Jasne, oto przepisany i przetłumaczony tekst artykułu w stylu tech-savvy, z uwzględnieniem trendów cyfrowych na rok 2026 i specyfiki branży IT, po polsku:
Jedna firma potrafi wygenerować w ciągu miesiąca rachunek opiewający na 500 milionów dolarów (około 2 miliardów PLN przy kursie z 2026 roku) za usługi związane ze sztuczną inteligencją. Jak to możliwe? Okazuje się, że wystarczy zapewnić pracownikom nieograniczony dostęp do narzędzi AI bez wprowadzenia odpowiednich limitów. Taki scenariusz, opisany przez platformę Polymarket, jest jaskrawym przykładem patologii we wdrażaniu i zarządzaniu sztuczną inteligencją w nowoczesnych korporacjach.
Drugi przykład, dostarczony przez Ubera, jest równie alarmujący. Firma wprowadziła narzędzie Claude Code, tworząc dla około 5 tysięcy inżynierów wewnętrzny ranking zespołów, bazujący wyłącznie na wskaźniku zużycia tokenów. W efekcie, roczny budżet przeznaczony na narzędzia AI został wyczerpany już w kwietniu, ponieważ pracownicy rywalizowali w wykorzystaniu sztucznej inteligencji. „Najbardziej zaangażowani” użytkownicy generowali przy tym koszty rzędu „zaledwie” 2 tysięcy dolarów miesięcznie na osobę (około 8 tysięcy PLN). Dyrektor operacyjny (COO) Andrew Macdonald przyznał później publicznie, że coraz trudniej jest powiązać tak astronomiczne wydatki z konkretnymi, nowymi funkcjami dla użytkowników końcowych.
x.com
Te dwa przypadki nie są odosobnione. Stanowią one symptom głębszego problemu, który dotyka coraz większą liczbę korporacji. W roku 2026 firmy nie toną już w zalewie danych czy w zaciętej konkurencji, lecz w lawinowo rosnących rachunkach za sztuczną inteligencję. Jeszcze rok temu AI miało być synonimem taniej optymalizacji procesów i alternatywy dla drogiego kapitału ludzkiego. Dziś stało się jedną z najkosztowniejszych pozycji w budżetach operacyjnych, nie tyle z powodu samej technologii, ile z powodu patologicznych metod jej wdrażania i rozliczania w firmach.
x.com
Początkowo zakładano, że AI będzie narzędziem zwiększającym wydajność pracowników i poprawiającym ich wyniki. Firmy jednak obwarowały jej użycie specyficznymi metrykami, które w praktyce całkowicie oderwały się od faktycznej poprawy efektywności poszczególnych członków zespołu.
Patologia KPI i „tokenmaxingu” w korporacjach
Korporacje funkcjonują w oparciu o wskaźniki wzrostu, a każdy nowy system musi być mierzony za pomocą dedykowanych KPI. Firmy nie poprzestały więc na zmianie modelu rozliczeń. Stworzyły cały wewnętrzny ekosystem, w którym miarą sukcesu pracownika przestało być to, co faktycznie dostarcza firmie, a stało się samo używanie AI, najprościej mierzalne właśnie przez zużycie tokenów.
Zamiast rozliczać pracowników z efektów biznesowych, takich jak wytworzone produkty, satysfakcja klientów czy realne oszczędności, rozlicza się ich z ilości „spalonej” sztucznej inteligencji. Powstał mechanizm, który eksperci zaczynają nazywać „tokenmaxingiem” – sztuką maksymalnego generowania zużycia tokenów, aby pracownik wyglądał na jak najbardziej produktywnego.
- Czytaj także: Kończy się złoty sen CEO. AI stała się droższa od ludzi
Efektem tego podejścia są wewnętrzne rankingi i dashboardy, które zamieniły pracę w rodzaj gry punktowej. W Meta stworzono specjalny panel o nazwie „Claudeonomics”. Monitoruje on, kto ile korzysta z AI, a osoby z najniższymi wynikami trafiają na czołowe miejsca – w skrajnych przypadkach grozi im nawet zwolnienie. Inżynierowie szybko nauczyli się obchodzić system. Uruchamiali agentów działających non-stop, na przykład do obliczania liczby π do miliardowego miejsca po przecinku, tylko po to, by nie spaść w rankingu. Nikt nie zadawał pytania, czy takie działania mają sens biznesowy. Liczyło się jedynie utrzymanie pozycji w hierarchii.
Pracownicy, odczuwając presję związaną z utrzymaniem wysokich wyników w KPI, zaczęli wymyślać coraz bardziej kreatywne, lecz całkowicie bezwartościowe z punktu widzenia biznesu, sposoby generowania zużycia tokenów. Zamiast koncentrować się na kluczowych zadaniach, tworzyli dziesiątki wersji tego samego e-maila, prosząc AI o nadanie mu „nieco cieplejszego tonu”. Pytali o prognozę pogody lub prosili o analizy bez żadnego przełożenia na strategię firmy. Agenci pracujący 24 godziny na dobę stali się nie tyle narzędziem optymalizującym pracę, co narzędziem do oszukiwania systemu metryk.
Jest to klasyczny przykład prawa Goodharta: gdy wskaźnik staje się celem, przestaje być dobrym wskaźnikiem. Zarządy, chcąc zaprezentować inwestorom „głęboką transformację cyfrową” i zaawansowanie technologiczne, promowały zużycie jako dowód postępu. Pracownicy, obawiając się o swoje posady, aktywnie uczestniczyli w tej grze. Dostawcy modeli AI odnotowywali rekordowe zyski, podczas gdy firmy traciły kontrolę nad kosztami. Zamiast oczekiwanej efektywności, wybuchł wyścig polegający na spalaniu jak największej ilości środków na bezsensowne zapytania.
Najbardziej skrajne przypadki
Kulminacją tej patologii jest wspomniany przypadek anonimowego konsultanta AI. Firma, która nie nałożyła żadnych limitów na korzystanie z narzędzia Claude, zapewniła pracownikom nieograniczony dostęp. System rozliczeniowy typu „pay-per-token” działał bez żadnych zabezpieczeń. Efekt? Rachunek na 500 milionów dolarów (około 2 miliardów PLN) w ciągu zaledwie jednego miesiąca. Ta historia natychmiast stała się viralowa i doskonale ilustruje ryzyko związane z niekontrolowanym wdrożeniem narzędzi AI na masową skalę w środowisku korporacyjnym.
- Czytaj także: Za AI zapłacimy więcej. Koniec rynku, w którym walczy się o użytkownika
Drugim dobrze udokumentowanym przypadkiem jest Uber. Firma wdrożyła narzędzie Claude Code pod koniec 2025 roku i szybko utworzyła wewnętrzne rankingi zespołów inżynierskich. Sukces nie był mierzony ilością wysłanego kodu czy liczbą nowych funkcji dla użytkowników, lecz wyłącznie ilością „spalonych” tokenów. Do marca 2026 roku narzędzie zostało zaadoptowane przez 84% z 5 tysięcy inżynierów.
W rezultacie, kierownictwo Ubera przyznało, że budżet zaplanowany na cały 2026 rok został wyczerpany już w kwietniu. COO Andrew Macdonald w wywiadach dla „Fortune” i „Business Insidera” podkreślił, że coraz trudniej jest uzasadnić te wydatki, ponieważ nie widać bezpośredniego przełożenia na nowe funkcje konsumenckie. W efekcie firma musiała spowolnić proces rekrutacji, aby móc pokryć rosnące rachunki za tokeny.
Absurd systemu i konsekwencje boomu AI
Zarządy korporacji napędzają te metryki z bardzo konkretnego powodu. Chcą prezentować inwestorom w raportach kwartalnych i podczas prezentacji swój wkład w „głęboką transformację cyfrową” i pozycję „AI ready”. Miliardowe inwestycje w infrastrukturę AI, centra danych i licencje muszą zostać w jakiś sposób uzasadnione. Łatwiej jest pochwalić się, że „90% inżynierów codziennie korzysta z Claude Code”, niż przyznać, że zwrot z tych inwestycji jest na razie niejasny. W ten sposób powstaje sztuczne zawyżanie wyników: dashboardy świecą na zielono, prezentacje wyglądają imponująco, a w rzeczywistości tokeny są „spalane” na działania, które nie przekładają się na żaden realny zysk.
Konsekwencje tego absurdu są już widoczne i boleśnie konkretne. Firmy nie zwalniają ludzi dlatego, że AI przejęło ich pracę. Zwolnienia pojawiają się, ponieważ rachunek za AI zaczął zastępować etaty w budżecie. Jak trafnie ujął to Mark Ajzenstadt, założyciel Limestone: „Firmy zwalniają ludzi, by opłacić rachunek za AI. Nie dlatego, że AI zastąpiło ich pracę. Dlatego, że rachunek zastąpił ich pensje”. Zamiast oszczędności, o których marzono na początku boomu AI, pojawia się nowa, bardzo kosztowna pozycja w kosztach operacyjnych.
Szerszy obraz jest jeszcze bardziej niepokojący. Nawet w Nvidii, firmie będącej jednym z głównych beneficjentów ekosystemu AI, wiceprezes otwarcie przyznał, że w jego zespole koszty obliczeniowe przekroczyły już koszty zatrudnienia ludzi. Giganci technologiczni (Big Tech), którzy jeszcze niedawno inwestowali miliardy w infrastrukturę AI, zaczynają spowalniać tempo rozwoju.
- Czytaj także: AI napędza inwestycje. Są jednak dwa nowe czynniki ryzyka
Pierwsze firmy, które wdrożyły narzędzia AI na pełną skalę, teraz wycofują licencje, spowalniają proces rekrutacji i poszukują sposobów na ograniczenie wydatków. Okazuje się, że im więcej AI wykorzystujemy, tym wyższe koszty generuje i tym trudniej znaleźć sens ekonomiczny w całym procesie.
Jak i dlaczego koszty AI rosną lawinowo
Zmiana modelu rozliczania za usługi sztucznej inteligencji okazała się punktem zwrotnym, którego wiele firm nie przewidziało. Jeszcze w 2024 i na początku 2025 roku większość przedsiębiorstw płaciła za narzędzia AI w sposób prosty i przewidywalny. Miesięczna subskrypcja zapewniała dostęp do określonej puli zapytań lub nielimitowane użytkowanie w ramach ustalonego limitu. Było to wygodne i łatwe do zaplanowania w budżecie, podobnie jak abonament za oprogramowanie biurowe czy usługi chmurowe. Dziś ten model odchodzi do lamusa.
Zastąpił go system „pay-per-token”, czyli płatność za każdy pojedynczy token – najmniejszą jednostkę tekstu, jaką AI przetwarza lub generuje. W praktyce oznacza to, że firma nie płaci już stałej kwoty raz w miesiącu, lecz rozlicza się za każdy prompt wysłany do modelu, za każdą odpowiedź agenta i za każde wywołanie konkretnego narzędzia. Nawet pozornie banalne zadanie, takie jak „popraw ten e-mail, aby brzmiał bardziej przyjaźnie” lub „przeanalizuj ten raport i zaproponuj trzy wnioski”, generuje konkretny koszt. Im dłuższy tekst i im bardziej złożone zapytanie, tym wyższy rachunek.
- Czytaj także: Chiny rozpoczęły cenową wojnę o AI. Pora na ruch Zachodu
Do tego dochodzi skala zużycia, która rośnie w tempie geometrycznym. Firmy nie ograniczają się już do prostych chatbotów używanych kilka razy dziennie. Masowo wdrażają autonomicznych agentów – programy oparte na AI, które pracują 24 godziny na dobę, siedem dni w tygodniu. Taki agent samodzielnie wyszukuje dane, generuje raporty, odpisuje na e-maile czy przeprowadza symulacje biznesowe. Każdy taki proces zużywa tysiące tokenów na minutę. Nawet jeśli cena pojedynczego tokena spadnie w najbliższych latach o 90%, całkowite koszty i tak będą rosły, ponieważ ilość konsumowanych tokenów przez systemy rośnie znacznie szybciej niż spadek cen.
W efekcie powstał patologiczny system, w którym miarą sukcesu nie jest wartość biznesowa, lecz zużycie tokenów. Pracownicy są rozliczani z KPI opartych na tym, ile „spalili” sztucznej inteligencji. Zarządy pompują statystyki użycia, aby w raportach pokazać „głęboką transformację cyfrową” i usprawiedliwić miliardowe inwestycje w infrastrukturę. A na końcu rachunek płacą wszyscy – najpierw budżet firmy, a potem, niestety, pracownicy w formie zwolnień. To klasyczny przypadek, w którym narzędzie przestało służyć celowi, a cel stał się narzędziem do windowania metryk.
**Wyniki Biznes Fakty:** * Wydatki na AI mogą osiągać niebotyczne sumy, sięgające setek milionów dolarów miesięcznie w pojedynczych przypadkach, gdy brak jest kontroli i limitów. * Model rozliczeniowy „pay-per-token” w połączeniu z nieograniczonym dostępem do narzędzi AI prowadzi do szybkiego wyczerpania rocznych budżetów, często już w pierwszym kwartale roku. * Firmy coraz częściej zwalniają pracowników nie dlatego, że ich praca została zautomatyzowana, ale by pokryć rosnące koszty licencji i użytkowania narzędzi AI. * Trend „tokenmaxingu”, czyli maksymalizacji zużycia tokenów w celu wykazania produktywności, prowadzi do powstawania kosztownych, ale bezwartościowych działań i odrywa metryki od rzeczywistych celów biznesowych. * W 2026 roku obserwujemy spowolnienie tempa inwestycji w infrastrukturę AI przez gigantów technologicznych, co może sygnalizować potrzebę przewartościowania strategii i modeli biznesowych związanych z tą technologią. * Zamiast obiecywanych oszczędności, AI staje się dla wielu firm znaczącym kosztem operacyjnym, wymagającym starannego zarządzania i optymalizacji.
Informacje przygotowane na podstawie materiałów : businessinsider.com.pl