द्वारा Maksym Misichenko · Yahoo Finance ·
AI एजेंट इस खबर के बारे में क्या सोचते हैं
जबकि उच्च अपनाने की दर और AI टूल से उत्पादकता लाभ पर सहमति है, पैनलिस्ट इस बात पर असहमत हैं कि लागत में सुधार होगा या नहीं। कुछ का तर्क है कि ऊर्जा बाधाएँ टोकन लागत अपस्फीति को सीमित कर सकती हैं, जबकि अन्य का मानना है कि पैमाने के साथ मूल्य निर्धारण में सुधार होगा।
जोखिम: ऊर्जा बाधाओं के कारण चिपचिपी टोकन लागत, संभावित रूप से ROI और मार्जिन संपीड़न को सीमित करती है।
अवसर: उच्च अपनाने की दर और उत्पादकता लाभ, जिसमें Uber में 11% कोड शून्य मानव हस्तक्षेप के साथ भेजा गया।
यह विश्लेषण StockScreener पाइपलाइन द्वारा उत्पन्न होता है — चार प्रमुख LLM (Claude, GPT, Gemini, Grok) समान प्रॉम्प्ट प्राप्त करते हैं और अंतर्निहित भ्रम-विरोधी सुरक्षा के साथ आते हैं। पद्धति पढ़ें →
इस हफ्ते दो विकासों ने चीजों को हिला दिया। माइक्रोसॉफ्ट (NASDAQ: MSFT) - वह कंपनी जिसने OpenAI में लगभग $13 बिलियन (1) का निवेश किया और जनरेटिव AI का उपयोग करके अपने कोड का 30% तक लिखती है - कथित तौर पर एक प्रमुख डिवीजन में इंजीनियरों (2) से एक AI कोडिंग टूल का उपयोग बंद करने के लिए कहा क्योंकि बिल बहुत बड़े हो गए थे। और Uber के (NYSE: UBER) मुख्य प्रौद्योगिकी अधिकारी ने कहा कि कंपनी ने चार महीनों में ही Claude Code और Cursor के लिए अपना पूरा 2026 का बजट खर्च कर दिया, The Information (3) के अनुसार।
निश्चित रूप से, ऐसा लगता है कि AI कंपनियां स्वयं लागतों के बारे में पूरी तरह से अवगत हैं। Nvidia (NASDAQ: NVDA) में एप्लाइड डीप लर्निंग रिसर्च के वीपी ब्रायन कैटांजारो - $5+ ट्रिलियन की कंपनी जो AI उद्योग के अधिकांश चिप्स बनाती है - ने Axios (4) से कहा, "मेरी टीम के लिए, कंप्यूट की लागत कर्मचारियों की लागत से कहीं अधिक है।"
AI द्वारा मानव श्रमिकों को बदलना अभी भी एक वास्तविक दीर्घकालिक जोखिम है। लेकिन बात यह है: जो कंपनियां वास्तव में इसे बड़े पैमाने पर तैनात कर रही हैं, वे खुले तौर पर स्वीकार कर रही हैं कि AI बहुत महंगा है, और यह एक महत्वपूर्ण संकेत है।
माइक्रोसॉफ्ट ने वास्तव में क्या किया, और क्या नहीं किया
देर 2025 में, माइक्रोसॉफ्ट ने अपने हजारों लोगों - इंजीनियरों, उत्पाद प्रबंधकों, डिजाइनरों, और यहां तक कि गैर-तकनीकी भूमिकाओं में भी लोगों - को Claude Code (5), Anthropic के कमांड-लाइन AI कोडिंग एजेंट तक पहुंच प्रदान की। विचार उन्हें प्रयोग करने और इसके साथ कोडिंग शुरू करने देना था। यह काफी तेजी से फैला, केवल तकनीकी टीमों से कहीं आगे तक।
फिर बिल आए।
माइक्रोसॉफ्ट अब अपने Experiences and Devices समूह - Windows, Microsoft 365, Outlook, Teams, और Surface के पीछे की टीम - में Claude Code लाइसेंस (6) रद्द कर रहा है, जिसकी अंतिम तिथि 30 जून (7) है, जो माइक्रोसॉफ्ट के वित्तीय वर्ष का अंतिम दिन है। कंपनी अपने इंजीनियरों को GitHub Copilot CLI (8), माइक्रोसॉफ्ट के अधिक किफायती इन-हाउस टूल पर ले जा रही है।
स्पष्ट रूप से, यह माइक्रोसॉफ्ट द्वारा AI से पीछे हटना नहीं है। ऐसा बिल्कुल नहीं है: Claude मॉडल अभी भी Copilot CLI के अंदर काम करते हैं। और Anthropic के साथ माइक्रोसॉफ्ट का व्यापक सौदा (9) अछूता है, जिसमें Anthropic में माइक्रोसॉफ्ट का $5 बिलियन तक का निवेश और Anthropic की Azure कंप्यूट क्षमता खरीदने की $30 बिलियन की प्रतिबद्धता शामिल है। Fortune (2) के अनुसार वह सौदा कायम है।
अब समस्या मूल्य निर्धारण मॉडल है। टोकन-आधारित मूल्य निर्धारण प्रति आउटपुट शुल्क लेता है, और जब इंजीनियर जटिल कोडिंग कार्यों के लिए घंटों तक AI एजेंट का उपयोग करते हैं, तो वे टोकन तेजी से जमा हो जाते हैं।
Uber की स्थिति इसे ठोस बनाती है। अप्रैल में, Uber के CTO प्रवीण नेपल्ली नागा ने The Information (3) को बताया कि उनकी कंपनी ने चार महीनों में अपने पूरे 2026 AI कोडिंग बजट को खर्च कर दिया था।
"मैं वापस ड्राइंग बोर्ड पर हूं," नागा ने कहा, "क्योंकि मुझे लगा कि मुझे जिस बजट की आवश्यकता होगी वह पहले ही उड़ गया है।"
और यह इसलिए नहीं था क्योंकि Uber ने धन का कुप्रबंधन किया था। माइक्रोसॉफ्ट की तरह, Uber ने दिसंबर 2025 में अपने इंजीनियरों को Claude Code तैनात (10) किया था। मार्च तक, Uber के लगभग 84% इंजीनियरों ने Claude Code को अपनाया था और उन्हें एजेंट कोडिंग उपयोगकर्ता (11) के रूप में वर्गीकृत किया गया था।
The Information (3) के अनुसार, Uber में लगभग 70% कोड जो प्रतिबद्ध होता है, वह अब AI से उत्पन्न होता है, और 11% लाइव बैकएंड अपडेट एक एजेंट द्वारा बिना किसी मानव हस्तक्षेप के भेजे जाते हैं। व्यक्तिगत इंजीनियर प्रति माह $500 से $2,000 के बीच खर्च कर रहे थे। विडंबना यह है कि ऐसा इसलिए हुआ क्योंकि टूल काम कर गया। इंजीनियरों ने AI को वास्तव में उपयोगी पाया और इसे अपने दैनिक वर्कफ़्लो का हिस्सा बना लिया। बजट इसलिए ध्वस्त नहीं हुआ क्योंकि इंजीनियर टोकन बर्बाद कर रहे थे, बल्कि इसलिए कि वे वास्तव में टूल पर निर्भर थे, कुछ ऐसा जिसकी मांग सिलिकॉन वैली में कई बॉस अपने कर्मचारियों से कर रहे थे।
AI अर्थशास्त्र के लिए हाइप वास्तविकता से मिलता है
Nvidia में कैटांजारो की टिप्पणी एक अलग डेटा बिंदु नहीं है। Big Tech फर्मों ने इस साल सामूहिक रूप से $740 बिलियन के पूंजीगत व्यय की घोषणा की है - यह 2025 से 69% की वृद्धि है, Morgan Stanley (12) के अनुसार। लेकिन Yale Budget Lab रिपोर्ट (13) में अभी तक बड़े पैमाने पर AI वास्तव में उत्पादकता लाभ को बढ़ाता है, इसका कोई व्यापक डेटा नहीं है।
2024 के एक MIT अध्ययन (14) ने दृष्टि-संबंधित कार्य को स्वचालित करने के अर्थशास्त्र को देखा और पाया कि AI इसे इतनी सस्ते में कर सकता है कि उन कार्यों से जुड़े लगभग 23% वेतन के लिए यह समझ में आता है। शेष 77% के लिए, मानव द्वारा काम करवाना अभी भी सस्ता था।
स्विट्जरलैंड के आर्टिफिशियल इंटेलिजेंस के गॉर्डन स्कूल ऑफ बिजनेस में AI और वित्त के प्रोफेसर कीथ ली ने Fortune (4) को बताया कि हम जो देख रहे हैं वह "एक अल्पकालिक बेमेल" है जो हार्डवेयर और ऊर्जा लागतों से प्रेरित है, जो AI प्रदाताओं के लिए परिचालन व्यय को बढ़ा रहा है।
McKinsey (15) के अनुसार, बड़े पैमाने पर AI चलाने के लिए आवश्यक बुनियादी ढांचे की लागत 2030 तक $5.2 ट्रिलियन होने का अनुमान है। "यह सिर्फ AI के मनुष्यों से सस्ता होने के बारे में नहीं है," ली ने कहा। "यह बड़े पैमाने पर सस्ता और अधिक अनुमानित होने के बारे में है।"
श्रमिकों के लिए इसका क्या मतलब है जो AI के बारे में चिंतित हैं
इनमें से कोई भी बात यह नहीं है कि AI विस्थापन वास्तविक नहीं है। Layoffs.fyi (16) के अनुसार, 2026 में अब तक 152 कंपनियों में 115,000 से अधिक टेक छंटनी हुई है, जो पहले से ही पिछले साल के 120,000+ को पार करने की राह पर है। कंपनियां नौकरियों में कटौती कर रही हैं और एक ही समय में AI में निवेश कर रही हैं, भले ही AI अभी तक स्पष्ट रूप से पैसे नहीं बचा रहा हो।
माइक्रोसॉफ्ट और Uber हमें एक वास्तविक बाधा दिखाते हैं: एक मानव कार्यकर्ता को बदलने के लिए, AI को कम पैसे में समान या बेहतर आउटपुट देना होगा। अभी, अधिकांश नौकरियों के लिए, वह गणित पूरी तरह से गणित नहीं कर रहा है।
250,000+ पाठकों से जुड़ें और Moneywise की सर्वश्रेष्ठ कहानियों और विशेष साक्षात्कारों को पहले प्राप्त करें - स्पष्ट अंतर्दृष्टि क्यूरेटेड और साप्ताहिक रूप से वितरित की जाती है। अभी सदस्यता लें।
लेख स्रोत
हम केवल सत्यापित स्रोतों और विश्वसनीय तृतीय-पक्ष रिपोर्टिंग पर भरोसा करते हैं। विवरण के लिए, हमारी नैतिकता और दिशानिर्देश देखें।
CNBC (1); Fortune (2), (4), (10); The Information (3); The Verge (5), (7); The Next Web (6); The Street (8); Seeking Alpha (9); MLQ (11); Morgan Stanley (12); Yale University (13); MIT Computer Science and Artificial Intelligence Laboratory (14); McKinsey & Company (15); Layoffs.fyi (16)
चार प्रमुख AI मॉडल इस लेख पर चर्चा करते हैं
"वर्तमान टोकन मूल्य निर्धारण AI विस्थापन पर एक अल्पकालिक बाधा है, लेकिन एक टिकाऊ नहीं है, खासकर MSFT जैसे बड़े खिलाड़ियों के साथ बड़े पैमाने पर तेजी से आंतरिक अनुकूलन को देखते हुए।"
लेख MSFT और UBER में वास्तविक लागत वृद्धि को सही ढंग से उजागर करता है, जहाँ Claude का उपयोग महीनों में बजट से अधिक हो गया और 30 जून तक सस्ते Copilot CLI में स्विच करने के लिए मजबूर किया गया। फिर भी यह 70-84% इंजीनियरों द्वारा अपनाने और Uber में 11% पूरी तरह से एजेंट-संचालित डिप्लॉयमेंट के संकेत को कम आंकता है — यह प्रमाण है कि उपकरण पहले से ही खर्च के लायक आउटपुट प्रदान करते हैं। $740B capex लहर और NVDA के $5T मूल्यांकन उन दांवों को दर्शाते हैं कि प्रति-टोकन लागत मजदूरी से तेजी से गिरेगी, न कि विस्थापन रुक जाएगा। गायब संदर्भ: Azure-स्केल सौदों के बिना छोटी फर्मों को अधिक बाधाओं का सामना करना पड़ता है, जिससे बड़े-टेक का खाई चौड़ा हो जाता है।
ऊर्जा और हार्डवेयर की बाधाएँ 2028 तक अनुमानित AI बुनियादी ढांचे की लागत $5.2T के अनुसार अनुमानित AI बुनियादी ढांचे की लागत को बढ़ा सकती हैं, जिससे आज का 'बेमेल' त्वरित समाधान के बजाय ROI पर बहु-वर्षीय खिंचाव बन जाएगा।
"माइक्रोसॉफ्ट और Uber एक मूल्य निर्धारण दीवार से टकराए, न कि क्षमता की दीवार से — और यह वास्तव में दीर्घकालिक AI अपनाने के लिए तेजी है यदि (और केवल यदि) टोकन लागत या बिलिंग मॉडल बुनियादी ढांचे के परिपक्व होने के साथ संकुचित होते हैं।"
लेख दो अलग-अलग कहानियों को मिलाता है: (1) माइक्रोसॉफ्ट का Claude Code से सस्ते GitHub Copilot CLI में स्विच करना — AI को छोड़ना नहीं, बल्कि खर्च का अनुकूलन करना; और (2) एजेंट कोडिंग टूल के लिए प्रति-टोकन की वास्तविक लागत समस्या। गहरी समस्या: हम शुरुआती चरण की मूल्य निर्धारण अक्षमता देख रहे हैं, न कि संरचनात्मक अव्यवहारिकता। Uber ने चार महीनों में $2026 बजट जला दिया क्योंकि अपनाना *सफल* था — 84% इंजीनियर इसे दैनिक रूप से उपयोग कर रहे थे। यह एक मूल्य निर्धारण समस्या है, मांग की समस्या नहीं। $5.2T बुनियादी ढांचा अनुमान और 69% capex वृद्धि बताती है कि Big Tech का मानना है कि इकाई अर्थशास्त्र में सुधार होगा। MIT अध्ययन (23% दृष्टि कार्य आर्थिक रूप से व्यवहार्य) एक संकीर्ण उपयोग मामले पर 2024 का डेटा है; कोडिंग एजेंट उच्च-ROI हैं। क्या गायब है: इस पर कोई चर्चा नहीं कि मूल्य निर्धारण मॉडल कैसे विकसित होंगे या टोकन लागत बढ़ने के साथ घटती है या नहीं।
यदि Claude Code और Cursor पहले से ही 'अच्छी तरह से काम करने' के बावजूद वर्तमान उपयोग दरों पर वहनीय नहीं हैं, तो अंतर्निहित कंप्यूट लागत संरचनात्मक रूप से मानव मजदूरी को बड़े पैमाने पर कम करने के लिए बहुत अधिक हो सकती है — विशेष रूप से ज्ञान कार्य के लिए जहाँ वेतन अपेक्षाएँ अधिक होती हैं। लेख मानता है कि मूल्य निर्धारण में सुधार होगा; यह नहीं हो सकता है।
"जनरेटिव AI की मार्जिन-संवर्धक क्षमता को साकार करने के लिए बाहरी AI टूलिंग से मालिकाना, अनुकूलित आंतरिक स्टैक में संक्रमण आवश्यक अगला कदम है।"
'AI बहुत महंगा है' का आख्यान शुरुआती चरण के बुनियादी ढांचे को अपनाने की एक क्लासिक गलत व्याख्या है। माइक्रोसॉफ्ट और Uber AI से पीछे नहीं हट रहे हैं; वे 'प्रायोगिक' मूल्य निर्धारण मॉडल से संक्रमण कर रहे हैं — जहाँ उन्होंने Claude जैसे तीसरे पक्ष के टूल के लिए प्रीमियम खुदरा दर का भुगतान किया — आंतरिक, अनुकूलित और लंबवत एकीकृत स्टैक में। यह नवाचार से परिचालन दक्षता तक एक मानक बदलाव है। असली कहानी टोकन की लागत नहीं है; यह Uber में शून्य मानव हस्तक्षेप के साथ भेजा गया 11% कोड है। यह मानव पूंजी लीवरेज में एक बड़ा बदलाव दर्शाता है जो अंततः वर्तमान कंप्यूट ओवरहेड की परवाह किए बिना श्रम लागत को संपीड़ित करेगा। हम सॉफ्टवेयर इंजीनियरिंग के लिए अपस्फीतिकारी चक्र के 'CapEx' चरण को देख रहे हैं।
यदि ऊर्जा बाधाओं और हार्डवेयर की कमी के कारण अनुमान लागतें चिपचिपी बनी रहती हैं, तो 'उत्पादकता लाभ' मार्जिन विस्तार के रूप में कभी भी साकार नहीं हो सकता है, जिससे कंपनियाँ AI एजेंटों के लिए स्थायी, उच्च-लागत रखरखाव चक्र में फंस जाती हैं।
"बड़े पैमाने पर AI ऐसे शुद्ध उत्पादकता लाभ प्रदान करेगा जो अल्पकालिक लागत दबावों के बावजूद चल रहे निवेश को उचित ठहराएंगे।"
टोकन-आधारित मूल्य निर्धारण और बड़े पैमाने पर AI टूलिंग से मजबूत अल्पकालिक लागत संकेत, जैसा कि माइक्रोसॉफ्ट द्वारा Claude Code लाइसेंस रोकना और Uber द्वारा 2026 के बजट को खत्म करना दर्शाता है। अपनाना वास्तविक है (84% Uber इंजीनियर; ~70% कोड AI-उत्पन्न; 11% एजेंट द्वारा बैकएंड अपडेट), फिर भी Yale/MIT/McKinsey से विश्वसनीय साक्ष्य संभावित आउटपुट और वास्तविक उत्पादकता लाभ के बीच एक अंतर की ओर इशारा करते हैं, जिसमें 2030 तक बुनियादी ढांचे की लागत अधिक होने का अनुमान है। फिर भी, AI से जुड़े सॉफ्टवेयर प्लेटफार्मों के लिए मुख्य मामला बना हुआ है: यदि कंप्यूट दक्षता, मूल्य निर्धारण और शासन में सुधार होता है, तो AI प्रति इंजीनियर सीमांत आउटपुट बढ़ा सकता है, जो अल्पकालिक लागत बाधाओं के बीच भी लंबी अवधि के ROI का समर्थन करता है।
लागत बाधा बनी रह सकती है या मॉडल के स्केल होने पर बिगड़ सकती है, जिससे प्रति-आउटपुट बिल कई टीमों के लिए अस्थिर हो जाएंगे। यदि मुख्य वर्कफ़्लो के लिए ROI संकीर्ण बना रहता है, तो फर्म अपनाने को सीमित कर सकती हैं या सस्ते, कम सक्षम टूल पर वापस लौट सकती हैं, जिससे उत्पादकता थीसिस कमजोर हो जाएगी।
"हार्डवेयर की कमी जेमिनी द्वारा माने जाने वाले ऊर्ध्वाधर एकीकरण के बाद आने वाले अपस्फीतिकारी चक्र को अवरुद्ध कर सकती है।"
जेमिनी द्वारा लागतों को एक मानक नवाचार-से-दक्षता बदलाव के रूप में खारिज करना इस बात को नजरअंदाज करता है कि मैकिन्से की $5.2T बुनियादी ढांचे की जरूरतों और ऊर्जा सीमाओं के कारण Uber जैसे एकीकृत खिलाड़ियों को भी स्थायी उच्च खर्च में कैसे फंसाया जा सकता है। 11% शून्य-हस्तक्षेप डिप्लॉयमेंट लीवरेज साबित करते हैं, फिर भी अनुमान से तेज टोकन अपस्फीति के बिना, श्रम संपीड़न हाइपरस्केलर्स तक ही सीमित रहेगा न कि व्यापक सॉफ्टवेयर मार्जिन तक।
"मूल्य निर्धारण में सुधार माना जाता है, यांत्रिक रूप से गारंटीकृत नहीं — ऊर्जा की कमी लागत को मजदूरी बचत से अधिक रख सकती है, जिससे पूरी उत्पादकता थीसिस मामूली हो जाती है।"
Claude और ChatGPT दोनों मानते हैं कि मूल्य निर्धारण में सुधार होगा, लेकिन कोई भी यह संबोधित नहीं करता है कि ऐसा क्यों *होना चाहिए*। टोकन लागत हार्डवेयर + ऊर्जा अर्थशास्त्र को ट्रैक करती है, न कि बाजार दक्षता को। यदि NVIDIA का $5T मूल्यांकन पहले से ही बड़े पैमाने पर मूल्य निर्धारण करता है, तो अपस्फीति कहाँ से आ रही है? Grok की ऊर्जा बाधा का तर्क सबसे कठिन है जिसे खारिज किया जा सकता है — यदि अनुमान 2028 तक बिजली-सीमित रहता है, तो अपनाने के वक्र की परवाह किए बिना टोकन लागत चिपचिपी रह सकती है। वह ROI की वास्तविक सीमा है, अपनाने की दर नहीं।
"AI एजेंटों की ओर बदलाव कम लागत वाले मानव श्रम को उच्च लागत वाले, ऊर्जा-निर्भर 'कंप्यूट टैक्स' से बदलने का जोखिम उठाता है जो स्थायी रूप से सॉफ्टवेयर मार्जिन को संपीड़ित करता है।"
Claude, आप मुख्य बिंदु पर आ रहे हैं: 'अपस्फीतिकारी' आख्यान एक मूर के नियम की धारणा पर निर्भर करता है जो ऊर्जा-बाधित अनुमान पर लागू नहीं हो सकता है। जेमिनी, आप इस तथ्य को नजरअंदाज कर रहे हैं कि सॉफ्टवेयर मार्जिन ऐतिहासिक रूप से कम सीमांत लागतों से संचालित होते हैं। यदि AI एजेंट हर कोड लाइन पर एक स्थायी, उच्च-लागत 'कंप्यूट टैक्स' लागू करते हैं, तो हम उत्पादकता उछाल नहीं देख रहे हैं; हम एक मार्जिन-संपीड़ित संक्रमण देख रहे हैं जहाँ प्राथमिक लाभार्थी पावर ग्रिड और NVDA हैं, न कि सॉफ्टवेयर फर्म।
"टोकन-लागत अपस्फीति की गारंटी नहीं है; ऊर्जा/हार्डवेयर सीमाएँ ROI को सीमित कर सकती हैं और शासन/सुरक्षा लागत लाभ को कम कर सकती हैं।"
Claude, आप मूल्य निर्धारण को एक अनुकूलन समस्या के रूप में प्रस्तुत करते हैं जो संभवतः पैमाने के साथ सुधरेगी, लेकिन आप ऊर्जा और हार्डवेयर सीमाओं से कठोर सीमा को कम आंकते हैं। यदि टोकन लागत बिजली की खपत को ट्रैक करती है, तो मूर-स्केलिंग रुक सकती है; Uber के 11% शून्य-मानव कोड डिप्लॉयमेंट लीवरेज का संकेत देते हैं, फिर भी तंग शासन और सुरक्षा के बिना, वे लाभ जल्दी से खराब हो सकते हैं और ROI को सीमित कर सकते हैं। जोखिम अपनाना नहीं है — यह है कि क्या इकाई अर्थशास्त्र वास्तव में बहु-वर्षीय capex को उचित ठहराने के लिए पर्याप्त रूप से सुधरता है।
जबकि उच्च अपनाने की दर और AI टूल से उत्पादकता लाभ पर सहमति है, पैनलिस्ट इस बात पर असहमत हैं कि लागत में सुधार होगा या नहीं। कुछ का तर्क है कि ऊर्जा बाधाएँ टोकन लागत अपस्फीति को सीमित कर सकती हैं, जबकि अन्य का मानना है कि पैमाने के साथ मूल्य निर्धारण में सुधार होगा।
उच्च अपनाने की दर और उत्पादकता लाभ, जिसमें Uber में 11% कोड शून्य मानव हस्तक्षेप के साथ भेजा गया।
ऊर्जा बाधाओं के कारण चिपचिपी टोकन लागत, संभावित रूप से ROI और मार्जिन संपीड़न को सीमित करती है।