Atlassian yapay zeka harcamaları için cüzdan sistemine geçiyor

Yazılım şirketi Atlassian, artan yapay zeka harcamaları karşısında personelinin bu alandaki bütçesini daha sıkı takip etmek için yeni bir adım attı. Şirket, her bir çalışana aylık 500 ila 2,000 dolar arasında değişen limitlere sahip cüzdanlar tanımladı. Bu hamle, bazı teknoloji firmalarının çalışanlarını olabildiğince çok yapay zeka kullanmaya teşvik ettiği ve 'tokenmaxxing' olarak adlandırılan akımın aksine bir yaklaşım sergiliyor. Atlassian daha önce 1.600 çalışanın işten çıkarılmasının gerekçelerinden biri olarak yapay zekayı göstermişti. Öte yandan bazı şirketlerin en çok yapay zeka kullanan çalışanlar için liderlik tabloları oluşturduğu biliniyor.

Token terimi, bir yapay zekanın komuta verdiği yanıtın ölçümünü ifade ediyor. OpenAI, bir tokenin yaklaşık dört karakterden oluştuğunu, örneğin ABD Bağımsızlık Bildirgesi'nin 1.695 token tuttuğunu belirtiyor. OpenAI'nın amiral gemisi modeli GPT-5.6 Sol, her 1 milyon token için 5 dolar ücret alırken, Anthropic’in Claude Fable ve Mythos modellerinde bu rakam 1 milyon token başına 10 dolar seviyesinde bulunuyor. 'Tokenmaxxing' yaklaşımında bu masraflar hızla katlanıyor. Sektördeki bazı gelişmelerde, Uber'in yapay zeka bütçesini dört ayda tükettiği, Amazon'un ise çalışanlarına sırf kullanmış olmak için yapay zeka kullanmayı bırakmalarını söylediği ifade ediliyor.

Atlassian hiçbir zaman sınırsız yapay zeka bütçesi sunmamış ya da 'tokenmaxxing' akımını desteklememiş olsa da, Avustralyalı şirket bu ay araştırma ve geliştirme ekibindeki personel için 'AI cüzdanı' uygulamasını başlattı. İç yazışmalara göre, Claude Code dahil dört farklı yapay zeka ürününde kullanılabilen cüzdanlarda çalışanların aylık 500 ile 2,000 dolar arasında harcama hakkı bulunuyor. Çalışanlar limitlerine yaklaştıklarında bildirim alıyor ve bütçe bittiğinde kullanım durduruluyor. Ek fon talebinde bulunabilen personelin bu tür taleplerinin şu ana kadar şirket tarafından reddedilmediği belirtiliyor.

Şirket sözcüsü, teknolojiyi geliştiren ve deneyen kişileri destekleyerek 'yapay zeka odaklı bir şirket' olma yolunda ilerlediklerini belirtti. Sözcü, geliştiricilerin birden fazla yapay zeka aracından yararlanabilmesi için önemli bir bütçe sağlandığını ve araç bütçelerinin farklı ekiplerin çalışma biçimlerine göre roller bazında belirlendiğini ifade etti. Ayrıca bu cüzdan sisteminin, çalışanların harcayabileceği miktarda bir artışı da temsil ettiği kaydedildi.

Araştırma şirketi Elastic adına PureProfile tarafından haziran ayında yapay zeka kullanan 500 üst düzey Avustralyalı çalışanla yapılan bir anket, katılımcıların yüzde 80'inin yüksek kullanımın üretkenlik artışıyla karıştırılmasından endişe duyduğunu ortaya koydu. Araştırma, maliyetler nedeniyle katılımcıların yüzde 32'sinin yapay zeka projelerini durdurduğunu, iptal ettiğini ya da azalttığını gösterdi. Elastic'in ANZ yöneticisi Jeremy Pell, yapay zeka harcamalarına aylık sınır getirmenin akıllıca olduğunu ve daha fazla kurumun bunu yapması gerektiğini söyledi. Pell, Avustralyalı kuruluşların sadece yüzde 9'unun yapay zeka ajanları veya otonom iş akışları konusunda token ya da API tüketiminde herhangi bir sınırlama uyguladığını, bu nedenle bu uygulamayı benimseyen kuruluşların istisna olduğunu vurguladı.

Araştırma firması Gartner'da kıdemli başkan yardımcısı analist olan Arun Chandrasekaran, cüzdanların 'doğru davranışı teşvik etmek' ve kişilerin yapay zekayı etkisiz bir şekilde kullanmasını engellemek için basit bir yöntem olduğunu belirtti. Bu tür masrafların işletmeler arasında önemli bir konu haline geldiğini söyleyen Chandrasekaran, maliyet patlamasının kullanıcı adına bağımsız olarak görev üstlenen yapay zeka ajanları tarafından tetiklendiğini kaydetti. Bağımsız görevler yapmaya çalışan bu sistemlerin daha küçük ajanlar ürettiğini, kendi komutlarını oluşturduğunu ve model için istekler başlattığını anlatan uzman, yapay zeka model fiyatları son üç yıldır düşerken, özellikle ajanların modellere gönderdiği token hacminin önemli ölçüde arttığını ifade etti. Chandrasekaran, şirketlerin maliyeti düşürmenin yollarını aradığını, daha basit görevler için daha az güçlü modeller kullanmanın yanı sıra kişilerin kendi sistemlerinde çalıştırabileceği açık ağırlıklı veya açık kaynaklı modellere yönelmeyi değerlendirdiğini sözlerine ekledi.