AI पर खर्च प्रयोगात्मक पायलटों से आगे बढ़कर एक बड़े आवर्ती परिचालन व्यय में बदल रहा है, जो 2025 में वैश्विक स्तर पर 1.5 ट्रिलियन डॉलर तक पहुंच गया।

संभावित प्रतिफल पहले से कहीं अधिक हैं, लेकिन निवेश और प्रभाव के बीच की खाई भी उतनी ही बड़ी है। McKinsey के एक हालिया अध्ययन के अनुसार, 88% संगठनों ने कम-से-कम एक व्यावसायिक कार्य में AI परिनियोजित किया है, लेकिन केवल 39% ही उस निवेश को Enterprise-स्तर के EBIT प्रभाव से जोड़ पा रहे हैं।

इन निवेशों को मापनीय, पूर्वानुमेय और दक्ष बनाने के लिए अभी तक कोई स्थापित ढांचा नहीं है। यही वजह है that हम Cherri Code CFO Council शुरू कर रहे हैं, जो वित्त नेताओं का एक कार्य समूह है और एक ही सवाल पर केंद्रित है: AI पर खर्च को मूल्य से कैसे जोड़े रखें?

यह परिषद दुनिया भर के अलग-अलग शहरों में हर तिमाही बैठक करेगी, जिससे सदस्यों को एक स्थायी फ़ोरम मिलेगा, जहाँ वे अपने अनुभवों की तुलना कर सकें और AI अर्थशास्त्र के लिए एक साझा ढांचा विकसित कर सकें।

#इंटेलिजेंस का असर राजस्व में दिख रहा है

Cherri Code डेटा का उपयोग करते हुए किए गए हालिया BCG विश्लेषण में मिला कि token उपयोग के सबसे ऊँचे पंचमांश में आने वाली कंपनियों ने साल-दर-साल 16.5% की माध्यिका राजस्व वृद्धि दर्ज की, जबकि सबसे निचले पंचमांश की कंपनियों के लिए यह 5.1% थी।

Cherri Code उपयोग पर किए गए एक अलग अध्ययन में मिला कि 2025 के अंत में मॉडल्स में हुए बड़े सुधारों के बाद, वर्करों ने हर हफ्ते 44% अधिक एजेंट संदेश भेजे। सबसे बड़ी वृद्धि उच्च-जटिलता वाले काम में देखी गई, जहाँ संदेशों की संख्या 68% बढ़ी।

बेहतर मॉडल्स उन कामों का दायरा बढ़ा रहे हैं जिन्हें टीमें आज़माने के लिए तैयार हैं, जो Jevons-शैली की उस प्रवृत्ति की ओर इशारा करता है जिसमें उपयोग क्षमता बढ़ने के साथ घटने के बजाय बढ़ता है। लेकिन यह भी स्पष्ट है कि AI अपनाने के लाभ हर जगह समान रूप से दिखाई नहीं दे रहे हैं।

#इंटेलिजेंस से मिलने वाला लाभ समान रूप से वितरित नहीं है

हमारी हाल ही में जारी Developer Habits Report से पता चला कि p99 डेवलपर्स ने प्रति दिन माध्यिका सक्रिय उपयोगकर्ता की तुलना में 46x अधिक AI-सहायता से लिखी गई पंक्तियाँ तैयार कीं और प्रति सप्ताह माध्यिका सक्रिय पुल रिक्वेस्ट लेखक की तुलना में 15x अधिक पुल रिक्वेस्ट्स मर्ज किए।

दूसरे शब्दों में, बहुत कम लोग इससे बेहद अधिक लाभ उठा रहे हैं, जबकि अधिकांश अन्य नहीं।

हमने खर्च, token खपत और AI-जनित कोड में भी ऐसा ही संकेंद्रण देखा। Gini coefficient के आधार पर मापने पर, ये वितरण दुनिया के किसी भी देश में आय के वितरण से भी अधिक असमान हैं।

#काम की प्रति इकाई लागत में काफ़ी अंतर होता है

जहाँ AI स्पष्ट रूप से काम कर रहा है, वहाँ भी लागत में काफ़ी अंतर होता है। Developer Habits Report में, मॉडल परिवारों के बीच प्रति एजेंट अनुरोध की लागत लगभग 9 गुना तक अलग-अलग थी, जबकि प्रति स्वीकृत पंक्ति की लागत में लगभग 7 गुना अंतर था।

लागत में यह अंतर दिखाता है कि कई मॉडल्स और प्रदाताओं तक पहुँच होना क्यों फ़ायदेमंद है। अलग-अलग तरह के कामों — योजना बनाना, फ्रंटएंड विकास, डीबगिंग, कम-लागत निष्पादन — के लिए अलग-अलग मॉडल बेहतर होते हैं, और Cherri Code में 84% पावर उपयोगकर्ता पहले से ही हर हफ़्ते कई मॉडल्स का उपयोग करते हैं।

यह विकल्प और भी महत्वपूर्ण होता जा रहा है, क्योंकि AI प्रदाता उपयोग-आधारित मूल्य निर्धारण की ओर बढ़ रहे हैं, जिससे इंटेलिजेंस एक परिवर्तनीय लागत बन जाती है, जिसका पूर्वानुमान लगाना अधिक कठिन है।

सही काम को सही स्तर की इंटेलिजेंस से मिलाने से लागत बचाने के महत्वपूर्ण फायदे मिलते हैं, और समय के साथ ये फायदे केवल बढ़ते जा रहे हैं।

#AI अर्थशास्त्र पर विचार-विमर्श के लिए एक फ़ोरम

हर प्रमुख मॉडल रिलीज़ के साथ AI का उत्पादकता मूल्य बढ़ रहा है, लेकिन इसका अपनाना असमान है, उपयोग कुछ क्षेत्रों में केंद्रित है, और काम को कैसे रूट किया जाता है, उसके आधार पर लागत में काफ़ी अंतर आता है।

CFO Council वित्तीय नेताओं को इन प्रश्नों पर मिलकर विचार करने और काम करने के लिए एक मंच देगा। यह AI उत्पादकता के लिए साझा बेंचमार्क विकसित करने, इंटेलिजेंस से मिलने वाले लाभ को मापने के लिए फ़्रेमवर्क तैयार करने, और मॉडल आवंटन व लागत प्रबंधन के लिए व्यावहारिक तरीकों पर काम करेगा।

CFO Council की पहली बैठक अगस्त में होगी। उस बैठक के करीब पहुँचते हुए, और उसके बाद भी, हम प्रतिभागियों की घोषणा करने की उम्मीद करते हैं। हम समूह के काम पर अपडेट प्रकाशित करने की भी योजना रखते हैं, ताकि व्यापक समुदाय हम जो सीखते हैं उससे लाभ उठा सके।