée sur les tokens sous examen

Le modèle de tarification basé sur les tokens utilisé par la plupart des fournisseurs d'IA devient un point de discussion central.

Bien qu'il permette une mise à l'échelle flexible, il peut également entraîner des coûts imprévisibles à des niveaux d'utilisation élevés.

Les entreprises recherchent de plus en plus de meilleurs outils de prévision et de contrôle de l'utilisation pour gérer les dépenses.

Cela a conduit à une collaboration plus étroite entre les entreprises et les fournisseurs d'IA pour concevoir des structures tarifaires plus prévisibles.

Gouvernance de l'IA et développement de politiques internes

Les organisations développent désormais des cadres de gouvernance interne pour l'utilisation de l'IA.

Ces cadres comprennent généralement des limites d'utilisation, des processus d'approbation et des systèmes de surveillance.

L'objectif est d'assurer un déploiement responsable et rentable des outils d'IA dans tous les départements.

De telles politiques deviennent une partie standard de la stratégie d'IA des entreprises.

Perspectives à long terme pour l'IA en entreprise

Malgré l'introduction de plafonds d'utilisation, les entreprises ne réduisent pas leur engagement global envers l'IA.

Au contraire, elles affinent la façon dont ces outils sont utilisés dans leurs opérations.

L'IA devrait rester un composant central des systèmes de productivité des entreprises.

L'accent se déplace d'une adoption sans restriction vers une mise en œuvre stratégique.

Implications économiques de la gestion des coûts de l'IA

L'accent croissant mis sur le contrôle des coûts reflète les pressions économiques plus larges auxquelles font face les grandes entreprises.

À mesure que l'IA s'intègre davantage dans les processus métier, son impact financier devient plus significatif.

Les entreprises traitent désormais l'utilisation de l'IA comme une ressource gérée plutôt que comme un outil illimité.

Cette approche devrait façonner les dépenses technologiques des entreprises à l'avenir.

Conclusion

La décision rapportée de Meta, Uber et Walmart de plafonner l'utilisation de l'IA par leurs employés marque un changement significatif dans la façon dont les grandes entreprises abordent l'intelligence artificielle.

Alors que les organisations passent du "tokenmaxxing" au "tokenmining", l'accent est de plus en plus mis sur l'efficacité des coûts, la gouvernance et le déploiement durable de l'IA.

Bien que l'IA reste un outil essentiel pour la productivité, les entreprises privilégient désormais une utilisation contrôlée pour gérer la hausse des dépenses opérationnelles.

hokanews.com – Pas seulement des actualités Crypto. C'est la Culture Crypto.

Auteur @Ethan
Ethan Collins est un journaliste crypto passionné et un enthousiaste de la Blockchain, toujours à la recherche des dernières tendances qui bouleversent le monde de la finance numérique. Avec un talent pour transformer des développements complexes de la Blockchain en histoires captivantes et faciles à comprendre, il permet aux lecteurs de rester en avance dans l'univers crypto en constante évolution. Que ce soit Bitcoin, Ethereum ou les altcoins émergents, Ethan plonge profondément dans les marchés pour découvrir des insights, des rumeurs et des opportunités qui comptent pour les fans de crypto du monde entier.

Avertissement :

Les articles sur HOKANEWS sont là pour vous tenir informé des dernières actualités en matière de crypto, de technologie et au-delà, mais ils ne constituent pas des conseils financiers. Nous partageons des informations, des tendances et des insights, sans vous inciter à acheter, vendre ou investir. Faites toujours vos propres recherches avant de prendre des décisions financières.

HOKANEWS n'est pas responsable des pertes, gains ou perturbations qui pourraient survenir si vous agissez sur la base de ce que vous lisez ici. Les décisions d'investissement doivent être basées sur vos propres recherches et, idéalement, sur les conseils d'un conseiller financier qualifié. Rappellez-vous : la crypto et la technologie évoluent rapidement, les informations changent en un clin d'œil, et bien que nous visions l'exactitude, nous ne pouvons pas garantir qu'elles sont à 100 % complètes ou à jour.