تواجه شركات نماذج اللغات الضخمة (Large Language Models) تحديات كبيرة في تقديم خدمات موثوقة وجودة عالية. في دراسة جديدة تم نشرها، تمت الإشارة إلى أن هذه الشركات تعاني من قيود حسابية تؤدي إلى تدهور جودة الخدمة أثناء فترات الازدحام، مما يجعل المؤسسات تعتمد على نماذج أصغر وتقلل من مجهود التفكير، وبالتالي تقتطع جزءًا من سياق المعلومات. يُفترض أن هذه السياسات تقلل التكاليف، ولكن الأبحاث توضح أنها قد تكون مضللة.

تظهر النتائج أن الإجابات المنخفضة الجودة تُعتبر فشلًا في بعض الأحيان، وما يتبع ذلك هو إما تكرار الطلبات أو ترك العملاء، مما يؤدي إلى فقدان القيمة الدائمة.

تم تطوير نماذج حسابية تسلط الضوء على كيفية تخصيص الموارد، مع استخدام نماذج تقليدية لإدارة العجز في المخزون وأثر ذلك على قيمة العميل. كما تلقي الدراسة الضوء على أن تطبيق استراتيجيات التخفيض خلال ذروة الازدحام يمكن أن يزيد من الاتجار بدلًا من تقليصه.

في عالم الذكاء الاصطناعي الذي يتطلب دقة عالية وتفاصيل غنية، تفسر هذه النتائج كيف أن سياسة التخفيض ليست مجرد استراتيجية لتقليل التكاليف، بل يمكن أن تكون أداة لتوجيه الطلب، مطالبًا الشركات بإعادة النظر في كيفية معالجة الحمل الزائد.