Korporacyjna euforia wokół sztucznej inteligencji zderza się z twardą rzeczywistością finansową. Firmy, które rok temu masowo wdrażały narzędzia AI, dziś liczą koszty i zadają jedno pytanie: za co właściwie płacimy?
Kluczowe fakty:
- Microsoft wycofuje większość wewnętrznych licencji Claude Code w dziale Experiences and Devices do czerwca 2026 roku, zastępując je własnym GitHub Copilot CLI.
- Uber po wdrożeniu Claude Code dla 5000 inżynierów wyczerpał cały budżet AI na 2026 rok w wysokości 3,4 miliarda dolarów w zaledwie cztery miesiące.
- Miesięczne koszty API na jednego inżyniera w przypadku narzędzi AI sięgają od 500 do 2000 dolarów, co wynika z modelu rozliczeń opartego na tokenach.
Przez ostatnie dwa lata niemal każda duża firma zachodnia ogłaszała kolejne inicjatywy AI. Prezesi prześcigali się w deklaracjach transformacji cyfrowej, działy IT kupowały licencje hurtowo, a inwestorzy nagradzali to wzrostem wycen. Teraz przychodzi czas rachunków.
Microsoft wycofuje Claude Code. Bo był zbyt popularny
Microsoft wycofuje większość wewnętrznych licencji Claude Code w swoim dziale Experiences and Devices, odpowiadającym za Windows, Microsoft 365, Outlook, Teams i Surface. Inżynierowie mają przejść na GitHub Copilot CLI, własne narzędzie Microsoft, a cały proces ma zakończyć się do 30 czerwca 2026 roku.
Paradoks tej sytuacji jest uderzający. Claude Code nie został odwołany dlatego, że inżynierowie go nie lubili. Wręcz przeciwnie: był może zbyt popularny wewnątrz firmy, a programiści chętniej sięgali po narzędzie Anthropic niż po własny produkt Microsoftu. I właśnie ta popularność okazała się częścią problemu.
Sprawa Microsoftu to jednak tylko jeden przykład. Uber po wdrożeniu Claude Code dla około 5000 inżynierów spalił cały budżet AI na 2026 rok wynoszący 3,4 miliarda dolarów w zaledwie cztery miesiące. Miesięczne koszty API na jednego inżyniera sięgały od 500 do 2000 dolarów.
Prawie co drugi pracownik w Polsce używa AI za plecami swojego szefa. 71% polskich pracowników oszczędza dzięki AI od pół godziny do ponad dwóch godzin dziennie …
Tokenmaxxing: kiedy więcej znaczy drożej
Za całym zjawiskiem stoi specyficzny model rozliczeń. Narzędzia takie jak Claude Code czy inne agenty AI rozliczają się na podstawie tokenów, czyli przetworzonych jednostek tekstu. Im więcej zapytań, im bardziej zaawansowane zadania, tym wyższy rachunek. Płaskie licencje ukrywały rzeczywiste zużycie tokenów, a przejście na rozliczenia bazujące na faktycznym użyciu ujawnia ten problem natychmiast w skali enterprise.
W środowisku technologicznym zaczął krążyć termin „tokenmaxxing” opisujący podejście firm polegające na maksymalizowaniu zużycia tokenów AI. Ali Ansari, CEO firmy Micro1 zajmującej się trenowaniem modeli, ocenia tę tendencję krytycznie: mówi o „zdrowej korekcie” kursu, bo rynek traktował narzędzia AI jak rozwiązania działające jednakowo dobrze we wszystkich zastosowaniach, podczas gdy rzeczywistość jest bardziej ograniczona.
Jeden z konsultantów AI cytowanych przez Axios ujawnił, że jego klient wydał pół miliarda dolarów w jednym miesiącu wyłącznie dlatego, że zapomniano wprowadzić limity użytkowania na licencje Claude dla pracowników.
Obserwuję to zjawisko z mieszanymi uczuciami. Z jednej strony fakt, że firmy zaczęły wreszcie weryfikować realny zwrot z inwestycji w AI, to dobra wiadomość. To znaczy, że rynek dojrzewa. Z drugiej strony martwi mnie, że wiele organizacji podchodzi do tego retrospektywnie, czyli najpierw wydaje, potem liczy. Pytanie, które powinniśmy zadawać przed wdrożeniem, brzmi: jakie konkretne zadanie biznesowe ma wykonywać ten model i jak zmierzymy jego efekt? Jeśli nie mamy odpowiedzi, kupujemy drogie oprogramowanie, które robi wrażenie na zarządzie, ale nie zmienia wyników firmy. To dotyczy też polskich przedsiębiorstw, które zaczynają podobną drogę.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Cztery problemy, których nikt nie przewidział
Korporacyjne wdrożenia AI napotykają na kilka systemowych barier, o których mówi się zbyt mało.
- Złe priorytety przy wyborze przypadków użycia: jak wskazuje Sophia Velastegui, była Chief AI Officer w Microsofcie, pracownicy domyślnie automatyzują zadania, których nie lubią, zamiast tych, które mają największą wartość dla firmy.
- Koszty ukryte: jeden z dyrektorów technicznych przyznał, że pracownicy używali modeli AI do sprawdzania pogody. Przy tokenowym modelu rozliczeń nawet takie błahostki kosztują.
- Czynnik ludzki: tempo adaptacji organizacji wciąż nie nadąża za tempem wdrożeń. Rzucanie licencji AI „na ścianę, żeby zobaczyć co przylgnie” nie prowadzi do wymiernych wyników.
- Dostęp do danych: gdy organizacje wahają się przed udostępnieniem agentom AI własnych danych, te agenty stają się mniej skuteczne, bo działają w próżni.
Korekta czy odwrót?
Satya Nadella wcześniej w tym roku deklarował, że Microsoft generuje już do 30 procent swojego kodu z użyciem generatywnej AI. Rezygnacja z Claude Code nie oznacza więc odwrotu od AI jako takiej. To raczej sygnał, że model „wydawaj teraz, licz potem” się wyczerpuje.
Ceny oprogramowania AI w USA wzrosły o 20-37%, pogłębiając przepaść między tym, czego firmy oczekiwały, a tym, ile faktycznie płacą. GitHub od czerwca 2026 roku przechodzi na rozliczenia oparte na faktycznym zużyciu, co wymusza nową kategorię myślenia budżetowego w działach IT.
Dla rynku enterprise to moment próby. Czy firmy stworzą wewnętrzne mechanizmy zarządzania kosztami AI i wypracują realne wskaźniki zwrotu? Czy może pod presją wyników kwartalnych po prostu odepchną AI na bok, tak jak kiedyś odepchały blockchain? Odpowiedź na to pytanie zdecyduje, czy obecna fala AI przełoży się na trwałą zmianę produktywności, czy skończy jako kosztowna, ale przemijająca moda.
