Podniky nasazující kódovací agenty AI mohou brzy platit za tokeny AI svých vývojářů stejně jako za platy samotných vývojářů, podle nové pozoruhodné analýzy společnosti Gartner, kterou CIO.com zveřejnil 24. června 2026.

Předpověď od hlavního analytika Gartner Nitish Tyagi varuje, že náklady na tokeny AI dosáhnou nebo překročí měsíční plat typického softwarového inženýra během příštích dvou let. Prognóza odráží zásadní posun od plochého modelu SaaS na sedadlo, na který se podniky po léta spoléhaly, k cenotvorbě založené na spotřebě, kde každé volání API, každé rozšíření kontextového okna a každý pracovní postup řízený agentem zvyšuje účet. Pro podniky, které sledují širší ekonomiku transformace průmyslu AI, varování signalizuje, že líbánková fáze levného experimentování s AI končí.

Čísla za varováním

Tyagi byl opatrný, aby objasnil, že předpověď Gartneru je založena na celosvětovém průměrném platu vývojáře přibližně 2 000 $ měsíčně. Ve Spojených státech, kde roční kompenzace pro vývojáře běžně přesahuje šest číslic, ekvivalentní útrata za token ještě nedosáhla parity. Propast se ale rychle zmenšuje.

"Slyšel jsem děsivá čísla jako 'Můj vývojář spotřeboval minulý měsíc 20 000 dolarů' nebo 'firemní uživatel spotřeboval 32 000 dolarů'," řekl Tyagi pro CIO.com. "Cílem je upozornit průmysl na dopad tokenových nákladů, pokud nejsou řízeny a kontrolovány."

Explozi nákladů řídí několik konvergujících faktorů. Vývojáři rychlým tempem přijímají generativní umělou inteligenci a agentní kódovací nástroje a tyto nástroje spotřebují mnohem více tokenů než jednoduché interakce založené na chatu. Pracovní postupy řízené agenty, které mohou běžet autonomně po delší dobu, generují masivní spotřebu tokenů při iteraci kódovými bázemi, udržují nafouklá kontextová okna a provádějí opakovaná volání API.

Proč se náklady vymykají kontrole

Část problému je strukturální. Dodavatelé kódování umělé inteligence musí ještě dodat to, co Tyagi nazývá „vyspělé, vestavěné možnosti optimalizace nákladů“. Podniky platí za investice do infrastruktury, které prodejci předávají zákazníkům a zároveň se snaží udržet ziskovost. Výsledkem je cenové prostředí, které je neprůhledné a eskalující.

Mnoho organizací také postrádá vyspělé a řídicí rámce, aby zjistily, zda jejich výdaje na AI přinášejí návratnost investic. Kontextová okna se nafouknou, rozpočty jsou vyčerpány dříve, než se očekávalo, a výdaje na tokeny se obtížně zdůvodňují. Tento problém ještě zhoršuje skutečnost, že nevývojáři stále více přijímají nástroje AI, jak se s nimi blíže seznamují, což dále zvyšuje spotřebu v celé organizaci.

Snad nejvíce kontraintuitivně Tyagi poznamenal, že neexistuje žádný „přímý vztah“ mezi objemem tokenů, které vývojář spotřebuje, a jejich skutečným zvýšením produktivity. Více tokenů automaticky neznamená lepší kód nebo rychlejší doručení.

"Tokenmaxxing přímo nesouvisí s vyšším ziskem produktivity," řekl Tyagi, "ale optimalizace spotřeby tokenů ano."

Předpis společnosti Gartner pro kontrolu nákladů

Gartner neradí podnikům, aby opustily kódovací agenty AI. Daleko od toho. Pokyny společnosti se soustředí na zavedení správy a řízení nákladů, než náklady překročí úroveň návratnosti.

Mezi konkrétní doporučení:

  • Nastavte prahové hodnoty tokenů. Organizace by měly zavést explicitní limity útraty a automatizovat sledování využití, aby zachytily běžnou spotřebu dříve, než vyčerpá rozpočty.
  • Klasifikace úloh podle úrovně autonomie. Gartner navrhuje rozdělit práci do tří modelů provádění: vedený vývojářem, vývojář s agentem a plně vedený agentem. Ne každý úkol zaručuje spotřebu tokenů hraničního modelu.
  • Postup podle složitosti. Jednodušší, vysokofrekvenční úkoly by měly být směrovány na menší, levnější modely, přičemž eskalace na hraniční modely je vyhrazena pro komplexní práci s vysokou hodnotou.
  • Pověření kontextového inženýrství. Vývojáři by měli být vyškoleni, aby optimalizovali kontext, který předávají AI, včetně pouze relevantních informací a shrnutí, kdykoli je to možné, aby se snížila režie tokenů.

Nová metrika produktivity

Tradiční metrika „řádky napsaného kódu“ je zastaralá od doby, kdy nástroje AI začaly generovat celé knihovny Pythonu během několika sekund. Gartner tvrdí, že hodnota by se nyní měla měřit kvalitou, rychlostí a spokojeností zákazníků spíše než hrubým objemem výstupu.

Mezi klíčové otázky, které by si podniky měly klást, patří, jak rychle mohou vývojáři uvolnit důležité funkce, kolik času je zkráceno mezi vývojem a zpětnou vazbou a zda rychlé dodání při zachování kvality vytváří skutečnou konkurenční výhodu.

Tyagiho rada vedoucím je pragmatická: nepovažujte eskalující náklady na kódování AI za důvod k odklonu od AI a nepřecházejte reflexivně na open-source modely pro všechno. Zdůraznil, že cílem je optimalizovat náklady, aniž by byla ohrožena hodnota, kterou tyto nástroje přinášejí.

Širší podnikový obrázek

Varování společnosti Gartner přichází v okamžiku, kdy podniky napříč odvětvími přecházejí od experimentování s umělou inteligencí k škálovanému nasazení. Společnosti drží na uzdě výdaje a požadují konkrétní výsledky a nesoulad mezi investicemi do umělé inteligence a měřitelnými výnosy se stává problémem na úrovni představenstva.

Konkrétně pro týmy vývoje softwaru je zpráva jasná: éra neomezené spotřeby tokenů AI je neudržitelná. Podniky, kterým se nepodaří implementovat rámce řízení, nyní riskují, že zjistí, že jejich nástroje pro kódování AI jsou dražší než inženýři, které měli rozšířit.

---

Udržte si náskok před ekonomickým dopadem AI

Od tlaků na podnikové náklady až po kola financování v miliardách dolarů se obchod s umělou inteligencí rychle vyvíjí. Sledujte AI Buzz Wire pro hloubkovou analýzu finančních sil přetvářejících technologické prostředí.

Přečtěte si další zprávy o AI →