Koszty AI rosną. 89% firm ogranicza lub zmienia wdrożenia

Rosnące koszty działania sztucznej inteligencji sprawiają, iż przedsiębiorstwa coraz częściej ograniczają jej zastosowania i zmieniają sposób wdrażania technologii, która miała przynosić oszczędności.

Z najnowszego raportu State of Enterprise AI 2026, przygotowanego przez Cloudera, wynika, iż 89% badanych przedstawicieli firm ograniczyło lub przeprojektowało zastosowania AI z powodu rosnącego zużycia tokenów, czyli jednostek wykorzystywanych do przetwarzania informacji przez modele językowe. Badanie przeprowadzono we wrześniu 2026 roku wśród 1500 osób odpowiedzialnych za decyzje technologiczne w dziewięciu krajach.

Problem nie sprowadza się do cen pojedynczych operacji. Chociaż modele AI stają się tańsze w użytkowaniu, firmy wykorzystują je do coraz bardziej złożonych zadań. Według sierpniowej prognozy Gartnera koszty obsługi procesów realizowanych przez agentów AI mogą wzrosnąć ponad pięciokrotnie do 2028 roku.

Koszty nie są jednak jedyną przeszkodą. Aż 98% respondentów badania Cloudera przyznało, iż ich organizacje musiały ograniczyć przynajmniej jedno wdrożenie z powodu błędów, halucynacji lub nieprzewidzianego działania systemów. Jednocześnie 75% wskazuje regulacje i wymagania dotyczące zarządzania AI jako barierę w dalszym rozwoju technologii. Ponad połowa badanych odnotowała również szybszy od oczekiwań wzrost kosztów zapewnienia zgodności z wymaganiami.

Zmieniają się także decyzje infrastrukturalne. Dla 84% respondentów wymogi dotyczące lokalizacji i suwerenności danych wpływają na wybór środowiska uruchamiania AI. Już 45% przeniosło część obciążeń między środowiskami ze względu na koszty, choć takie operacje często wymagają przebudowy istniejącej architektury.

Wyniki wskazują na rosnące znaczenie infrastruktury hybrydowej, pozwalającej dobierać miejsce przetwarzania danych do charakteru zadania, kosztów i wymagań prawnych. Nie jest to jednak rozwiązanie pozbawione dodatkowych wydatków i komplikacji technicznych.

Kolejnym etapem rozwoju firmowej AI może być więc selekcja zastosowań pod kątem ich rzeczywistej opłacalności. Przedsiębiorstwa będą musiały dokładniej mierzyć koszty poszczególnych procesów i oceniać, czy osiągane korzyści uzasadniają dalsze inwestycje. Samo zwiększanie skali wykorzystania AI przestaje być wystarczającym miernikiem postępu.