Τα τελευταία χρόνια, οι μεγάλες εταιρείες της παραγωγικής τεχνητής νοημοσύνης καλλιέργησαν την εικόνα μιας νέας καθολικής υπηρεσίας, ανοιχτής, άφθονης και σχεδόν αυτονόητης, όπως το ηλεκτρικό ρεύμα ή το διαδίκτυο. Το ChatGPT, όταν εμφανίστηκε στα τέλη του 2022, έγινε το ταχύτερα αναπτυσσόμενο τεχνολογικό προϊόν στην ιστορία. Η υπόσχεση ήταν απλή και ισχυρή. Η τεχνητή νοημοσύνη θα έμπαινε στην καθημερινότητα όλων, θα γινόταν εργαλείο για τον εργαζόμενο, τον φοιτητή, τον δημιουργό, τον μικρό επαγγελματία, τον πολίτη.
Μόνο που πίσω από αυτή την αφήγηση υπήρχε από την αρχή μια άλλη, πολύ πιο πεζή πραγματικότητα. Οι εταιρείες, από την OpenAI και την Anthropic μέχρι τη Google, χρησιμοποίησαν τεχνητά χαμηλές τιμές για να κερδίσουν χρήστες, να δημιουργήσουν εξάρτηση και να καταλάβουν την αγορά. Το μοντέλο δεν ήταν καινούργιο. Το είχαν χρησιμοποιήσει πριν από αυτές πλατφόρμες όπως το Facebook και η Uber. Η διαφορά είναι ότι η παραγωγική τεχνητή νοημοσύνη κοστίζει πολύ περισσότερο κάθε φορά που τη χρησιμοποιούμε.
Κάθε ερώτηση σε ένα chatbot, κάθε εικόνα που δημιουργείται, κάθε σύνθετη εργασία που ανατίθεται σε ένα μοντέλο, καταναλώνει υπολογιστική ισχύ, ηλεκτρική ενέργεια, νερό για την ψύξη των διακομιστών, γη για τα κέντρα δεδομένων και δισεκατομμύρια σε εξοπλισμό. Και όσο τα μοντέλα γίνονται πιο ισχυρά, τόσο ακριβότερη γίνεται και η λειτουργία τους.
Ήδη από το 2023, η SemiAnalysis (ανεξάρτητη εταιρεία έρευνας και ανάλυσης που ειδικεύεται στους ημιαγωγούς και στην τεχνητή νοημοσύνη) εκτιμούσε ότι η λειτουργία του ChatGPT κόστιζε περίπου 700.000 δολάρια την ημέρα. Στις αρχές του 2026, με 800 έως 900 εκατομμύρια εβδομαδιαίους ενεργούς χρήστες και μόλις 35 εκατομμύρια συνδρομητές, το κόστος διατήρησης της παγκόσμιας πρόσβασης στο ChatGPT υπολογίζεται περίπου στα 17 δις. δολάρια τον χρόνο, δηλαδή σχεδόν 47 εκ. δολάρια την ημέρα! Η αντίφαση είναι προφανής. Οι περισσότεροι χρήστες δεν πληρώνουν. Οι υποδομές όμως πληρώνονται, και μάλιστα ακριβά.
Κι εδώ βρίσκεται το πραγματικό πρόβλημα της τεχνητής νοημοσύνης που είναι οικονομικό και πολιτικό. Από το 2022 έως το 2025, ο κλάδος αντιμετώπισε αυτό που ονομάζεται πρόβλημα πραγματοποίησης. Οι εταιρείες μπορούσαν να παράγουν τεράστιες ποσότητες υπηρεσιών, αλλά δεν είχαν αρκετούς πελάτες διατεθειμένους να πληρώσουν ώστε να ανακτηθεί το κόστος. Η παραγωγική ικανότητα μεγάλωσε πιο γρήγορα από την πραγματική ζήτηση.
Γι’ αυτό και η ζήτηση έπρεπε να κατασκευαστεί. Εταιρείες όπως η Meta και η Shopify δημιούργησαν εσωτερικούς πίνακες κατάταξης για να παρακολουθούν και να επιβραβεύουν τη χρήση tokens από τους εργαζομένους τους. Αυτό, στην ουσία, είναι επιβολή χρήσης. Και ταυτόχρονα είναι ένας τρόπος να κρυφτεί το κενό ανάμεσα στο κόστος και στα έσοδα. Το πρόβλημα γίνεται ακόμη πιο έντονο με τη στροφή από τα απλά chatbots στα λεγόμενα agentic μοντέλα, δηλαδή συστήματα που μπορούν να περιηγούνται στο διαδίκτυο, να γράφουν και να εκτελούν κώδικα, να χρησιμοποιούν εξωτερικά εργαλεία και να διαχειρίζονται σύνθετες ροές εργασίας αυτόνομα. Αυτές οι λειτουργίες καταναλώνουν πολλαπλάσιους πόρους.
Η Anthropic, με το Claude Opus 4.5, έδειξε καθαρά την κατεύθυνση. Το μοντέλο συνοδεύεται από νέα τιμολόγηση, με χρεώσεις ανά tokens, premium επίπεδα χρήσης, ξεχωριστή κοστολόγηση για αυτόνομα μοντέλα και πιστώσεις για εργαλεία και ενσωματώσεις. Η καθολική τεχνητή νοημοσύνη, διαθέσιμη σε όλους, αρχίζει να υποχωρεί. Στη θέση της εμφανίζεται μια ταξικά διαστρωματωμένη τεχνητή νοημοσύνη. Τα πιο ισχυρά και ακριβά εργαλεία προορίζονται για μεγάλες επιχειρήσεις.
Τελικά δηλαδή η τεχνητή νοημοσύνη θα γίνει σαν το ηλεκτρικό ρεύμα ή σαν τα ιδιωτικά τζετ. Η απάντηση, προς το παρόν, δεν είναι καθησυχαστική. Η Uber ξόδεψε 3,4 δισεκατομμύρια δολάρια για τεχνητή νοημοσύνη το 2025, πίεσε τους 5.000 μηχανικούς της να χρησιμοποιούν Claude και μέχρι τον Απρίλιο είχε ήδη εξαντλήσει ολόκληρο τον προϋπολογισμό τεχνητής νοημοσύνης για το 2026. Η χρήση αυξήθηκε εντυπωσιακά. Δεν υπάρχουν όμως δημόσια στοιχεία που να δείχνουν αντίστοιχη αύξηση της αξίας που παράγεται.
Ακόμη κι αν κάποια στιγμή η τεχνητή νοημοσύνη αποδώσει οικονομικά για ποιον παράγεται αυτή η αξία; Τα κέρδη παραγωγικότητας συγκεντρώνονται κυρίως στην εργασία έντασης γνώσης και στις μεγάλες επιχειρήσεις. Το κόστος όμως μοιράζεται άνισα. Υψηλότερες τιμές, περιορισμένη πρόσβαση, επισφαλέστερη εργασία και, κυρίως, περιβαλλοντική επιβάρυνση από ενέργεια, νερό και κέντρα δεδομένων. Ένα κόστος που πληρώνουμε όλοι μας.