SAP با استفاده از بیش از ۷۰ مدل هوش مصنوعی از OpenAI تا گوگل، به‌دنبال بیش از ۲ میلیارد یورو صرفه‌جویی و افزایش بهره‌وری است
شرکت SAP در حال جایگزین کردن برخی از مدل‌های گران‌قیمت هوش مصنوعی مورد استفاده در محصولات خود با گزینه‌های ارزان‌تر است؛ اقدامی که به گفته این شرکت، انتظار می‌رود طی دو سال آینده بیش از ۲ میلیارد یورو به افزایش بهره‌وری منجر شود. خبرگزاری رویترز در ۲۸ اکتبر ۲۰۲۶ این موضوع را گزارش داد. دومینیک آسام، مدیر ارشد مالی SAP، به رویترز گفت این شرکت برخی از گران‌ترین مدل‌های هوش مصنوعی را از محصولات خود، از جمله دستیار داخلی مشاوره، حذف کرده است.
به گزارش رویترز، SAP از بیش از ۷۰ مدل هوش مصنوعی متعلق به ارائه‌دهندگانی از جمله OpenAI، آنتروپیک و گوگل استفاده می‌کند. آسام گفت این شرکت بیش از گذشته به سراغ ارزان‌ترین مدلی می‌رود که بتواند یک وظیفه را با کیفیت موردنیاز انجام دهد؛ با این حال، انتظار دارد مجموع هزینه‌هایش در حوزه هوش مصنوعی همچنان افزایش یابد. SAP در پاسخ به پرسش‌های رویترز اعلام کرد: «هدف، حفظ حاشیه سود سالم هم‌زمان با گسترش فعالیت‌هاست، نه کاهش مطلق هزینه‌های هوش مصنوعی.»
- جایگزینی مدل‌ها: آسام به رویترز گفت SAP برخی از گران‌ترین مدل‌های خود را با «گزینه‌های کم‌هزینه‌تر، در مواردی که عملکرد همچنان مطلوب باقی می‌ماند» جایگزین کرده است. این تغییر محصولاتی از جمله دستیار داخلی مشاوره شرکت را دربر می‌گیرد.
- هدف مالی: رویترز گزارش داد SAP انتظار دارد این اقدام طی دو سال آینده بیش از ۲ میلیارد یورو افزایش بهره‌وری ایجاد کند.
- معیار انتخاب: به گفته آسام، SAP به‌طور فزاینده ارزان‌ترین مدلی را انتخاب می‌کند که بتواند وظیفه موردنظر را با کیفیت لازم انجام دهد.
- میزان هزینه‌ها: رویترز گزارش داد SAP همچنان انتظار دارد با افزایش استفاده از هوش مصنوعی، مجموع هزینه‌های این شرکت در این حوزه بیشتر شود.
چرا قیمت‌گذاری بر اساس هر وظیفه اهمیت دارد؟
به گزارش رویترز، SAP برخلاف بسیاری از ارائه‌دهندگان هوش مصنوعی، هزینه خدمات را بر اساس وظایف تکمیل‌شده از مشتریان دریافت می‌کند، نه بر مبنای منابع محاسباتی مصرف‌شده برای تولید پاسخ‌ها. بنابراین، کاهش هزینه‌های عملیاتی می‌تواند به افزایش سودآوری شرکت کمک کند.
آمار سه‌ماهه سوم SAP که در ۲۱ اکتبر منتشر شد، نشان داد حاشیه سود ناخالص بخش رایانش ابری شرکت به ۷۴٫۳ درصد رسیده است؛ رقمی که در مقایسه با ۷۵٫۱ درصد دوره پیشین کاهش نشان می‌دهد. این موضوع در گزارش منتشرشده در ۲۲ اکتبر نیز بررسی شده بود. رویترز ارتباطی میان جایگزینی مدل‌ها و حاشیه سود آن فصل برقرار نکرده است. همچنین SAP مشخص نکرده چه میزان از افزایش بهره‌وری بیش از ۲ میلیارد یورویی به حاشیه سود بخش رایانش ابری اختصاص خواهد یافت.
نقش مبدأ مدل‌های هوش مصنوعی
به گزارش رویترز، مشتریان نیز توجه بیشتری به مبدأ مدل‌های هوش مصنوعی نشان می‌دهند. آسام گفت نهادهای دولتی و شرکت‌های فعال در صنایع تحت نظارت، به‌طور فزاینده الزامات مشخصی تعیین می‌کنند و برخی مدل‌ها را بر اساس کشور یا محل منشأ آن‌ها کنار می‌گذارند. او افزود مشتریان اروپایی نیز بیش از گذشته خواهان راهکارهای بومی هستند.
تفاوت قیمت مدل‌ها تا چه اندازه است؟
SAP اعلام نکرده است کدام مدل‌ها را کنار گذاشته و چه مدل‌هایی را جایگزین آن‌ها کرده است. با این حال، دو فهرست قیمت منتشرشده نشان می‌دهند که قیمت مدل‌های مختلف روی یک پلتفرم واحد می‌تواند تفاوت چشمگیری داشته باشد. قیمت‌های زیر به‌ازای هر یک میلیون توکن محاسبه شده‌اند:
- در API شرکت میسترال، قیمت مدل DeepSeek V4.1 Flash برای توکن‌های ورودی ۰٫۳۰ دلار و برای توکن‌های خروجی ۱٫۲۰ دلار است. این ارقام برای مدل Mistral Large 4 به‌ترتیب ۱٫۳۶ و ۴٫۱۸ دلار هستند؛ موضوعی که در گزارش ۲۸ اکتبر بررسی شده است.
- شرکت OpenAI قیمت مدل GPT-6.1 Terra را برای توکن‌های ورودی یک دلار و برای توکن‌های خروجی پنج دلار اعلام کرده و گفته است این قیمت‌ها ۵۰ درصد کمتر از قیمت مدل GPT-5.6 Terra هستند. این موضوع در گزارش ۲۶ اکتبر مطرح شده است.
بر اساس محاسبات نویسندگان، گزینه ارزان‌تر در این دو مقایسه، بسته به نوع توکن، بین ۲۲ تا ۵۰ درصد قیمت گزینه گران‌تر هزینه دارد. این ارقام قیمت‌های فهرست‌شده هستند و اطلاعات مربوط به قراردادهای اختصاصی SAP و ترکیب مدل‌های مورد استفاده این شرکت در دسترس عموم نیست.
بر اساس ارزیابی هزینه به‌ازای هر وظیفه، نه هر توکن، مؤسسه Artificial Analysis هزینه اجرای شاخص خود را برای مدل Claude Opus 5.5 در بالاترین سطح تنظیمات ۱۰٫۰۴ دلار به‌ازای هر وظیفه و برای GPT-6.1 Sol در بالاترین سطح تنظیمات ۱٫۲۷ دلار اعلام کرده است. این ارقام در گزارش ۲۸ اکتبر منتشر شده‌اند.
ارتباط این گزارش با روندهای بازار
خبرگزاری اکسیوس در ۲۸ اکتبر گزارش داد که شاخص قیمت توکن‌های هوش مصنوعی شرکت Ramp، فعال در حوزه مدیریت هزینه‌های سازمانی، قیمت متوسط توکن‌ها را حدود ۵۹ سنت به‌ازای هر یک میلیون توکن برآورد کرده است؛ رقمی که از پایان ماه ژوئن حدود ۳۵ درصد کاهش یافته است. این داده در گزارش مربوط به GPT-6.1 Terra نیز گنجانده شده بود. نکته تازه در گزارش SAP آن است که یک خریدار بزرگ نرم‌افزار، ارزش مالی انتخاب مدل‌های ارزان‌تر را با رقمی به یورو بیان کرده است.
تحلیل ساختاری
از نگاه نویسندگان، شیوه دریافت هزینه به‌ازای هر وظیفه عاملی است که می‌تواند کاهش هزینه استفاده از مدل‌ها را به افزایش حاشیه سود SAP تبدیل کند. رویترز گزارش داده است که این شرکت به‌جای منابع محاسباتی مصرف‌شده، برای وظایف تکمیل‌شده هزینه دریافت می‌کند؛ بنابراین، پایین آمدن هزینه‌های عملیاتی می‌تواند سودآوری را بهبود دهد.
به گزارش رویترز، SAP همچنان انتظار دارد هزینه‌های کلی هوش مصنوعی آن افزایش یابد. از این رو، برداشت نویسندگان این است که رقم بیش از ۲ میلیارد یورو به کاهش هزینه هر وظیفه مربوط می‌شود، نه کوچک‌تر شدن بودجه هوش مصنوعی شرکت.
رویترز همچنین گزارش داده است که مشتریان توجه بیشتری به منشأ مدل‌های هوش مصنوعی دارند. آسام گفته است مشتریان اروپایی بیش از گذشته خواهان راهکارهای بومی هستند؛ موضوعی که برای برخی مشتریان، دامنه مدل‌هایی را که SAP می‌تواند برای انجام وظایف انتخاب کند محدود می‌کند.
شرکت SAP در پاسخ به پرسش‌های رویترز، ۲۸ اکتبر ۲۰۲۶:
«هدف، حفظ حاشیه سود سالم هم‌زمان با گسترش فعالیت‌هاست، نه کاهش مطلق هزینه‌های هوش مصنوعی.»
سه پیامد اصلی
برای ارائه‌دهندگان مدل‌های هوش مصنوعی: طبق گزارش رویترز، SAP از مدل‌های ارائه‌دهندگانی از جمله OpenAI، آنتروپیک و گوگل استفاده می‌کند و می‌گوید بیش از گذشته ارزان‌ترین مدل مناسب برای انجام هر وظیفه را انتخاب می‌کند.
برای حاشیه سود SAP: به گزارش رویترز، SAP هزینه خدمات را بر اساس وظایف تکمیل‌شده دریافت می‌کند. در نتیجه، استفاده از مدلی ارزان‌تر برای انجام همان وظیفه می‌تواند سودآوری را بهبود دهد. حاشیه سود ناخالص بخش رایانش ابری این شرکت در سه‌ماهه سوم ۷۴٫۳ درصد بود که نسبت به ۷۵٫۱ درصد کاهش داشت.
برای خریداران نرم‌افزارهای هوش مصنوعی: آسام گفت نهادهای دولتی و صنایع تحت نظارت، به‌طور فزاینده برخی مدل‌ها را بر اساس منشأ آن‌ها کنار می‌گذارند. بنابراین، مدل‌های مجاز برای استفاده ممکن است از یک مشتری به مشتری دیگر متفاوت باشند.
نگاه چارچوب مهندسی کسب‌وکار
این گزارش با چارچوب تحلیلی مهندسی کسب‌وکار با عنوان «راهنمای مدیران مالی برای اقتصاد توکن» ارتباط دارد.
در این چارچوب، توکن واحدی در نظر گرفته می‌شود که هزینه هوش مصنوعی بر اساس آن محاسبه می‌شود. این چارچوب می‌گوید: «وظیفه جدید واحد مالی، مدیریت نسبت میان این دو است: میزان کاری که به‌ازای هر توکن مصرف‌شده تولید می‌شود.»
از نگاه نویسندگان، قاعده SAP برای انتخاب ارزان‌ترین مدلی که کیفیت لازم را تأمین می‌کند، همین نسبت را در محصولات خود شرکت به کار می‌گیرد. این چارچوب در ژوئن ۲۰۲۶ منتشر شده و به‌طور مشخص به SAP نمی‌پردازد.
چه مواردی هنوز مشخص نیست؟
گزارش رویترز نام مدل‌هایی را که SAP حذف کرده یا مدل‌هایی را که جایگزین آن‌ها شده‌اند، مشخص نمی‌کند. همچنین جزئیاتی درباره نحوه محاسبه افزایش بهره‌وری بیش از ۲ میلیارد یورویی ارائه نمی‌دهد و روشن نمی‌سازد که این رقم ناشی از کاهش هزینه‌ها، بهبود حاشیه سود یا ترکیبی از هر دو است. در بررسی بخش اخبار SAP در ۲۸ اکتبر، اطلاعیه‌ای از این شرکت درباره جایگزینی مدل‌ها پیدا نشد. نویسندگان نیز برای دریافت توضیحات بیشتر با SAP تماس نگرفته‌اند.
اظهارات SAP در این گزارش بر اساس خبر رویترز در ۲۸ اکتبر ۲۰۲۶ است که متن کامل آن از طریق یک نسخه بازنشرشده مطالعه شده است. مقایسه‌های قیمتی بر پایه قیمت‌های فهرست‌شده در صفحات منتشرشده میسترال و OpenAI و داده‌های جدول رتبه‌بندی Artificial Analysis انجام شده‌اند؛ داده‌هایی که در گزارش‌های پیشین نویسندگان نیز بررسی شده بودند. درصدها حاصل محاسبات نویسندگان هستند. نویسندگان با SAP تماس نگرفته‌اند.
منابع: رویترز از طریق شبکه CNA، ۲۸ اکتبر ۲۰۲۶؛ FourWeekMBA: بررسی سه‌ماهه سوم ۲۰۲۶ شرکت SAP، ۲۲ اکتبر؛ FourWeekMBA: عرضه DeepSeek در میسترال، ۲۸ اکتبر؛ FourWeekMBA: مدل GPT-6.1 Terra، ۲۶ اکتبر؛ FourWeekMBA: شاخص Artificial Analysis نسخه ۵، ۲۸ اکتبر.
جمع‌بندی
SAP به رویترز گفته است برخی از مدل‌های گران‌قیمت هوش مصنوعی خود را، در مواردی که کیفیت عملکرد حفظ می‌شود، با گزینه‌های ارزان‌تر جایگزین می‌کند. این شرکت بیش از ۷۰ مدل از ارائه‌دهندگانی مانند OpenAI، آنتروپیک و گوگل در اختیار دارد و انتظار دارد طی دو سال بیش از ۲ میلیارد یورو افزایش بهره‌وری به دست آورد؛ با این حال، پیش‌بینی می‌کند مجموع هزینه‌های هوش مصنوعی آن همچنان افزایش یابد.