AI තාක්ෂණය භාවිතා කරන සමාගම් බොහෝවිට වත්මන් සේවාදායකයාගේ මිල ගණන් අඩුයි කියලා හිතනවා. නමුත් එම වේදිකාවෙන් ඉවත් වීමට සිදු වුනොත්, සැබෑ පිරිවැය කුමක්ද කියලා කිසිවෙක් හොඳින් නොදැනේ. මේ ලිපියෙහි අපි AI Vendor Lock‑In එකේ අඩු නොකියල ඉදිරියට ගන්නා වියදම්, මෙහෙයුම්, හා 전략ික බලපෑම් විස්තර කරමු.
Amazon Bedrock, Google Vertex AI, Azure OpenAI වගේ සේවාදායකයන්ගේ API පිරිවැය පළමු න්යාය වේ. නමුත් වඩාත් අභියෝගකාරී වන්නේ ඔබට ඒ සේවාවෙන් ඉවත් වීමට අවශ්ය කාලය හා සම්පත්. 4 TB Embedding දත්ත, 15,000 කෝඩ් ලයින්, හා 18 මාසයක් පුරා ඉදිරිපත් කරපු පද්ධතියක් අලුත් පද්ධතියකට මාරු කිරීම සරළ ‘find‑and‑replace’ එකක් නොවේ.
ආර්ථික බලපෑම
- 4 ඉංජිනේරුවන් 3‑6 මාසයක් පුරා වැඩ කරන විට, සාමාන්ය වැටුප $150k/වසර (සාමාන්යය) ගණනය කරලා $200,000 ක කාර්ය මූලික වැය.
- පුනර්‑ඝණනය කිරීම සඳහා 4× NVIDIA A100 GPU (පැය $12) 72 පැය × 10 පරීක්ෂණ = $34,560 පිරිවැය.
එමගින් පද්ධතියේ ප්රතිචාර වේගය 35% කින් අඩු වීම, නිරවද්යතාව 15% කින් අඩු වීම වැනි තාක්ෂණික ගැටළු මතුවේ. 1 මිලියනය API ඇමතුම් දිනකට, 5% පමණ පරිවර්තන අඩු වීමක් සිදු වූ විට, සති 1 කදිම $500,000 ක අහිමි වීමක් සිදු වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ තාක්ෂණික ආරම්භකයන්, විශ්වවිද්යාල සිසුන්, හා ව්යාපාරිකයින්ට මේ ගැඹුරු ගණනාවලින් ඉගෙන ගත යුතුය. වියදම්, කාලය, හා කුසලතාව ගැන පූර්ව සැලසුම් නොකළහොත්, පළමු වසරේම අධික ආර්ථික බරක් දරාගත හැක. තවත් ප්රධාන ලාභයක් වන්නේ, Open‑source AI පදනමකින් ආරම්භ කිරීමෙන්, දත්ත, මොඩල, හා පරිසරය පාලනය කර ගැනීමේ හැකියාව ලැබීම. මෙය ශ්රී ලංකාවේ තාක්ෂණික නිර්මාණශීලීත්වය, කුසලතා පුහුණුව, සහ ගෝලීය වෙළෙඳපලට ප්රවේශය වර්ධනය කරයි.
අවසන් වශයෙන්, AI සේවාදායකයකට අධිකව පුරුදු වීම ව්යාපාරික නායකයන්ට අනාගතයේ අත්යවශ්ය තීරණ ගැනීමට බාධා කරනවා. ඒ නිසා, පළමු තැනේම ව්යාපෘතියේ පරිභෝජනය, දත්ත ගොනු ආකෘතිය, හා මොඩල අයිතිය පරීක්ෂා කර, මාරු වීමේ සැලසුමක් සකස් කිරීම අත්යවශ්යයි.
