Bu tam olarak Jevon'un en saf haliyle eylemdeki paradoksudur. AI belirteçlerinin maliyeti düştüğü için, artık giderek daha karmaşık görevler için çok daha fazlasını kullanabiliyoruz. Bu nedenle kilit nokta, "yapay zekanın daha pahalı hale gelmesi" değil; Bunun yerine, daha ucuz ve daha yetenekli hale geldiği için, sorunları daha iyi çözmek için daha fazlasını kullanıyoruz. Neredeyse her benzer görev için, çok daha iyi çıktı sağlamak amacıyla görevi tamamlamak için çok daha fazla jeton kullanıyoruz. İster kod yazmak, ister bir sağlık sorusunu yanıtlamak veya bir sözleşmeyi analiz etmek olsun, bugün bu işi gerçekleştirmek için çok daha fazla yapay zeka kullanıyoruz çünkü ek performans noktalarına ihtiyacımız var. Yasal bir sözleşmeyle çalışırken %99 doğru yanıt almak, %90 doğru yanıttan *çok* farklıdır ve jetonlardaki 10 kat ila 100 kat artışa kolayca değer. Şimdi, *bir noktada* belirli görev türleri için platolara ulaşmaya başlayacağız ve ardından görev başına maliyet düşecek. Örneğin, muhtemelen basit bir tıbbi soruyu yanıtlamak veya bir belgeyi özetlemek için bugün kullandığımızdan 100 kat daha fazla jetona ihtiyacımız yok. Bu nedenle, nihayetinde, modellerden elde edilen verimlilik kazanımlarını yakalayabildiğimiz için bu iş yükleri benzer şekilde daha ucuz hale gelecektir. *Fakat*, genel döngü esasen sonsuza kadar devam edecek, çünkü yapay zeka ile yaptıklarımızın çıtasını yükseltmeye devam edeceğiz. Algoritmik atılımlar, GPU fiyatlarındaki rekabet, genel bilgi işlem verimlilikleri ve açık ağırlık alternatifleri nedeniyle jetonlar ucuzlamaya devam ettikçe, jetonları tüketmenin bir sonraki yollarını bulacağız. Görevleri hızlandırmak için paralel olarak çok daha fazla ajan konuşlandıracağız, yanıtları karşılaştırmak ve fikir birliğine varmak için çok ajanlı sistemler kullanacağız, daha karmaşık bilgi işi sorunlarını çözeceğiz ve arka planda çok daha uzun süre çalışan ajanlarımız olacak. Yapay zeka her ikisi de aynı anda her zaman daha ucuz ve daha pahalı hale gelecektir.