Wiceprezydent Nvidii: AI kosztuje więcej niż pracownicy. Na razie.

Brzmi jak paradoks, ale dane mówią same za siebie. W czasach, gdy Big Tech zwalnia tysiące ludzi i chwali się „efektywnością dzięki AI”, wiceprezydent Nvidii ds. zastosowań deep learningu, Bryan Catanzaro, powiedział wprost: koszty obliczeniowe jego zespołu „znacznie przekraczają” koszty zatrudnienia pracowników.

Compute droższy niż człowiek

„For my team, the cost of compute is far beyond the costs of the employees” / „Dla mojego zespołu koszty obliczeniowe znacznie przekraczają koszty pracowników” – oznajmił Catanzaro w rozmowie z Axios. To zdanie warte zapamiętania, bo wypowiedziano je w samym sercu branży AI. Nvidia sprzedaje GPU, które napędzają całą rewolucję. Jeśli ich własny wiceprezydent przyznaje, że AI jest droższe od ludzi, to nie jest to opinia z zewnątrz, lecz głos od środka.

Badania MIT z 2024 roku potwierdzają te obserwacje. Naukowcy przeanalizowali wymagania techniczne modeli AI potrzebnych do wykonywania pracy na poziomie człowieka i doszli do wniosku, że automatyzacja AI byłaby ekonomicznie opłacalna jedynie w 23% stanowisk, gdzie praca wzrokowa stanowi podstawę działania. W pozostałych 77% przypadków taniej wychodzi zatrudnić człowieka.

Budżety wysadzane w powietrze

Skala wydatków robi wrażenie – i nie jest to komplement. Wielcy gracze technologiczni ogłosili w tym roku łącznie 740 miliardów dolarów nakładów inwestycyjnych na AI, co według danych Morgan Stanley stanowi wzrost o 69% względem 2025 roku. McKinsey szacuje, że wydatki na AI mogą osiągnąć 5,2 biliona dolarów do 2030 roku, a w scenariuszu przyspieszonym nawet 7,9 biliona.

Nie dziwi więc, że dyrektorzy technologiczni zaczynają tracić grunt pod nogami. Praveen Neppalli Naga, CTO Ubera, przyznał w rozmowie z The Information:

„I’m back to the drawing board because the budget I thought I would need is blown away already” / „Wróciłem do punktu wyjścia, bo budżet, który według mnie był wystarczający, już dawno przestał wystarczać.”

Uber mocno postawił na narzędzia do kodowania z użyciem AI, w tym na Claude Code od Anthropic. Efekt? Koszty poszły w górę szybciej, niż ktokolwiek zakładał.

Zwolnienia i wydatki jednocześnie

Mam wrażenie, że wiele firm jednocześnie zwalnia pracowników i wydaje coraz więcej na AI – i robi to trochę na wiarę, bez twardych dowodów na to, że to się w ogóle opłaca. To nie znaczy, że AI jest złą inwestycją. Może być świetną. Ale widzę realne ryzyko, że część firm płaci dziś podwójnie: zwalnia ludzi (z całym kosztem społecznym i organizacyjnym, jaki to niesie), a jednocześnie dokłada do narzędzi, które jeszcze nie są ani tańsze, ani bardziej niezawodne niż ci pracownicy. Pytanie brzmi: czy firmy rzeczywiście liczą te koszty całościowo, czy tylko patrzą na liczbę zwolnionych etatów?

– Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

Dane Layoffs.fyi pokazują, że w 2026 roku branża technologiczna zdążyła już zwolnić ponad 92 tysiące pracowników w niemal 100 firmach. Tempo jest wyższe niż w całym 2025 roku, który zamknął się liczbą około 120 tysięcy zwolnień. Meta ogłosiła cięcia 10% zatrudnienia (około 8 tysięcy osób) i rezygnację z rekrutacji na 6 tysięcy otwartych stanowisk. Microsoft zaproponował największy w historii firmy dobrowolny program odejść.

A mimo to – żadnych jednoznacznych dowodów na wzrost produktywności. Yale Budget Lab potwierdza brak danych na temat masowego wypierania miejsc pracy przez AI. Paradoks jest pełny.

Kiedy AI stanie się opłacalna?

Profesor Keith Lee ze Swiss Institute of Artificial Intelligence mówi o „krótkoterminowym niedopasowaniu”. Przyczyn wysokich kosztów AI upatruje w kilku miejscach:

• hardware i energia podnoszą koszty operacyjne dostawców
• modele subskrypcyjne nie pokrywają kosztów obsługi intensywnych użytkowników
• opłaty za oprogramowanie AI wzrosły w ciągu ostatniego roku o 20–37%

Jednocześnie Lee wskazuje, że punkt zwrotny nadejdzie. Gartner przewiduje, że koszt przeprowadzania inferencji dla modelu językowego z bilionem parametrów spadnie o ponad 90% w ciągu najbliższych czterech lat. Infrastruktura AI będzie lepsza, modele – bardziej niezawodne, a model cenowy prawdopodobnie przejdzie z abonamentu na rozliczenie oparte na faktycznym użyciu.

„It’s not just about AI becoming cheaper than humans. It’s about becoming both cheaper and more predictable at scale.” / „Nie chodzi tylko o to, żeby AI stała się tańsza od ludzi. Chodzi o to, żeby stała się jednocześnie tańsza i bardziej przewidywalna na dużą skalę.”

Wiarygodność to warunek konieczny

Sama cena to nie wszystko. Lee podkreśla, że ekonomiczna opłacalność AI będzie zależeć od tego, czy technologia udowodni swoją niezawodność – mniej halucynacji, mniejsza potrzeba ludzkiego nadzoru, sprawna integracja z infrastrukturą firm.

Na razie adopcja AI wśród amerykańskich firm wynosi około 18% (dane Federal Reserve z końca 2025 roku) – to wzrost o 68% od września 2025 roku, ale wciąż daleki obraz powszechnego wdrożenia.

Dane Fed pokazują też coś innego: wzrost jest szybki, ale firmy wchodzą w to z różnym stopniem gotowości. A co się dzieje, gdy AI zawodzi? Jeden z inżynierów opisał publicznie przypadek, gdy agent AI zniszczył jego bazę danych i sieć w wyniku – jak to określił – „nadmiernego użycia”. To nie jest odosobniony incydent. To sygnał, że wdrożenie AI bez odpowiedniego nadzoru niesie realne ryzyko.

Branża idzie do przodu. Pytanie, czy z otwartymi oczami.