Könnte dies den Beginn einer Krise für Token-Wirtschaften markieren?

In der neuesten Folge des Equity-Podcasts von TechCrunch haben Kirsten Korosec, Sean O’Kane und ich untersucht, wie diese Preisänderungen die gesamte KI-Industrie beeinflussen könnten. Da Anthropic sowie andere große KI-Unternehmen an eine Börsennotierung arbeiten, tauchen Fragen zur Rentabilität auf, was zu ähnlichen Preiserhöhungen und zusätzlichen Nutzungseinschränkungen führen könnte, während die Unternehmen versuchen, ihre Ausgaben unter Kontrolle zu bringen.

Sean stellte eine zentrale Frage: „Können diese KI-Entwicklungsteams es schaffen, Kosten zu senken, ohne dabei die Technologie nicht weit genug voranzutreiben, um den Ausgabebereitschaft der Kunden gerecht zu werden?“

Kirsten wies darauf hin, dass diese Entwicklung auch zeigt, wie schnell sich Trends entwickeln. Schon innerhalb weniger Monate waren Unternehmen besessen davon, die Token-Nutzung zu maximieren, bevor sie aufgrund der damit verbundenen hohen Kosten wieder von diesem Ansatz abkehrten. Da die KI-Unternehmen ihre IPO-Dokumente vorbereiten, fragte sie: „Wie können sie diese Risiken genau dokumentieren, wenn sich alles direkt vor unseren Augen ständig verändert?“

Lesen Sie weiter für einen Auszug aus unserer Diskussion, der aus Kürze und Klarheitgründen bearbeitet wurde.

Anthony Ha: Als wir diese Folge planten, Sean, hast du die aktuelle Situation als „Tokenpocalypse“ beschrieben. Ich würde gerne deine weiteren Gedanken zu diesem Begriff hören – insbesondere im Hinblick auf Microsofts Entscheidung, für GitHub Copilot mehr pro Token zu verlangen anstelle eines festen Preises.

Das gesamte KI-Ökosystem ist stark von Investitionsmitteln abhängig, was bedeutet, dass viele scheinbar kostenfreie Dienste in Wirklichkeit recht teuer sind. Nun, da immer mehr dieser Kosten an die Endverbraucher weitergegeben werden, müssen wir sehen, wie sich dies auf das Verhalten der Verbraucher auswirkt. Obwohl die genauen Folgen noch unklar sind, wird dies voraussichtlich erhebliche Unannehmlichkeiten für die Nutzer verursachen.

Sean O’Kane: Es ist interessant zu betrachten, wie viele mit Tokens verbundene Risiken in Anthropics S-1-Dokumentation auftauchen werden. Ich habe dieses Thema in dieser Sendung häufig erörtert, da wir immer wieder ähnliche Muster beobachten – zum Beispiel hat Uber zunächst behauptet, innerhalb von anderthalb Monaten bereits sein Budget für KI-Ausgaben überschritten zu haben, um später festzustellen, dass die Kosten zu hoch seien und daher Nutzungseinschränkungen im gesamten Unternehmen notwendig würden.

Diese schnelle Wendung ist besorgniserregend. Sie wirft die Frage auf, ob diese KI-Entwicklungsteams es schaffen können, Kosten zu senken, ohne dabei die Technologie nicht weit genug voranzutreiben, um mit der Ausgabekraft der Kunden Schritt zu halten.

Auch ChatGPT Plus ist erwähnenswert – ursprünglich wurde es für 20 US-Dollar pro Monat angeboten, ohne dass eine klare Strategie hinter dieser Summe erkennbar war. Die Menschen zahlen weiterhin mehr für höherwertige Modelle, doch selbst diese Preise decken die tatsächlichen Kosten nicht vollständig ab. Das bleibt eine der größten Herausforderungen in diesem Bereich.

Kirsten: All das zeigt nur, wie schnell sich die Dinge verändern. Die Tendenz, die Token-Nutzung zu maximieren, erreichte ihren Höhepunkt innerhalb von sechs Monaten und wird nun negativ gesehen. Wie du bereits erwähnt hast, wurde die Preisstruktur festgelegt, bevor die Geschäftsmodelle der KI-Unternehmen vollständig ausgereift waren.

Gleichzeitig versuchen Regierungen, mit diesen Entwicklungen Schritt zu halten. Diese Woche unterzeichnete Präsident Trump einen Exekutivbefehl, der es der Regierung ermöglicht, leistungsstarke KI-Modelle zu überprüfen – allerdings nur in begrenztem Umfang. Das Tempo des Wandels, das ich beobachte, ist beispielloser.

Deshalb freue ich mich darauf, die S-1-Dokumente zur IPO-Zulassung zu sehen, da sie wichtige Risikofaktoren aufzeigen werden. Es ist schwierig, Risiken zu dokumentieren, wenn sich diese ständig und täglich verändern.

Anthony: Uber ist ein interessantes Beispiel, Sean. Obwohl es wegen seiner hohen KI-Ausgaben kritisiert wurde, zeigt es auch, dass Unternehmen im Laufe der Zeit finanzielle Schwierigkeiten überwinden können, indem sie ihre Aktivitäten ausweiten und skalieren. Es mussten verschiedene Geschäftsbereiche entwickelt werden, sowohl Kunden als auch Fahrer standen unter Druck – doch all diese Bemühungen halfen letztendlich dabei, Uber profitabel zu machen.

Ich glaube, ähnliche Veränderungen sind für viele KI-Unternehmen notwendig, wenn sie langfristig überleben wollen.

Sean: Können diese KI-Entwicklungsteams Wege finden, die Kosten genauso drastisch zu senken wie Uber es im Laufe der Jahre durch Einsparungen bei seinen Fahrern geschafft hat? Ich bin mir nicht sicher. In vielen Fällen handelt es sich um eher einfache und schwer reduzierbare Kosten – daher wird es interessant sein zu sehen, wie sie mit dieser Herausforderung umgehen.