شرکتم من را روی یک رژیم توکن هوش مصنوعی افراطی گذاشت. نتیجه، پوسیدگی طراحی بود.

یک بودجه ماهانه سخت‌گیرانه برای توکن هر طراح، یک اقدام کنترل هزینه مشروع است و در عین حال سریع‌ترین راه برای تحویل کاری بدتر است، بدون اینکه کسی آگاهانه چنین تصمیمی گرفته باشد.

وقتی توکن‌ها را به شکلی خام سهمیه‌بندی می‌کنید، طراحان زمینه (context) را کوتاه می‌کنند، مرحله دوم بازبینی را حذف می‌کنند و اجازه می‌دهند مدل روی حالت پیش‌فرض عمومی‌اش سِر بخورد. ردیف هزینه به عددی افت می‌کند که تیم مالی می‌بیند. کیفیت هم به عددی افت می‌کند که هیچ‌کس اندازه‌گیری‌اش نمی‌کند. این معامله همان چیزی است که من اسمش را «پوسیدگی طراحی» گذاشته‌ام؛ نامی که خودم برای اتفاقی انتخاب کرده‌ام که وقتی دو روند مستند سال 2026 به هم برخورد می‌کنند رخ می‌دهد: شرکت‌ها هزینه هوش مصنوعی را محدود می‌کنند، و خروجی هوش مصنوعی وقتی از زمینه محروم شود به یک کف عمومی سقوط می‌کند.

هیچ‌کدام از این دو روند راز نیستند. پلی که این دو را به هم وصل می‌کند، چیزی است که تا حالا کسی به آن اشاره نکرده. بگذارید من این پل را بسازم.

رژیم توکن هوش مصنوعی واقعاً چیست

توکن واحدی است که ارائه‌دهندگان هوش مصنوعی بر اساس آن صورت‌حساب صادر می‌کنند، تقریباً یک تکه از کلمه، که هم روی چیزی که به مدل می‌فرستید و هم روی چیزی که مدل پس می‌فرستد شمرده می‌شود. «رژیم توکن» یعنی شرکتی سقفی برای تعداد توکن‌هایی که هر فرد می‌تواند در ماه مصرف کند تعیین می‌کند، درست مثل کاری که برای محدود کردن مصرف محاسبات ابری انجام می‌دهد.

این قیمت‌ها واقعی هستند و به همین دلیل است که تیم مالی متوجه ماجرا شد. بر اساس قیمت‌گذاری منتشرشده API توسط Anthropic، Claude Opus 4.8 و Claude Sonnet 5 قیمت‌گذاری‌ای دارند که در جدول زیر آمده، و Claude Haiku 4.5 از ۱ دلار به ازای هر میلیون توکن ورودی شروع می‌شود.

منبع: قیمت‌گذاری منتشرشده API توسط Anthropic.

یک پرامپت تنها چند سنت هزینه دارد. اما طراحی که راهنمای کامل برند، یک کتابخانه کامپوننت، سه اسکرین‌شات مرجع و پنج تکرار را به مدل می‌دهد، دیگر چند سنت نیست. این را در یک تیم و در طول یک ماه ضرب کنید تا به صورت‌حسابی برسید که ارزش سقف‌گذاری دارد. این بخش ماجرا صادقانه است.

چرخش، هزینه هوش مصنوعی به یک بودجه به‌ازای هر طراح تبدیل شد

این چرخش ناگهانی مستند است، چهار گزارش جداگانه در 2026 همین بازگشت به عقب را ردیابی کرده‌اند.

این هم یک نکته صادقانه: تمام این سقف‌های مستندشده، یا در سطح کل شرکت هستند یا مخصوص بخش مهندسی. من هیچ منبعی پیدا نکردم که گزارش دهد یک شرکت مشخص، توکن‌ها را دقیقاً برای تیم طراحی‌اش سهمیه‌بندی کرده باشد. مدل اندازه‌گیری دارد به در خانه طراحی می‌رسد، چون آنجاست که در نهایت تمام هزینه‌های نرم‌افزار فرود می‌آیند، نه چون یک مطالعه موردی از قبل آن را نوشته باشد.

پوسیدگی طراحی چه شکلی است

پوسیدگی طراحی چیز دراماتیکی نیست. این همان انحراف آرام کاری «قابل قبول» است که زمانی کاری خوب بود. این پدیده به شکل رفتارهایی ظاهر می‌شود و هر رفتار هزینه‌ای دارد.

دو ردیف از این جدول بر پایه روایت‌های نام‌داری از 2026 هستند. «کف اسلاپ» اصطلاحی است از طراحی به‌نام Nurkhon Akhmedov برای توصیف «چیزی که ایجنت تحویل می‌دهد وقتی فقط یک پرامپت به آن می‌دهید و هیچ زمینه‌ای (grounding) وجود ندارد.» رفتار «غارنشین» هم واقعی است: 404 Media گزارش داد توسعه‌دهندگانی در OpenAI، Nvidia و GitHub از یک پلاگین استفاده می‌کنند که دستیارهای هوش مصنوعی را وادار می‌کند خروجی خلاصه و ساده‌شده تولید کنند تا هزینه توکن کم شود، کمتر شبیه «حق با توست که مخالفت کنی» و بیشتر شبیه «هالک، بکوب».

ردیف دسترس‌پذیری همانی است که آن را به‌عنوان یک مثال توضیحی علامت‌گذاری می‌کنم، نه یک مورد گزارش‌شده. من هیچ مورد مستندی پیدا نکردم که یک سقف توکن باعث افت دسترس‌پذیری شده باشد. این یک نشانه محتمل از همان مکانیزم است و من آن را به‌عنوان یک ریسک مطرح می‌کنم، نه یک واقعیت.

چرا سهمیه‌بندی توکن به ضرر خود کار تمام می‌شود

کیفیت خروجی هوش مصنوعی تابعی از میزان زمینه‌ای است که به آن می‌دهید، و توکن‌ها همان زمینه هستند. ورودی را محروم کنید، و مدل به معمولی‌ترین چیزی که بلد است برمی‌گردد.

مقاله سال 2026 نشریه Built In درباره اسلاپ طراحی هوش مصنوعی نتیجه را دقیق نام می‌برد: رابط‌هایی که «از نظر فنی درست‌اند، اما فاقد هویت برند مشخص یا زاویه دید خاص هستند و در نهایت اعتماد کاربر را می‌فرسایند»، همگرایی‌ای که این مقاله آن را اسکیومورفیسم جدید دنیای طراحی می‌نامد. آمار خود صنعت هم همین مسیر را نشان می‌دهد.

گزارش AI in Design Report 2026 نشان داد ۹۱ درصد از طراحان اکنون دست‌کم هفته‌ای یک‌بار از هوش مصنوعی استفاده می‌کنند، در برابر ۵۴ درصد در سال 2025، و مجموعه ابزارهای مورد استفاده به‌طور میانگین از سه ابزار به هفت ابزار، بیش از دو برابر شده است. نکته گویا این است: این گزارش کیفیت خروجی را هم اصلی‌ترین دلیل ماندگاری ابزارهای طراحی هوش مصنوعی می‌داند و هم بزرگ‌ترین شکایت درباره آن‌ها. کیفیت، تمام بازی است، و اولین چیزی است که یک رژیم توکن قطع می‌کند.

روایت Akhmedov تیزترین هشدار است. او توضیح می‌دهد که دو هفته تمام خروجیِ بدون زمینه و در سطح کف را تحویل داده، پیش از آنکه متوجه ماجرا شود، چون ظاهرش خوب بود.

او می‌نویسد: «MCP کف را بالا می‌برد. بالا رفتن به سمت سقف هنوز کار خودت است.» یک سقف توکن شما را روی همان کف میخکوب می‌کند و اسمش را صرفه‌جویی می‌گذارد.

مشکل IT سایه (کلیدهای API شخصی)

برخی طراحان به‌آرامی هزینه دسترسی شخصی خودشان را می‌پردازند تا کیفیت را بالا نگه دارند، وقتی سقف شرکت کار را بدتر می‌کند. یک کلید API شخصی را به‌عنوان هزینه ثبت می‌کنند، زمینه واقعی را با هزینه شخصی خودشان اجرا می‌کنند و کاری بهتر از همکاران سهمیه‌بندی‌شده‌شان تحویل می‌دهند.

می‌خواهم دقیق باشم، چون شواهد اینجا یک الگو هستند، نه یک مورد نام‌دار. من هیچ روایت دست‌اولی از طراحی پیدا نکردم که کلید شخصی‌اش را دقیقاً برای دور زدن یک سقف توکن هزینه کرده باشد. چیزی که وجود دارد، داده‌های سراسری درباره هوش مصنوعی سایه در کل نیروی کار است: RedTeam Partners، با استناد به نظرسنجی Salesforce's 2026 Workforce AI Survey، گزارش می‌دهد ۶۷ درصد از کارمندان در محل کار از ابزارهای هوش مصنوعی استفاده می‌کنند، در حالی که تنها ۱۸ درصد از سازمان‌ها سیاست رسمی امنیت هوش مصنوعی دارند. دقیقاً همین شکاف است که راه‌حل‌های موقت غیرمجاز در آن رشد می‌کنند.

پس این را یک پیش‌بینی مبتنی بر یک شکاف واقعی در حاکمیت بدانید، نه یک رسوایی گزارش‌شده در یک تیم طراحی. اما منطق آن به‌سختی قابل رد کردن است.

اگر سقف شما افرادی را که کار دقیق انجام می‌دهند تنبیه کند، همان افراد دقیق دور آن می‌زنند و حالا زمینه برند شما دارد از یک حساب شخصی و بدون نظارت عبور می‌کند. شما پولی صرفه‌جویی نکرده‌اید. فقط ردش را گم کرده‌اید.

نقطه‌مقابل صادقانه (کمی سهمیه‌بندی منصفانه است)

توکن‌ها رایگان نیستند، و بخش زیادی از هزینه هوش مصنوعی واقعاً هدر می‌رود. نمونه درزکرده Accenture درباره «تبدیل PDF به اسلاید» یک هدررفت واقعی است: سوزاندن یک مدل پرمیوم روی کاری که اصلاً به آن نیاز نداشت. جلوگیری از این کار ارزشش را دارد.

صورت‌حساب‌ها هم واقعی هستند. Forbes به استدلال خود GitHub برای صورت‌حساب مبتنی‌بر مصرف اشاره کرد: اینکه گردش‌کارهای عاملی (agentic) بسیار بیشتر از چیزی که یک اشتراک ثابت می‌تواند جذب کند، محاسبات مصرف می‌کنند. و یک تحلیل حاکمیتی از iSimplifyMe گزارش می‌دهد بیشتر استقرارهای عامل هوش مصنوعی در سطح سازمانی، در 90 روز اول، بین چهار تا یازده برابر بودجه پایلوت خود را رد می‌کنند، که عمدتاً ناشی از بازیابی بدون سقف و بازگشت فراخوانی ابزار (tool-call recursion) است.

پس بودجه، شرور ماجرا نیست. سقف کورکورانه شرور است. اشکال اینجاست که فکر کردن اندازه‌گیری می‌شود، نه هدررفت.

چطور هزینه هوش مصنوعی را محدود کنیم بدون اینکه کار بپوسد

هدررفت را محدود کنید، از زمینه محافظت کنید. راهنمای حاکمیتی آن از قبل وجود دارد. برای مهندسان نوشته شده، اما دقیقاً روی طراحی هم قابل انطباق است.

• فشرده کنید، قطع نکنید. توصیه iSimplifyMe این است که زمینه‌ای که در طول کار حمل می‌شود را در نقاط بازرسی خلاصه کنید، «یک‌بار بابت خلاصه پول بدهید، نه ده‌بار بابت رونوشت خام»، به‌جای قطع سخت ورودی‌ای که مدل به آن نیاز دارد.
• بر اساس نوع کار مسیر تعیین کنید. کارهای دورریختنی را به یک مدل ارزان مثل Haiku بفرستید و مدل گران را برای کاری که واقعاً منتشر می‌شود نگه دارید. نه هر کاری به Opus نیاز دارد.
• تشدید کنید، خاموش شکست نخورید. iSimplifyMe توصیه می‌کند که رسیدن به یک سقف سخت، یک پاسخ ساختاریافته «نیاز به بازبینی انسانی» را فعال کند «به‌جای یک رویداد صورت‌حسابی»، چون «کاربران «ارجاع به یک انسان» را تحمل می‌کنند، اما تجاوز خاموش از بودجه را تحمل نمی‌کنند.»
• کل تیم را محدود کنید، نه هر کار را. یک بودجه ماهانه مشترک همراه با شفافیت، بهتر از یک محدودیت سفت‌وسخت به‌ازای هر پرامپت است که طراحان را وسط فکر کردن مجبور به سهمیه‌بندی می‌کند.
• کار دوباره را اندازه بگیرید، نه فقط هزینه را. توکنی که صرفه‌جویی کرده‌اید، اگر به شکل یک کار دوباره برگردد، دیگر صرفه‌جویی نیست.

سوالات متداول

هر بار که این چارچوب مطرح می‌شود، چهار سوال تکرار می‌شوند. پاسخ‌های مستقیم در ادامه.

آیا «پوسیدگی طراحی» یک اصطلاح واقعی در صنعت است؟

نه. این چارچوبی است که خودم برای این مقاله ساخته‌ام. روندهای پشت آن مستند هستند، سهمیه‌بندی هوش مصنوعی در شرکت‌ها و همگرایی خروجی هوش مصنوعی به سمت یک کف عمومی، اما هیچ منبعی که پیدا کردم این دو را زیر یک نام واحد نیاورده. آن را یک عدسی برای نگاه کردن به ماجرا بدانید، نه یک شاخص قابل استناد.

آیا شرکت‌ها واقعاً در سال 2026 توکن‌های هوش مصنوعی را سهمیه‌بندی می‌کنند؟

بله، هرچند موارد مستندشده در سطح کل شرکت یا متمرکز بر مهندسی هستند. TechCrunch از آن با عنوان «عصر سهمیه‌بندی توکن» یاد کرد، 404 Media برخورد سخت‌گیرانه Accenture را گزارش داد، و Forbes به جمع‌کردن Claude Code توسط Microsoft و انتقال Copilot به صورت‌حساب مبتنی‌بر مصرف توسط GitHub پرداخت. هیچ‌کدام از این‌ها به‌طور مشخص از یک تیم طراحی نام نبرده‌اند.

چرا زمینه کمتر، طراحی هوش مصنوعی را بدتر می‌کند؟

چون کیفیت خروجی مستقیماً به میزان زمینه اختصاصی برند بستگی دارد که به مدل می‌دهید. آن را حذف کنید و پیش‌فرض متوسط را می‌گیرید. Built In نتیجه را کاری از نظر فنی درست اما فاقد زاویه دید می‌نامد، و گزارش AI in Design Report 2026 کیفیت خروجی را بزرگ‌ترین شکایت درباره ابزارهای طراحی هوش مصنوعی می‌داند.

آیا فقط باید هزینه کلید API شخصی خودم را ثبت کنم؟

اول ریسک را بفهمید. هوش مصنوعی سایه گسترده است، طبق نظرسنجی Salesforce 2026 تنها ۱۸ درصد از سازمان‌ها سیاست رسمی هوش مصنوعی دارند، اما عبور دادن زمینه برند از یک حساب شخصی بدون نظارت، یک مشکل را با مشکلی بزرگ‌تر معاوضه می‌کند. به‌جایش خود سقف را درست کنید.

نتیجه‌گیری (هزینه را اندازه بگیرید، نه تفکر را)

یک بودجه توکن پاسخی منطقی به یک صورت‌حساب واقعی است. اما یک بودجه توکن کورکورانه، مالیاتی خاموش بر تنها چیزی است که تیم طراحی شما بابتش دستمزد می‌گیرد.

راه‌حل این نیست که با بودجه بجنگید. راه‌حل این است که آن را به‌سمت هدررفت نشانه بگیرید، کارهای دورریختنی، بازگشت بدون سقف، مدل پرمیوم که کار بی‌ارزش انجام می‌دهد، و زمینه را دست‌نخورده رها کنید.

زمینه را فشرده کنید، نه اینکه قطعش کنید. کارهای ارزان را به مدل‌های ارزان بسپارید. به‌جای شکست خاموش، به یک انسان ارجاع دهید. و کار دوباره را ردیابی کنید، چون توکنی که صرفه‌جویی کرده‌اید اگر به شکل یک کار دوباره برگردد، اصلاً حساب نمی‌شود.

ارزان و بی‌خطر بودن هدف نیست. ارزان و بی‌خطر بودن دقیقاً همان راهی است که با آن به یک نمونه‌کار پر از کارهایی می‌رسید که از بازبینی عبور می‌کنند اما هیچ چیزی را تکان نمی‌دهند. هزینه را اندازه بگیرید. تفکر را دست‌نخورده رها کنید.