Firemní výstřelek „tokenmaxxingu“ na technologii umělé inteligence naráží na své limity, protože pracoviště, která hází AI na všechno, zaznamenávají růst nákladů, aniž by došlo k podobnému nárůstu produktivity, uvádí zpráva Associated Press.
To, co na jaře 2026 začalo jako humbuk poháněný technologickým průmyslem kvůli vytlačování co největšího množství práce generované umělou inteligencí z produktů, jako je ChatGPT od OpenAI a Claude od Anthropic, se posunulo k letnímu odporu. Vedoucí pracovníci, analytici a vývojáři se nyní otevřeně ptají, zda maximalizace spotřeby tokenů AI byla někdy rozumnou strategií. Pro průběžné pokrytí obchodního prostředí AI navštivte naše [nejnovější zprávy o odvětví AI] (https://aibuzzwire.news).
Vzestup a pád módy
„Tokenmaxxing“ odkazuje na maximalizaci využití tokenů – stavebních bloků generativní umělé inteligence, které odpovídají malým kouskům textu, který systém umělé inteligence čte nebo zapisuje. Každý token představuje zhruba tři čtvrtiny slova a poskytovatelé umělé inteligence obvykle ukládají limity využití, přičemž dražší předplatné nabízí vyšší limity.
Tento trend aktivně podporovali někteří z nejvýznamnějších technologických lídrů. Generální ředitel OpenAI Sam Altman v květnu 2026 řekl, že je „nadšený, když uvidí, co se stane se startupy s tokenmaxxing, jak pro to, jak interně fungují, tak pro produkty, které mohou vytvořit“. Generální ředitel Nvidie Jensen Huang prohlásil, že „pokud váš inženýr v hodnotě 500 000 $ nespaluje 250 000 $ v tokenech, je něco špatně." Facebooková mateřská společnost Meta spustila interní soutěž odměňující vysoké využití tokenů.
Ale jak se hromadily náklady, nadšení opadalo. "Jak se účty začaly hromadit, lidé si uvědomili, že tyto nové nástroje jsou poměrně drahé a je třeba je používat moudře," řekl Vincent Gusdorf, vedoucí analytiky AI v Moody's Ratings a autor nové zprávy doporučující disciplinovanější přístup.
„S AI je velmi snadné vytvořit něco, co nepotřebujete,“ dodal Gusdorf.
Vůle vedoucích pracovníků
Odpor byl veden některými z nejvlivnějších hlasů technologického průmyslu. Generální ředitel společnosti Microsoft Satya Nadella připustil, že tokenmaxxing může být návykový, ale varoval, že zákazníci za umělou inteligenci v podstatě platí dvakrát – nejprve za tokeny a za druhé tím, že poskytují svá proprietární data poskytovatelům umělé inteligence. Nadellovy komentáře byly neobvyklé ve způsobu, jakým vzbuzoval pochybnosti o ujištěních o ochraně dat předních společností AI, i když propagoval vlastní strategii AI společnosti Microsoft.
Generální ředitel Palantir Alex Karp šel ještě dále a řekl CNBC, že se něco „úplně pokazilo“. Řekl, že nasměroval hlas amerických podniků soukromě "rozčilený" o placení enormních částek za tokeny, které nevytvářejí žádnou hodnotu.
"Základní názor mezi podniky v této zemi je: 'Budu odpočívat a plýtvat časem s tokeny. Dostanu žádnou hodnotu a oni získají moje IP'," řekl Karp.
Technologický ředitel Mozilly, Raffi Krikorian, přirovnal tokenmaxxing k zdiskreditované praxi měření produktivity programátorů pomocí řádků kódu. "Myslím, že tokenmaxxing prochází přesně stejným vzorem," řekl. "Myslím, že to bude zajímavý výkyv, na který se všichni za rok podíváme a budeme se mu smát."
Problém nákladů ve velkém měřítku
Finanční dopad je v podnikovém měřítku výrazný. Manažerský konzultant Bain & Company Jue Wang uvedl, že mnoho velkých podniků, které její firma radí, se blíže zabývalo návratností svých investic do AI.
"Náklady na token se pro ně zdvojnásobují, téměř každý druhý měsíc," řekl Wang. "Řekněme 200 dolarů na vývojáře za měsíc. Vynásobte to 20 000 vývojáři, což je často to, co v těchto společnostech řešíme, a rychle se dostanete k číslu, které není řádkovou položkou, kterou žádný generální manažer plánoval."
Wang poukázal na běžný vzor nesprávného použití: výchozí nastavení nejvýkonnějších – a nejdražších – modelů umělé inteligence pro úkoly, které je nevyžadují. "Ne všechno potřebuje Claude Opus 4.6," řekla o jednom z nejschopnějších modelů Anthropic, který je vhodný pro softwarové inženýrství nebo hluboký výzkum. "A přesto vidíte tolik společností, tolik uživatelů, kteří ve výchozím nastavení používají Opus pro všechno, včetně generování e-mailů."
Vzestup modelového směrování a otevřených vah
Tlak na náklady podnítil poptávku po nástrojích AI „model routing“, které automaticky odesílají jednodušší dotazy do levnějších a účinnějších systémů AI a zároveň rezervují výkonné modely pro složité úkoly. Softwarový vývojář Hassan El Mghari, který vede vývojářské zkušenosti v startup Together AI, uvedl, že šok z nálepek společností nad „směšným množstvím peněz“ utracených za předplatné produktů AI od předních amerických společností vedl mnohé k přehodnocení přístupu maximalizace využití.
"Je lepší dát zaměstnancům možnost, jak tyto věci používat, a nechat je používat AI, kdy a jak moc potřebují," řekl El Mghari.
Mezitím zastánci vysoké spotřeby tokenů nacházejí novou munici v modelech s otevřenou hmotností od čínských startupů, jako je Kimi od Moonshot a GLM od Zhipu, které téměř odpovídají schopnostem špičkových amerických modelů za zlomek ceny. Krikorian uznal, že existuje „určitá platnost teorie, že by to mohlo posunout tokenmaxxing o něco dále“, ale tvrdil, že širší průmyslový trend směřuje k disciplinovanějšímu používání.
Lekce pro Enterprise
Epizoda tokenmaxxing nabízí varovný příběh pro podniky pohybující se v prostředí umělé inteligence. Zatímco přední vývojáři modelů umělé inteligence, jako jsou OpenAI a Anthropic, těžili z nárůstu spotřeby, tato zkušenost přiměla mnoho organizací, aby přijaly měřenější přístupy – zaměřovaly se na konkrétní případy použití, kdy umělá inteligence přináší měřitelné výnosy spíše než maximalizuje hrubé metriky využití.
Vzhledem k tomu, že počáteční cyklus humbuku v oblasti umělé inteligence ustupuje pragmatické implementaci, mohou být úspěšné společnosti, které považují umělou inteligenci za přesný nástroj spíše než za neomalený nástroj, který přiřazuje správný model ke správnému úkolu a bedlivě sleduje účet.
