Το «φθηνό AI» ίσως αποδειχθεί προσωρινό, καθώς έρχεται η ώρα της κερδοφορίας

Η συζήτηση για το πραγματικό κόστος της τεχνητής νοημοσύνης φεύγει πλέον από το καθαρά τεχνικό επίπεδο και περνά στο επιχειρηματικό. Σύμφωνα με ανάλυση του Axios, η σημερινή περίοδος χαμηλών τιμών μπορεί να είναι μεταβατική, καθώς οι εταιρείες τεχνητής νοημοσύνης ακολουθούν επιθετική τιμολόγηση για να αποκτήσουν γρήγορα μεγάλη βάση χρηστών, να εδραιώσουν συνήθειες χρήσης και να ενισχύσουν τη θέση τους στην αγορά. Το μοτίβο θυμίζει έντονα παλαιότερες στρατηγικές της Silicon Valley, όπου η χαμηλή τιμολόγηση λειτούργησε ως εργαλείο επέκτασης πριν προκύψει η απαίτηση για ουσιαστική κερδοφορία.

Αυτό δεν σημαίνει ότι η τεχνητή νοημοσύνη δεν γίνεται τεχνικά φθηνότερη. Το αντίθετο. Η αγορά έχει μετατοπίσει το κέντρο βάρους από την εκπαίδευση των μοντέλων στη φάση λειτουργίας τους, δηλαδή στη διαδικασία κατά την οποία το μοντέλο απαντά σε πραγματικά ερωτήματα. Εκεί σημειώνεται η μεγαλύτερη βελτίωση σε αποδοτικότητα, με τα νεότερα μοντέλα να προσφέρουν ταχύτερες και φθηνότερες απαντήσεις ανά αίτημα.

Η Nvidia και οι ανταγωνιστές της επενδύουν όλο και περισσότερο σε αυτή τη φάση, επειδή εκεί βρίσκεται πλέον το πραγματικό οικονομικό βάρος της μαζικής χρήσης. Με απλά λόγια, το κόστος ανά απάντηση μπορεί να πέφτει, αλλά η τεχνητή νοημοσύνη ως συνολική υπηρεσία δεν γίνεται απαραίτητα φθηνότερη για την αγορά.

Η ουσία είναι ότι η μείωση του κόστους ανά απάντηση δεν μεταφράζεται αυτόματα σε χαμηλότερο συνολικό λογαριασμό. Όσο η τεχνητή νοημοσύνη γίνεται πιο προσβάσιμη, τόσο αυξάνεται η χρήση της από επιχειρήσεις και καταναλωτές. Δεδομένα που επικαλείται το Axios από τη Ramp δείχνουν ότι η υιοθέτηση υπηρεσιών τεχνητής νοημοσύνης από επιχειρήσεις συνεχίζει να ενισχύεται, καθώς όλο και περισσότερες εταιρείες ενσωματώνουν εργαλεία όπως το ChatGPT και το Claude στην καθημερινή τους λειτουργία.

Πρόκειται για κλασική περίπτωση όπου η πτώση του κόστους ανά μονάδα οδηγεί τελικά σε μεγαλύτερη συνολική κατανάλωση και όχι σε μικρότερη δαπάνη. Αυτό είναι το κρίσιμο σημείο της είδησης. Η τεχνητή νοημοσύνη γίνεται αποδοτικότερη, αλλά ταυτόχρονα χρησιμοποιείται όλο και περισσότερο, άρα η συνολική ανάγκη για υπολογιστική ισχύ, εξοπλισμό και χωρητικότητα συνεχίζει να αυξάνεται.

Εκεί βρίσκεται και το μεγάλο πρόβλημα για τις ίδιες τις εταιρείες ανάπτυξης μοντέλων. Παρά τις βελτιώσεις στην αποδοτικότητα, οι συνολικές ανάγκες σε υπολογιστική ισχύ, κέντρα δεδομένων, επιταχυντές, μνήμη και αναβαθμίσεις υποδομών αυξάνονται με πολύ ταχύτερο ρυθμό από όσο μειώνεται το κόστος ανά ερώτημα. Δημοσίευμα του Reuters αναφέρει ότι η OpenAI βλέπει την υπολογιστική της δαπάνη να αυξάνεται δραστικά μέσα στα επόμενα χρόνια, κάτι που δείχνει πόσο δύσκολο είναι να μετατραπεί η εκρηκτική ανάπτυξη της αγοράς σε βιώσιμη κερδοφορία.

Η εικόνα αυτή γίνεται ακόμη πιο έντονη αν συνυπολογιστεί η χρηματοδότηση. Σύμφωνα με στοιχεία της Crunchbase, τον Φεβρουάριο του 2026 η συντριπτική πλειονότητα των κεφαλαίων επιχειρηματικών συμμετοχών κατευθύνθηκε σε εταιρείες τεχνητής νοημοσύνης, με την OpenAI και την Anthropic να απορροφούν τεράστιο μέρος αυτών των επενδύσεων. Όταν όμως οι αποτιμήσεις ανεβαίνουν τόσο γρήγορα, η αγορά παύει να αρκείται στην ανάπτυξη και αρχίζει να ζητά περιθώρια κέρδους, προβλεψιμότητα εσόδων και καθαρότερη διαδρομή προς δημόσια εγγραφή.

Για τον μέσο χρήστη, αυτό δεν σημαίνει κατ’ ανάγκη ότι οι συνδρομές θα εκτοξευθούν απότομα από τη μία μέρα στην άλλη. Πιο ρεαλιστικό είναι ένα σταδιακό σφίξιμο των όρων χρήσης. Τα δωρεάν πακέτα μπορεί να γίνουν πιο περιορισμένα, οι φθηνές συνδρομές να προσφέρουν λιγότερη πρόσβαση στα ισχυρότερα μοντέλα, ενώ τα πιο απαιτητικά εργαλεία, ειδικά όσα έχουν αυξημένες υπολογιστικές απαιτήσεις ή πιο προηγμένες δυνατότητες, να μετακινηθούν ακόμη περισσότερο προς ακριβότερες βαθμίδες.

Με άλλα λόγια, η τεχνητή νοημοσύνη μπορεί να γίνεται φθηνότερη ως τεχνολογία, αλλά ακριβότερη ως υπηρεσία. Για τις επιχειρήσεις αυτό σημαίνει πιθανή αύξηση λειτουργικού κόστους, ειδικά όταν η τεχνητή νοημοσύνη ενσωματώνεται σε καθημερινές ροές εργασίας. Για τους απλούς χρήστες σημαίνει ότι η σημερινή αίσθηση αφθονίας, κυρίως στα δωρεάν ή πολύ φθηνά πακέτα, δύσκολα θα διατηρηθεί αμετάβλητη.

Η τεχνική βελτίωση στην αποδοτικότητα είναι ήδη σε εξέλιξη, αλλά η πίεση για πιο βιώσιμη τιμολόγηση αναμένεται να φανεί εντονότερα από το 2026 και μετά, εφόσον συνεχιστεί η ίδια δυναμική στις επενδύσεις και στο κόστος υποδομών. Όσο αυξάνονται οι επενδύσεις στη φάση λειτουργίας των μοντέλων, στα ιδιόκτητα τσιπ, στα νέα κέντρα δεδομένων και στις μελλοντικές χρηματιστηριακές κινήσεις, τόσο δυσκολότερο θα είναι για τις εταιρείες να διατηρούν μοντέλα χρήσης που δεν αποδίδουν επαρκή έσοδα.

Αν αυτή η τάση επιβεβαιωθεί, το 2026 ίσως καταγραφεί ως η χρονιά όπου η τεχνητή νοημοσύνη πέρασε από τη φάση της επιδοτούμενης εξάπλωσης στη φάση της οικονομικής ωρίμανσης. Το κόστος ανά λειτουργία πιθανότατα θα συνεχίσει να πέφτει, αλλά η τελική εμπειρία χρήσης δεν είναι καθόλου βέβαιο ότι θα παραμείνει εξίσου φθηνή.

Don’t get used to cheap AI — Axios

Ramp AI Index, March 2026 — Ramp

OpenAI expects compute spend of around $600 billion through 2030, source says — Reuters

Massive AI Deals Drive $189B Startup Funding Record In February — Crunchbase News