AI-agenter slår till med astronomiska räkningar – 300 dollar per dag

AI-agenter håller på att förvandlas från laboratoriekuriositet till praktisk verklighet, men resan dit är mer krokig än väntat. Medan nya tekniska genombrott öppnar dörrar till kraftfull automation, upptäcker företag att kostnaderna kan skena iväg snabbare än produktivitetsvinsten.

Kostnadssmällen som ingen räknade med

Riskkapitalisten Chamath Palihapitiya från Social Capital berättar enligt Computer Sweden att hans företag nu måste sätta strikta budgetgränser för utvecklare som använder AI-agenter. Problemet? Utan kontroller kan dessa digitala medhjälpare kosta upp till 300 dollar per dag – mer än många anställdas dagslön.

Vygandas Pliasas, vd för Solidmatics, har själv upplevt hur agentkostnaderna kan nå 500 dollar per vecka. "Om du låter agenter radera och skriva om kod i blindo, så gör du inte riktigt arbetet själv längre, och jag skulle ha allvarliga tvivel om kvaliteten", varnar han.

Problemet uppstår främst när företag använder skräddarsydda agentsystem via programmeringsgränssnitt istället för att använda kodningsverktyg direkt. Det är som att anlita en entreprenör utan tydliga ramar – kostnaderna kan explodera.

Infrastrukturen mognar snabbt

Parallellt med kostnadsproblemen utvecklas den tekniska grunden för AI-agenter i rasande takt. Forskare har lanserat Qualixar OS – det första operativsystemet som specialdesignats för att orkestrera AI-agenter enligt nya rapporter från arXiv. Till skillnad från tidigare lösningar som AutoGen och CrewAI erbjuder Qualixar OS en komplett körmiljö som kan hantera agenter från 10 olika språkmodell-leverantörer.

Systemet uppnådde 100 procent träffsäkerhet i tester till en genomsnittlig kostnad av endast 0,000039 dollar per uppgift – en dramatisk kontrast till de skyhöga kostnaderna som vissa företag upplever.

En annan innovation, AgentGate, tacklar utmaningen med att dirigera agenter i det växande "Internet av Agenter". Istället för att behandla dirigering som fri textgenerering, formulerar systemet det som ett strukturerat beslutsproblem. Forskning visar att även mindre modeller på 3-7 miljarder parametrar kan leverera konkurrenskraftig prestanda under begränsade förhållanden.

Från tunga till smidiga lösningar

En av de mest lovande utvecklingarna är kunskapsdestillation för AI-agenter. Forskare har visat att avancerade "expertpolicyer" kan överföras till lättare "studentagenter" som behåller över 90 procent av prestandan samtidigt som beräkningskostnaden minskar med upp till 28,6 gånger.

Detta öppnar dörrar för AI-agenter på enheter med begränsad beräkningskraft – från mobiltelefoner till inbyggda system. Plötsligt blir automation tillgänglig även utanför molnets resursstarka servrar.

Nya tillämpningsområden växer fram

AI-agenter börjar även behärska mer komplexa mänskliga färdigheter. Forskare har utvecklat EmoMAS, ett ramverk som gör mindre AI-modeller skickligare på förhandlingar genom strategisk känslomässig intelligens. Systemet behandlar känslomässiga uttryck som strategiska variabler, vilket möjliggör sofistikerade förhandlingsstrategier inom områden som skuldrådgivning och sjukvård.

På ett mer kontroversiellt område har forskare skapat AI-Sinkhole – ett system som använder artificiell intelligens för att blockera AI-tjänster under tentamina. Med F1-poäng över 0,83 visar systemet hur AI kan användas för att reglera sig själv.

Verkligheten in

Trots kostnadsproblemen pekar utvecklingen mot en framtid där AI-agenter blir allt mer integrerade i vårt arbetsliv. Nyckeln ligger i att förstå och kontrollera kostnaderna samtidigt som vi utnyttjar de tekniska genombrotten som gör automation mer tillgänglig och effektiv.