Obliczenia będą jak ropa: spojrzenie prezesa na strategię kosztową w zakresie sztucznej inteligencji

Większość firm podchodzi do kosztów sztucznej inteligencji w odwrotny sposób. Traktują one wydatki na AI jako oznakę postępu – im wyższy rachunek, tym bardziej firma jest „zorientowana na AI”. Christian Fielitz, CEO Doodle, twierdzi coś zupełnie przeciwnego: koszty AI to decyzja inwestycyjna, a nie symbol statusu, a wygrają te firmy, które świadomie zdecydują, co robić na własną rękę, co zlecić na zewnątrz i nad czym zachować kontrolę. Sama moc obliczeniowa stanie się towarem – „będzie jak ropa” – ale to nie znaczy, że twoje rachunki pójdą w dół. Oznacza to, że strategiczne pytanie zmienia się z „ile możemy wydać ” na „co powinniśmy posiadać”.

W tym artykule przedstawiono w skrócie ramy teoretyczne Fielitza dotyczące kosztów sztucznej inteligencji, zaczerpnięte z jego rozmowy z czerwca 2026 roku w programie „Vlad Catcher Show”.

Problem z „Strawberry Fields”: zastanów się, kto udziela porad dotyczących kosztów

Zanim posłuchasz czyichkolwiek rad na temat tego, ile wydać na sztuczną inteligencję, mówi Fielitz, zastanów się, komu ta odpowiedź przyniesie korzyść.

„To trochę tak, jakbyś miał pole truskawek i mówił: »Hej, uwielbiamy truskawki, wszyscy powinni jeść ich więcej«. Oczywiście, jeśli ktoś zje tylko 10 truskawek, to nie znaczy, że naprawdę je uwielbia. Powinieneś zjeść 20, 50, 500 truskawek”.

Ludzie, którzy głośno twierdzą, że im więcej tokenów, tym większy postęp, to bardzo często ci sami, którzy te tokeny sprzedają. Nie znaczy to, że się mylą – ale warto zwrócić uwagę na ich motywację. „Po prostu kup tokeny, bo inaczej robisz to źle” to nie jest strategia. To tylko chwyt marketingowy przebrany za strategię.

Wniosek: oddziel sygnał (sztuczna inteligencja daje prawdziwą przewagę) od działań sprzedażowych (powinieneś wykorzystać je jak najwięcej i jak najszybciej).

Dlaczego moc obliczeniowa stanie się towarem – i dlaczego to nie obniży twojego rachunku

Fielitz jasno określa długoterminowy kierunek zmian kosztów mocy obliczeniowej:

„Koszt krańcowy spadnie. Moc obliczeniowa będzie jak ropa naftowa albo jak energia, którą po prostu czerpiesz. Dla mnie to jedna z tych rzeczy, które na pewno się wydarzy”.

Na pierwszy rzut oka to brzmi jak dobra wiadomość dla kupujących. Ale jest pewien haczyk. Spadek kosztów mocy obliczeniowej to nie to samo, co spadek kosztów korzystania z AI — bo ekonomia na wyższym poziomie jest mocno zachwiana:

„Wiemy, że te statystyki i analizy dotyczące obecnych inwestycji w infrastrukturę nie znajdują odzwierciedlenia w inwestycjach w warstwę aplikacji ani w wartości tworzonej właśnie przez tę warstwę”.

Mówiąc wprost: w infrastrukturę AI wpompowuje się ogromne środki, ale wartość generowana na poziomie aplikacji nie nadąża za tym tempem. Kiedy ta luka się zniweluje, zazwyczaj będzie to oznaczało wyższe ceny dla osób korzystających z usługi. I tu dochodzimy do kwestii, którą każdy operator powinien sobie dobrze uświadomić.

Lekcja historii kosztów chmury: pięcioletni scenariusz, który znów się powtarza

Już to widzieliśmy, i to całkiem niedawno.

„Jeśli po prostu na ślepo wrzucisz wszystko do modeli LLM i zlecisz swoją wiedzę oraz twórczość innym systemom, niechcący dojdziesz do momentu, w którym dostawca podniesie koszty – co, nawiasem mówiąc, miało miejsce w przypadku infrastruktury chmurowej jakieś pięć lat temu. Nagle okazuje się: »O rany«. To doprowadziło do powstania środowisk wielochmurowych, a to z kolei do pytania: »Hej, czy nie powinniśmy po prostu znów mieć własnych centrów danych?«”

Porównanie do chmury to najbardziej przydatny model myślenia w całej tej dyskusji. Tania i łatwo dostępna moc obliczeniowa w chmurze zachęciła firmy do umieszczenia wszystkiego w ekosystemie jednego dostawcy. Potem ceny się zmieniły, uzależnienie od jednego dostawcy stało się kosztowne, a wahadło wychyliło się z powrotem w stronę modelu wielochmurowego, a nawet powrotu do własnych centrów danych.

Sztuczna inteligencja znajduje się na tej samej ścieżce rozwoju, tylko trochę wcześniej. Firmy, które dziś „na ślepo inwestują wszystko w modele LLM”, budują tę samą zależność, z której firmy działające w chmurze próbowały się uwolnić w drugiej połowie lat 2010. Nie chodzi o to, żeby unikać sztucznej inteligencji – chodzi o to, żeby unikać ślepej zależności.

Co warto robić na własną rękę, a co zlecać na zewnątrz: model oparty na punktach kontrolnych

Więc co właściwie z tym zrobić? Odpowiedź Fielitza pozwala spojrzeć na koszty sztucznej inteligencji z innej perspektywy – jako na kwestię kontroli, a nie zużycia:

„Kontrola kosztów związanych ze sztuczną inteligencją – czyli świadomość tego, co można zlecić na zewnątrz, a co warto celowo zatrzymać w firmie jako punkt kontrolny i przewagę konkurencyjną – to bardzo ważny temat. Rozmawiamy o tym cały czas.”

Praktyczny sposób na wykorzystanie tego modelu:

• Zleć to na zewnątrz. Funkcje modeli ogólnego przeznaczenia, gdzie koszty zmiany dostawcy są niskie i nie powstaje żadna przewaga wynikająca z zastrzeżonych rozwiązań, można powierzyć zewnętrznym dostawcom. To jest właśnie ta „ropa” — kupuj ją na rynku.

• Zatrzymaj punkty kontrolne u siebie. Wszystko, co stanowi prawdziwą przewagę konkurencyjną albo dotyczy danych, których nie możesz sobie pozwolić na przekazanie, powinno pozostać pod ścisłą kontrolą. W przypadku Doodle’a wymuszają to kwestie bezpieczeństwa i prywatności: „Niektóre rzeczy, nawet gdybyśmy chcieli je zlecić na zewnątrz, musimy trzymać pod ścisłą kontrolą”.

• Zamień koszt na inwestycję. Kiedy świadomie decydujesz się na realizację danego zadania we własnym zakresie, to nie tylko ponosisz koszt – zyskujesz też punkt kontroli. „Zamieniasz koszt na prawdziwą inwestycję i mówisz: »Okej, zachowamy nad tym kontrolę«”.

Cała sztuka tkwi w tym słowie „celowo”. Problemem nie jest outsourcing ani insourcing — chodzi o to, że wybiera się jedną z tych opcji z braku lepszego pomysłu, a nie z własnej decyzji.

Kiedy sztuczna inteligencja kosztuje więcej niż ludzie, których miała odciążyć

Istnieje też krótkoterminowa pułapka kosztowa, którą w ferworze emocji łatwo przeoczyć:

„Jeśli po prostu na ślepo pozwolisz ludziom korzystać z LLM – i to nie tylko z narzędzi AI – to już teraz widać, że koszty są w rzeczywistości wyższe niż w przypadku ludzi”.

Niekontrolowane wykorzystanie sztucznej inteligencji w przeliczeniu na stanowisko pracy może po cichu przekroczyć koszt pracy ludzkiej, którą miała wspomagać. To nie jest argument przeciwko sztucznej inteligencji; to argument za jej monitorowaniem. Jeśli nie widzisz, ile kosztuje AI w każdym procesie w porównaniu z wartością, jaką generuje, nie możesz nią zarządzać – a stwierdzenie „jesteśmy dumni z naszych wydatków na AI” staje się bardzo kosztownym zdaniem.

Paradoks na końcu drogi: kto kupuje, skoro już nikogo nie ma?

Fielitz kończy rozmowę o kosztach pytaniem, które nadaje zupełnie nowy kontekst całej debacie na temat wydatków na sztuczną inteligencję:

„Jeśli wszystko opiera się na sztucznej inteligencji, a w firmach nie ma już ludzi – to kto będzie kupował twój produkt? Bo przecież agenci kupują od agentów… więc o tym nie zapominaj.”

To w połowie żart, a w połowie najważniejsze pytanie dotyczące strategii AI w przedsiębiorstwie. Wartość automatyzacji wszystkiego zależy od tego, czy jest komu to sprzedać. Gospodarka, w której agenci prowadzą transakcje między sobą, bez popytu ze strony ludzi, to nie jest rynek – to zamknięta pętla. Co to oznacza dla strategii kosztowej: optymalizuj pod kątem trwałej wartości dla ludzi, a nie maksymalnej automatyzacji. Celem oszczędzania czasu nie jest pozbycie się ludzi, tylko umożliwienie im wykonywania pracy, którą mogą wykonać tylko ludzie.

Podsumowując

Fielitz stara się nie wyolbrzymiać swojej pewności: „Nie mówimy, że na pewno to rozgryziemy. Mówię tylko, że prowadzimy ożywione dyskusje i próbujemy się temu przyjrzeć”. I właśnie o tę pokorę chodzi. Strategia kosztowa w zakresie sztucznej inteligencji w 2026 roku to nie rozwiązane równanie — to cała dziedzina:

1. Porady dotyczące zniżek od ludzi, którzy sprzedają te produkty. (Pole truskawek.)

2. Spodziewaj się, że moc obliczeniowa stanie się towarem — ale licz się z tym, że ceny twojego dostawcy i tak będą się zmieniać. (Rozbieżność między infrastrukturą a aplikacjami.)

3. Pamiętaj o chmurze. Ślepa zależność ma swoją cenę – przygotuj się na to już teraz.

4. Starannie wybieraj punkty kontrolne. Zlecaj na zewnątrz to, co standardowe, a zatrzymuj dla siebie to, co daje przewagę – zamień koszty w inwestycje.

5. Wykorzystanie narzędzi. Niekontrolowana sztuczna inteligencja może kosztować więcej niż ludzie, których ma wspomagać.

6. Nie zapominaj o ludziach – to przecież też twoi klienci.

Traktuj wydatki na sztuczną inteligencję tak samo, jak każdą poważną inwestycję: z jasną koncepcją, planem kontroli i wyraźnym obrazem korzyści, jakie z tego wynikną.

Ten fragment pochodzi z wywiadu z Christianem Fielitzem z czerwca 2026 roku w programie „Vlad Catcher Show”.