Założenie było proste, wdrożyć AI, przyspieszyć pracę, ograniczyć koszty i część zadań przerzucić z ludzi na algorytmy. Problem w tym, że w praktyce sztuczna inteligencja w firmach coraz rzadziej przypomina magiczny przycisk „oszczędzaj”, a coraz częściej kolejną pozycję w budżecie, której ktoś musi pilnować.
I właśnie tu zaczyna się najciekawsza część historii. Bo gdy modele AI, asystenci, agenci i narzędzia programistyczne przechodzą z fazy testów do codziennego użycia, zmienia się też sposób naliczania kosztów. Stały abonament przestaje wystarczać, a rachunek zaczyna zależeć od tego, ile firma realnie generuje zapytań, tokenów, operacji i automatycznych zadań.
Firmy chciały taniej automatyzacji, ale koszty AI wymknęły się spod kontroli
Z badania KPMG Global AI Pulse Q2 2026 wynika, że 29% ankietowanych liderów ma trudność ze zrozumieniem i kontrolowaniem kosztów operacyjnych AI podczas skalowania wdrożeń. Badanie objęło 2145 osób z kadry zarządzającej i liderów biznesowych z 20 krajów oraz jurysdykcji.
To nie jest drobny problem księgowy. W momencie, gdy AI zaczyna obsługiwać wewnętrzne procesy, analizować dane, odpowiadać klientom, generować kod albo działać jako agent wykonujący kilka kroków po kolei, koszty mogą rosnąć szybciej, niż zakładano na etapie prezentacji dla zarządu.
KPMG zwraca uwagę, że tylko 35% organizacji ma pełną widoczność kosztów operacyjnych AI i aktywnie je monitoruje. Kolejne 42% widzi je jedynie częściowo, 13% dopiero po fakturze, a 8% opisuje je jako w dużej mierze niewidoczne. To oznacza, że wiele firm skaluje technologię, której ekonomii jeszcze dobrze nie rozumie.
Problem często nie polega na tym, że AI „nie działa”. Problem polega na tym, że działa zbyt swobodnie, bez jasnych limitów, właściciela kosztów i procedur sprawdzania efektów.
Abonament to za mało. AI coraz częściej rozlicza się jak zużycie prądu
The Register zwrócił uwagę, że Anthropic, OpenAI i GitHub przesuwają część usług z prostych abonamentów w stronę rozliczeń opartych na realnym użyciu. To kluczowa zmiana, bo w firmie koszt AI nie kończy się na wykupieniu dostępu do narzędzia. Liczy się liczba zapytań, wielkość kontekstu, liczba uruchomień agentów, integracje z danymi i to, jak często pracownicy korzystają z automatyzacji.
Dla użytkownika indywidualnego może to brzmieć abstrakcyjnie. Dla dużej organizacji oznacza jednak tysiące pracowników, miliony operacji i całe procesy biznesowe podłączone do modeli AI. Wtedy nawet niewielki koszt pojedynczego działania zaczyna mieć znaczenie.
To także wyjaśnia, dlaczego w firmach coraz ważniejsze stają się budżety tokenów, dashboardy kosztowe, przeglądy projektów i architektura promptów. KPMG wskazuje, że 54% organizacji ma już przeglądy kosztów w procesie akceptacji projektów AI, 53% korzysta z dashboardów monitorujących koszty, a 40% wdrożyło budżety użycia lub tokenów.
Microsoft i Amazon wysyłają inżynierów do klientów. To wiele mówi o rynku AI
Na problemy firm reagują najwięksi dostawcy infrastruktury. Amazon ogłosił inwestycję 1 miliarda dolarów w AWS Forward Deployed Engineering, czyli organizację, która ma osadzać ekspertów AI bezpośrednio u klientów i pomagać im budować agentowe systemy produkcyjne. AWS zapowiada skracanie wdrożeń z miesięcy do dni oraz zostawianie firm z działającymi rozwiązaniami, dokumentacją i kompetencjami po stronie klienta.
Microsoft idzie jeszcze szerzej. Firma uruchomiła Microsoft Frontier Company, projekt wart 2,5 miliarda dolarów, w ramach którego 6000 ekspertów branżowych i inżynierów ma pracować z klientami nad projektowaniem, wdrażaniem i usprawnianiem systemów AI na dużą skalę.
To nie wygląda już jak zwykła sprzedaż oprogramowania. To raczej sygnał, że korporacje kupiły wizję AI, ale teraz potrzebują ludzi, którzy przełożą ją na działające procesy, kontrolę kosztów i realny zwrot z inwestycji. Podobny kierunek widać też przy narzędziach biurowych, Microsoft Teams dostanie kontrowersyjne AI, ale każde takie rozwiązanie oznacza kolejne pytania o prywatność, odpowiedzialność i koszty działania w tle.
Koniec taniej AI? Raczej koniec bezmyślnego wdrażania
Największa zmiana polega na tym, że AI przestaje być traktowana jak eksperymentalny dodatek. Staje się normalnym elementem firmowej infrastruktury, a to oznacza budżety, limity, audyty, odpowiedzialność i pytanie, czy to się naprawdę opłaca?
KPMG wskazuje, że firmy z pełną widocznością kosztów operacyjnych AI są pięć razy bardziej skłonne raportować ustalony zwrot z inwestycji niż organizacje bez takiej widoczności. Różnica wynosi 15% do 3%. Samo wdrożenie AI nie wystarczy. Przewagę zaczynają mieć ci, którzy rozumieją, gdzie technologia generuje wartość, a gdzie tylko przepala budżet.
To ważne również poza wielkimi korporacjami. Im droższe staje się uruchamianie modeli, infrastruktury i centrów danych, tym mocniej skutki odczuwają użytkownicy końcowi. Widać to już w sprzęcie, pamięciach i chipach, o czym dobrze przypomina sprawa, w której DeepSeek idzie po własny chip AI, oraz rosnący popyt na komponenty, przez który Samsung może pobić historyczny rekord zysków.
Największy problem AI nie jest techniczny, tylko organizacyjny
Firmy nie muszą rezygnować ze sztucznej inteligencji. Muszą jednak przestać traktować ją jak skrót do automatycznych oszczędności. AI bez kontroli kosztów, jasnej odpowiedzialności i człowieka w procesie decyzyjnym może bardzo szybko zmienić się z narzędzia produktywności w drogi eksperyment.
Komentarze
Jeszcze nie ma komentarzy.