Bryan Catanzaro, wiceprezes działu uczenia głębokiego w Nvidii, powiedział głośno to, co od miesięcy szeptano w korytarzach data centerów. Karty GPU dla jego zespołu kosztują więcej niż pensje inżynierów, którzy z nich korzystają. To zdanie wagi atomowej, ponieważ pochodzi od człowieka z firmy, która te karty sprzedaje. Każdy procesor sprzedany do data center to zysk dla Nvidii, dlatego wypowiedź Catanzaro nie jest reklamą, tylko trzeźwą oceną. Skoro nawet u nich rachunek wychodzi po stronie ludzi, to znaczy że bańka “AI zaraz zastąpi pracowników” zaczyna się rozsypywać.
Ta diagnoza zderza się z tym, co od dwóch lat opowiadają liderzy branży. Sam Altman mówił o “automatyzacji wszystkich umysłowych zawodów”. Anthropic prognozował koniec etatów w programowaniu. Żaden z tych liderów nie przedstawił jednak rachunku za prąd, karty graficzne i utrzymanie modeli. Catanzaro przedstawił. Dlatego ta jedna wypowiedź ma wagę większą niż dziesięć analiz McKinseya.
Co dokładnie powiedział wiceprezes Nvidii?
Catanzaro odniósł się do pracy własnego zespołu badawczego w Nvidii. Ten zespół nie testuje hipotez naukowych, tylko buduje modele wykorzystywane wewnętrznie przez firmę. Stwierdził wprost, że roczny koszt obliczeń dla tego zespołu przewyższa koszt pensji wszystkich jego pracowników. Co więcej, dodał, że ta proporcja będzie się utrzymywać przez najbliższe lata, ponieważ ceny kart GPU rosną szybciej niż wydajność energetyczna data centerów.
W kontekście rynkowym to wyznanie ma sens podwójny. Po pierwsze, pochodzi od kogoś, kto ma interes w sprzedawaniu więcej GPU. Po drugie, ma interes w tym, żeby firmy wierzyły w “AI zastąpi ludzi”, bo ta narracja napędza popyt. Skoro mimo to mówi “compute jest droższe niż ludzie”, to mamy do czynienia z faktem, który jest na tyle silny, że nie da się go ukryć pod marketingową narracją.
Tę obserwację potwierdzają niezależne dane. Badania MIT z 2024 roku przeanalizowały automatyzację zadań wzrokowych przez modele AI. Wynik: opłaca się ekonomicznie tylko w 23 procentach przypadków, w których teoretycznie da się ją wdrożyć. W pozostałych 77 procentach koszt wdrożenia, energii i utrzymania przewyższa pensję pracownika wykonującego to samo zadanie. Ten wynik dotyczył sytuacji jeszcze przed wybuchem cen GPU w 2025 roku.
Producent kart graficznych pierwszy powie, kiedy AI nie ma sensu. Skoro nawet u nich rachunek wychodzi po stronie ludzi, to znaczy że tak po prostu jest.
Skąd takie koszty – dlaczego AI jest droższe niż człowiek?
Liczby zaczęły się robić nieprzyjemne dopiero w ostatnich osiemnastu miesiącach. Karta NVIDIA H200, podstawowy procesor do trenowania większych modeli, kosztuje obecnie około 35 tysięcy dolarów. Średnia firma używająca wewnętrznych asystentów AI potrzebuje minimum ośmiu takich kart, żeby zachować akceptowalną szybkość odpowiedzi. To 280 tysięcy dolarów samego sprzętu, do tego prąd, klimatyzacja i utrzymanie. Roczny koszt operacyjny zaczyna się od 400 tysięcy dolarów.
Druga warstwa kosztu dotyczy modeli zewnętrznych. Firma korzystająca z GPT-4 lub Claude Opus 4.7 płaci za każde wywołanie. Pisaliśmy niedawno o tym, że Disney generuje 51 tysięcy wywołań Claude dziennie i wydaje na to setki tysięcy dolarów rocznie. Skala wygląda imponująco, dopóki nie zrobisz porównania. Etat seniora w polskim software house kosztuje firmę około 250 tysięcy złotych rocznie. Disney wydaje na same wywołania Claude tyle, co na pensje kilkudziesięciu inżynierów.
Trzecia warstwa to koszt operacji. Każdy projekt AI w firmie wymaga kogoś, kto go utrzyma. Strojenie modeli, pisanie promptów, sprawdzanie wyników, naprawa halucynacji. To nie jest praca, którą AI wykonuje samo. Z kolei niezależna analiza Toby’ego Orda z MetR pokazała, że koszty agentów AI rosną wykładniczo wraz ze złożonością zadania. Im trudniejszy problem, tym więcej tokenów, tym dłuższy łańcuch rozumowania, tym wyższy rachunek na koniec miesiąca.
To przypomina sytuację z transportem. Wynajem auta na godzinę jest tani, jeśli jeździsz raz w tygodniu na zakupy. Jeśli jednak pracujesz jako kurier i jeździsz osiem godzin dziennie, własne auto wychodzi taniej już po trzecim miesiącu. AI w firmie działa tak samo. Sporadyczne użycie ChatGPT do generowania pomysłów to drobiazg. Codzienne użycie agentów AI do zadań produkcyjnych zaczyna kosztować jak osobny zespół.
Co to znaczy dla polskich firm planujących AI?
Pierwszy wniosek brzmi prosto. Nie wdrażaj AI, dopóki nie policzysz, czy się opłaca. Brzmi banalnie, ale w polskich firmach takie kalkulacje praktycznie nie są robione. Decyzja “wdrażamy AI” zapada na poziomie zarządu, ponieważ “wszyscy wdrażają”. Następnie trafia do działu IT, który dostaje budżet i polecenie “ogarnąć”. Nikt nie pyta, czy konkretne zadanie kosztuje 30 zł u człowieka, a 80 zł u AI. Pyta dopiero rok później, kiedy rachunki przekraczają plan o 200 procent.
Drugi wniosek dotyczy strategii. AI nie zastępuje pracowników, tylko zastępuje konkretne zadania w ich pracy. To ogromna różnica. Pracownik z AI w narzędziach jest dwa razy szybszy niż pracownik bez nich, jednak wciąż pozostaje pracownikiem. Firmy, które próbują wdrożyć AI zamiast ludzi, dostają trzy efekty na raz. Wzrost kosztów, spadek jakości i protest reszty zespołu. To zjawisko opisaliśmy w analizie oporu pracowników wobec automatyzacji – 80 procent z nich odrzuca AI w obecnej formie wdrożeń.
Trzeci wniosek dotyczy długoterminowych planów. Ceny GPU prawdopodobnie spadną w 2027-2028 roku, kiedy AMD, Huawei i Google rozkręcą produkcję alternatywnych procesorów. Wtedy ekonomika AI w firmach poprawi się dramatycznie. Dziś sensowne jest budowanie konfiguracji hybrydowych. Mowa o niewielkich modelach lokalnych do prostych zadań, modelach chmurowych do złożonych analiz, ludziach do decyzji strategicznych i kontaktów z klientem. Co więcej, taki układ pozwala szybko skalować w obie strony, gdy ceny się zmienią.
AI nie zastępuje pracowników, tylko zastępuje konkretne zadania w ich pracy. To różnica wagi atomowej, której większość firm dotąd nie zauważyła.
Kiedy AI naprawdę się opłaca, a kiedy lepiej zatrudnić człowieka?
Cztery konkretne pytania, które pomogą Ci zdecydować przed kolejnym wdrożeniem AI w firmie.
Czy zadanie jest powtarzalne i przewidywalne? Im bardziej powtarzalne, tym lepszy kandydat na automatyzację AI. Klasyfikowanie maili po temacie, generowanie krótkich podsumowań, sprawdzanie poprawności faktur. Tu AI wygrywa z człowiekiem nawet przy obecnych cenach. Z kolei rozmowa z trudnym klientem, decyzja strategiczna lub kreatywne projektowanie to obszary, gdzie człowiek wciąż jest tańszy w przeliczeniu na jakość wyniku.
Ile takich zadań masz dziennie? Próg opłacalności zaczyna się od kilkudziesięciu wywołań na dzień. Dla zadania, które robisz raz w tygodniu, wdrażanie AI nie ma sensu, ponieważ koszt utrzymania automatyzacji przewyższa zysk. Z kolei dla zadania powtarzanego pięćset razy dziennie automatyzacja zwraca się w ciągu trzech do sześciu miesięcy.
Jaką dokładność dopuszczasz? Jeśli zadanie wymaga 99-procentowej skuteczności, zatrudnij człowieka i daj mu narzędzia AI do wsparcia. Jeśli akceptujesz 90-procentową skuteczność z możliwością ręcznej korekty, automatyzacja AI ma sens. Większość biznesowych procesów mieści się w tym drugim koszyku, dlatego AI faktycznie ma swoje miejsce, jednak nie tam, gdzie chce go widzieć dział marketingu Nvidii.
Czy masz kogoś, kto utrzyma to wdrożenie? AI nie utrzymuje się samo. Potrzebujesz osoby, która będzie sprawdzać wyniki, dostrajać prompty, reagować na zmiany w modelach. Bez tej osoby wdrożenie umiera w ciągu sześciu miesięcy, a Twoja firma wraca do punktu wyjścia z minus 200 tysiącami w budżecie. Dlatego decyzja “wdrażamy AI” zawsze powinna być powiązana z decyzją “kto za to odpowiada na co dzień”.
Kurs n8n 2.0 · Kodożercy
Automatyzacja to dziś jedna z najbardziej poszukiwanych umiejętności
Firmy szukają ludzi, którzy łączą procesy z narzędziami. Kurs n8n 2.0 na Kodożercach da Ci praktyczne umiejętności. Webhooki, API, automatyczne przepływy danych, które możesz pokazać już jutro.
Zobacz program kursu →
FAQ – Najczęstsze pytania o koszty AI w firmie
Czy AI naprawdę zastąpi pracowników w najbliższych latach?
Krótka odpowiedź: nie, ale zmieni ich pracę. Długa odpowiedź: AI w obecnej formie kosztuje za dużo, żeby uzasadnić zastąpienie ludzi w większości stanowisk biurowych. Co więcej, badania MIT i wypowiedź Catanzaro pokazują, że nawet w firmach najlepiej przygotowanych do wdrożenia ekonomia nie wychodzi po stronie pełnej automatyzacji. To, co realnie się dzieje, to przesuwanie zadań. Część rutynowych prac przejmują modele, część nadzoru przejmują ludzie. Pracownik z AI w narzędziach jest dziś dwa razy szybszy niż pracownik bez nich, dlatego firmy zaczynają inwestować w przeszkolenie zespołów, a nie w ich zastąpienie.
Jak policzyć, czy moje wdrożenie AI się opłaca?
Zacznij od jednego konkretnego zadania w firmie. Policz, ile razy dziennie jest wykonywane oraz ile czasu zajmuje pracownikowi. Pomnóż to przez stawkę godzinową plus narzuty. Następnie zrób mini-test z ChatGPT lub Claude i policz tokeny zużyte na takie samo zadanie. Pomnóż przez cenę za milion tokenów. Porównaj. Jeśli AI wychodzi taniej co najmniej o 30 procent, ma sens wdrożenie. Pamiętaj, że dochodzi koszt utrzymania, dlatego marża 20-procentowa zazwyczaj nie wystarczy na pokrycie pracy osoby, która będzie pilnować systemu.
Kiedy ceny GPU spadną i AI stanie się tanie?
Branża spodziewa się znaczących spadków w drugiej połowie 2027 roku. Powody są trzy. Pierwszy to AMD i karty MI400, które wprowadzą prawdziwą konkurencję dla H200. Drugi to Google rozszerzający dostępność TPU dla zewnętrznych klientów, co wymusi obniżki u Nvidii. Trzeci to chińskie procesory Huawei, które zaczną wchodzić na rynki spoza Chin. Dlatego wdrożenia AI rozsądnie planować już dziś, ale ze świadomością, że za dwa lata ekonomika będzie zupełnie inna. Sztywne, kosztowne kontrakty na trzy lata to dziś najgorsza decyzja, jaką możesz podjąć.
Podsumowanie
Wypowiedź Bryana Catanzaro z Nvidii nie zatrzyma rozpędu AI, jednak powinna przeprogramować to, jak myślą o nim polscy liderzy biznesu. Kluczowy fakt jest prosty. Compute do AI w 2026 roku kosztuje więcej niż ludzie, którzy mieliby zostać przez nie zastąpieni. Co z tego wynika dla decydenta planującego wdrożenie? Wybieraj zadania, w których AI rzeczywiście wygrywa, czyli powtarzalne, masowe i tolerujące lekkie błędy. Trzymaj ludzi w decyzjach, kontakcie z klientem i pracy kreatywnej. Inwestuj w przeszkolenie zespołu, a nie w jego zastąpienie. Co więcej, nie podpisuj sztywnych umów na trzy lata, ponieważ ceny GPU mogą spaść drastycznie w 2027 roku. Zespoły, które przyjmą tę filozofię w 2026, w 2028 będą miały lepszą produktywność i niższe koszty niż konkurenci, którzy uwierzyli marketingowi i wymienili pracowników na karty graficzne.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
