AI अनुमान लागत: गार्टनर का 2028 तक पाँच गुना विश्लेषण

सबसे सस्ता AI डेमो अभी भी वही है जो कभी किसी वास्तविक उपयोगकर्ता से नहीं मिलता। जैसे ही कोई एजेंट योजना बनाना, संदर्भ खोजना, टूल्स कॉल करना, अपने काम की जाँच करना और फिर से करना शुरू करता है क्योंकि पहला उत्तर उपयोगी नहीं था, तो बिल चैटबॉट प्रयोग जैसा दिखना बंद कर देता है। Gartner का नया पूर्वानुमान इस बेचैनी को एक संख्या देता है: 2028 तक एजेंटिक वर्कफ़्लो प्रति इन्फ़रेंस लागत पाँच गुना से अधिक बढ़ने की उम्मीद है। यह कोई अनुपालन समय-सीमा नहीं है, लेकिन उत्पादन में स्वायत्त वर्कफ़्लो डालने वाले किसी भी व्यक्ति को इसे वैसा ही मानना चाहिए।

Gartner असल में किस बात की चेतावनी दे रहा है

Gartner की न्यूज़रूम रिलीज़ कहती है कि 2028 तक एजेंटिक वर्कफ़्लो प्रति AI इन्फ़रेंस लागत पाँच गुना से अधिक बढ़ेगी। उसी Gartner शोध पर रिपोर्ट करते हुए Techstrong.ai असहज हिस्सा जोड़ता है: टोकन कीमतें गिरने के बावजूद यह वृद्धि अपेक्षित है, क्योंकि अधिक सक्षम रीजनिंग मॉडल अधिक टोकन और कंप्यूट का उपयोग कर सकते हैं, जब एजेंट कई चरणों और निर्णयों से गुजरते हैं। सरल भाषा में कहें, तो सस्ती सामग्री से बहुत मदद नहीं मिलती अगर रेसिपी अब उनकी कहीं अधिक मात्रा इस्तेमाल करती है। यह इसलिए महत्वपूर्ण है क्योंकि एजेंटिक वर्कफ़्लो एक साफ-सुथरे उत्तर वाला एकल प्रॉम्प्ट नहीं है। Techstrong.ai एजेंटों को कई चरणों और निर्णयों से गुजरते हुए वर्णित करता है, और यही वह जगह है जहाँ वित्त टीमों को प्रति क्वेरी औसत लागत को संबंधित मीट्रिक मानना बंद कर देना चाहिए। हिसाब की इकाई पूरा हुआ वर्कफ़्लो है, जिसमें असफल प्रयास, पुनः प्रयास, रिट्रीवल, टूल कॉल और एस्केलेशन शामिल हैं। अगर आपका डैशबोर्ड यह नहीं दिखा सकता, तो वह उस चीज़ को माप ही नहीं रहा जिसके बारे में Gartner चेतावनी दे रहा है। व्यावहारिक अनुवाद सरल है। उत्पाद टीमों को तय करना होगा कि कौन-से वर्कफ़्लो एजेंटिक व्यवहार के योग्य हैं, इंजीनियरिंग टीमों को सस्ता काम सस्ते मॉडलों तक रूट करना होगा, और वित्त को उपयोग बढ़ने से पहले सीमाएँ चाहिए होंगी। इसे केवल इंजीनियरिंग की चिंता कहना ही वह तरीका है जिससे आश्चर्य बाद में तिमाही स्पष्टीकरण बन जाते हैं।

लागत नियंत्रण स्टैक अब गवर्नेंस है

Techstrong.ai कहता है कि Gartner एजेंटिक AI लागतों को नियंत्रण में रखने के लिए इन्फ़रेंस टियरिंग, टोकन सीमाएँ और मॉनिटरिंग की सिफ़ारिश करता है। Zylos Research एक संबंधित अनुशासन, Inference FinOps, का वर्णन करता है, जो प्रदाताओं के बीच AI कंप्यूट खर्च को नियंत्रित करने, रूट करने, कैश करने और आर्बिट्राज करने पर केंद्रित है। लेबल हटा दें तो दायित्व परिचित है: जानें कि क्या चल रहा है, क्यों चल रहा है, किसने उसे मंज़ूरी दी, और उसे कब रुकना चाहिए। बिल्डरों के लिए, यह आर्किटेक्चर विकल्पों को नीति नियंत्रणों में बदल देता है। रूटिंग तय करती है कि किसी अनुरोध को फ्रंटियर रीजनिंग मॉडल चाहिए या सस्ता मॉडल। कैशिंग तय करती है कि सिस्टम पहले से प्राप्त संदर्भ के लिए फिर से भुगतान करेगा या नहीं। अप्रूवल गेट तय करते हैं कि एजेंट टोकन खर्च करना जारी रख सकता है, टूल्स चला सकता है या किसी इंसान को हैंड ऑफ़ कर सकता है। ये आर्किटेक्चर समीक्षा की सजावट नहीं हैं। ये लागत के संदर्भ में एक्सेस कंट्रोल के बराबर हैं। Zylos Research यह भी कहता है कि 2026 में एंटरप्राइज़ AI बजट का 85% हिस्सा इन्फ़रेंस का था और वैश्विक AI कंप्यूट खर्च का लगभग दो-तिहाई भी। इसका अनुमान है कि एक अकेली चैटबॉट API कॉल की लागत $0.001 हो सकती है, जबकि कई चरणों वाला एजेंट जो योजना बनाता है, संदर्भ प्राप्त करता है, टूल्स चलाता है, विचार करता है और स्वयं सुधार करता है, वह प्रति कार्य पूर्णता $0.10 से $1.00 तक खर्च कर सकता है। स्वाभाविक रूप से, ये आँकड़े हर वेंडर अनुबंध से साफ़-साफ़ मेल नहीं खाएँगे। लेकिन वे यह समझाते हैं कि प्रोक्योरमेंट यह पूछने से आगे बढ़कर कठिन सवाल क्यों पूछना शुरू करेगा कि डेमो धाराप्रवाह दिखा या नहीं।

रद्द होने का जोखिम मॉडल के जादू

के बारे में नहीं है Forbes, Gartner का हवाला देते हुए, रिपोर्ट करता है कि 2027 के अंत तक 40% से अधिक एजेंटिक AI प्रोजेक्ट रद्द हो सकते हैं, और रद्दीकरण का कारण मॉडल क्षमताओं के बजाय प्रबंधन संबंधी समस्याओं को बताता है। बताए गए कारण हैं खराब गवर्नेंस, अपरिभाषित व्यावसायिक मूल्य और अपर्याप्त संचालन अनुशासन, जिनमें ऐसे मामले भी शामिल हैं जहाँ चैटबॉट्स को सच्चे एजेंटों के रूप में गलत लेबल किया जाता है। यह कहानी का कम आकर्षक संस्करण है, जिसका आमतौर पर मतलब है कि पढ़ने लायक वही है। यहीं पर कानून और नीति वाली आदतें मदद करती हैं, भले ही कोई नियामक इस मुद्दे को मजबूर न कर रहा हो। तैनाती से पहले उद्देश्य परिभाषित करें। सिस्टम के कार्य करने से पहले निर्णय अधिकारों को दर्ज करें। पायलट के दैनिक संचालन का हिस्सा बनने से पहले लागत, त्रुटि-संभाल और मानव समीक्षा के लिए सीमाएँ तय करें। अगर यह कागज़ी काम जैसा लगता है, तो बधाई हो, आपने प्रोडक्शन खोज लिया है। Inside Privacy रिपोर्ट करता है कि UK Information Commissioner’s Office ने जनवरी 2026 में एजेंटिक AI के डेटा संरक्षण प्रभावों पर अपनी प्रारंभिक सोच प्रकाशित की, साथ ही यह भी नोट किया कि रिपोर्ट औपचारिक नियामकीय मार्गदर्शन नहीं थी। यह अंतर मायने रखता है। ICO ने उस रिपोर्ट में कोई नई नियम-पुस्तिका नहीं बनाई, लेकिन उसकी रुचि संकेत देती है कि स्वायत्तता, डेटा एक्सेस और जवाबदेही अब उत्पाद प्रश्नों के साथ-साथ नीति प्रश्न भी हैं।

2028 तक व्यवहार में क्या बदलता है Gartner का

2028 पूर्वानुमान किसी को भी एजेंट प्रोजेक्ट बंद करने की आवश्यकता नहीं बताता। यह एक अलग अनुमोदन बातचीत की माँग ज़रूर करता है। किसी वर्कफ़्लो को उपयोगकर्ताओं या आंतरिक टूल्स तक व्यापक पहुँच मिलने से पहले उसका अपेक्षित मूल्य, अपेक्षित पूर्णता लागत, बैकअप मार्ग और नामित मालिक होना चाहिए। अगर ये चार चीज़ें गायब हैं, तो एजेंट स्वायत्त नहीं है। वह एक दोस्ताना इंटरफ़ेस के साथ बिना निगरानी का खर्च है। अगला उपयोगी कदम एजेंटों पर प्रतिबंध लगाना या कोई और डैशबोर्ड खरीदना नहीं है, सिर्फ इसलिए कि किसी वेंडर ने governance शब्द इस्तेमाल किया। उन वर्कफ़्लो से शुरू करें जहाँ स्वायत्तता का मापनीय लाभ है, फिर मात्रा आने से पहले रूटिंग, कैशिंग, टोकन सीमाएँ, मॉनिटरिंग और अप्रूवल गेट लागू करें। 2028 तक Gartner के लागत पूर्वानुमान, 2027 के अंत तक रिपोर्ट की गई रद्दीकरण दर, और एजेंटिक सिस्टमों के आसपास घूमते गोपनीयता नियामकों पर नज़र रखें। जो बिल्डर इन्फ़रेंस अर्थशास्त्र को उत्पाद नीति मानते हैं, उनकी बाद में नाटकीय बैठकों की संख्या कम होगी। उनके वकील शायद प्रेस बयानों में खुशमिज़ाज वाक्यांशों का उपयोग करना भी बंद कर दें, और यही संकेत है कि चीज़ें बेहतर हो रही हैं।