Koniec taniego AI w pracy. Korporacje wprowadzają limity kosztów

Duże korporacje technologiczne zmieniają podejście do sztucznej inteligencji w pracy — zamiast promować nieograniczone korzystanie z AI, zaczynają wprowadzać ścisłe limity wydatków i nowe zasady użytkowania, aby kontrolować rosnące koszty operacyjne.

Dlaczego firmy zaczynają ograniczać wydatki na AI?

Przez długi czas duże firmy technologiczne promowały wykorzystanie sztucznej inteligencji przez pracowników, stawiając przede wszystkim na wzrost produktywności. Pracownicy mieli dostęp do zaawansowanych modeli językowych i narzędzi programistycznych takich jak GitHub Copilot czy Claude Code, często bez ograniczeń. Jednak ten model okazał się finansowo nieudany — koszty zużycia tokenów (jednostek pomiaru zużycia modeli AI) szybko wymykały się spod kontroli.

Zjawisko nazwane „tokenmaxxingiem” polegało na tym, że pracownicy używali modeli AI regularnie, czasami nawet wtedy, gdy nie było to uzasadnione biznesowo. W przypadku narzędzi programistycznych problem był szczególnie dotkliwy, ponieważ agenty AI często wielokrotnie analizują kod znajdujący się w repozytorium, co generuje dodatkowe opłaty za każdy token wejściowy i wyjściowy.

Jak Microsoft próbuje zaoszczędzić na AI?

Microsoft, jeden z największych inwestorów w sztuczną inteligencję, zdecydował się na drastyczne działania. Menedżer firmy Jay Parikh przedstawił pracownikom nowe zasady korzystania z AI, które będą brały pod uwagę liczbę wykorzystanych tokenów. Wewnętrzna wiadomość mailowa jasno stwierdzała, że „tokenmaxxing nie jest celem firmy”.

Dodatkowo Microsoft zmienił domyślny model językowy używany przez Copilota na tańszy wariant — GPT-5.6 od OpenAI. Ta zmiana ma bezpośrednio obniżyć koszty licencjonowania bez drastycznego pogorszenia funkcjonalności narzędzia.

Rzeczywisty koszt modeli komercyjnych

Wykorzystanie komercyjnych modeli AI w pracy okazało się po prostu zbyt drogie dla skali, w jakiej operują duże korporacje. Przykład Ubera jest tutaj szczególnie pouczający — firma, korzystając z Claude Code, w ciągu zaledwie czterech miesięcy przepaliła cały roczny budżet na tokeny. Zmusiło to Ubera do wprowadzenia surowych limitów na użytkowanie AI.

Firma	Działanie	Rezultat
Microsoft	Zmiana na tańszy model GPT-5.6, nowe zasady użytkowania	Ograniczenie wydatków na tokeny
Uber	Wprowadzenie limitów po przekroczeniu rocznego budżetu	Czteromiesięczny budżet na cztery miesiące
Amazon	Ograniczenie wydatków na AI	Optymalizacja kosztów operacyjnych
Adobe	Ograniczenie wydatków na AI	Optymalizacja kosztów operacyjnych

Co to oznacza dla pracowników i firm?

Zmiana podejścia dużych korporacji do AI w pracy ma kilka praktycznych konsekwencji. Po pierwsze, pracownicy będą musieli bardziej świadomie korzystać z narzędzi AI — nie będą mogli już eksperymentować bez ograniczeń. Po drugie, firmy będą musiały opracować jasne wytyczne dotyczące tego, kiedy i w jakich sytuacjach uzasadnione jest korzystanie z modeli AI.

Dla pracowników w działach IT, gdzie koszty AI są szczególnie wysokie, oznacza to konieczność bardziej strategicznego podejścia do narzędzi takich jak GitHub Copilot. Zamiast używać AI do każdego zadania programistycznego, będą musieli wybierać sytuacje, w których wsparcie AI rzeczywiście zwiększa efektywność pracy.

Trend ten pokazuje również, że choć duże korporacje inwestują ogromne sumy w infrastrukturę AI, nie mogą sobie pozwolić na nieograniczone korzystanie z własnych produktów. Jak skomentował anonimowy pracownik Microsoftu dla serwisu 404 Media: „To naprawdę wygląda jak ostateczne przyznanie, że nas, gospodarzy infrastruktury AI, nie stać na własne produkty AI” — choć komentarz upraszcza sytuację, pokazuje skalę problemu.

Czy to koniec eksperymentów z AI w pracy?

Ograniczenia wydatków nie oznaczają całkowitego zakazu używania AI w pracy, ale raczej przejście od modelu „wszystko jest dozwolone” do podejścia bardziej zrównoważonego. Firmy będą dalej inwestować w AI, ale w bardziej kontrolowany sposób, z jasnym ROI (zwrotem z inwestycji) dla każdego użytkownika lub zespołu.

Dla pracowników pracujących zdalnie lub w modelu hybrydowym, którzy polegają na narzędziach AI do zwiększenia produktywności, oznacza to konieczność lepszego zrozumienia, które narzędzia są dostępne, jakie mają limity, i jak je efektywnie wykorzystywać w ramach ustalonych ograniczeń.