AI टोकनचा वापर झपाट्याने वाढताना पाहण्याची सवय असलेल्या Founders आणि CEOs साठी Y Combinator चे Garry Tan यांचा संदेश स्पष्ट आहे: AI agents वर मोठ्या प्रमाणात खर्च करणे योग्य ठरू शकते—विशेषतः त्या खर्चातून अन्यथा साध्य करण्यासाठी अनेक वर्षे लागली असती अशा क्षमता उपलब्ध होत असतील तर. या आठवड्यात a16z podcast वर बोलताना Tan यांनी startup leaders ना “tokenmaxxing” स्वीकारण्याचे आवाहन केले. त्यांच्या मते, AI tokens च्या वापरात गुंतवणूक केल्याने कंपन्या स्पर्धेच्या पुढे जाऊ शकतात.
## काटकसरीचा त्याग: “Burn, Baby, Burn”
Tan यांनी चर्चेची सुरुवात leaders ना मोठ्या प्रमाणात tokens वापरण्याची मुभा देण्याचे सांगून केली—बिल मोठे असले तरीही. “Burn, baby, burn,” असे ते म्हणाले. AI agents मध्ये शेकडो हजार किंवा अगदी एक million tokens लोड करण्याचा त्यांचा संदर्भ होता. यामागील त्यांचे कारण असे की, या मोठ्या consumption limits मुळे 2028 मधील AI विश्व कसे दिसू शकते याचे अनुकरण करता येते—आणि teams ना सध्याच्या प्रचलित पद्धतींपेक्षा कितीतरी अधिक शक्ती आणि scale वापरता येतो.
## खर्च विरुद्ध परतावा: Tokens चे वास्तव
Agents ना त्यांच्या सर्वोच्च क्षमतेने काम करण्यास भाग पाडणे स्वस्त नसते, हे त्यांनी खुलेपणाने मान्य केले. Tan यांच्या मते, agents ना “full strength” वर चालवण्यासाठी founders आणि CEOs ना दरवर्षी हजारो डॉलर खर्च करावे लागू शकतात; हा खर्च वर्षाला $50,000 ते $100,000 पर्यंत पोहोचू शकतो. तरीही, या मोठ्या खर्चामुळे experimentation आणि innovation ला चालना मिळत असेल, तर हा खर्च योग्य असल्याचे त्यांना वाटते.
### Workflows चे Processes मध्ये रूपांतर
खर्च आणि परिणाम यांचा समतोल साधण्यासाठी Tan यांनी दोन टप्प्यांची रणनीती सुचवली आहे:
– प्रथम, कोणतीही बंधने न घालता workflows ची चाचणी घेण्यासाठी AI agents तैनात करा—समस्या सोडवण्याचे सर्वोत्तम मार्ग शोधण्यासाठी त्यांना आवश्यक संसाधने द्या.
– त्यानंतर, जे प्रभावी ठरते ते नोंदवा. प्रत्येक यशस्वी workflow—प्रत्येक agent ची पावले—पुन्हा वापरता येतील अशा सूचनांमध्ये रूपांतरित करून त्याचे दस्तऐवजीकरण करा. भविष्यातील token usage कमी करताना output कायम राखण्यासाठी या documentation च्या आधारे automation तयार करा. 💼
Tan यांचे एक उल्लेखनीय विधान आहे: “A markdown file is an employee.” याचा अर्थ असा की, एका साध्या document मध्ये AI agents साठी सूचना नोंदवता येतात. त्यामुळे पूर्णपणे प्रशिक्षित employee प्रमाणे ते tasks अचूकपणे आणि सातत्याने पूर्ण करू शकतात.
## मतभेद: Tokenmaxxing ला विरोध
Tan यांच्या मतांशी Silicon Valley मधील काही voices पूर्णपणे असहमत आहेत. त्यांच्या मते, token consumption हे productivity चे मोजमाप न राहता status metric बनल्यास tokenmaxxing अपव्ययी ठरू शकते.
या चिंतेच्या पार्श्वभूमीवर, Uber चे CTO, Praveen Neppalli Naga, यांनी अलीकडेच सांगितले की AI spending मधील पुढील टप्प्यात केवळ मोठ्या प्रमाणावर वापर करण्याऐवजी efficiency वर भर दिला जाईल. Cognition चे CEO Scott Wu यांनी June मधील एका podcast मध्ये भर घातली की मोठ्या संख्येने tokens वापरणे नेहमीच अर्थपूर्ण output शी संबंधित असेल असे नाही. काही लोकांचा खर्च किती आहे यावरून त्यांचे मूल्यमापन केले जाते, त्यांनी काय deliver केले यावरून नाही, याबद्दल त्यांनी चिंता व्यक्त केली.
## Founders साठी रणनीती: विचारपूर्वक मोठी गुंतवणूक
Tan यांनी founders आणि CEOs ना मोठ्या प्रमाणातील token use कडे बेपर्वाई म्हणून नव्हे, तर जाणीवपूर्वक केलेली गुंतवणूक म्हणून पाहण्याचा सल्ला दिला आहे. ही कल्पना अशी आहे:
– तुमच्या AI agents ना त्यांच्या मर्यादा ओलांडून काम करण्यास प्रवृत्त करा
– परिणाम देणारे workflows ओळखा
– हे workflows templates, instructions किंवा scripts मध्ये रूपांतरित करून पुन्हा वापरा
या पद्धतीचा उद्देश experimentation ला चालना देताना दीर्घकालीन खर्च नियंत्रित करणे हा आहे. प्रत्येक high-token test हे भविष्यासाठी अधिक कार्यक्षम काहीतरी तयार करण्याची संधी बनते.
## हे आता महत्त्वाचे का आहे
AI agents हे software build processes, research, natural language tasks आणि इतर अनेक क्षेत्रांतील tech stacks चा वाढता महत्त्वाचा भाग बनत असताना AI tokens मोठ्या प्रमाणात वापरण्याबाबतची ही चर्चा होत आहे. Capabilities वाढत असताना established models आणि tools अधिक tokens वापरतात; त्यामुळे सावध भूमिका घेतल्यास competitors च्या मागे पडण्याची शक्यता असते.
AI development किंवा startup strategy यांसारख्या काही क्षेत्रांमध्ये high-capacity agents चा वापर केल्याने अत्याधुनिक features किंवा products competitors पेक्षा आधी तयार करता येऊ शकतात. Tan यांच्या मते, आत्ताच खर्च करून आणि नंतर सुधारणा करून first-mover advantage निर्माण करता येतो.
## तुम्ही पूर्णपणे सहभागी व्हावे का?
प्रत्येक कंपनीने प्रत्येक गोष्टीसाठी tokens वापरण्याची गरज नाही. हे कधी योग्य ठरते—आणि कधी अतिरेक होऊ शकतो—हे पुढीलप्रमाणे:
| हे कधी योग्य ठरते | हे कधी अतिरेक ठरू शकते |
|—|—|
| तुम्ही experimentation आवश्यक असलेली नवीन AI-driven products किंवा services शोधत आहात | तुमचे विद्यमान workflows स्थिर आहेत आणि तुम्ही खर्चाचे optimization करत आहात |
| तुमच्याकडे सुरुवातीचा खर्च सहन करून योग्य पद्धतीने scale करण्यासाठी पुरेसे budget आहे | तुम्ही कमी resources आणि मर्यादित margins असलेली small team आहात |
| दीर्घकालीन efficiency देणारी infrastructure किंवा templates तयार करण्याचे तुमचे उद्दिष्ट आहे | AI usage मर्यादित आहे आणि त्याचा business goals वरील परिणाम किरकोळ आहे |
Founders नी केवळ महत्त्वाकांक्षेवर नव्हे, तर business stage, priorities, cash runway आणि growth projections यानुसार निर्णय घ्यावा.
## अंतिम शब्द
AI tokens बाबत नेहमीच सावध राहणे योग्य असते या मताला Garry Tan यांनी ठोस प्रतिवाद केला आहे. त्यांचा युक्तिवाद असा आहे की, आत्ताच मोठ्या प्रमाणात खर्च केल्याने breakthroughs, जलद learning आणि competitive advantage मिळू शकतो. मात्र हा आंधळा खर्च नाही—ही disciplined experimentation, documentation आणि optimization वर आधारित प्रक्रिया आहे.
तुम्ही founder किंवा CEO असाल आणि usage वर मर्यादा घालावी की agents ना मोकळेपणाने काम करू द्यावे, असा विचार करत असाल, तर Tan यांचा सल्ला स्पष्ट आहे: tokens खर्च करा—पण त्या खर्चातून काहीतरी अधिक महत्त्वाचे तयार करा. जलद शिका, processes चे automation करा आणि दीर्घकालीन मूल्य हे सुरुवातीच्या खर्चाचे समर्थन करू द्या.
This article is AI-generated content. Please verify the information independently before taking any action based on this article.
