ඊයේ මම AI එජන්ට් එකක් නඩත්තු කරන වියදම ගණනය කරලා, එක් එක් ක්රියාකාරී පරිශීලකයෙක්ට මාසිකව $27 ක් ඉන්ෆරන්ස් (model inference) වියදමක් වැටෙන බව හඳුනාගත්තා. එහෙත්, එම එජන්ට් එකට අවශ්ය ප්රොස්පෙක්ට් (prospect) දත්ත මිල ගණන් ඉන්ෆරන්ස් වියදමට වඩා දෙගුණයක් හෝ තවත් වැඩි බව පෙන්වයි.
AI එජන්ට් එකක් සාර්ථකව ක්රියා කරවීම සඳහා පළමුව “ගනුදෙනුකරුවන් සොයා ගැනීම” යන පියවරය අවශ්යයි. මේ පියවරේ සාර්ථකත්වය, එජන්ට් එකට ලැබෙන උසස් තත්ත්වයේ B2B දත්ත මත පදනම් වේ. 2026 වසරේදී එම උසස් තත්ත්ව දත්ත ලැබෙන්නේ LinkedIn, Apollo, ZoomInfo, Lusha, Crunchbase වැනි ප්රවීණ ව්යාපාරික දත්ත සපයන්නන්ගෙන්, ඒත් සියල්ලම ගෙවීම් API, සබ්ස්ක්රිප්ශන් හෝ ක්රෙඩිට් පද්ධති මගින් පාලනය කරයි.
උදාහරණයක් ලෙස Apollo සපයන ඊ-මේල් පදනම් දත්ත සඳහා එක් සම්බන්ධතාවයක් සඳහා $0.05‑$0.10 ක් වැටේ. එක් පරිශීලකයෙක් මාසිකව 1,000 ප්රොස්පෙක්ට් සොයනවා නම්, දත්ත වියදම $50‑$100 අතර යයි ගණනය කළ හැකිය. මෙය සාමාන්ය ARPU $57 ක ව්යාපාරයක ආදායමට 88%‑175% ක පමණ වේ, ඉන්ෆරන්ස් වියදම ඇතුළත් නොකර.
ZoomInfo වැනි ප්රිමියම් සපයන්නන්ගේ මිල තවත් ඉහළය. ඔවුන්ගේ API ප්රතිපාදන වසරකට $5,000‑$50,000 පමණ ගෙවිය යුතු අතර, සබ්ස්ක්රිප්ශන් එකකින් පරිශීලකයකුට $100‑$300 පමණ වියදමක් එනවා. Intent දත්ත (Bombora, 6sense) එක්ක එකතු කළොත්, මුළු ගාස්තුව තවත් ඉහළ යයි.
ඉන්ෆරන්ස් වියදම $27 පමණ වන අතර, දත්ත වියදම එකතු කළොත් AI එජන්ට් එකේ මාසික මුළු වියදම $77‑$127 පමණ වේ. මෙය ව්යාපාරයක ලාභය පවා කඩා වැටීමට හේතු විය හැකිය.
ශ්රී ලංකාවට ඇති වැදගත්කම
- සිසුන් – AI දත්ත ගෝලීය වශයෙන් මිල අධික වන බැවින්, ශ්රී ලංකාවේ විශ්වවිද්යාලයන්ට උසස් තත්ත්වයේ දත්ත සමුදා ලබා ගැනීමේ අභියෝගයක් වේ. එය පර්යේෂණ හා අධ්යයන කටයුතු සීමා කරයි.
- ඩිවෙලපර්ස් – AI එජන්ට් හෝ චැට්බොට් නිර්මාණය කරන සංවර්ධකයින්ට, දත්ත ගාස්තු නිසා ව්යාපාරික ආකෘතියක් සකස් කර ගැනීම දුෂ්කර වේ. නිදහස් දත්ත මූලාශ්ර සොයා ගැනීම හෝ ගෙවීම් API භාවිතය ගැන නව කුසලතා අවශ්ය වේ.
- ව්යාපාර – ශ්රී ලංකාවේ කුඩා හා මධ්යම පරිමාණ ව්යාපාර (SMEs) සඳහා AI‑මූලික ගනුදෙනුකරුවන් සොයා ගැනීම දැඩි ආර්ථික බරක් බවට පත්වේ. දත්ත ගෝලීය ගාස්තු අඩු කිරීමේ තාක්ෂණික හෝ ප්රාදේශීය සමාජ හවුලක් අවශ්ය වේ.
ඉතින්, AI එජන්ට් ව්යාපාරයක් ආරම්භ කරනකොට, “දත්ත බිත්තිය” යන අභියෝගය නොදැකීම අසාර්ථකත්වයට හේතුවක් වේ. ගෙවීම් API, සබ්ස්ක්රිප්ශන් හෝ දත්ත සම්පූර්ණ කිරීමේ නව මාර්ග සොයා ගත යුතුය.
