Lượt gọi AI ngày càng nhiều, tại sao chưa chắc tất cả đều dùng đến mô hình đắt nhất?
Ngày 9 tháng 10, Microsoft giới thiệu Decision 1, một sản phẩm chuyên xử lý việc phân loại, định tuyến và đưa ra quyết định trong quy trình làm việc. Sản phẩm đưa ra kết quả và độ tin cậy từ các lựa chọn được thiết lập sẵn, chứ không tập trung tạo ra những câu trả lời dài.
Điều này ảnh hưởng đến việc mỗi bước của tác vụ sẽ do ai tính phí.
Ví dụ, hệ thống chăm sóc khách hàng trước tiên xác định vấn đề thuộc loại “hoàn tiền, vận chuyển hay hỗ trợ kỹ thuật”, rồi quyết định chuyển sang quy trình nào. Bước phân loại này và việc giải thích một hợp đồng phức tạp đòi hỏi năng lực, độ dài đầu ra và chi phí khác nhau. Không cần mặc định rằng mỗi bước đều phải tiêu tốn một mô hình suy luận đa năng đắt đỏ như nhau.
Theo tôi, các doanh nghiệp khi mua AI sẽ ngày càng chú trọng đến việc phân chia nhiệm vụ. Những phán đoán đơn giản được giao cho mô hình chuyên biệt phù hợp; vấn đề phức tạp hơn thì mới chuyển lên cấp xử lý cao hơn. Điều thực sự cần so sánh là chi phí và tổn thất do sai sót của toàn bộ quy trình, chứ không phải mức giá có vẻ rẻ đến đâu cho mỗi lần dùng một mô hình.
Điều này cũng lý giải vì sao số lượt gọi không thể được xem là doanh thu tương đương: số lượt tăng lên, nhưng cơ cấu tác vụ và đơn giá cũng có thể thay đổi. Nếu phán đoán sai khiến phải làm đi làm lại, mức giá thấp trên danh nghĩa cũng sẽ bị bào mòn.
Khi theo dõi các tài sản liên quan đến AI như TAO, FET và RENDER, cũng cần tiếp tục tìm hiểu nhu cầu trả phí của từng tài sản. Việc Microsoft ra mắt sản phẩm không phải là bằng chứng cho thấy các token này có doanh thu.
Tôi quan tâm hơn đến việc doanh nghiệp chi ngân sách vào bước nào, và liệu bước đó có thực sự đáng để trả phí hay không.
$TAO $FET $RENDER #AI
Nhấn vào ảnh đại diện của tôi để xem giao dịch thực có kèm tín hiệu
Ngày 9 tháng 10, Microsoft giới thiệu Decision 1, một sản phẩm chuyên xử lý việc phân loại, định tuyến và đưa ra quyết định trong quy trình làm việc. Sản phẩm đưa ra kết quả và độ tin cậy từ các lựa chọn được thiết lập sẵn, chứ không tập trung tạo ra những câu trả lời dài.
Điều này ảnh hưởng đến việc mỗi bước của tác vụ sẽ do ai tính phí.
Ví dụ, hệ thống chăm sóc khách hàng trước tiên xác định vấn đề thuộc loại “hoàn tiền, vận chuyển hay hỗ trợ kỹ thuật”, rồi quyết định chuyển sang quy trình nào. Bước phân loại này và việc giải thích một hợp đồng phức tạp đòi hỏi năng lực, độ dài đầu ra và chi phí khác nhau. Không cần mặc định rằng mỗi bước đều phải tiêu tốn một mô hình suy luận đa năng đắt đỏ như nhau.
Theo tôi, các doanh nghiệp khi mua AI sẽ ngày càng chú trọng đến việc phân chia nhiệm vụ. Những phán đoán đơn giản được giao cho mô hình chuyên biệt phù hợp; vấn đề phức tạp hơn thì mới chuyển lên cấp xử lý cao hơn. Điều thực sự cần so sánh là chi phí và tổn thất do sai sót của toàn bộ quy trình, chứ không phải mức giá có vẻ rẻ đến đâu cho mỗi lần dùng một mô hình.
Điều này cũng lý giải vì sao số lượt gọi không thể được xem là doanh thu tương đương: số lượt tăng lên, nhưng cơ cấu tác vụ và đơn giá cũng có thể thay đổi. Nếu phán đoán sai khiến phải làm đi làm lại, mức giá thấp trên danh nghĩa cũng sẽ bị bào mòn.
Khi theo dõi các tài sản liên quan đến AI như TAO, FET và RENDER, cũng cần tiếp tục tìm hiểu nhu cầu trả phí của từng tài sản. Việc Microsoft ra mắt sản phẩm không phải là bằng chứng cho thấy các token này có doanh thu.
Tôi quan tâm hơn đến việc doanh nghiệp chi ngân sách vào bước nào, và liệu bước đó có thực sự đáng để trả phí hay không.
$TAO $FET $RENDER #AI
Nhấn vào ảnh đại diện của tôi để xem giao dịch thực có kèm tín hiệu