Prawie jedna trzecia kadry zarządzającej na świecie przyznaje, że nie rozumie, skąd biorą się rosnące koszty AI w ich firmach. To efekt przejścia dostawców z płaskich abonamentów na rozliczenia za faktyczne zużycie, które w wielu organizacjach uderzyły z siłą, na jaką nikt nie był przygotowany.
Kluczowe fakty:
- Według raportu KPMG, opartego na badaniu 2145 menedżerów wyższego szczebla z 20 krajów, 29% z nich nie potrafi wskazać źródeł rosnących kosztów operacyjnych związanych z wdrażaniem AI na dużą skalę.
- Dostawcy modeli językowych, tacy jak Anthropic, OpenAI i GitHub, przechodzą z płaskich abonamentów na rozliczenia oparte na rzeczywistym zużyciu, co zastępuje wcześniej sztucznie zaniżone ceny, stosowane w celu zdobycia udziału w rynku.
- Jedynie 26% organizacji deklaruje pełną, działającą w czasie rzeczywistym widoczność kosztów prowadzenia AI, mimo że dwie trzecie firm posiada już dashboardy do ich monitorowania.
Przez ostatnie dwa lata scenariusz był prosty. Firma podpisywała umowę z dostawcą modelu językowego, płaciła stałą miesięczną kwotę i mogła używać AI praktycznie bez ograniczeń. Ceny były sztucznie niskie, bo dostawcy dopłacali do każdego zapytania, żeby zdobyć jak największy udział w rynku. Ten model się kończy.
Z nowego raportu KPMG, jednej z firm z grupy „Wielkiej Czwórki” doradztwa i audytu, wynika, że globalne badanie objęło 2145 menedżerów wyższego szczebla z 20 krajów. 29 procent z nich przyznało, że nie potrafi wskazać, skąd biorą się rosnące koszty operacyjne związane z wdrażaniem AI na dużą skalę. Kolejna jedna trzecia wskazała własną niewiedzę na temat ekonomii AI jako realną barierę w skutecznym wdrażaniu tej technologii w firmie.
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 ery subsydiowanych abonamentów
Jak zauważa serwis The Register, który jako pierwszy opisał wyniki badania, w ostatnich miesiącach Anthropic, OpenAI i GitHub zaczęły przesuwać część swoich usług z płaskich subskrypcji w stronę rozliczeń opartych na rzeczywistym zużyciu. Autorzy raportu piszą wprost, że w miarę upowszechniania się modeli rozliczeń za zużycie wiele organizacji wciąż buduje dopiero zdolności potrzebne do prognozowania, monitorowania i zarządzania wydatkami na AI.
W praktyce oznacza to, że jedna trzecia kadry zarządzającej nie miała żadnego planu na to, jak produktywnie wykorzystać AI, a fakt ten wychodzi na jaw teraz, gdy licznik faktycznie zaczął działać.
Skala problemu widoczna jest też w innych, wcześniejszych częściach tego samego cyklu badań KPMG. Tylko 26 procent organizacji deklaruje pełną, działającą w czasie rzeczywistym widoczność kosztów prowadzenia AI, mimo że dwie trzecie firm ma już dashboardy monitorujące zużycie, a 61 procent wdrożyło procesy zatwierdzania wydatków. 35 procent liderów wskazuje wprost, że zarządzanie kosztami AI i podstawowa wiedza ekonomiczna na temat rozliczeń tokenowych oraz kosztów wnioskowania wciąż stanowią barierę.
Steve Chase, globalny szef działu AI w KPMG, powiedział „Wall Street Journal”, że firma pracuje z klientami, którzy wyczerpali całoroczny budżet na tokeny i moc obliczeniową w ciągu zaledwie kilku miesięcy. Jeden z klientów odnotował sześciokrotny wzrost zużycia tokenów.
„To nowy rodzaj zasobu, który trzeba zarządzać, a który wcześniej nie istniał w takiej formie, i obserwujemy jego wykładniczy wzrost” / „It’s a new resource that needs to be managed that didn’t exist quite that way, and we’re seeing exponential growth” — powiedział Chase.
Ten raport pokazuje coś, co obserwuję w rozmowach z ludźmi z branży technologicznej od dobrych kilku miesięcy. Firmy rzuciły się na AI z entuzjazmem godnym startupów, ale zapomniały zadać sobie podstawowe pytanie: ile to właściwie będzie kosztować, kiedy skończy się okres promocyjny.
Nie jestem zwolennikiem prostego tłumaczenia, że winni są sami dostawcy, bo agresywnie dotowali ceny, żeby przyzwyczaić klientów do swoich modeli. To standardowa strategia budowania udziału w rynku, znana choćby z historii chmury obliczeniowej. Ale odpowiedzialność za brak planowania finansowego leży po stronie zarządów, które kupowały wizję automatyzacji bez zrozumienia mechaniki rozliczeń.
Ciekawi mnie, co stanie się z tymi samymi firmami, które jeszcze rok temu nakazywały pracownikom korzystanie z AI przy każdej okazji pod groźbą konsekwencji personalnych. Presja rosła bez względu na koszty, bo koszty były niewidoczne. Teraz widać je aż nadto wyraźnie i pytanie brzmi, czy firmy zaczną ograniczać AI selektywnie, tam gdzie faktycznie się opłaca, czy w panice wytną wszystko po równo, tracąc też te zastosowania, które realnie działały.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Presja idzie od góry, koszty spadają na dół
Futurism zwraca uwagę na drugą stronę tej samej monety. Autor tekstu, Joe Wilkins, pisze, że przemysł technologiczny może uzasadnić koszty AI właściwie tylko w jeden sposób: zastępując dużą część siły roboczej maszynami działającymi całą dobę. Problem w tym, że taka skala automatyzacji na razie się nie materializuje, a jednocześnie AI bywa wykorzystywane jako narzędzie dyscyplinujące pracowników, argument w negocjacjach płacowych i uzasadnienie zwolnień, niezależnie od tego, czy technologia faktycznie na to zasługuje.
Ten sam mechanizm widać w doniesieniach z konkretnych firm. Dziennikarze 404 Media dotarli do nagrań z wewnętrznych spotkań Accenture, z których wynika, że to nie zespoły inżynieryjne napędzają wzrost zużycia tokenów, lecz pracownicy niezwiązani z IT, masowo konwertujący dokumenty PDF do formatu Markdown albo automatycznie generujący prezentacje. Firma planuje teraz wdrożenie własnego systemu monitorowania wydatków na AI w czasie rzeczywistym.
Skalę pojedynczych przypadków dobrze ilustrują dane cytowane przez branżowe media:
- jeden pracownik pewnej firmy wygenerował rachunek za tokeny przekraczający 150 tysięcy dolarów miesięcznie,
- inna organizacja w ciągu jednego miesiąca wydała na modele Claude nawet pół miliarda dolarów,
- indeks Ramp AI Index wskazuje, że firmy najintensywniej korzystające z AI płacą średnio około 7,5 tysiąca dolarów miesięcznie na pracownika za dostęp do narzędzi.
Efektem jest odwrót od strategii „wdrażajmy AI wszędzie” w stronę bardziej selektywnego podejścia. Część firm, jak Corning, ograniczyła pracownikom dostęp do wybranych narzędzi AI. Inne, jak Life360, budują systemy monitorowania zużycia tokenów w czasie rzeczywistym.
Co to oznacza dla polskich firm
Polski rynek dopiero uczy się tej lekcji, ale sygnały są podobne. Z danych przytaczanych przez CRN wynika, że zdecydowana większość krajowych firm inwestujących w AI trzyma się budżetów poniżej 100 tysięcy złotych rocznie, a jedynie 3 procent wydaje od 100 tysięcy do miliona złotych. To wciąż inna skala niż w Stanach Zjednoczonych, ale mechanizm rozliczeń jest ten sam co za oceanem.
Eksperci cytowani przez „Rzeczpospolitą” wprost łączą obecną sytuację z presją przed planowanymi debiutami giełdowymi Anthropic i OpenAI. Jak zauważa jeden z rozmówców gazety, jeśli AI uwalnia dwadzieścia procent czasu zespołu, dostawca modelu będzie chciał przejąć sporą część tej wartości, co w praktyce może oznaczać dziesiątki lub setki tysięcy złotych rocznie na zespół.
Dla polskich firm oznacza to konkretną rekomendację praktyczną: zanim podpisze się umowę na wdrożenie agenta AI albo integrację z API dużego modelu, warto rozbić ofertę na czynniki pierwsze. Sam koszt tokenów to często najmniejszy element całego wydatku. Prawdziwe koszty pojawiają się przy integracjach z systemami CRM czy ERP, przy utrzymaniu, monitorowaniu i, jak pokazują dane KPMG, przy braku odpowiednich narzędzi do śledzenia wydatków w czasie rzeczywistym.
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.
Co dalej z rozliczeniami za AI
Kierunek zmian wydaje się jasny, choć tempo i skala pozostają otwarte. Rynek przechodzi fazę podobną do wczesnych lat chmury obliczeniowej, kiedy firmy zachwycały się elastycznością infrastruktury, żeby później odkryć rosnące rachunki. Wtedy odpowiedzią stał się FinOps, czyli zestaw praktyk kontrolowania wydatków na chmurę. Teraz podobny proces zaczyna się w świecie AI, tyle że o wiele szybciej i przy dużo wyższej stawce.
J.R. Storment z FinOps Foundation, cytowany przez TechCrunch, mówi wprost o kryzysach egzystencjalnych w niektórych organizacjach, które kilkukrotnie przekroczyły planowane budżety na tokeny. Rozmowa w firmach przestała dotyczyć tego, jak szybko wdrożyć AI, a zaczęła koncentrować się na tym, jak nad tymi wydatkami w ogóle zapanować.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału Futurism Execs Confused and Horrified by the Huge AI Bills z dnia 08.07.2026, a także artykułu The Register, który jako pierwszy opisał raport KPMG, oraz oficjalnych komunikatów KPMG US. Wykorzystano również doniesienia Wall Street Journal, CFO Dive i TechCrunch dotyczące kosztów tokenów w przedsiębiorstwach, a w części poświęconej polskiemu rynkowi materiał CRN Polska. Cytat Steve’a Chase’a został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji na temat kosztów wdrożeń AI w firmach.
