Dyrektor finansowy OpenAI przedstawia miernik „użytecznej inteligencji w przeliczeniu na dolara” w przypadku wydatków na sztuczną inteligencję

Dyrektor finansowy OpenAI Sarah Friar nalega, aby firmy porzuciły wskaźniki stosowane od dziesięcioleci do oceny oprogramowania i przyjęły nową miarę sztucznej inteligencji – opartą na wykonanej pracy, a nie liczbie osób korzystających z narzędzia.

W poście na blogu opublikowanym w piątek 17 lipca 2026 r. i rozwiniętym w poście na LinkedIn opublikowanym przez Axios, Fortune i CFO Dive, Friar przedstawiła, jak to nazywa, podejście „użyteczna inteligencja za dolara”. Podstawowy argument: wskaźniki definiujące erę SaaS – miejsca, aktywni użytkownicy, odnowienia – nie odzwierciedlają wartości, jaką tworzy sztuczna inteligencja. Aby na bieżąco analizować, jak przedsiębiorstwa radzą sobie z ekonomią sztucznej inteligencji, śledź nasze relacjonowanie branży AI.

Cztery pytania

Friar proponuje, aby organizacje oceniały wartość sztucznej inteligencji, odpowiadając na cztery pytania:

1. Czy sztuczna inteligencja wykonuje pracę, która ma znaczenie?
2. Ile kosztuje każde zakończone sukcesem zadanie?
3. Czy ludzie mogą polegać na wyniku?
4. Czy każdy dolar AI generuje większą wartość w miarę wzrostu wykorzystania?

„Przez lata oprogramowanie mierzono poprzez adopcję: stanowiska, aktywni użytkownicy, odnowienia” – napisał Friar na LinkedIn. „Sztuczna inteligencja jest inna — należy ją mierzyć wykonaną pracą”.

Ramowanie przekształca zużycie tokenów – ilość przetwarzania sztucznej inteligencji, za którą płaci firma – nie jako koszt, który należy zminimalizować, ale jako surowiec, który staje się wartościowy dopiero wtedy, gdy zostanie przekształcony w użyteczny wynik. „Tokeny tworzą wartość, gdy przekształcają się w pracę, z której ludzie mogą korzystać” – napisała, argumentując, że w miarę zwiększania się możliwości modeli mogą podejmować się dłuższych, wieloetapowych zadań, które zachowują kontekst, analizują różne narzędzia i dostosowują się w miarę upływu czasu.

Dlaczego OpenAI teraz to forsuje

Sprawa pojawia się w niewygodnym momencie dla branży sztucznej inteligencji. Według danych firmy Gartner cytowanych przez CFO Dive prognozuje się, że światowe wydatki na sztuczną inteligencję osiągną 2,59 biliona dolarów w 2026 r., co oznacza wzrost o 47% rok do roku. Jednak dowody na to, że wydatki się zwracają, są nadal nikłe. Badanie PwC opublikowane w styczniu wykazało, że tylko 12% dyrektorów generalnych stwierdziło, że sztuczna inteligencja przyniosła korzyści zarówno pod względem kosztów, jak i przychodów. Kolejne 33% zgłosiło wzrost kosztów lub przychodów, podczas gdy 56% stwierdziło, że jak dotąd nie zaobserwowało żadnych znaczących korzyści finansowych.

Ta luka powoduje widoczną frustrację na szczycie drabiny korporacyjnej. Dyrektor generalny Palantir Alex Karp powiedział niedawno CNBC, że wielu liderów biznesowych jest „zmęczonych” ekonomiką dużych modeli językowych i wątpi, czy rosnące koszty symboliczne przekładają się na zyski — komentuje Karp podczas promowania własnej technologii Palantir i uznawany jest za motywowany komercyjnie.

Dla OpenAI, która sprzedaje przedmiotowe tokeny, przeformułowanie rozmowy wokół wyników, a nie konsumpcji, ma strategiczne znaczenie. Jeśli klienci mierzą sukces na podstawie wykonanej pracy, wówczas płacenie więcej za model pionierski, który niezawodnie wykonuje złożone zadanie, będzie wyglądać na efektywność, a nie marnotrawstwo.

Odejście od nastawienia polegającego na siedzeniach i odnawianiu

Koncepcja „użytecznej inteligencji za dolara” wpisuje się w szersze przemyślenie na temat sposobu wyceny i pomiaru sztucznej inteligencji. Tradycyjne oprogramowanie dla przedsiębiorstw było sprzedawane na stanowisko; Ceny sztucznej inteligencji oparte na użyciu łamią ten model, ponieważ pojedyncze stanowisko może teraz zużywać bardzo różną ilość mocy obliczeniowej w zależności od zadania. Cztery pytania Friara skutecznie zachęcają kupujących do zbudowania wewnętrznej księgowości wokół ukończonych zadań i kosztu udanego zadania — liczby znacznie trudniejszej do śledzenia niż liczba pracowników, ale odzwierciedlającej faktyczne działanie technologii.

Nie wszyscy są przekonani, że nowa miara faworyzuje kupujących. Krytycy zauważają, że „wykonana praca” jest trudna do zdefiniowania i skontrolowania, a dostawcy mają wszelkie powody, aby klasyfikować wyniki sztucznej inteligencji jako udane. Niezawodność — trzecie pytanie Friara — jest szczególnie trudna do zmierzenia, gdy modele dają pewne, ale błędne odpowiedzi, co jest zjawiskiem znanym jako halucynacja. Bez niezależnej weryfikacji istnieje ryzyko, że wskaźnik ten stanie się narzędziem marketingowym, a nie mechanizmem rozliczalności.

Mimo to propozycja odzwierciedla rzeczywistą zmianę w rozmowie. Po dwóch latach zapierających dech w piersiach wskaźników wdrażania dyrektorzy domagają się dowodów na to, że wydatki na sztuczną inteligencję zarabiają. Firmy, które będą w stanie odpowiedzieć na cztery pytania Friara za pomocą danych – niezależnie od tego, czy skorzystają z modeli OpenAI, czy konkurencji – to te, których budżety przetrwają nieuniknioną kontrolę.

Źródła

– CFO Dive, „OpenAI wyznacza nową miarę pomiaru inwestycji w sztuczną inteligencję”, 17 lipca 2026 r.
– Axios, „Wyłącznie: dyrektor finansowy OpenAI przedstawia nowy sposób pomiaru wartości sztucznej inteligencji”, 17 lipca 2026 r.
– Fortune, „CFO OpenAI: 4 pytania, które pokazują, czy Twoje wydatki na sztuczną inteligencję się opłacają”, 17 lipca 2026 r.

Wyprzedź konkurencję dzięki sztucznej inteligencji dla przedsiębiorstw

Ekonomika sztucznej inteligencji jest przepisywana w czasie rzeczywistym. Dodaj do zakładek naszą stronę główną, aby uzyskać [najnowsze relacje biznesowe związane ze sztuczną inteligencją] (https://aibuzzwire.news).

Przeczytaj więcej aktualności o sztucznej inteligencji →