Kryzys pomiaru AI: ile naprawdę kosztuje AI w przedsiębiorstwie i jak sprawdzić, czy się opłaca

Prowokacja potraktowana poważnie

Dziennikarz technologiczny Ed Zitron od dwóch lat argumentuje głośno, że branża AI operuje na liczbach, których nikt nie jest w stanie zweryfikować — że prawdziwy koszt inferencji jest zaciemniony, przychody są znikome wobec wydatków, a „AI nie ma zwrotu z inwestycji". To polemika, a jej części są sporne. Ale pod retoryką kryje się twierdzenie, które trudniej zbagatelizować i które ten artykuł postanawia zweryfikować w oparciu o pierwotne źródła, a nie o odczucia: większość przedsiębiorstw naprawdę nie potrafi zmierzyć, ile kosztuje AI, ani udowodnić, co ono zwraca.

To nie jest pytanie giełdowe. To pytanie strategiczne. Zarząd nie musi wiedzieć, czy OpenAI jest dobrą inwestycją, żeby wiedzieć, czy własny program AI przynosi wartość — a tymczasem, na podstawie opublikowanych dowodów, większość zarządów nie potrafi odpowiedzieć na to drugie pytanie liczbą. Znamienne jest, że zgadzają się z tym sami twórcy narzędzi, które mają ten problem rozwiązać. FinOps Foundation — podmiot Linux Foundation, który de facto definiuje dyscyplinę zarządzania kosztami chmury — stwierdza wprost, że „pomiar i kwantyfikacja wartości biznesowej inicjatyw AI zostały wskazane jako poważne wyzwanie" przez praktyków zarządzających wydatkami na AI, a metody to robienia nadal się kształtują, a nie są ustalone.¹¹

Krytyka zatem trafia w cel. Interesujące pytanie brzmi: co robi z tym poważny operator. Artykuł przechodzi przez cztery miejsca, w których pomiar się załamuje — dowody na ROI, stronę kosztową, ekonomię dostawców i to, dlaczego piloty utykają — a następnie przedstawia instrumentarium, z którego faktycznie korzystają organizacje potrafiące mierzyć. Każdy poniższy wykres pochodzi z pierwotnego badania lub dokumentu ramowego, a tam, gdzie źródło jest słabe lub sporne, mówi się o tym w tekście, a nie chowa w przypisach.

Satysfakcja wysoka. Zmierzony zwrot — niekoniecznie.

Najczystszy wniosek z badań przeprowadzonych w 2025 roku nie brzmi: AI zawodzi. Brzmi: adoptujący są z niego zadowoleni, a mimo to nie potrafią pokazać pieniędzy. Badanie ankietowe kadry kierowniczej Bain & Company z III kwartału 2025 roku wykazało, że spośród 59% firm wdrażających generatywną AI w sposób znaczący, technologia spełniła lub przekroczyła oczekiwania w ok. 80% przypadków we wdrożonych funkcjach. W tym samym badaniu tylko ok. 23% wszystkich respondentów stwierdziło, że generatywna AI rzeczywiście przyniosła więcej przychodów lub niższe koszty.¹ Ta luka — między „działa" a „potrafimy przypisać jej wartość" — to kryzys pomiaru ujęty w jednym wykresie.

Gdyby było to jedno badanie, byłoby jedynie anegdotą. Tak nie jest. Badanie S&P Global Market Intelligence Voice of the Enterprise, przeprowadzone na ok. 1006 specjalistach IT i pracownikach liniowych w Ameryce Północnej i Europie, wykazało, że odsetek organizacji porzucających większość inicjatyw GenAI przed wdrożeniem produkcyjnym wzrósł rok do roku ponad dwukrotnie — z 17% do 42% — a średnio 46% projektów było porzucanych gdzieś między proof of concept a szeroką adopcją.²

To samo badanie podłużne ujawniło coś bardziej wymownego niż jakakolwiek pojedyncza liczba porzuceń: odsetek organizacji raportujących pozytywny wpływ GenAI spadł we wszystkich mierzonych celach przedsiębiorstwa, rok do roku. Nie przesunięcie, nie plateau — spadek na wszystkich trzech frontach jednocześnie.

Liczba 95% i dlaczego należy ją traktować ostrożnie

Żadna statystyka w tej debacie nie podróżuje szerzej niż ta z MIT. Raport inicjatywy NANDA Media Lab, The GenAI Divide: State of AI in Business 2025 — oparty na 150 wywiadach z liderami, badaniu ankietowym 350 pracowników i analizie 300 publicznych wdrożeń — podaje, że ok. 5% pilotów AI w przedsiębiorstwach osiąga szybkie przyspieszenie przychodów, podczas gdy ok. 95% przynosi niewielki lub zerowy mierzalny wpływ na rachunek zysków i strat.³ Raport dokumentuje też stromy lejek adopcji narzędzi zadaniowych i wbudowanych, w przeciwieństwie do znacznie łagodniejszej ścieżki dla ogólnych chatbotów, takich jak ChatGPT i Copilot.

Powód, by trzymać wszystkie trzy źródła w polu widzenia jednocześnie, jest taki, że zawodzą one w różny sposób. Bain to małe badanie ankietowe kadry kierowniczej. S&P to większe badanie podłużne. MIT to kwestionowany nagłówek. Nie zgadzają się co do liczby — zgadzają się co do kształtu: adopcja jest szeroka, satysfakcja jest realna, a atrybucja finansowego zwrotu jest rzadka i coraz trudniejsza do udowodnienia. Ten kształt jest odporny, nawet gdy każda poszczególna liczba jest miękka.

Dlaczego „tańsze tokeny" dają wyższe rachunki

Strona zwrotów jest trudna do zmierzenia. Strona kosztów jest, jeśli to możliwe, jeszcze trudniejsza — bo główny trend wskazuje w kierunku odwrotnym do rachunku. Ceny za token drastycznie spadły. Stanford HAI AI Index dokumentuje ok. 280-krotny spadek kosztu odpytania modelu o jakości równoważnej GPT-3.5 między listopadem 2022 a październikiem 2024 — z ok. 20 USD do ok. 0,07 USD za milion tokenów.⁸ Nawet przy konserwatywnym porównaniu tego samego modelu praktycy szacują spadek o rząd wielkości w ciągu dwóch lat. A jednak firmowe rachunki za AI rosną, a nie maleją, ponieważ zużycie rośnie szybciej niż spada cena — klasyczna dynamika paradoksu Jevonsa, gdzie efektywność rozszerza użycie szybciej niż obniża koszt jednostkowy.⁹

Wielkość należy zakotwiczać w danych Stanford HAI; liczba „>100×" wzrostu zużycia i anegdoty o wyczerpaniu budżetu pochodzą z relacji VentureBeat i mają charakter kierunkowy. Źródła: Stanford HAI AI Index 2025; VentureBeat, „Cheaper tokens, bigger bills".

Spadające ceny nadal pozwalałyby nabywcy prognozować, gdyby jednostka była stabilna. Tak nie jest. Prawdziwy koszt workloadu AI jest tak trudny do poznania dlatego, że zależy od zbyt wielu wzajemnie oddziałujących zmiennych, by rozumować o nich intuicyjnie: który model rzeczywiście obsługuje dane żądanie, gdzie workload jest wykonywany, jak ustrukturyzowany jest prompt i kontekst, ile retrieval jest wczytywane do okna kontekstowego, a przede wszystkim — ile razy pętla agentyczna się zapętla. Analizy branżowe CloudZero i IDC opisują agentyczne wzorce wieloetapowe amplifikujące zużycie tokenów od 5 do 30 razy dla jednego zadania widocznego dla użytkownika. Zarządzanie tym jest, słowami jednego z praktyków, „problemem inżynierskim wymagającym ciągłego dostrajania" — co przeramowuje prompt engineering jako dyscyplinę zarządzania kosztami, a nie craft tworzenia promptów.⁹

Konsekwencja widoczna jest bezpośrednio w dokładności budżetowania. Dane FinOps Foundation z raportu State of FinOps 2026 wskazują, że tylko ok. 15% przedsiębiorstw prognozuje koszty AI z dokładnością do ±10%, a ok. co czwarte mija swoje prognozy o ponad 50%.¹⁰ Pozycja, którą chybia się o połowę, nie jest pozycją, na której można oprzeć business case.

To ta część krytyki Zitrona, która trzyma się najlepiej. Nie „AI jest bezwartościowe" — dowody na produktywność poniżej temu przeczą — ale „prawdziwy koszt jednostkowy jest strukturalnie trudny do poznania". I tak właśnie jest. A organizacja, która nie potrafi podać kosztu na jednostkę pracy, nie może obliczyć zwrotu, bez względu na to, jak dobra jest ta praca.

Ekonomia dostawców — jako ryzyko zakupowe, nie jako perspektywa inwestycyjna

Wycenianie dostawców modeli nie jest zadaniem nabywcy. Jego zadaniem jest jednak rozumienie, że cena, którą płaci dzisiaj, opiera się na strukturze ekonomicznej wciąż szukającej swojego poziomu — bo ta struktura determinuje stabilność cenową i ryzyko kontrahenta, które są danymi wejściowymi do budżetowania. Trzy fakty, wszystkie z relacji opartych na danych samych dostawców, wystarczą, by scharakteryzować ekspozycję.

Po pierwsze, plany wydatków OpenAI przesunęły się na tyle, by mieć znaczenie. W lutym 2026 CNBC podało, że firma zresetowała swój docelowy poziom wydatków na moc obliczeniową w dół — z ok. 1,4 biliona dolarów w zobowiązaniach infrastrukturalnych, które CEO Sam Altman wcześniej zapowiadał, do ok. 600 miliardów dolarów do 2030 roku — wyraźnie po to, by powiązać wydatki ściślej z oczekiwanym wzrostem przychodów.⁵ Po drugie, jej wyniki za 2025 rok, zgodnie z relacjami, pokazują realny wynik gotówkowy: ok. 13,1 miliarda dolarów przychodów przy ok. 8 miliardach dolarów spalonych środków pieniężnych.⁵

To niezaudytowane dane przekazywane poprzez relacje o wewnętrznych prognozjach prywatnej spółki — najlepszy dostępny kanał, potwierdzony przez CNBC, Reuters i Bloomberg, ale z natury niezależnie niezweryfikowany. Należy czytać jako „rzekomo zakłada", a nie jako sprawozdanie finansowe. Źródło: CNBC, „OpenAI resets spend expectations" (lut. 2026).

Po trzecie, napięcie jest teraz widoczne w ocenach kredytowych spółek finansujących tę rozbudowę. W połowie 2025 roku Moody's zrewidowało perspektywę Oracle'a z stabilnej na negatywną — potwierdzając jednocześnie rating Baa2, dolny koniec oceny inwestycyjnej — powołując się na ryzyko koncentracji kontrahenta związane z ok. 300-miliardowym kontraktem obliczeniowym o mocy 4,5 GW z OpenAI, który Moody's scharakteryzowało jako jedno z największych finansowań projektowych na świecie.⁶ Była to rewizja perspektywy, nie obniżenie ratingu — ale dla korporacyjnego nabywcy jest to konkretny, nazwany sygnał.

Uzależnienie od zewnętrznych LLM w skali to strategiczna ekspozycja sama w sobie

Poniżej liczb dotyczących cen i kontrahentów kryje się większy punkt, który zasługuje na wyraźne nazwanie. Kierowanie kluczowego, wysokowolumenowego procesu biznesowego przez zewnętrzny API modelu koncentruje zależność operacyjną poza kontrolą organizacji. W skali pilota to rozsądna wymiana — zdolności i szybkość za niewielki, kontrolowany wydatek. W skali produkcyjnej, gdy tysiące codziennych decyzji, dokumentów lub interakcji z klientami przepływają przez pojedynczy zewnętrzny endpoint, ta sama konfiguracja staje się kwestią odporności, a nie wygody. Dostawca, który wciąż spala gotówkę, resetuje własny roadmap wydatków i finansuje rozbudowę przez skoncentrowanych kontrahentów, nie jest jeszcze stabilnym dostawcą usług; jest szybko zmieniającym się dostawcą zasobu, który firma po cichu uczyniła krytycznym. Zmiana ceny, ograniczenie szybkości, wycofana wersja modelu lub awaria ląduje wtedy nie jako niedogodność IT, lecz jako przerwanie kluczowego procesu.

Wniosek nie brzmi: unikaj zewnętrznych modeli — są zbyt zdolne, a budowanie możliwości granicznych in-house rzadko jest właściwą decyzją. Brzmi: traktuj dostawcę modeli tak, jak poważny operator traktuje każdego kluczowego jedynego dostawcę, gdy tylko proces przekracza próg eksperymentowania, i bądź w stanie odpowiedzieć na jedno uczciwe pytanie: co się stanie z tym procesem, jeśli cena się podwoi, model zostanie wycofany lub endpoint będzie niedostępny w przyszłym kwartale? Jeśli nie ma odpowiedzi, zależność jest ryzykiem strategicznym przebranym za wygodny API. Konkretne zabezpieczenia wynikające z tego pytania to te, które nabywca powinien spisać — poniżej.

Dlaczego piloty utykają — i co dowody mówią o tym, co faktycznie działa

Jeśli satysfakcja jest wysoka, a atrybucja rzadka, oczywiste pytanie brzmi: co odróżnia programy, które dokonują konwersji. Dowody wskazują od modelu ku dwóm przyczynom strukturalnym: temu, co jest finansowane, i temu, co jest mierzone.

Budżet podąża tam, gdzie łatwo go widać, a nie tam, gdzie przynosi zwrot

Najbardziej praktyczny wniosek raportu MIT NANDA — bardziej obronny niż jego nagłówkowy wskaźnik niepowodzeń — jest taki, że budżety GenAI są systematycznie źle alokowane. Około połowy budżetów GenAI (abstrakt raportu podaje ~50%; szczegóły badania dochodzą do ~70%) trafia do funkcji front-office, sprzedaży i marketingu, podczas gdy automatyzacja back-office, która często daje lepszy ROI, jest niedofinansowana. Przyczyna jest sama w sobie problemem pomiaru: wyniki sprzedaży i marketingu układają się czysto w KPI na poziomie zarządu i aktualizacje dla inwestorów, podczas gdy efektywności w obszarach prawnym, zakupów i finansów są realne, ale trudniejsze do wyartykułowania w rozmowie z kadrą kierowniczą.³

Produktywność jest realna — ale nierównomiernie rozłożona

Byłoby błędem pozostawić wrażenie, że AI nie działa. Duży, pre-rejestrowany eksperyment terenowy prowadzony w Microsoft, Accenture i anonimowym producencie z listy Fortune 100 (n=4867 deweloperów, opublikowany w Management Science) wykazał, że GitHub Copilot zwiększył liczbę ukończonych zadań o ok. 26%.⁷ Dwa zastrzeżenia mają znaczenie dla każdego ROI opartego na tej liczbie. Po pierwsze, badanie mierzyło przepustowość zadań, a nie jakość kodu ani zwrot finansowy — badacze nie mieli dostępu do wytworzonego kodu. Po drugie, i bardziej przydatne strategicznie: zyski były silnie zróżnicowane w zależności od doświadczenia.

Zestawiając oba wnioski, implikacja strategiczna jest ostra. Wartość jest realna, ale warunkowa — zależy od funkcji, od składu zatrudnienia, od tego, czy przepływ pracy został przeprojektowany wokół narzędzia. Program, który nie mierzy na tym poziomie szczegółowości, zobaczy średnią i przeoczy rozkład, sfinansuje widoczny use case zamiast wartościowego i zaraportuje „spełniło oczekiwania", podczas gdy P&L się nie porusza. To nie jest porażka modelu. To porażka instrumentacji.

Playbook pomiaru: od kosztu na token do kosztu na wynik

Dobra wiadomość jest taka, że dyscyplina, która to naprawia, nie jest teoretyczna. FinOps Foundation — podmiot, który ustandaryzował zarządzanie kosztami chmury — rozszerzył swój framework na AI, a jego podstawowy konstrukt, Unit Economics, jest najbardziej konkretną dostępną pierwotną odpowiedzią. Unit Economics definiuje się jako „metryki zapewniające zrozumienie, w jaki sposób korzystanie przez organizację z technologii oraz praktyki zarządzania technologią wpływają na wartość produktów, usług lub działań organizacji" i sytuuje się bezpośrednio w domenie Quantify Business Value frameworku. Foundation stwierdza tę zasadę wprost: „bez możliwości powiązania kosztów z uzyskanymi korzyściami trudno zrozumieć, czy wydatki są właściwe."⁴

Praktycznym krokiem jest drabina. Pomiar kosztów AI ma zaczynać się na poziomie kosztu na token i wspinać ku metrykom zorientowanym na wynik — koszt na asystę, koszt na działanie agenta, koszt na odchylony case — przy czym granularne śledzenie (aż do poziomu tokenu, GPU i pojedynczej predykcji) zasila szczeble powyżej.⁴

Drabina metryk potrzebuje właściciela, bo inaczej zamiera w finansach. Zalecanym przez Foundation mechanizmem zarządczym jest wielofunkcyjny AI Investment Council — wartość tej rekomendacji tkwi w konkretnym składzie, bo to właśnie wielofunkcyjna kompozycja pozwala, by koszt spotkał się z wynikiem w jednym pomieszczeniu. Rada, jak zauważa FinOps, podnosi dyskusję o unit economics na wyższy szczebel organizacji, definiując konkretne wyniki i KPI, które projekty AI muszą adresować.¹¹

Dwa uczciwe zastrzeżenia. Pierwsze: sama Foundation nie twierdzi, że zadanie jest ukończone — przyznaje, że nie ma jeszcze ustalonej, ustandaryzowanej metodologii kwantyfikacji wartości biznesowej AI; podejścia nadal się kształtują. To jest dokładnie powód, dla którego krytyka na początku tego artykułu trafia w cel; dyscyplina budująca rozwiązanie otwarcie przyznaje, że rozwiązanie jest niekompletne. Drugie: język frameworku ma charakter opisowy, nie nakazowy — obserwuje, że dojrzałe praktyki „rozszerzają się ku" metrykom wynikowym, nie nakazuje nikomu. Strategiczne odczytanie jest w obu przypadkach takie samo: celem jest koszt na wynik, prawie nikt go jeszcze nie osiągnął, a organizacje, które dojdą tam pierwsze, będą mogły udowodnić wartość, gdy ich konkurenci wciąż raportują satysfakcję.

Gdzie pasuje Consulting Huber

Consulting Huber to firma practitioner. Nie sprzedajemy platformy AI i nie mamy interesu w pompowaniu rachunku za tokeny ani liczby pilotów. Pracujemy z CEO, zarządami, dyrektorami transformacji i operatorami PE nad nieefektowną połową problemu, na który badania konsekwentnie wskazują: uczynieniem kosztów i wartości AI mierzalnymi, by decyzja o skalowaniu lub zatrzymaniu opierała się na liczbie, a nie na nastroju.

W praktyce oznacza to zinstrumentowanie jednego strategicznie ważnego workloadu do szczebla kosztu na wynik w pierwszych tygodniach; uruchomienie wielofunkcyjnej kadencji — właściciel biznesowy, inżynieria, finanse, ryzyko — którą framework FinOps nazywa radą, a my po prostu nazywamy salą, w której KPI jest ustalane; budowanie prognozowalności linii kosztowej zamiast jej negocjowania; i wpisywanie ryzyka dostawcy i cenowego do business case'u. Pełny kształt tej dyscypliny dostarczania jest opisany w naszym towarzyszącym artykule o warstwie dostarczania pod AI i w Playbooku tworzenia wartości z AI; strona regulacyjna jest opisana w naszym przewodniku zgodności z EU AI Act.

Jeśli są Państwo w jednej z czterech powyższych sytuacji nabywcy i chcą Państwo porozmawiać bezpośrednio o tym, jak uczynić wydatki na AI mierzalnymi, najszybszym sposobem na start jest nasza dwutygodniowa diagnoza Delivery & AI-readiness w stałej cenie — szczery obraz tego, czy wydatki na AI i cyfryzację się zwracają, dostarczony jako memo gotowe dla komitetu. Albo proszę skorzystać z linku do kalendarza poniżej.