Z raportu Associated Press wynika, że korporacyjna moda na „tokenmaxxing” w technologii sztucznej inteligencji osiąga swoje granice, ponieważ w miejscach pracy rzucających sztuczną inteligencję na wszystko odnotowuje się wzrost kosztów bez podobnego wzrostu produktywności.
To, co zaczęło się wiosną 2026 r. jako szum wokół branży technologicznej dotyczący wyciśnięcia jak największej ilości pracy generowanej przez sztuczną inteligencję z produktów takich jak ChatGPT firmy OpenAI i Claude firmy Anthropic, przerodziło się w ostry sprzeciw w okresie letnim. Menedżerowie, analitycy i programiści otwarcie kwestionują obecnie, czy maksymalizacja wykorzystania tokenów AI była kiedykolwiek rozsądną strategią. Aby na bieżąco omawiać krajobraz biznesowy sztucznej inteligencji, odwiedź nasze najnowsze raporty dotyczące branży sztucznej inteligencji.
Powstanie i upadek mody
„Tokenmaxxing” odnosi się do maksymalizacji wykorzystania tokenów — elementów składowych generatywnej sztucznej inteligencji, które odpowiadają małym fragmentom tekstu odczytywanego lub zapisywanego przez system sztucznej inteligencji. Każdy token reprezentuje mniej więcej trzy czwarte słowa, a dostawcy sztucznej inteligencji zazwyczaj nakładają limity użytkowania, przy czym droższe subskrypcje oferują wyższe limity.
Trend ten był aktywnie promowany przez niektórych z najwybitniejszych liderów technologii. Dyrektor generalny OpenAI Sam Altman powiedział w maju 2026 r., że jest „podekscytowany perspektywą zobaczenia, co stanie się ze start-upami wykorzystującymi tokenmaxxing, zarówno pod względem sposobu ich wewnętrznej pracy, jak i produktów, które mogą zbudować”. Dyrektor generalny Nvidii, Jensen Huang, oświadczył, że „jeśli twój inżynier o wartości 500 000 dolarów nie spala 250 000 dolarów w tokenach, coś jest nie tak”. Meta, matka Facebooka, przeprowadziła wewnętrzny konkurs nagradzający wysokie wykorzystanie tokenów.
Jednak w miarę narastania kosztów entuzjazm osłabł. „W miarę jak rachunki zaczęły narastać, ludzie zdali sobie sprawę, że te nowe narzędzia są dość drogie i należy z nich korzystać mądrze” – powiedział Vincent Gusdorf, szef działu analityki AI w Moody's Ratings i autor nowego raportu zalecającego bardziej zdyscyplinowane podejście.
„Dzięki sztucznej inteligencji bardzo łatwo jest stworzyć coś, czego nie potrzebujesz” – dodał Gusdorf.
Luz wykonawczy
Sprzeciw wywołały niektóre z najbardziej wpływowych głosów w branży technologicznej. Dyrektor generalny Microsoft Satya Nadella przyznał, że tokenmaxxing może uzależniać, ale przestrzegł, że klienci w rzeczywistości płacą za sztuczną inteligencję podwójnie – po pierwsze, wydając na tokeny, a po drugie, przekazując swoje zastrzeżone dane dostawcom sztucznej inteligencji. Komentarze Nadelli były niezwykłe, ponieważ wyraził wątpliwości co do gwarancji ochrony danych wiodących firm zajmujących się sztuczną inteligencją, mimo że promował własną strategię Microsoftu dotyczącą sztucznej inteligencji.
Dyrektor generalny Palantir, Alex Karp, poszedł dalej, mówiąc CNBC, że coś poszło „całkowicie nie tak”. Powiedział, że przekazuje głos amerykańskich firm, które prywatnie są „wściekłe” z powodu płacenia ogromnych sum za tokeny, które nie tworzą żadnej wartości.
„Podstawowy pogląd wśród przedsiębiorstw w tym kraju jest taki: «Będę się relaksował i marnował czas na tokeny. Nie dostanę żadnej wartości, a oni dostaną moje IP»” – powiedział Karp.
Dyrektor ds. technologii Mozilli, Raffi Krikorian, porównał tokenmaxxing do zdyskredytowanej praktyki mierzenia produktywności programistów za pomocą linii kodu. „Myślę, że tokenmaxxing porusza się według dokładnie tego samego schematu” – powiedział. „Myślę, że to będzie interesujący moment, do którego za rok wszyscy będziemy wracać i śmiać się z niego”.
Problem kosztów na dużą skalę
Skutki finansowe stają się wyraźne w skali przedsiębiorstwa. Jue Wang, konsultantka ds. zarządzania Bain & Company, powiedziała, że wiele dużych firm, którym doradza jej firma, przygląda się bliżej zwrotom z inwestycji w sztuczną inteligencję.
„Symboliczny koszt dla nich podwaja się niemal co drugi miesiąc” – powiedział Wang. „Powiedzmy, że 200 dolarów na programistę miesięcznie. Pomnóż to przez 20 000 programistów, z czym często mamy do czynienia w tych firmach, a szybko otrzymasz liczbę, która nie jest pozycją zaplanowaną przez żadnego dyrektora generalnego”.
Wang wskazał na powszechny wzorzec niewłaściwego użycia: domyślne korzystanie z najpotężniejszych – i najdroższych – modeli sztucznej inteligencji do zadań, które ich nie wymagają. „Nie wszystko wymaga Claude Opus 4.6” – powiedziała o jednym z najpotężniejszych modeli Anthropic, dostosowanym do inżynierii oprogramowania lub głębokich badań. „A mimo to widzisz tak wiele firm, tak wielu użytkowników domyślnie używa Opus do wszystkiego, łącznie z generowaniem e-maili”.
Pojawienie się routingu modeli i otwartych wag
Presja kosztowa zwiększyła popyt na narzędzia do „routowania modeli” sztucznej inteligencji, które automatycznie wysyłają prostsze zapytania do tańszych, bardziej wydajnych systemów sztucznej inteligencji, rezerwując jednocześnie zaawansowane modele do złożonych zadań. Programista Hassan El Mghari, który kieruje doświadczeniem programistów w startupie Together AI, powiedział, że szok wywołany naklejką firm w związku z „absurdalną kwotą” wydaną na subskrypcje produktów AI od wiodących amerykańskich firm skłonił wiele osób do ponownego przemyślenia podejścia maksymalizacji wykorzystania.
„Lepiej po prostu dać pracownikom uprawnienia do korzystania z tych rzeczy i pozwolić im korzystać ze sztucznej inteligencji, kiedy i ile potrzebują” – powiedział El Mghari.
Tymczasem zwolennicy wysokiego zużycia żetonów znajdują nową amunicję w modelach open-weight chińskich start-upów, takich jak Kimi firmy Moonshot i GLM firmy Zhipu, które prawie dorównują możliwościom najlepszych amerykańskich modeli za ułamek ceny. Krikorian przyznał, że teoria, że może to popchnąć tokenmaxxing nieco dalej, ma „pewne uzasadnienie”, ale utrzymywał, że szersza tendencja w branży zmierza w kierunku bardziej zdyscyplinowanego wykorzystania.
Lekcje dla przedsiębiorstwa
Odcinek tokenmaxxing stanowi przestrogę dla firm poruszających się po środowisku sztucznej inteligencji. Chociaż czołowi twórcy modeli sztucznej inteligencji, tacy jak OpenAI i Anthropic, odnieśli korzyści ze wzrostu konsumpcji, doświadczenie to skłoniło wiele organizacji do przyjęcia bardziej wyważonego podejścia – skupiającego się na konkretnych przypadkach użycia, w których sztuczna inteligencja zapewnia wymierne zyski, zamiast maksymalizować surowe wskaźniki wykorzystania.
Ponieważ początkowy cykl szumu dotyczącego sztucznej inteligencji ustępuje miejsca pragmatycznemu wdrażaniu, sukces mogą odnieść te firmy, które traktują sztuczną inteligencję raczej jako precyzyjne narzędzie niż tępy instrument, dopasowując odpowiedni model do właściwego zadania i uważnie obserwując rachunki.
