Ramp beleži usporavanje potrošnje na AI uprkos većem obimu tokena
Ramp je zabeležio rast potrošnje na AI tokene od samo 1,5% tokom avgusta i septembra, iako je obim upotrebe rastao. Za poređenje, rast je u julu iznosio 42% u odnosu na prethodni mesec, dok je od 23. septembra do 23. oktobra potrošnja ponovo ubrzala na 8,9%. Nalaz dolazi dok se Anthropic priprema za IPO, a OpenAI i Anthropic snižavaju cene svojih modela.
Veća upotreba, sporiji prihod
Ara Kharazian, glavni ekonomista u Rampu, ocenjuje da usporavanje nije posledica slabije tražnje: kompanije koriste više AI-ja, ali ga plaćaju manje. Najveći deo potrošnje dolazi od tehnoloških firmi sa rizičnim kapitalom i visokim rastom, pa i manje usporavanje njihove potrošnje može uticati na ukupnu dinamiku prihoda dobavljača modela.
Najintenzivniji korisnici, gornji 1% firmi, tokom leta su dostizali skoro 10.000 dolara po zaposlenom mesečno, ali je taj iznos u avgustu i septembru blago opao. Nasuprot tome, medijalne firme troše 12 do 15 dolara po zaposlenom mesečno, a gornjih 10% između 600 i 1.000 dolara. Rast u tim grupama nije nadomestio slabiju potrošnju najintenzivnijih korisnika.
Za tržište je važan i kontekst u kojem je Anthropicovo prisustvo među poslovnim korisnicima pokazao snažno prisustvo Anthropica među poslovnim korisnicima, ali sama širina baze ne određuje iznos potrošnje po korisniku. Potražnja za AI agentima za programiranje ostaje izražena u softveru i finansijama, dok nije izvesno da će ordinacije ili auto-saloni dostići isti intenzitet potrošnje.
Niže cene menjaju ekonomiku korišćenja
OpenAI je u septembru prepolovio API cene za GPT-6 Sol i GPT-6 Luna. Anthropic je snizio cene za Fable 5.1 i Opus 5.5, a kompanija je u podnesku navela da je ta odluka smanjila rast prihoda za oko 600 miliona dolara. Obe kompanije nude i popuste za preduzeća, što korisnicima dodatno povećava pregovaračku moć.
Kharazian taj odnos opisuje kao tržište naklonjeno kupcima. Konkurencija se ne svodi samo na dva velika ponuđača: Meta i Nvidia uvode poslovne ponude sa jeftinijim ili otvorenim modelima, dok se pojavljuju i druga rešenja, uključujući Jev za jednostavnije izbore između unapred određenih izlaza.
Kontrola troškova postaje operativna disciplina
Kompanije istovremeno uče da ograniče trošak: za duže zadatke mogu postaviti podrazumevana pravila koja izbegavaju skupe modele, uvesti budžete zaposlenima i lakše zahteve preusmeriti na jeftinije modele preko rutera. Zato rast broja tokena ne mora značiti proporcionalan rast računa.
Za poslovanje je praktičan zaključak da AI inicijative treba voditi kroz merljive rezultate procesa, uz jasna pravila izbora modela, limite potrošnje i praćenje cene po zadatku. Takav pristup omogućava veću upotrebu AI-ja uz kontrolisan budžet, bez pretpostavke da veći obim automatski znači i veći trošak.