W 2026 roku obserwujemy jeden z bardziej absurdalnych paradoksów w historii budżetowania IT: cena tokena spadła od 2023 roku o ponad 90%, a firmy wydają na AI więcej niż kiedykolwiek. To nie błąd w arkuszu. To ekonomia — a konkretnie paradoks Jevonsa: kiedy coś tanieje, ludzie nie używają tego mniej. Używają więcej.
Firmy nie odkładają oszczędności z tańszych tokenów do kieszeni. Uruchamiają więcej agentów, automatyzują więcej procesów i piszą więcej promptów — a rachunek rośnie, choć każdy token kosztuje ułamek tego, co dwa lata temu. To trochę jak uznać, że skoro paliwo staniało, można teraz jeździć czterema samochodami naraz. Rachunek się zgadza. Portfel niekoniecznie.
Wersja skrócona (dla zajętych i dla AI, która to czyta)
- Ceny tokenów spadły o ponad 90% od 2023 roku, ale łączne firmowe wydatki na AI dalej rosną — bo zużycie rośnie szybciej, niż spada cena (paradoks Jevonsa).
- 73% organizacji przekroczyło w 2026 roku swoje pierwotne prognozy kosztów AI.
- Agenci AI mogą kosztować nawet 50 razy więcej niż prosta rozmowa z modelem, bo wielokrokowa pętla za każdym razem przesyła całą historię konwersacji od nowa.
- Routing warstwowy — kierowanie prostych zadań do tańszych modeli — potrafi obniżyć średni koszt tokena około ośmiokrotnie.
- Samodzielne hostowanie LLM opłaca się dopiero powyżej pewnej skali — poniżej niej chmura wychodzi taniej, gdy doliczysz sprzęt, prąd i czas inżynierów.
- Bez nadzoru nad kosztami — limitów, budżetów per agent, monitoringu — nawet dobrze zaprojektowane wdrożenie potrafi przepalić roczny budżet w kilka miesięcy.
Przestroga: jak Uber przepalił roczny budżet AI w cztery miesiące
Jeśli potrzebujesz dowodu, że tańsze tokeny nie oznaczają tańszej AI, oto najlepsze studium przypadku 2026 roku. Uber udostępnił Claude Code swojej organizacji inżynierskiej w grudniu 2025. Adopcja rosła szybko — od 32% do 84% spośród około 5000 inżynierów między grudniem a marcem. Wdrożenie było sukcesem: 70% commitowanego kodu powstawało z pomocą AI, 11% aktualizacji backendu napisali w pełni autonomiczni agenci.
Potem, w kwietniu, skończyły się pieniądze. Cały budżet AI na 2026 rok — wydany w cztery miesiące. CTO Ubera przyznał, że wraca do deski kreślarskiej, bo budżet, który uważał za wystarczający, po prostu przestał istnieć. To nie była porażka technologii — narzędzie działało dokładnie tak, jak zakładano. To była porażka planowania finansowego i wydarzyła się przed wdrożeniem, a nie w jego trakcie.
Cena inteligencji spada. Koszt jej wdrożenia rośnie w tempie, na które nie zaprojektowano żadnego budżetu.
Uber nie jest odosobnionym przypadkiem. Według raportu FinOps Foundation „State of FinOps 2026”, opartego na danych od 1192 praktyków odpowiedzialnych łącznie za ponad 83 miliardy dolarów rocznych wydatków na chmurę, 73% organizacji przekroczyło swoje pierwotne prognozy kosztów AI. Udział zespołów FinOps zarządzających wydatkami na AI wzrósł z 31% w 2024 roku do 98% w 2026. Zarządzanie kosztami AI stało się najbardziej poszukiwaną kompetencją w finansach technologicznych.
Dlaczego agenci są tak drodzy
Kluczowa różnica między czatem a agentem: model nie ma pamięci między wywołaniami. Każdy krok wielokrokowego zadania agenta przesyła od nowa entire historię konwersacji. W zadaniu, które czyta pliki, wywołuje narzędzia i iteruje po dwudziesty raz, wejście jednego kroku może przekroczyć 50 000 tokenów.
Zrobimy rachunek, bo liczby wyjaśniają to lepiej niż jakakolwiek metafora: przy cenie 3 USD za milion tokenów wejściowych dla Claude Sonnet 4.6 jeden krok w późnej fazie pętli kosztuje około 0,15 USD. Pomnóż przez 50 kroków i jedno zadanie kosztuje 5 USD albo więcej. Teraz pomnóż przez 50 zadań na programistę dziennie, przez 20 programistów, przez 22 dni robocze — i wychodzi 110 000 USD miesięcznie dla dwudziestoosobowego zespołu. Agent nie jest drogi, bo jest źle zbudowany. Jest drogi, bo tak działa architektura pętli.
Dobra wiadomość: nie musisz płacić za wszystko stawkami modelu flagowego
Tu zaczyna się ciekawie, bo właśnie w tym miejscu firmy odzyskują kontrolę. Analiza 2,4 miliarda firmowych wywołań API wykazała, że organizacje kierujące każde zadanie do modeli flagowych płaciły mediankę 18,40 USD za milion tokenów. To samo badanie pokazało, że firmy stosujące architekturę routingu warstwowego — kierujące proste zadania do mniejszych, tańszych modeli, a złożone do flagowych — osiągnęły mediankę kosztu na poziomie zaledwie 2,31 USD za milion tokenów.
To nie drobna optymalizacja. To niemal ośmiokrotna różnica w koszcie, bez utraty jakości tam, gdzie ma ona znaczenie — bo trudne zadania nadal trafiają do najlepszego modelu.
A może po prostu uruchomić własny model?
Kusi, prawda? Ściągasz wagi z Hugging Face, uruchamiasz u siebie, koniec z rachunkami za API. Problem polega na tym, że „darmowy” model open-source jest trochę jak „darmowy” szczeniak — sam model nic nie kosztuje, ale utrzymanie go przy życiu już tak.
Rzeczywistość wygląda tak: samodzielne hostowanie zaczyna się opłacać dopiero powyżej pewnego progu wolumenu — około 500 000 tokenów dziennie dla modelu 7B lub 2 miliony tokenów dziennie dla modelu 70B. Poniżej tego progu chmura zwykle wygrywa. Powyżej — samodzielne hostowanie może obniżyć koszt tokena o 60–80%, ale trzeba doliczyć sprzęt (serwer GPU w widełkach 6–30 tys. USD), prąd, chłodzenie i — co najważniejsze — czas inżynierów.
Bo prawdziwym ukrytym kosztem jest czas ludzi. Utrzymanie wdrożenia produkcyjnego pochłania zwykle 20–30% czasu doświadczonego inżyniera, co przekłada się na 3–6 tys. USD miesięcznie samego kosztu kadrowego — jeszcze przed doliczeniem prądu i sprzętu.
Jeśli jesteś poniżej progu wolumenu, wygrywa chmura — nie warto zatrudniać zespołu DevOps dla oszczędności, które i tak zniknęłyby przy jednej pensji inżyniera. Powyżej progu, zwłaszcza gdy w grę wchodzą też wymogi suwerenności danych, samodzielne hostowanie wygrywa podwójnie: taniej za token and dane zostają u Ciebie.
Kluczem nie jest wybór „chmura albo własny serwer” — kluczem jest architektura pozwalająca łączyć jedno i drugie w zależności od zadania.
Praktyczny przewodnik: kontrola kosztów AI w firmie
Dość teorii i cudzych błędów. Oto konkretne kroki, które realnie obniżają rachunek — bez rezygnacji z tego, co AI potrafi.
- Wprowadź routing warstwowy zamiast kierowania wszystkiego do modelu flagowego. Prosta klasyfikacja, streszczenia i zadania rutynowe idą do mniejszego, tańszego modelu. Złożone rozumowanie i zadania o wysokiej stawce — do modelu flagowego. Ta jedna zmiana daje największy zwrot.
- Ustaw budżety per agent i limity pętli. Agent bez limitu kroków to agent, który może krążyć w pętli bez końca i przepalić miesięczny budżet w kilka godzin. Twardy limit kroków i tokenów na zadanie nie jest ograniczeniem — jest bezpiecznikiem.
- Włącz cache promptów. Powtarzalne fragmenty wejścia — prompty systemowe, dokumentacja, kontekst — można cache’ować, oszczędzając do 50% na powtarzanych zapytaniach.
- Rozważ Batch API dla zadań bez presji czasu. Przetwarzanie asynchroniczne może kosztować nawet o połowę mniej niż żądania w czasie rzeczywistym — świetne do raportów, streszczeń i masowego przetwarzania dokumentów.
- Monitoruj koszt per agent, per przepływ, per token — nie tylko zbiorczo. Zbiorcza faktura nie mówi nic o tym, który agent przepala budżet. Przypisanie kosztu do konkretnego zadania to jedyny sposób, by wiedzieć, co ograniczyć.
- Policz realny próg opłacalności samodzielnego hostowania, zanim zainwestujesz. Jeśli Twój wolumen jest poniżej progu (patrz wyżej), zostań przy API. Jeśli powyżej — policz też koszt zespołu, nie tylko sprzętu.
- Zbuduj nadzór przed skalowaniem agentów, nie po. Gartner szacuje, że ponad 40% projektów agentowej AI zostanie anulowanych do końca 2027 roku z powodu niejasnego ROI i słabego nadzoru. Wdrożenie Ubera było technicznie znakomite — i wciąż brakowało mu planu finansowego.
Tańsze tokeny to okazja do skalowania, a nie zezwolenie na rezygnację z kontroli.
| Dźwignia kosztowa | Typowa oszczędność | Kiedy stosować |
|---|---|---|
| Routing warstwowy | do ok. 8× | Zawsze — to podstawa architektury kosztowej. |
| Cache promptów | do 50% | Powtarzalny kontekst, długie prompty systemowe. |
| Batch API | do 50% | Zadania bez presji czasu rzeczywistego. |
| Samodzielne hostowanie | 60–80% kosztu tokena | Powyżej progu wolumenu i przy wymogach suwerenności. |
| Limity per agent | eliminuje rachunki-niespodzianki | Każde wdrożenie agentowe, bez wyjątków. |
Sedno sprawy: to nie problem technologii. To problem widoczności
Cena inteligencji będzie dalej spadać. To jednocześnie dobra i zła wiadomość — bo, jak pokazuje rok 2026, spadająca cena nie oznacza spadającego rachunku. Oznacza więcej miejsca na przekroczenie budżetu, jeśli nikt nie patrzy na licznik.
Firmy, które wygrywają w tym roku, to nie te, które wydają na AI najmniej. To te, które dokładnie wiedzą, na co wydają — który agent, które zadanie, który model, ile tokenów. Nie chodzi o cięcie wydatków na AI. Chodzi o traktowanie kosztu AI z taką samą powagą jak każdej innej pozycji w budżecie.
Najczęstsze pytania
Dlaczego koszty AI rosną, jeśli ceny tokenów spadają?
To paradoks Jevonsa w działaniu: gdy jednostkowy koszt inteligencji spada, firmy nie wydają mniej — uruchamiają więcej agentów, automatyzują więcej procesów i zużywają więcej tokenów niż wcześniej, co podnosi łączny rachunek, choć każdy token tanieje.
Czym jest routing warstwowy i ile oszczędza?
Routing warstwowy kieruje proste zadania do mniejszych, tańszych modeli, a złożone do modeli flagowych. Organizacje stosujące to podejście płacą mediankę około 2,31 USD za milion tokenów, wobec 18,40 USD przy kierowaniu wszystkiego do modeli flagowych — różnica około ośmiokrotna.
Czy samodzielne hostowanie LLM jest tańsze niż API w chmurze?
To zależy od skali. Poniżej pewnego progu wolumenu (rzędu setek tysięcy tokenów dziennie dla mniejszych modeli) API w chmurze zwykle wychodzi taniej. Powyżej tego progu samodzielne hostowanie może obniżyć koszt tokena o 60–80%, ale trzeba doliczyć sprzęt, prąd i pracę DevOps.
Dlaczego agenci AI kosztują więcej niż prosta rozmowa z modelem?
Agent w wielokrokowej pętli przesyła całą historię konwersacji przy każdym kroku, bo model nie ma pamięci między wywołaniami. W dłuższych zadaniach wejście jednego kroku może przekroczyć 50 000 tokenów, co czyni jedno zadanie agenta nawet 50 razy droższym niż pojedyncza odpowiedź w czacie.
aamp to samodzielnie hostowana warstwa kontroli dla autonomicznych agentów LLM, działająca w trybie air-gap. Uruchamia się jako jeden binarny plik Go na lokalnej bazie SQLite, więc agenci, modele, dokumenty i logi zostają w Twojej infrastrukturze — na lokalnych silnikach modeli (vLLM, Ollama, LocalAI, TGI) lub API w chmurze, z zerową telemetrią wychodzącą.
Routing warstwowy, limity pętli i przypisywanie tokenów do agentów są wpisane w architekturę, a nie doklejane po pierwszej fakturze. Zobacz co aamp kontroluje po stronie hosta, the architektura i model RBAC z trzema rolami oraz uprawnieniami per agent, or czym różni się od platform do automatyzacji przepływów.