
(Ilustracja: Wspaniały)
W ciągu ostatnich dwóch lat wiele firm postrzegało sztuczną inteligencję (AI) jako szybkie rozwiązanie problemów z produktywnością. Od kodowania i obsługi klienta, przez pisanie raportów, analizę danych, po przetwarzanie wiadomości e-mail, AI pojawiło się z obietnicą szybszego, tańszego i mniej zależnego od ludzkiej pracy rozwiązania. Jednak do połowy 2026 roku pytanie w wielu zarządach korporacji nie będzie już brzmiało: „Czy powinniśmy korzystać ze sztucznej inteligencji?”, ale raczej: „Ile pieniędzy wydaje AI i czy rzeczywiście przynosi ona adekwatną wartość?”.
Ta zmiana nie oznacza, że sztuczna inteligencja jest przestarzała. Wręcz przeciwnie, AI pozostaje technologią strategiczną, zwłaszcza w programowaniu, obsłudze klienta, finansach i operacjach wewnętrznych. Jednak po okresie szybkiego wdrażania, napędzanego obawą przed pozostaniem w tyle, wiele firm zaczyna dostrzegać mniej spektakularną rzeczywistość: sztuczna inteligencja nie jest darmowa ani niekoniecznie tańsza od ludzi, jeśli jest używana nieprawidłowo. Gdy narzędzie jest dostępne dla tysięcy pracowników, każde polecenie, każdy fragment tekstu, każda analiza dokumentu, a nawet każdy wpis w kodzie może stać się kosztem mierzonym w tokenach – jednostce miary ilości danych, które model AI musi przetworzyć.
Pod koniec maja „Wall Street Journal” doniósł, że niektóre amerykańskie firmy zaczynają „racjonować” wydatki na sztuczną inteligencję, ponieważ koszty przetwarzania danych i tokenów gwałtownie rosną. W artykule przytoczono przykład Ubera, zauważając, że firma wyczerpała swój budżet na sztuczną inteligencję na 2026 rok w zaledwie cztery miesiące, co skłoniło ją do ponownego rozważenia sposobu alokacji wydatków na sztuczną inteligencję. To istotny sygnał: sztuczna inteligencja nie jest już jedynie eksperymentem technologicznym, ale stała się elementem finansowym wymagającym kontroli, podobnie jak koszty przetwarzania w chmurze, personelu czy operacyjne.
Uber jest godnym uwagi przykładem, ponieważ firma nie jest przeciwna sztucznej inteligencji. Problem Ubera polega na tym, że koszty rosną zbyt szybko, a konkretne korzyści biznesowe nie są łatwe do udowodnienia. The Verge cytuje Andrew Macdonalda, prezesa i dyrektora operacyjnego Ubera, który stwierdził, że większe wydatki na narzędzia takie jak Claude Code nie przekładają się bezpośrednio na większą liczbę przydatnych funkcji dla klientów. Innymi słowy, zespół inżynierów może w większym stopniu wykorzystywać sztuczną inteligencję, ale kierownictwo nadal musi odpowiedzieć na fundamentalne pytanie: czy użytkownicy końcowi otrzymują lepszy produkt za te same pieniądze?

Logo Ubera wyświetlane na ekranie telefonu na tym zdjęciu ilustracyjnym zrobionym w Brukseli w Belgii 9 sierpnia 2025 r. (Zdjęcie: NurPhoto/Reuters)
Claude Code, narzędzie firmy Anthropic do wspomagania programowania, stało się przedmiotem tej debaty. Aby uniknąć nieporozumień, należy to wyjaśnić: Anthropic nadal oferuje miesięczne plany subskrypcji dla użytkowników i firm. Jednak w przypadku korzystania z niego na dużą skalę lub za pośrednictwem interfejsu programowania aplikacji (API), koszty można obliczyć na podstawie tokenów, wzorców użytkowania i dodatkowych funkcji. Oficjalna strona cenowa firmy Anthropic pokazuje, że modele API Claude są wyceniane na podstawie liczby tokenów wejściowych i wyjściowych; dokumentacja firmy zauważa również, że niektóre zmiany w kodowaniu danych mogą spowodować, że ten sam tekst będzie zużywał więcej tokenów niż wcześniej. Dlatego problem nie polega na „wyczerpywaniu się planów miesięcznych”, ale raczej na trudnościach, z jakimi borykają się firmy w prognozowaniu kosztów, gdy pracownicy stale wykorzystują sztuczną inteligencję do realizacji wymagających zadań.
Różnica między sztuczną inteligencją a tradycyjnym oprogramowaniem leży w sposobie generowania kosztów. W przypadku oprogramowania biurowego firmy zazwyczaj płacą miesięczną opłatę za konto. W przypadku wielu narzędzi sztucznej inteligencji, zwłaszcza tych do programowania i automatyzacji wieloetapowej, koszty mogą rosnąć wraz z długością dokumentu, liczbą zapytań, cyklami rewizji, liczbą wywoływanych modeli i danymi wyjściowymi. Pracownik wykorzystujący sztuczną inteligencję do podsumowania wiadomości e-mail może ponieść bardzo niewielkie koszty. Jednak zespół inżynierów, który dzięki sztucznej inteligencji odczytuje kod źródłowy, sugeruje poprawki, przepisuje wiele wersji i uruchamia zautomatyzowane procesy, może generować znaczne koszty w krótkim okresie.
Z perspektywy zarządzania jest to bardzo znany problem: dobra technologia niekoniecznie jest dobrą inwestycją, jeśli jej skuteczności nie da się zmierzyć. Firma może odczuwać wzrost produktywności, ponieważ pracownicy pracują szybciej, ale jeśli liczba zaoszczędzonych godzin, liczba błędów spadnie, przychody wzrosną, a obsługa klienta ulegnie poprawie, rachunki za sztuczną inteligencję szybko staną się trudne do obrony. Dlatego wiodące firmy odchodzą od podejścia „wykorzystaj jak najwięcej” na rzecz podejścia „wykorzystaj to tam, gdzie to właściwe, dla właściwych osób i w ramach limitów”.

Logo Claude AI wyświetlane na ekranie telefonu na ilustracji z 6 lutego 2026 r. (Zdjęcie: NurPhoto/Reuters)
Poza samym kosztem narzędzi, kwestia zastąpienia zasobów ludzkich przez sztuczną inteligencję jest również ponownie analizowana. 21 maja magazyn Forbes zacytował dane, z których wynika, że 29% firm, które wcześniej zredukowały zatrudnienie z powodu sztucznej inteligencji, ponownie zatrudniło pracowników na te stanowiska. Dane te należy interpretować ostrożnie, ale podkreślają one pewną rzeczywistość: zastąpienie ludzi przez sztuczną inteligencję nie jest tak proste, jak obniżenie kosztów płac. W wielu zawodach, zwłaszcza w obsłudze klienta, sprzedaży, tworzeniu treści, zarządzaniu operacyjnym czy rozwiązywaniu sytuacji wrażliwych, ludzie nadal pełnią role, których sztuczna inteligencja nie jest jeszcze w stanie w pełni objąć.
Sztuczna inteligencja potrafi reagować szybko, ale szybkość nie przekłada się na dokładność. Sztuczna inteligencja potrafi tworzyć projekty, ale nadal wymagają one weryfikacji przez specjalistów. Sztuczna inteligencja potrafi podsumowywać dane, ale menedżerowie nadal muszą rozumieć kontekst, aby podejmować decyzje. Jeśli firmy zbyt wcześnie zredukują zatrudnienie, mogą ponieść tego konsekwencje w postaci spadku jakości usług, niezadowolenia klientów, bardziej chaotycznych procesów wewnętrznych, a ostatecznie konieczności ponownego zatrudnienia i przeszkolenia personelu. W takim przypadku „oszczędności dzięki sztucznej inteligencji” stają się iluzoryczne.
Należy uczciwie rozważyć fakt, że sztuczna inteligencja nie jest jedyną przyczyną zwolnień w firmach. Niektórzy liderzy mogą powoływać się na sztuczną inteligencję, aby wyjaśnić restrukturyzację, podczas gdy prawdziwe przyczyny mogą obejmować presję na zyski, stopy procentowe, akcjonariuszy, konkurencję lub strategie cięcia kosztów. 1 czerwca Business Insider zacytował Torstena Sloka, głównego ekonomistę Apollo Global Management, który stwierdził, że w ogólnych danych o zatrudnieniu nie ma jednoznacznych dowodów na utratę miejsc pracy spowodowaną przez sztuczną inteligencję. Sugeruje to bardziej złożony obraz niż hasło „Sztuczna inteligencja odbiera ludziom pracę”.
Dla wietnamskich firm lekcje płynące z doświadczeń międzynarodowych korporacji są bardzo praktyczne. Wiele krajowych firm może nie wydawać milionów dolarów na sztuczną inteligencję, ale wciąż łatwo wpadają w pułapkę kupowania wielu narzędzi, zakładania wielu kont i testowania wielu platform bez procesu kontroli. Jeśli każdy dział wybierze własne narzędzie sztucznej inteligencji, każdy zespół będzie korzystał z własnego modelu, a każdy pracownik będzie samodzielnie wprowadzał dane firmy na platformy zewnętrzne, ryzyko leży nie tylko w kosztach, ale także w bezpieczeństwie, jakości wyników i odpowiedzialności prawnej.

(Ilustracja: Wspaniały)
Przed wdrożeniem sztucznej inteligencji (AI) firmy powinny zacząć od pięciu prostych pytań. Po pierwsze, jaki konkretnie problem rozwiąże AI? Po drugie, jaki jest maksymalny miesięczny koszt? Po trzecie, kto będzie miał do niej dostęp i do jakich danych? Po czwarte, kto będzie analizował wyniki generowane przez AI? Po piąte, jakich wskaźników firma będzie używać do pomiaru efektywności po trzech miesiącach? Jeśli na te pięć pytań nie uzyskano odpowiedzi, wdrożenie AI na dużą skalę może być pochopną decyzją.
Bezpieczniejszym podejściem jest wybór mniej ryzykownych obszarów do przetestowania w pierwszej kolejności. Sztuczna inteligencja może pomagać w podsumowywaniu dokumentów wewnętrznych, klasyfikowaniu próśb klientów, sugerowaniu treści e-maili, wyszukiwaniu błędów w kodzie programistycznym, tworzeniu wersji roboczych raportów lub pomaganiu pracownikom w wyszukiwaniu informacji. Jednak w obszarach związanych z finansami, prawem, zasobami ludzkimi, danymi klientów lub oświadczeniami publicznymi, to ludzie nadal muszą być ostatecznymi recenzentami. Firmy nie powinny wykorzystywać sztucznej inteligencji jako „pracownika zastępczego”, lecz raczej jako „asystenta przyspieszającego” z wyraźnymi ograniczeniami.
Kolejną zasadą jest, że zarządzanie budżetem AI powinno być podobne do zarządzania kosztami przetwarzania w chmurze. Muszą istnieć limity grupowe, alerty o przekroczeniu limitów, miesięczne raporty użytkowania oraz oceny wydajności poszczególnych działów. W przypadku programowania firmy muszą wiedzieć, o ile czasu na naprawę błędów można skrócić dzięki narzędziom AI, o ile dni można skrócić proces rozwoju produktu lub ile wskaźników operacyjnych można poprawić. W przypadku obsługi klienta konieczne jest mierzenie czasu reakcji, poziomu satysfakcji, wskaźników reklamacji oraz liczby przypadków przekazanych personelowi.
Po początkowym boomie rynek sztucznej inteligencji wkracza w fazę dojrzałości. Narzędzia, które nie okazały się skuteczne, zostaną wycofane. Niekontrolowane wydatki zostaną ograniczone. Oczekiwania całkowitego zastąpienia człowieka ustąpią miejsca bardziej praktycznemu podejściu: ludzie będą wykonywać zadania wymagające osądu, podczas gdy sztuczna inteligencja będzie wspierać zadania powtarzalne, wymagające dużej ilości danych lub wymagające dużej szybkości.
Dlatego stwierdzenie, że „AI jest zwalniane, bo jest zbyt drogie”, nie powinno być interpretowane jako błąd AI. Chodzi raczej o złudzenie, że samo kupowanie narzędzi AI automatycznie sprawi, że firmy będą tańsze, szybsze i mądrzejsze.
Sztuczna inteligencja pozostanie w firmach, ale będzie pod baczniejszą obserwacją ze strony finansów, technologii, prawa i użytkowników końcowych. W tym wyścigu zwycięzcą nie będzie ta, która wykorzystuje sztuczną inteligencję najczęściej, ale ta, która wie, jak używać jej prawidłowo, przy odpowiednich kosztach i z odpowiednią odpowiedzialnością.
Źródło: https://vtv.vn/ai-bi-sa-thai-vi-dat-do-100260616145054134.htm









