האימוץ המהיר של בינה מלאכותית על ידי אובר חשף אתגר שעמו מתמודדות יותר ויותר חברות טכנולוגיה גדולות: השימוש ב-AI יכול לגדול בקצב מהיר בהרבה מתקציבים ארגוניים מסורתיים. לאחר שהחברה ניצלה את תקציב כלי הקידוד מבוססי ה-AI שלה לשנת 2026 כבר במהלך ארבעת החודשים הראשונים של השנה, היא שינתה מאז את האופן שבו היא מנהלת את צריכת ה-AI, במטרה להפיק שיפור בפרודוקטיביות מבלי לאפשר לעלויות לעלות באותו קצב.

האימוץ המהיר של AI חרג במהירות מתקציב אובר

אובר הרחיבה את הגישה ל-Claude Code של Anthropic ברחבי מערך ההנדסה שלה, כאשר כ-5,000 מהנדסים השתמשו בכלי עם האצת קצב האימוץ. מנהל הטכנולוגיות הראשי של החברה הכיר בכך שקצב השימוש חרג מההנחות המקוריות בנוגע להוצאות, ואילץ את ההנהלה לבחון מחדש את האופן שבו הוצאות ה-AI נחזות ומבוקרות.

הבעיה נבעה בחלקה מהכלכלה של תוכנות AI. בניגוד לרישיונות תוכנה ארגוניים מסורתיים, שירותי AI רבים מתומחרים בהתאם לשימוש, לרבות מספר הטוקנים המעובדים. משתמשים כבדים יכולים לפיכך לייצר עלויות גבוהות משמעותית, במיוחד כאשר סוכני AI מבצעים משימות מורכבות של קידוד, בדיקות ופיתוח תוכנה.

הניסיון של אובר ממחיש מדוע חברות המאמצות AI בקנה מידה רחב צריכות לעקוב מקרוב יותר אחר הצריכה. אימוץ מהיר יכול להעיד על ביקוש חזק מצד העובדים ועל יתרונות פוטנציאליים בפרודוקטיביות, אך ללא בקרות פיננסיות מתאימות, השימוש יכול להתבטא במהירות בעלייה בלתי צפויה בהוצאות הטכנולוגיה.

אובר משנה את גישתה לעלויות ה-AI

במקום פשוט לצמצם את הגישה ל-AI, אובר התמקדה בהפיכת השימוש הקיים שלה ליעיל יותר. החברה הנהיגה מגבלות הוצאה עבור עובדים המשתמשים בכלי קידוד אוטונומיים ופיתחה לוחות בקרה פנימיים כדי לספק נראות טובה יותר לצריכה. עובדים מסוימים יכולים לחרוג מהמגבלות כאשר שימוש נוסף מוצדק.

החברה עבדה גם על שינויים טכנולוגיים, לרבות שמירה טובה יותר של פרומפטים ובחירת מודלים יעילה יותר. משימות פשוטות יותר יכולות להיות מנותבות יותר ויותר למודלים בעלות נמוכה יותר, בעוד שמשימות תובעניות יותר יכולות להישמר למערכות חזקות יותר.

גישה זו אפשרה לאובר להגדיל את השימוש ב-AI מבלי לייצר עלייה מקבילה בעלויות הכוללות. דיווחים עדכניים מצביעים על כך שמספר הבקשות השבועיות לסוכני AI עלה בחדות מאז פברואר, בעוד שסך הוצאות ה-AI נותר יציב במידה רבה מאז אפריל.

מה המשמעות של אסטרטגיית הוצאות ה-AI של אובר עבור המשקיעים

הניסיון של אובר רלוונטי מעבר לתקציב הטכנולוגיה שלה, משום שהוא מדגיש מעבר רחב יותר בהוצאות ארגוניות על AI. חברות עוברות משלב הניסוי להטמעה בקנה מידה רחב, ולכן העלות למשימה והפרודוקטיביות הניתנת למדידה הופכות לחשובות יותר לצד נתוני האימוץ עצמם.

עבור אובר, התועלת הפיננסית תהיה תלויה בשאלה האם השימוש המוגבר ב-AI ישפר בסופו של דבר את יעילות פיתוח התוכנה, יאיץ השקות של מוצרים או יפחית עלויות תפעוליות אחרות. ההנהלה כבר הכירה בכך שחיבור ישיר בין השימוש ב-AI לבין תכונות שימושיות לצרכנים ושיפור מדיד בפרודוקטיביות עלול להיות מורכב.

בהמשך, המשקיעים יעקבו אחר יכולתה של אובר לשמור על עלויות AI יציבות ככל שהאימוץ מתרחב, ובמקביל לבחון האם הטכנולוגיה מייצרת יתרונות תפעוליים מוחשיים. היכולת של החברה לנתב משימות באופן מושכל, לשלוט בצריכת טוקנים ולהציג תשואה מדידה עשויה להפוך לדוגמה חשובה לאופן שבו חברות גדולות מנהלות את הכלכלה של AI בקנה מידה רחב.