Zwolnienie pracowników z powodu wdrożenia AI okazuje się ekonomicznie nieopłacalne, ponieważ jest droższe.

Krótko o sytuacji

Współczesne korporacje coraz częściej zmuszają swoich pracowników do korzystania z AI w celu zwiększenia efektywności pracy. Jednak koszty tych technologii rosną szybciej niż ich zwrot ekonomiczny, a wiele firm już doświadcza trudności finansowych.

1. Microsoft: przejście od Claude Code do GitHub Copilot CLI
- Co się stało
- W ciągu półroka Microsoft wdrożył w swoich projektach AI‑programistę Anthropic Claude Code, zachęcając programistów do eksperymentowania z nim.
- Teraz firma odwołuje większość licencji roboczych na Claude Code i przenosi inżynierów do własnego narzędzia GitHub Copilot CLI.

- Dlaczego to ważne
- Pomimo rezygnacji z licencji, Microsoft nadal inwestuje w Anthropic: 5 mln dolarów oraz zobowiązanie do zakupu mocy obliczeniowych Azure na kwotę 30 mln dolarów.

2. Uber: budżetowy „potok” AI
- Sytuacja
- W ciągu czterech miesięcy inżynierowie Ubera wyczerpali cały przydzielony budżet na AI do 2026 roku.
- Wcześniej kierownictwo zachęcało do wdrażania AI, nawet tworząc rankingi działów pod kątem wykorzystania technologii.

- Wnioski
- Koszt wdrożenia AI staje się poważnym barierą: wiceprezes Nvidia ds. uczenia głębokiego Brian Katanzaro zauważył, że wydatki na zasoby obliczeniowe przewyższają pensje pracowników.

3. Inni duzi gracze
Firma | Mechanizm zachęt | Problem
Meta ✴ | Tabela liderów „Klodonomika” (w hołdzie Anthropic Claude) | Wzrost kosztu tokenów przy płatności na zużycie
Amazon | Rekomendacja „maksymalnie wykorzystać tokeny AI” | Zwiększenie wydatków na obliczenia

4. Prognozy i analiza
- Goldman Sachs
- Do roku 2030 konsumpcja tokenów AI może wzrosnąć 24‑krotnie, osiągając 120 kwadrylionów tokenów miesięcznie.
- Nawet przy spadku ceny za jeden token ogólne wydatki na AI będą rosnąć.

- Gartner
- Wdrażanie modeli z bilionem parametrów do roku 2030 może stać się tańsze o 90 % w porównaniu z 2025 rokiem.
- Jednak modele sterowane agentami AI zużywają więcej tokenów niż standardowe rozwiązania, więc obniżka kosztu nie zawsze rekompensuje wzrost wydatków.

5. Konsekwencje dla biznesu
- Ryzyko finansowe – firmy mogą napotkać niespodziewane koszty obliczeń, jeśli konsumpcja tokenów przekroczy oczekiwany spadek cen.
- Planowanie strategii AI – liderzy muszą przeanalizować budżety i modele monetyzacji, aby uniknąć „straconych” inwestycji w AI.

6. Wniosek
Wdrażanie sztucznej inteligencji pozostaje priorytetem dla dużych gigantów technologicznych, ale rosnące koszty obliczeń i tokenów tworzą nowe wyzwania. Firmy muszą balansować między chęcią zwiększenia wydajności pracowników a realnymi ograniczeniami finansowymi.