Ang AI na pumapalit sa mga tao bilang lakas-paggawa ay naging isang mainit at matapang na paksa, kung saan dalawang partikular na tao ang nagsasabing maaaring nagiging masyado na itong hyped. Sa nakalipas na ilang buwan, dalawang mahalagang technology investor na may aktuwal na puhunan sa likod ng kanilang mga desisyon ang nagtatanong na ngayon kung ano ang mangyayari kung mas malaki ang gastos na nauugnay sa isang AI kaysa sa taong orihinal na papalitan nito?Ito ay hindi lamang isang katanungan; nangyayari ito ngayon.<h2>Ang $300-Kada-Araw na Reality Check</h2>Sa isang kamakailang taping ng <a href="https://allin.com/" rel="noopener noreferrer" target="_blank">All-In podcast</a>, sinabi ni Jason Calacanis — isang venture investor at co-host ng podcast — na nagbabayad siya ng $300 kada araw para magpatakbo ng isang Anthropic Claude AI agent para sa kanyang mga negosyo. Ito ay nagkakahalaga ng humigit-kumulang $9,000 bawat buwan, ngunit narito ang nakakagulat: Ang performance ng agent ay nasa pagitan lamang ng 10% at 20% ng maximum capability, ayon kay Calacanis.&nbsp; Kaya kapag kinuwenta mo ang cost-per-useful-task sa halagang $300 kada araw para sa bahagyang output, nagsisimula itong magmukhang hindi gaanong disruptive technology at mas mukhang isang mahal na eksperimento. Inilarawan din ni Calacanis ang isyu sa simpleng paraan: "Kailan magiging mas mahal ang mga token kaysa sa pagpapasweldo sa isang empleyado?" Ang mga token ay ang mga unit ng paggamit na sinisingil ng lahat ng AI model, at habang patuloy na nagsasagawa ng mga gawain ang isang AI agent sa buong araw, mabilis na naiipon ang mga token. Habang mas maraming gawain ang ginagawa ng agent, mas nagiging mahal ang iyong bill. Hindi tulad ng isang empleyadong may suweldo, walang limitasyon kung gaano karaming token ang sisingilin sa iyo hangga't aktibong gumagamit ng mga token ang agent nang hindi ka nagtatakda ng mga limitasyon sa paggamit nito.<h2>Ang Two-Times Rule ni Chamath</h2>Si Chamath Palihapitiya, ang CEO ng <a href="https://www.socialcapital.com/" rel="noopener noreferrer" target="_blank">Social Capital</a> at co-host ng <a href="https://allin.com/" rel="noopener noreferrer" target="_blank">All-In podcast</a>, ay nagbahagi na hinarap niya ang katulad na isyu sa Social Capital, na kanyang binuod: "Ang mga AI Agent ay maaari lamang bigyang-katwiran ang kanilang mga gastos sa akin kung magbibigay sila sa akin ng minimum na 2x na output ng isang taong empleyado sa parehong trabaho." Ang paggamit sa dalawang beses na iyon bilang batayan ay nagbibigay sa atin ng paraan upang suriin ang pagiging epektibo ng AI kumpara sa isang taong empleyado dahil mayroong ilang mga salik na nag-aambag sa kanilang kabuuang <a href="https://docs.anthropic.com/en/docs/about-claude/pricing" rel="noopener noreferrer" target="_blank">operating cost</a>. Ang ilan sa mga salik na ito ay kinabibilangan ng: - Gastos sa pagpapatakbo (humigit-kumulang $70,000 - $150,000/taon depende kung cloud vs on-premise) - Gastos sa pamamahala at prompting (humigit-kumulang $20,000 - $50,000/taon depende sa dalas ng paggamit) - Oras na ginugol sa pag-aayos ng mga error dahil sa mga pagkakamali o hindi magandang kalidad ng data - Pagkawala ng productivity sa mga panahon na hindi maayos ang performance ng AI Kapag pinagsama-sama mo ang kabuuang operating cost para sa isang kumpanyang may mga tao vs AI, kung ang isang kumpanya ay maaaring kumuha ng isang tao para gawin ang trabaho sa halagang $70k o higit sa $150k, ang isang kumpanya anuman ang AI vs tao ay makakahanap ng parehong gastos sa pagkuha ng tao. Nagiging halata na mas pipiliin ng kumpanya na kumuha ng tao dahil madali silang makakakuha ng isang taong nakatrabaho na nila ng maraming taon, sinanay at natuto tungkol sa kanilang negosyo upang gumawa ng trabahong katulad ng isang bagong AI. Ipinayo niya na ang ilang mga kumpanya ay malamang na magpapatupad ng ilang anyo ng hard budget cap upang limitahan ang dami ng AI na ginagamit (nakakagulat itong marinig mula sa isang taong gumugol ng maraming taon sa pagpusta sa transformative ability ng teknolohiya), na nagpapahiwatig na kahit ang mga taong dedikado sa AI ay kalaunan ay ituturing na parang anumang iba pang line item sa badyet ng isang kumpanya at sa gayon ay kailangang magbigay ng katwiran para sa paggasta. <img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/9ab0740c-596d-427f-bb48-4e6115a41533.jpeg">Mula sa May-akda<h2>Ang Problema sa Token na Walang Nagbabala sa Iyo</h2>Binigyang-diin ni Calacanis na mayroong mas kritikal na problema sa mga AI article na karamihan ay nakatuon sa performance metrics at demo video kaysa sa gastos ng token. Karamihan sa AI na ginagamit ng mga enterprise company ay kinasasangkutan ng maraming input, output at transaksyon na may kinalaman sa isang agent na nakikipag-ugnayan sa isang system. Sa ilang mga kaso, ang mga ito ay mag-aambag sa isang makatwirang antas para sa maliliit na trabaho ngunit kapag nagsimula ka nang magdagdag ng isang agent na gumagawa ng trabaho nito sa loob ng 8 oras bawat araw sa lahat ng departamento sa isang negosyo, ang bilang ng mga token na ginagamit ay aabot sa malalaking halaga sa loob lamang ng maikling panahon. Ang business model para sa isang AI agent na tumatakbo sa isang token-based model ay lubhang naiiba sa pagkuha ng isang human resource para magsagawa ng trabaho. Ang isang empleyadong nagtatrabaho para sa isang kumpanya sa isang taunang suweldo ay magkakaroon ng itinakdang gastos, gaano man siya kaproduktibo sa anumang partikular na araw. Ang isang AI na nagtatrabaho sa ilalim ng isang token-based model ay magkakaroon ng gastos na tumataas habang nagiging mas produktibo ito — o, sa madaling salita, habang mas maraming halaga ang nalilikha para sa isang kumpanya. Ang threshold para sa productivity na kinakailangan para sa isang AI agent upang magbalik ng positibong ROI para sa kumpanyang bumili nito ay patuloy na nagbabago, dahil ang mga <a href="https://openai.com/api/pricing" rel="noopener noreferrer" target="_blank">AI model provider</a> ay mapipilitang makipagkumpitensya sa isa't isa sa pamamagitan ng pagbaba ng presyo sa paglipas ng panahon. Gayunpaman, sa simula ng 2026, may sapat na pagkakaiba, sa mga tuntunin ng gastos sa pera, sa pagitan ng kung ano ang halaga ng mga agent at kung ano ang maaasahan ng mga kumpanyang nagmamay-ari sa kanila na malikha upang makabuo ng diskusyon sa pagitan ng dalawang indibidwal na parehong nagbayad ng malalaking halaga para sa kanila na ibinabahagi na ngayon sa publiko.<h2>Hindi Ito Nangangahulugan na ang mga AI Agent ay Dead End Na</h2>Maging malinaw tayo, ni si Calacanis o si Palihapitiya ay hindi binalewala ang mga AI Agent; silang dalawa ay lubos na nakatuon sa larangang ito mula sa pananaw ng mga pamumuhunan (kapwa pinansyal at intelektwal). Gumagamit sila ng mas nakatuon at pragmatikong diskarte sa kanilang argumento laban sa hipotesis na ang mga AI agent ay mga kahalili o substitutes. Ang mga halimbawa nito ay kinabibilangan ng kung paano sa isang macroeconomic level ay dapat gumana ang ekonomiya para mangyari ang isang substitution; gayunpaman, sa kasalukuyan ang macroeconomics ng mga AI agent ay medyo magulo. Sa hinaharap, habang ang mga model ay nagiging mas mahusay at ang mga provider ay patuloy na naglalaban para sa market share, ang gastusin sa mga AI agent ay bababa at samakatuwid ay mas mura na. Parehong ang pagsisikap ng OpenAI, Anthropic, Google at ang iba't ibang Open Source na alternatibo ay pawang nagsusulong para sa mas mahusay na mga model. Kapag bumaba na ang gastos bawat token at tumaas ang pagiging maaasahan, ang ekonomiya ay magsisimulang pumanig sa paglipat sa mga AI Agent. Gayunpaman, ang paggamit ng "sa hinaharap" upang suportahan ang kasalukuyang hipotesis na ang mga AI Agent ay mga substitutes ay lubhang mapanlinlang at ang mga gumagamit na aktibong gumagamit ng mga tool na ito araw-araw ay maaaring magbigay ng totoong data tungkol sa kung ano talaga ang sitwasyon. <img src="https://jid.rerrkvifj.com/media/customer/creatorSystem/9ccdf5d5-1e4d-4f40-b7cf-cba1071c33fc.jpeg">Mula sa May-akda<h2>Ano ang Susunod na Babantayan</h2>Ang pangunahing aspeto ay ang presyo. Kung ang OpenAI at Anthropic, kasama ang kanilang mga kakumpitensya, ay magpapatuloy na bawasan ang cost per token (at ipinapakita ng mga trend na ito ay nangyayari), kung gayon ang breakeven point na nakabalangkas ay magbabago. Ang mga kumpanyang bumubuo ng mga proseso tungkol sa mga agent ngayon (sa kabila ng negatibong margins) ay maaaring naghahanda ng kanilang mga sarili para sa isang naiibang cost structure sa susunod na 12 hanggang 24 na buwan. Gayunpaman, ang sinumang indibidwal na gumagamit ng AI upang tukuyin ang mga workforce arrangement sa kasalukuyan dahil sa paniniwalang ang AI ay mas mababa ang gastos kaysa sa mga taong manggagawa ay kailangang muling mag-isip batay sa mga makasaysayang karanasan ng mga investor na kasangkot sa mga operator network.

Sobrang pinapalabis ang AI na pumapalit sa paggawa, pero ang pagtaas ng halaga ng token ay nagpapamahal sa mga ahente. Nagbabala ang mga mamumuhunan na kailangang doble ang ROI kumpara sa tao upang maging makatwiran ang paggamit nito ngayon.

Mahal ang Pagpapatakbo ng AI Agents — At Binabago Nito ang Kwento ng Kapalit

/media/contribution/car9d3cdefd751b4e37aee520b4cb5f0993/uj9_0319072514448.stxt

MakerDAO at RWAs bilang DeFi Kollateral sa Blockchain noong 2026

/media/contribution/carf20720a01cef4787bd766e32dd8d79bc/o7x_0319071028789.stxt

Nangungunang mga Plataporma ng RWA sa Blockchain 2026: Securitize, Centrifuge, at Ondo Finance

/media/contribution/car55c90ecce828417a9f80e0f5b4aa68ef/f6i_0319070541941.stxt

Cross-Chain RWA Tokenization: Mga Solusyon sa Interoperabilidad ng Blockchain 2026

/media/contribution/car24df380941144c7b8f5d9f03558f6830/w4o_0319073526964.stxt

Paano Nakaaapekto ang SEC Crypto Framework ng Nigeria sa mga Mangangalakal sa Africa

/media/contribution/car2c2da6b19bc64029b462fede430f6765/gml_0318072210294.stxt

Pisikal na Katatagan ng Bitcoin: Pagtaguyod sa Malawakang Sira ng Kable Habang Hinarap ang Nakatagong Konsentrasyon

/media/contribution/car7e057d58b4ac4b39a8d681508a93be2e/g7h_0318070912905.stxt