एक सौ अरब टोकन और किसी भी CFO को नहीं पता कि उन्होंने क्या खरीदा
सैम ऑल्टमैन 2 जून 2026 को OpenAI के कॉर्पोरेट कार्यक्रम के मंच पर एक ऐसे आँकड़े के साथ आए जो प्रभावित करने के लिए बनाया गया था: उनकी कंपनी का सबसे बड़ा आंतरिक टोकन उपभोक्ता प्रति माह लगभग 100 अरब टोकन संसाधित करता है। सभागार ने अपेक्षित प्रतिक्रिया दी। फिर ऑल्टमैन ने लगभग अनायास जोड़ा कि यह संख्या विश्व रिकॉर्ड नहीं है, क्योंकि OpenAI के बाहर कोई और इससे भी अधिक उपभोग करता है। और यहीं, बिना पूरी तरह इरादा किए, उन्होंने उस समस्या को बिल्कुल सटीक रूप से वर्णित किया जो कॉर्पोरेट स्तर पर कृत्रिम बुद्धिमत्ता की अर्थव्यवस्था को तोड़ रही है: उपभोग इतनी तेज़ी से बढ़ा कि यह उत्पाद बेचने वालों की कल्पना और खरीदने वालों की बजट-निर्माण क्षमता दोनों को पार कर गया।
आँकड़े के बाद जो आया वह आँकड़े से भी अधिक खुलासा करने वाला था। ऑल्टमैन ने स्वीकार किया कि लागत अब OpenAI के कॉर्पोरेट ग्राहकों की दूसरी सबसे अधिक बार सुनाई देने वाली शिकायत है। और उन्होंने एक ऐसे मीम का वर्णन किया जो किसी भी विश्लेषक की रिपोर्ट से अधिक सटीकता के साथ कॉर्पोरेट अधिकारियों के बीच घूम रहा है: "कंपनी ने 2026 का पूरा बजट पहली तिमाही में खर्च कर दिया। क्या आप इसे और अधिक कुशल बना सकते हैं?" मीम के भीतर यह प्रश्न अलंकारिक नहीं है। यह उन दर्जनों संगठनों की नई वास्तविकता है जो साल की शुरुआत में 2025 के खर्च पैटर्न पर आधारित अनुमानों के साथ गई थीं और पाया कि एजेंटिक मॉडल एक अलग गति से उपभोग करते हैं।
साढ़े छह साल पहले, OpenAI का सबसे सक्रिय उपयोगकर्ता प्रति माह लगभग 1,00,000 टोकन संसाधित करता था। आज, यह आँकड़ा प्रति व्यक्ति वैश्विक औसत है। कंपनी का सबसे सक्रिय आंतरिक उपयोगकर्ता उस ऐतिहासिक रिकॉर्ड से दस लाख गुना अधिक उपभोग करता है। ऑल्टमैन का अनुमान है कि यह विस्तार फिर से होगा। यदि ऐसा हुआ, तो आज जो AI अवसंरचना मौजूद है वह भविष्य के बाज़ार के लिए वैसी ही होगी जैसे एक पॉकेट कैलकुलेटर एक डेटा सेंटर के लिए। लेकिन उस अनुमान और कॉर्पोरेट खरीदारों की परिचालन वास्तविकता के बीच एक खाई है जिसे कोई भी एक्सपोनेंशियल ग्रोथ की स्लाइड अकेले नहीं भर सकती।
बजट तकनीकी परिपक्वता के पहले संकेतक के रूप में
कॉर्पोरेट प्रौद्योगिकी के इतिहास में एक पैटर्न है जो इतनी निरंतरता के साथ दोहराता है कि इसे एक ढाँचे के रूप में उपयोग किया जा सकता है: जब भी कोई तकनीक प्रायोगिक उपकरण से परिचालन लाइन व्यय में बदल जाती है, वित्त विभाग बातचीत में प्रवेश करता है और नियम बदल देता है। क्लाउड सॉफ़्टवेयर के साथ यह 2010 के दशक के मध्य में हुआ। डेटा और उन्नत विश्लेषण के साथ, यह बाद में हुआ। एजेंटिक आर्टिफिशियल इंटेलिजेंस के साथ, यह अभी हो रहा है, 2026 में, एक ऐसी गति से जिसने दुनिया की सबसे परिष्कृत कंपनियों के अधिकारियों को भी अप्रस्तुत पाया।
Uber सबसे अधिक प्रलेखित मामला है। रिपोर्ट के अनुसार, कंपनी ने 2026 के लिए अपना पूरा आर्टिफिशियल इंटेलिजेंस बजट चार महीनों में समाप्त कर दिया। परिचालन प्रतिक्रिया तत्काल थी: Claude Code और Cursor सहित एजेंटिक प्रोग्रामिंग टूल के लिए प्रति कर्मचारी प्रति माह 1,500 डॉलर की सीमा। लेकिन सबसे महत्वपूर्ण बयान CEO से नहीं बल्कि COO एंड्रयू मैकडोनाल्ड से आया, जिन्होंने सार्वजनिक रूप से कहा कि Uber टोकन पर बढ़ते इस खर्च और अंतिम उपयोगकर्ताओं — न ड्राइवरों के लिए और न यात्रियों के लिए — के लिए ठोस सुधारों के बीच सीधी रेखा नहीं खींच सकता। यह वाक्यांश, मूल्य वास्तुकला के संदर्भ में, प्रथम श्रेणी का खतरे का संकेत है। इसलिए नहीं कि खर्च बुरा है, बल्कि इसलिए कि यह संकेत देता है कि निवेश और परिणाम के बीच फीडबैक लूप अभी भी बंद नहीं हुआ है।
Microsoft ने मई के मध्य से पहले Claude Code के अपने अधिकांश आंतरिक लाइसेंस रद्द कर दिए और 30 जून को वित्तीय वर्ष समाप्त होने से पहले अपने इंजीनियरों को GitHub Copilot CLI की ओर पुनर्निर्देशित किया। सतही पठन यह है कि Microsoft अपने खुद के उत्पाद को प्राथमिकता देता है। अधिक सटीक पठन यह है कि Microsoft को भी AI उपकरणों में बजट ओवररन का सामना करना पड़ा और समस्या बढ़ने से पहले खर्च को अपने स्वयं के परिधि के भीतर समेकित करने का विकल्प चुना। Amazon ने अपना आंतरिक टोकन उपभोग लीडरबोर्ड तब हटा दिया जब एक वरिष्ठ कार्यकारी ने टीम को केवल उपयोग के लिए AI का उपयोग बंद करने का निर्देश दिया। Walmart, जिसने अपने कर्मचारियों को आंतरिक AI एजेंट के लिए असीमित टोकन की पेशकश की थी, ने भी सीमाएँ लगा दीं।
यह पैटर्न संयोग नहीं है और न ही अलग-थलग वित्तीय घबराहट है। यह संकेत है कि कॉर्पोरेट क्षेत्र ने अभी-अभी वह सीमा पार की है जहाँ AI एक नवाचार बजट के साथ एक पायलट परियोजना नहीं रही और एक परिचालन व्यय बन गई जो अन्य परिचालन व्ययों के साथ वापसी के औचित्य के लिए प्रतिस्पर्धा करती है।
टोकन उपभोग मूल्य वितरण के बारे में क्या प्रकट करता है
उपभोग संख्याओं के पीछे एक आर्थिक संरचना है जिसे सटीकता के साथ जाँचा जाना चाहिए। प्रत्येक उपभोग किया गया टोकन OpenAI या Anthropic के लिए राजस्व है, क्लाउड प्रदाताओं के लिए कम्प्यूट माँग है और चिप अवसंरचना में निवेश के लिए औचित्य है। उस दृष्टिकोण से, साढ़े छह वर्षों में दस लाख गुना वृद्धि वही कथा है जो अवसंरचना कंपनियों के मूल्यांकन और बड़े डेटा सेंटर अनुबंधों के तर्क को बनाए रखती है।
लेकिन इस संरचना में एक असममित वितरण है जिसे उपभोग संख्याएँ नहीं पकड़ती हैं। जो कंपनियाँ टोकन का भुगतान करती हैं — Uber, Microsoft, Amazon, Walmart — वे विकास की परिचालन लागत वहन कर रही हैं जबकि मार्जिन, मॉडल पर बौद्धिक संपदा और मूल्य-निर्धारण शक्ति के संदर्भ में मूल्य ग्रहण मॉडल प्रदाताओं में केंद्रित हो रही है। यह असमानता बाज़ार के संदर्भ में आवश्यक रूप से अनुचित नहीं है, लेकिन इसके बड़े पैमाने पर अपनाने के मॉडल की स्थिरता के लिए संरचनात्मक परिणाम हैं।
जब Uber के COO कहते हैं कि वे टोकन खर्च को उत्पाद सुधारों से नहीं जोड़ सकते, तो वे निवेश पर वापसी की एक ऐसी समस्या का वर्णन कर रहे हैं जो यदि बनी रहती है, तो अधिक टोकन से नहीं बल्कि खर्च की पूरी वास्तुकला की पुनर्बातचीत से हल होगी। यह तथ्य कि स्वयं ऑल्टमैन के अनुसार, Anthropic ने कॉर्पोरेट एंटरप्राइज़ खर्च में OpenAI को पीछे छोड़ दिया है, इस विश्लेषण में एक और परत जोड़ता है। इसका मतलब है कि मॉडल के बीच प्रतिस्पर्धा ऐसे प्लेटफ़ॉर्म का प्रसार उत्पन्न कर रही है जिन्हें इंजीनियरिंग टीमें समानांतर में अपनाती हैं, जो परिणामों को गुणा किए बिना लागत को गुणा करता है। Microsoft आंतरिक रूप से जो समेकन कर रहा है — एक ही उपकरण के उपयोग को मजबूर करना — उस समस्या की एक तर्कसंगत प्रतिक्रिया है, भले ही वह उत्पाद प्राथमिकता की बयानबाजी में लिपटी हो।
पीटर स्टाइनबर्गर का मामला, एक बाहरी डेवलपर जिन्होंने रिपोर्ट के अनुसार 30 दिनों में 603 अरब टोकन उपभोग किए, और OpenAI का वह कर्मचारी जिसने कथित रूप से एक ही सप्ताह में 210 अरब टोकन का उपयोग किया, कुछ अलग लेकिन संबंधित बात को दर्शाता है। जब व्यक्तिगत उपभोग वैश्विक औसत से कई ऑर्डर ऑफ मैग्नीट्यूड से अधिक हो जाता है, तो फ्लैट या अर्ध-बंद मूल्य निर्धारण मॉडल क्रॉस-सब्सिडी उत्पन्न करना शुरू कर देता है जो किसी भी बैलेंस शीट में नहीं दिखती लेकिन सेवा की अर्थव्यवस्था को विकृत करती है। सभी टोकन का उत्पादन लागत एक जैसी नहीं होती और न ही उन्हें उपभोग करने वाले के लिए उनका मूल्य एक जैसा होता है।
बड़े पैमाने पर अपनाने के मॉडल में जो हिसाब नहीं मिलता
2023 से सेक्टर में प्रभावशाली कथा बिना घर्षण के अपनाने की रही है: व्यापक पहुँच दो, मूल्य की बाधाओं को हटाओ, उपभोग बढ़ाओ और निर्भरता, डेटा और नेटवर्क प्रभावों के माध्यम से बाद में मूल्य ग्रहण करो। यह मैनुअल बड़े उपयोगकर्ता आधार बनाने के लिए काम किया। समस्या यह है कि कॉर्पोरेट सेगमेंट में, "निर्भरता" का एक प्रतिभार है जो व्यक्तिगत उपभोक्ता में उसी तीव्रता के साथ मौजूद नहीं है: एक CFO और एक वार्षिक बजट चक्र।
ऑल्टमैन ने दृष्टिकोण में बदलाव को कुछ ऐसे वर्णित किया जो "अचानक" आया। 2026 की शुरुआत में, उनके अपने शब्दों में, किसी को लागत की परवाह नहीं थी। सब अपने खर्च के स्तर से संतुष्ट थे। यह विवरण, AI सेक्टर की सबसे मूल्यवान कंपनी के CEO द्वारा कहा गया, अपने आप में इस बात का निदान है कि अपनाने का चरण कैसे संरचित किया गया था: बिना खरीदारों को उस लागत वक्र के बारे में स्पष्टता के जिसे वे एजेंटिक उपयोग को बढ़ाते समय परोक्ष रूप से स्वीकार कर रहे थे।
एजेंटिक मॉडल, बिंदु-आधारित चैटबॉट के विपरीत, एक ऐसी विशेषता रखते हैं जो उन्हें पैमाने पर संरचनात्मक रूप से महंगा बनाती है: वे कार्यों को श्रृंखला में निष्पादित करते हैं, जिसका अर्थ है कि प्रक्रिया का प्रत्येक चरण टोकन का उपभोग करता है, जिसमें तर्क, सत्यापन और त्रुटि सुधार के मध्यवर्ती चरण शामिल हैं। एक कार्य जिसे एक मानव एक निर्णय से हल करता है, परिणाम उत्पन्न करने से पहले मॉडल को दर्जनों बार कॉल करने की आवश्यकता हो सकती है। यह गुणक मध्यम उपयोग वाले पायलटों में स्पष्ट नहीं था। यह तब दिखाई दिया जब कंपनियों ने इन उपकरणों को एक साथ सैकड़ों या हज़ारों कर्मचारियों के पैमाने पर तैनात किया।
परिणाम प्रायोगिक चरण के दौरान माने गए मूल्य और परिचालन चरण के दौरान वास्तविक लागत के बीच एक खाई है। और वह खाई सीमांत दक्षता सुधारों से बंद नहीं होती। इसके लिए या तो मौलिक रूप से भिन्न मूल्य निर्धारण मॉडल की आवश्यकता है, या फिर इस बात की गहरी समीक्षा की कि कौन से कार्य AI एजेंट के साथ हल करने के योग्य हैं और कौन से सरल प्रक्रियाओं से सस्ते में हल हो जाते हैं।
अगला चक्र वह नहीं जीतेगा जो सबसे अधिक टोकन बेचे
ऑल्टमैन के बयानों और दुनिया की सबसे बड़ी कंपनियों के एक साथ व्यवहार से जो सबसे सीधा निष्कर्ष निकलता है वह यह है कि कॉर्पोरेट AI सेक्टर अपने दूसरे चरण में प्रवेश कर रहा है। पहला चरण उत्साह से अपनाने का था, नवाचार बजट के साथ और वापसी पर अनिश्चितता की उच्च सहनशीलता के साथ। दूसरा चरण औचित्य से अपनाने का है, जहाँ AI खर्च उसी मेज़ पर अवसंरचना, कर्मियों और संचालन पर खर्च के साथ प्रतिस्पर्धा करता है, और उसे मापने योग्य वापसी के उसी प्रकार को प्रदर्शित करना होगा।
यह संक्रमण सेक्टर के लिए नकारात्मक नहीं है। लेकिन यह इसके भीतर बदल देता है कि कौन जीतता है। पहले चरण में वे जीते जो सबसे सक्षम मॉडल और सबसे सहज अनुभव प्रदान करते थे। दूसरे चरण में वे जीतेंगे जो यह सटीक रूप से प्रदर्शित कर सकते हैं कि प्रत्येक परिणाम की लागत कितनी है और उसका मूल्य कितना है। यह उन प्रदाताओं के पक्ष में है जो ऑब्ज़र्वेबिलिटी, लागत नियंत्रण और परिणाम एट्रिब्यूशन के उपकरण विकसित करते हैं — न कि केवल उन लोगों के जो मॉडल की कच्ची क्षमता को बढ़ाते हैं।
ऑल्टमैन टोकन उपभोग में एक और दस लाख गुना वृद्धि का अनुमान लगाते हैं। यदि वह वृद्धि इस प्रकार साकार होती है कि लागत संरचना खरीदारों के लिए अधिक पारदर्शी और नियंत्रणीय नहीं बनती, तो जो होगा वह बाज़ार का एक स्थायी विस्तार नहीं होगा बल्कि बजट सुधारों की एक श्रृंखला होगी जो अपनाने को विखंडित कर देगी। वह कॉर्पोरेट मीम जिसे उन्होंने स्वयं उद्धृत किया — पहली तिमाही में खपा वार्षिक बजट — कोई मनोरंजक उपाख्यान नहीं है। यह टोकन वॉल्यूम द्वारा वर्तमान मुद्रीकरण मॉडल की संरचनात्मक सीमा का सटीक विवरण है, जो विक्रेताओं के लिए उसी अनुपात में राजस्व में बढ़ता है जिसमें यह खरीदारों के लिए असहनीय दबाव उत्पन्न करता है जो इसे वित्त पोषित करते हैं।
वह वास्तुकला जो दोनों वक्रों को एक दूसरे को रद्द किए बिना सह-अस्तित्व में रहने दे, अभी स्पष्ट रूप से मौजूद नहीं है। जब तक यह मौजूद नहीं है, टोकन उपभोग का प्रत्येक रिकॉर्ड एक साथ अवसंरचना के लिए एक खुशखबरी और कॉर्पोरेट खर्च की निरंतरता के लिए एक चेतावनी संकेत होगा जो उसे वित्त पोषित करता है।
