Przez lata AI w programowaniu sprzedawano głównie jako oszczędność. Nowy raport Gartnera pokazuje, że model ten może wkrótce odwrócić się o 180 stopni: do 2028 roku koszty narzędzi AI mogą przekroczyć średnie wynagrodzenie dewelopera, którego miały zastąpić. Przyczyną nie jest brak efektywności tych narzędzi, lecz sposób, w jaki zmienił się model rozliczeń z dostawcami, oraz brak zarządzania zużyciem tokenów na poziomie organizacji.
Kluczowe fakty:
- Według raportu Gartnera z 24 czerwca 2026 roku, do 2028 roku koszty narzędzi AI dla programistów mogą przekroczyć średnie wynagrodzenie dewelopera, którego miały zastąpić.
- GitHub od 1 czerwca 2026 roku przeszedł z płaskiego abonamentu na rozliczenia oparte o AI Credits, gdzie każde zapytanie do modelu i każde zadanie agentyczne generuje rzeczywisty koszt zależny od zużycia tokenów.
- Reakcja społeczności na zmiany w modelu rozliczeń GitHub była zdecydowanie negatywna – dyskusja zebrała ponad 950 głosów przeciw wobec zaledwie 24 pozytywnych, a część użytkowników odnotowała wzrost kosztów od 10 do 100 razy przy intensywnym użyciu agentów.
Prognoza pochodzi z badania opublikowanego przez Gartner 24 czerwca 2026 roku. Firma wskazuje na dwa zjawiska, które nakręcają koszty: szybki wzrost zużycia tokenów przez modele językowe oraz przejście branży z płaskich abonamentów na rozliczenia oparte o faktyczne użycie. To zmiana, która fundamentalnie przesuwa ryzyko finansowe z dostawcy na klienta.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Koniec stałej opłaty
Przez kilka ostatnich lat firmy korzystające z narzędzi AI dla programistów płaciły stały miesięczny abonament za stanowisko. Było drogo, ale przewidywalnie. Działy IT mogły zaplanować budżet na rok naprzód i trzymać się go.
Ten czas się kończy. GitHub przeszedł na rozliczenia oparte o AI Credits od 1 czerwca 2026 roku. Każde zapytanie do modelu, każde zadanie zlecone agentowi, każda iteracja przy przeglądzie kodu pochłania tokeny i generuje rzeczywisty koszt. Cena zależy od wybranego modelu, długości kontekstu, liczby kroków pośrednich i skali użycia funkcji agentycznych. Deweloper korzystający z Copilota do podpowiedzi w edytorze zapłaci marginalnie. Zespół, który zleca agentom analizę całych repozytoriów, generowanie testów i dokumentacji, może zapłacić wielokrotnie więcej.
Reakcja deweloperów była natychmiastowa i negatywna: dyskusja na temat zmian w GitHub zebrała ponad 950 głosów negatywnych wobec zaledwie 24 pozytywnych. Część użytkowników donosi o kosztach skaczących 10- do 100-krotnie przy intensywnych przepływach agentycznych.
Tokeny, które nikt nie liczy
Nitish Tyagi, starszy główny analityk Gartnera, zidentyfikował w tym problemie coś głębszego niż kwestia cennika.
„Organizacje szybko przechodzą od eksperymentów do szerokiego wdrożenia agentów AI do kodowania, ale wiele z nich nie docenia finansowego wpływu rosnącego zużycia tokenów” — ocenił Tyagi. „Dyscyplina w zakresie zużycia tokenów nie wyłoni się sama z wyborów programistów, ponieważ mają oni tendencję do optymalizowania pod kątem szybkości i wygody, a nie efektywności kosztowej. Bez zarządzanego modelu operacyjnego koszty mogą rosnąć szybciej niż zyski produktywności, które te narzędzia mają przynosić.” / „Organizations are rapidly moving from experimentation to scaled deployment of AI coding agents, but many are underestimating the financial impact of rising token consumption. Token discipline will not emerge through developer choice alone, as developers tend to optimize for speed and convenience over cost efficiency. Without a governed engineering operating model, costs can escalate faster than the productivity gains these tools are designed to deliver.”
Dane Gartner Peer Insights są konkretne: 23 proc. liderów technologicznych wydaje dziś od 200 do 500 dolarów miesięcznie na tokeny w przeliczeniu na jednego dewelopera. Kolejne 6 proc. organizacji przekracza poziom 2000 dolarów miesięcznie na programistę. Tyagi wspomina o skrajnych przypadkach, gdzie rachunki sięgają 5000, a nawet 20 000 dolarów miesięcznie na dewelopera.
Dla porównania: w Indiach, gdzie skupia się duża część globalnych zasobów programistycznych, taki koszt już teraz przekracza miesięczne zarobki inżyniera z kilkuletnim doświadczeniem. To właśnie z tego powodu Gartner mówi o przekroczeniu progu płacy, nie o jakimś abstrakcyjnym scenariuszu na 2028 rok.
Uber jako lekcja dla całej branży
Historia Ubera stała się w tym roku punktem odniesienia dla rozmów o kosztach AI w inżynierii. Firma aktywnie zachęcała swoich inżynierów do korzystania z Claude Code i Cursora, organizując nawet wewnętrzny ranking zespołów według poziomu użycia tych narzędzi. Efekt był spektakularny i nie tylko w znaczeniu pozytywnym.
Według informacji ujawnionych przez The Information i potwierdzonych przez TechCrunch, Uber wyczerpał cały budżet na narzędzia AI do kodowania przeznaczony na 2026 rok już w ciągu pierwszych czterech miesięcy roku. CTO spółki Praveen Neppalli Naga mówił publicznie, że firma wraca do podstaw przy planowaniu budżetów AI. W odpowiedzi Uber wprowadził limit 1500 dolarów miesięcznie na pracownika i na każde narzędzie agentyczne, z możliwością przekroczenia limitu jedynie za zgodą przełożonych.
Andrew Macdonald, prezes i dyrektor operacyjny Ubera, był jeszcze bardziej dosadny w wywiadzie dla podcastu Rapid Response. Przyznał wprost, że trudno mu wskazać bezpośredni związek między rosnącym wydatkowaniem na Claude Code a konkretnymi ulepszeniami funkcji dostępnych dla użytkowników aplikacji. „Ten związek jeszcze nie istnieje” — ocenił Macdonald.
Raport Gartnera to ostrzeżenie, które powinno trafić na biurko każdego dyrektora IT, nie tylko w korporacjach z listy Fortune 500. Problem polega na tym, że wiele firm wdrożyło narzędzia AI dla programistów w logice pilotażu: eksperymentuj, a potem zobaczymy. Ten moment „zobaczymy” właśnie nadchodzi, i dla wielu organizacji pojawi się najpierw w postaci faktury, a nie raportu z sukcesów. Pytanie, które zadaję sobie obserwując tę sytuację: czy polskie firmy IT, które masowo sięgnęły po Claude Code, Cursor i Copilot, mają dziś kogokolwiek odpowiedzialnego za monitorowanie zużycia tokenów w czasie rzeczywistym? Intuicja podpowiada mi, że w większości przypadków: nie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Problem widoczności, nie narzędzi
Gartner wskazuje, że znaczna część organizacji po prostu nie widzi, ile wydaje na AI, dopóki faktura nie wyląduie w skrzynce. Pełną widoczność kosztów operacyjnych AI w czasie rzeczywistym deklaruje jedynie 26 proc. organizacji, wynika z badania KPMG. Reszta albo operuje przybliżonymi szacunkami, albo dowiaduje się o skali wydatków retrospektywnie.
Dodatkowym czynnikiem jest nieprzezroczystość samych dostawców. Gartner wprost krytykuje większość z nich za brak wbudowanych funkcji optymalizacji kosztów i trudności ze zrozumieniem, jak konkretnie obliczane jest zużycie tokenów.
Tyagi użył w tym kontekście pojęcia „tokenmaxxing”, odnosząc się do strategii dostawców, którzy zachęcają użytkowników do maksymalizowania liczby tokenów pod hasłem wyższej produktywności. „Nie ma bezpośredniego związku między wzrostem zużycia tokenów a wzrostem zysków z produktywności” — stwierdził analityk.
Koszty rosną też z powodów strukturalnych: infrastruktura danych centrum, obsługa rosnącej liczby użytkowników i trening modeli wymagają kapitału. Dostawcy modeli są pod rosnącą presją ze strony inwestorów oczekujących rentowności, co przekłada się na tendencję do podnoszenia cen zużycia.
Co to oznacza dla polskich firm?
Polska jest jednym z największych hubów usług IT w Europie. Według danych z raportu o polskim rynku IT, 77 proc. polskich firm technologicznych aktywnie integruje narzędzia AI w swoich przepływach pracy. Jerzy Biernacki, Chief AI Officer w krakowskim Miquido, wskazuje, że Claude Code i Codex łącznie kontrolują dziś około 75-80 proc. segmentu agentycznego w dużych przedsiębiorstwach.
Dla polskich software house’ów i firm outsourcingowych oznacza to bardzo konkretne wyzwanie:
- Polscy programiści należą do tańszych w Europie (seniorzy zarabiają 40-60 proc. mniej niż ich zachodnioeuropejscy odpowiednicy), co historycznie było główną przewagą konkurencyjną.
- Koszty narzędzi AI są globalnie jednolite, co oznacza, że ta przewaga eroduje szybciej niż w przypadku rynków z wyższymi płacami.
- Jeśli prognoza Gartnera się sprawdzi, polskie firmy IT mogą znaleźć się w szczególnie trudnej sytuacji: koszty narzędzi porównywalne do zachodnich, marże wciąż pod presją.
- Brak mechanizmów zarządzania zużyciem AI w polskich firmach IT oznacza ryzyko niekontrolowanego wzrostu kosztów przy skalowaniu.
Rynek już reaguje. Uber, Walmart, Amazon i Cisco po błędach budżetowych w tym roku wprowadziły różne formy limitów i procedur zatwierdzania wydatków na AI. Polski sektor IT ma szansę wyciągnąć lekcję bez ponoszenia kosztów własnych eksperymentów.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Jak zbudować kontrolę nad kosztami AI
Gartner formułuje kilka konkretnych zaleceń dla organizacji, które chcą zachować korzyści z AI bez utraty kontroli nad finansami:
- Zdefiniować ramy decyzyjne dla użycia agentów: kiedy i do jakich zadań AI działa autonomicznie, a kiedy wymaga nadzoru człowieka.
- Podzielić zadania na trzy kategorie wykonania: prowadzone przez dewelopera, z pomocą agenta lub w pełni agentyczne, i dobierać modele do kategorii, nie do prestiżu.
- Kierować prostsze i powtarzalne zadania do mniejszych, tańszych modeli, rezerwując duże modele graniczne dla przypadków o wysokiej wartości biznesowej.
- Zbudować „tokenomiczny model semantyczny”, łączący dane o zużyciu z właścicielami budżetów i mierzalną wartością dla biznesu.
- Uczynić zużycie tokenów regularnym tematem na retrospekcjach sprintów.
Rynek narzędzi AI do programowania rósł z 86 miliardów dolarów w 2025 roku do szacowanych 207 miliardów w 2026 roku, wzrost o ponad 139 proc., według danych Gartnera. Przy tej dynamice nieuchronne jest, że pytanie o zwrot z inwestycji przestanie być retoryczne. Firmy, które pierwsze zbudują mechanizmy kontroli kosztów, prawdopodobnie zachowają przewagę nie dlatego, że będą używać AI mniej, ale dlatego, że będą używać jej mądrzej.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu prasowego Gartner z 24.06.2026 roku, artykułów The Register, TechCrunch, Fortune, The Next Web oraz oficjalnego bloga GitHub. Cytaty Nithisha Tyagiego zostały zweryfikowane z oryginalnym anglojęzycznym komunikatem Gartnera. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych dotyczących kosztów narzędzi AI do programowania.
