Jak wynika z nowej, uderzającej analizy firmy Gartner opublikowanej 24 czerwca 2026 r. przez CIO.com, przedsiębiorstwa wdrażające agentów kodujących AI mogą wkrótce płacić za wykorzystanie tokenów AI przez swoich programistów tyle samo, co za same pensje programistów.

Przewidywania starszego głównego analityka firmy Gartner, Nitish Tyagi, ostrzegają, że koszty tokenów AI osiągną lub przekroczą miesięczne wynagrodzenie typowego inżyniera oprogramowania w ciągu najbliższych dwóch lat. Prognoza odzwierciedla zasadnicze przejście od płaskiego modelu SaaS z obsługą stanowiska, na którym przedsiębiorstwa polegają od lat, w kierunku cen opartych na zużyciu, w którym każde wywołanie interfejsu API, każde rozszerzenie okna kontekstowego i każdy przepływ pracy oparty na agentach zwiększają rachunek. Dla przedsiębiorstw śledzących szerzej rozumianą ekonomikę transformacji branży sztucznej inteligencji jest to sygnał ostrzegawczy, że kończy się faza miesiąca miodowego tanich eksperymentów ze sztuczną inteligencją.

Liczby kryjące się za ostrzeżeniem

Tyagi starannie wyjaśnił, że przewidywania Gartnera opierają się na średniej globalnej pensji programistów wynoszącej około 2000 dolarów miesięcznie. W Stanach Zjednoczonych, gdzie roczne wynagrodzenie programistów zwykle przekracza sześciocyfrowe kwoty, równowartość symbolicznych wydatków nie osiągnęła jeszcze parytetu. Ale różnica szybko się zamyka.

„Słyszałem przerażające liczby, takie jak: «Mój programista zużył w zeszłym miesiącu 20 tys. dolarów» czy «Użytkownik biznesowy zużył 32 tys. dolarów»” – Tyagi powiedział CIO.com. „Celem jest zaalarmowanie branży o wpływie kosztu tokena, jeśli nie jest on regulowany i kontrolowany”.

Eksplozja kosztów wynika z kilku zbieżnych czynników. Programiści w szybkim tempie wdrażają narzędzia do generatywnej sztucznej inteligencji i kodowania agentycznego, a narzędzia te zużywają znacznie więcej tokenów niż proste interakcje oparte na czacie. Przepływy pracy oparte na agentach, które mogą działać autonomicznie przez dłuższy czas, generują ogromne zużycie tokenów podczas iteracji po bazach kodu, utrzymują rozdęte okna kontekstowe i wykonują powtarzające się wywołania API.

Dlaczego koszty wymykają się spod kontroli

Część problemu ma charakter strukturalny. Dostawcy oprogramowania AI nie dostarczyli jeszcze tego, co Tyagi nazywa „dojrzałymi, wbudowanymi możliwościami optymalizacji kosztów”. Przedsiębiorstwa płacą za inwestycje w infrastrukturę, które dostawcy przekazują klientom, jednocześnie starając się utrzymać rentowność. Rezultatem jest krajobraz cenowy, który jest zarówno nieprzejrzysty, jak i rosnący.

Wielu organizacjom brakuje również dojrzałości i ram zarządzania, aby określić, czy wydatki na sztuczną inteligencję zapewniają zwrot z inwestycji. Okna kontekstowe stają się rozdęte, budżety wyczerpują się wcześniej, niż przewidywano, a symboliczne wydatki stają się trudne do uzasadnienia. Co gorsza, osoby niebędące programistami coraz częściej sięgają po narzędzia AI w miarę lepszego ich poznawania, co jeszcze bardziej zwiększa wykorzystanie rozwiązań w całej organizacji.

Być może wbrew intuicji Tyagi zauważył, że nie ma „bezpośredniego związku” pomiędzy ilością tokenów zużywanych przez programistę a rzeczywistym wzrostem produktywności. Więcej tokenów nie oznacza automatycznie lepszego kodu lub szybszej dostawy.

„Tokenmaxxing nie jest bezpośrednio powiązany z większym wzrostem produktywności” – powiedział Tyagi, „ale optymalizacja zużycia tokenów już tak”.

Recepta Gartnera na kontrolę kosztów

Gartner nie zaleca przedsiębiorstwom rezygnowania z agentów kodujących AI. Bynajmniej. Wytyczne firmy skupiają się na ustanowieniu ładu korporacyjnego i kontroli kosztów, zanim koszty osiągną poziom możliwy do odzyskania.

Wśród konkretnych zaleceń:

  • Ustaw progi tokenów. Organizacje powinny wprowadzić wyraźne limity wydatków i zautomatyzować monitorowanie wykorzystania, aby wychwycić niekontrolowane zużycie, zanim wyczerpie ono budżety.
  • Klasuj zadania według poziomu autonomii. Gartner sugeruje podzielenie pracy na trzy modele wykonania: kierowany przez programistę, programista z agentem i całkowicie kierowany przez agenta. Nie każde zadanie gwarantuje zużycie tokenów w modelu granicznym.
  • Kieruj według złożoności. Prostsze zadania wymagające dużej częstotliwości należy kierować do mniejszych, tańszych modeli, a eskalacja do modeli granicznych jest zarezerwowana dla złożonych prac o dużej wartości.
  • Inżynieria kontekstu mandatu. Programistów należy przeszkolić w zakresie optymalizacji kontekstu, który przekazują sztucznej inteligencji, włączając tylko istotne informacje i podsumowując, jeśli to możliwe, aby zmniejszyć obciążenie tokena.

Nowy wskaźnik produktywności

Tradycyjna miara „napisanych linii kodu” stała się przestarzała, odkąd narzędzia AI zaczęły generować całe biblioteki Pythona w ciągu kilku sekund. Gartner twierdzi, że wartość należy obecnie mierzyć jakością, szybkością i zadowoleniem klienta, a nie surową wielkością produkcji.

Kluczowe pytania, które przedsiębiorstwa powinny sobie zadać, to m.in. to, jak szybko programiści mogą udostępnić ważne funkcje, ile czasu skraca się pomiędzy rozwojem oprogramowania a otrzymaniem opinii oraz czy szybka wysyłka przy zachowaniu jakości zapewnia prawdziwą przewagę konkurencyjną.

Rada Tyagi dla liderów jest pragmatyczna: nie traktuj rosnących kosztów kodowania AI jako powodu do odejścia od AI i nie przechodź od razu do modeli open source we wszystkim. Celem – podkreślił – jest optymalizacja kosztów bez utraty wartości, jaką wnoszą te narzędzia.

Szerszy obraz przedsiębiorstwa

Ostrzeżenie firmy Gartner pojawia się w momencie, gdy przedsiębiorstwa z różnych branż przechodzą od eksperymentów ze sztuczną inteligencją do skalowanych wdrożeń. Firmy powstrzymują wydatki i żądają konkretnych wyników, a rozdźwięk między inwestycjami w sztuczną inteligencję a mierzalnymi zwrotami staje się problemem na poziomie zarządu.

Zwłaszcza dla zespołów zajmujących się tworzeniem oprogramowania przekaz jest jasny: era nieograniczonej konsumpcji tokenów AI jest nie do utrzymania. Przedsiębiorstwa, które nie wdrożą ram zarządzania, ryzykują obecnie stwierdzeniem, że ich narzędzia do kodowania AI kosztują więcej niż inżynierowie, których mieli wspierać.

---

Wyprzedź wpływ gospodarczy sztucznej inteligencji

Od presji kosztowej przedsiębiorstw po miliardowe rundy finansowania – biznes związany ze sztuczną inteligencją rozwija się szybko. Śledź AI Buzz Wire, aby uzyskać dogłębną analizę sił finansowych zmieniających krajobraz technologiczny.

Przeczytaj więcej aktualności o sztucznej inteligencji →