شرکت‌های هوش مصنوعی باید مراقب رایگان بارگذاری‌کننده‌ها باشند که توکن‌ها را به‌صورت رایگان می‌سوزانند – و هر بار ثبت‌نام را از بین می‌برند.

هوش مصنوعی یکی از جذاب‌ترین فرضیات نرم‌افزار را زیر پا می‌گذارد: وقتی محصولی را می‌سازید، خدمت به یک مشتری دیگر تقریبا هیچ هزینه‌ای ندارد.

نرم افزارهای سنتی ممکن است نیاز به سرمایه گذاری اولیه زیادی داشته باشند، اما پس از ایجاد محصول، توسعه دهندگان می توانند نتیجه را با هزینه نهایی بسیار کم توزیع کنند. هوش مصنوعی مولد متفاوت است. هر درخواست، هر پاسخ تولید شده، هر وظیفه عاملی باید دوباره تولید و پرداخت شود.

در اوایل سال جاری، پاتریک کولیسون، یکی از بنیانگذاران Stripe، استدلال کرد که در عصر هوش مصنوعی، "نرم افزار باید مانند پیتزا باشد" که در لحظه استفاده سفارشی ساخته می شود. اما نرم افزارهای سفارشی با هزینه های سفارشی همراه هستند.

اقتصاد اینترنتی عمدتا حول محور نیت انسان طراحی شده است. افراد جستجو کردند، کلیک کردند، مشترک شدند و بررسی کردند. کسب‌وکارهایی که حول این رفتار بهینه شده‌اند: مشتری را جذب کنید، آن‌ها را به مشترک تبدیل کنید، و با هزینه‌های حاشیه‌ای کم به آنها خدمت کنید.

اما اکنون، عوامل هوش مصنوعی می‌توانند تحقیق کنند، کد بنویسند، با API تماس بگیرند، وظایف را اجرا کنند و حتی هزینه‌هایی را از طرف افراد یا مشاغل بپردازند. این نوید سرعت و مقیاس را می دهد، اما فعالیت خودکار می تواند به سرعت مصرف و هزینه ها را بسیار فراتر از آنچه انتظار می رود و کسب و کارها به مدیریت آن عادت دارند افزایش دهد.

همه در حال تماشای AI هستند که صورت حساب ها را افزایش می دهد. تعداد بسیار کمی به اینکه چه کسی بارگذاری رایگان می کند توجه می کنند. آزمایش رایگان و سوء استفاده از چند حساب، قاتلان بی‌صدا اقتصاد واحد هوش مصنوعی هستند، و کسب‌وکارها اغلب تنها پس از از بین رفتن حاشیه‌هایشان متوجه آسیب می‌شوند.

چالش دیگر در مورد ارزان‌تر کردن محاسبات نیست، بلکه اطمینان از اینکه استفاده به درآمد تبدیل می‌شود، به جای اجازه دادن به مصرف غیرمنتظره یا سوءاستفاده‌کننده برای کاهش حاشیه کسب‌وکارها.

در آسیا، پذیرش هوش مصنوعی از آزمایش به عمل تغییر می کند. در سال 2025، یک نظرسنجی Stripe نشان داد که 82٪ از رهبران کسب و کار قبلا هوش مصنوعی عاملی را پیاده‌سازی می‌کردند یا برای پیاده‌سازی برنامه‌ریزی می‌کردند. نیمی از افراد مورد بررسی انتظار دارند تا سال 2030 سهم بیشتری از فروش از طریق کانال های مبتنی بر هوش مصنوعی انجام شود. طبق گفته Bain، 85 درصد از خریداران آسیای جنوب شرقی در حال حاضر از ابزارهای هوش مصنوعی برای هدایت تصمیمات خرید خود استفاده می کنند یا در نظر دارند.

اندازه گیری واحد جدید بازرگانی

در عصر هوش مصنوعی، دو کاربر مختلف می توانند حجم کاری بسیار متفاوتی ایجاد کنند. هر تعامل با هوش مصنوعی هزینه واقعی دارد. به این ترتیب، توکن ها اکنون واحد کلیدی برای اندازه گیری و اندازه گیری مصرف هستند.

بنابراین، این امر شرکت‌های هوش مصنوعی را به سمت قیمت‌گذاری مبتنی بر استفاده یا ترکیبی سوق می‌دهد که هزینه مصرف را بهتر منعکس می‌کند و به شرکت‌ها اجازه می‌دهد تا استفاده را پیگیری کرده و پرداخت‌ها را در زمان واقعی جمع‌آوری کنند.

Take Lovable، پلتفرم ایجاد نرم افزار هوش مصنوعی که از Stripe استفاده می کند. Lovable با ارائه اشتراک شروع به کار کرد، اما از آن زمان به صورت‌حساب مبتنی بر استفاده تغییر کرده است. هنگامی که مشتریان از میزان رایگان در طرح خود فراتر رفتند، بر اساس مصرف توکن هوش مصنوعی هزینه دریافت می‌شوند.

این مدل جدید آسیب پذیری جدیدی را معرفی می کند: سرقت توکن. بازیگران پشت این سوء استفاده به بازی کردن سیستم متکی هستند. مهاجمان چندین حساب ایجاد می‌کنند، از آزمایش‌های رایگان سوء استفاده می‌کنند و توکن‌های هوش مصنوعی را بدون اینکه قصد پرداخت هزینه‌ای برای آن‌ها داشته باشند، مصرف می‌کنند.

هر نشانه ای که یک سوءاستفاده کننده مصرف می کند، هزینه عملیاتی فوری ایجاد می کند که شرکت هرگز آن را جبران نخواهد کرد.

تحقیقات Stripe نشان داد که بیش از یک مورد از هر شش ثبت‌نام در شرکت‌های هوش مصنوعی با سوء استفاده از چند حساب مرتبط است.

شرکت‌های هوش مصنوعی نمی‌توانند منتظر بمانند تا در صورت شکست درخواست پرداخت، اقدام کنند. تا آن زمان، کاربر قبلا حرکت کرده است. در عوض، آنها باید قبل از استفاده از اولین توکن، هنگام ثبت نام، سوء استفاده را شناسایی کنند. Stripe، از طریق راه‌حل‌هایی مانند Stripe Radar، یک ابزار هوش مصنوعی پیشگیری از کلاهبرداری که بر روی داده‌های میلیون‌ها کسب‌وکار در سراسر جهان آموزش دیده است، سال گذشته از تقلب ۱.۳ میلیارد دلاری در سنگاپور جلوگیری کرد.

حفاظت از حاشیه ها

چالش فقط تشخیص سرقت یا کلاهبرداری رمز نیست، بلکه تصمیم گیری در مورد نحوه پاسخگویی است.

کسب‌وکارها باید دید بیشتری نسبت به جایی که حاشیه‌هایشان در معرض دید قرار می‌گیرد، همراه با انعطاف‌پذیری برای تعیین میزان تحمل ریسک خود و متناسب کردن پاسخ خود به رفتارهای مختلف. برای مثال، فردی که به طور مکرر حساب‌های جدیدی را برای سرقت توکن‌های هوش مصنوعی ایجاد می‌کند، باید با یک کاربر معمولی پولی که استفاده از آن به طور ناگهانی افزایش می‌یابد متفاوت رفتار شود.

همانطور که هوش مصنوعی هزینه خدمات رسانی به مشتریان را تغییر می‌دهد، حفاظت از حاشیه‌ها نه تنها به محاسبه ارزان‌تر، بلکه به اطمینان از اهمیت دادن هر توکن مصرفی بستگی دارد.

نظرات بیان شده در نظرات Fortune.com صرفا نظرات نویسندگان آنها است و لزوما منعکس کننده نظرات و اعتقادات Fortune نیست.

این داستان در ابتدا در سایت Fortune.com منتشر شد