外部レビューによると、過去2年間にエンタープライズによるAIの大規模テストは合理的な選択でしたが、2026年に「AIの普及」から「コストをコントロールしながら、実際の結果を得る方法」に移行することに興味がありました。 記事によると、より安いトークンやモデルに対する信頼性は、エンタープライズAIのコアの問題は解決しません。
5つの共通廃棄物ポイント。
著者は、現在多くの企業がリークパイプのように見える方法でAIを使用していることを指摘しています。 ヒントの構造からデータコール、結果のモデル選択と再使用まで、不要なトークンと予算を継続的に消費する複数のリンクがあります。 メーカーのOpenAI、Anthropic、Google、その他が最近、ヒントキャッシュなどの機能に価格を削減し、導入した場合でも、これは圧力の一部を緩和するだけです。
この記事では、5つのカテゴリでエンタープライズAIの効率性をまとめました。 まずコンテキストの拡張です。 情報をヒントにオーバーロードするだけでなく、コストを増加させるだけでなく、モデルの出力をフォーカスからダイバートすることもできます。 作者の ' s ビューでは、システムが直接信頼できる情報に電話できるように、最初にボトムデータを整理する方が効率的になります。 広告ではなく、大量の元のコンテンツをプロンプトにまとめます。
第二は、データアクセスのガバナンスの欠如です。 データ、パーミッション、品質タグの明確なカタログがなければ、AIエージェントはデータ倉庫を繰り返し検索し、結果の元投稿、廃棄物トークンを検証し、一貫性のある実装結果を簡単に導くことができます。 3つ目はモデルミスマッチです。 記事によると、すべてのタスクは最も強く、最も高価なフロントラインモデルに割り当てられ、企業の最も一般的な高価な習慣。
メモリとキャッシュは、長期的なコストを決定する
第4の問題は、持続的なメモリの欠如です。 各ケースでは、非状態のエージェントはバックグラウンドをリロードし、履歴情報を再実行し、処理された例外を再識別します。 記事は、システムがユーザーの嗜好を保持している場合, 意思決定を確立し、To-do問題, それは二重カウントと相互作用の単一のコストを削減することができます.
繰り返しリクエストが繰り返されなかった。 高周波、類似のタスクに直面した場合、多くのビジネスエージェントは、コンテキストを再読み込みし、最初の時間のために行われたように回答を再解釈し、再作成します。 著者は、ヒントキャッシュ、ベクターの埋め込みと期待される結果の組み合わせが、より安価で高速なリクエストを繰り返すことを示唆しています。
競争は、ガバナンス能力にシフトします
記事は、例えば、大企業がAIエージェントを販売したり、顧客にサービスを提供したりするために毎日発生する可能性のある相互作用の数千を引用しました。 生の組織化されていないデータが大きいモデルヒントに直接送信されると、トークン消費量は5〜10倍高くなります。 1億トークンあたり10～15のエージェント数でコストが急速に蓄積されます。
記事によると、AIのための競争の次の段階は、より多くのトークンを購入している人ではなく、より多くのモデルを使用する人ではなく、AIプロセスを管理可能かつ測定可能なビジネス能力に変えることができる人にあります。 クリーンなデータベース、より鮮明なアクセス システム、より洗練されたモデリングから得られる本当の利点。
追加情報:著者は、Informatica Master Data Management および Salesforce Data 360 統合ケースを参照し、企業データベースでの判断を図っている Salesforce の副社長です。