Budzet, ktory rozsadzil sukces
Dyrektor ds. technologii Ubera, Praveen Neppalli Naga, podal The Information liczbe, ktora powinna zatrzymac kazdego właściciela w polowie zdania: firma spalila caly swoj planowany budżet kodowania z AI 2026 w cztery miesiace. Uber wdrozyl narzedzie u okolo 5.000 inzynierow w grudniu 2025 roku, a przyjecie wzroslo z 32 procent inzynierow w lutym do 84 procent sklasyfikowanych jako intensywni uzytkownicy agentyczni w marcu 2026. Do wiosny raporty umieszczaly miesieczny koszt na inzyniera średnio miedzy 150 a 250 dolarów i miedzy 500 a 2.000 dolarów dla uzytkownikow intensywnych. Nic nie poszlo zle. Narzedzie dzialalo, inzynierowie go uzywali, i to uzywanie go oproznilo budżet.
Ten sam wzorzec pojawil sie w Microsofcie. Liczne raporty, na czele z The Verge, opisuja Microsoft odcinajacy większość wewnetrznego dostepu do Claude Code w swojej dywizji Experiences and Devices - grupie stojacej za Windows, Microsoft 365, Outlook, Teams i Surface - do 30 czerwca 2026 i przenoszacy inzynierow na GitHub Copilot CLI. Oficjalna rama to ujednolicenie narzedzi, ale raporty sa jednoznaczne co do sily napedowej: przy wycenie za zuzycie intensywne uzycie agentycznego narzedzia kodowania rozsadza roczny budżet, bo narzedzie jest mierzone zuzytymi tokenami, a nie zajmowanymi miejscami. Im lepiej dziala, tym czesciej jest uzywane, a im czesciej jest uzywane, tym wyzszy rachunek.
Dlaczego to ważne: to blad czestosci bazowej, nie problem narzedzia
Dlaczego to ważne: bledem nie jest wybor zlego narzedzia. To budzetowanie nowego narzedzia na starej czestosci bazowej. Firmy wyceniali kodowanie z AI, jakby bylo tanim autouzupelnieniem - malym kosztem na miejsce, ktory ledwie porusza sie z uzyciem. Narzedzia agentyczne lamia to zalozenie, bo prowadza ciagle cykle rozumowania, i sa za to wyceniane: koszt skaluje sie z tym, ile pracy wykonuje narzedzie, czyli z tym, jak udane jest wdrozenie. Kto budzetuje pilot - garstka ciekawskich inzynierow z lekkimi zapytaniami - modeluje zla czestosc bazowa dla narzedzia, ktorego cala propozycja wartosci to, ze wszyscy beda go uzywac bez przerwy.
Tak, ale: to nie argument, ze agentyczna AI jest zbyt droga w uzyciu. Uber nadal ja wdraza, a produktywnosc jest realna - do wiosny okolo 70 procent zatwierdzonego kodu Ubera pochodzilo z narzedzi AI. Chodzi o cos wezszego: wycena za zuzycie zamienia przyjecie w krzywa kosztów, a przypadek sukcesu, nie pilot, jest tym, ktory musi byc do udzwigniecia. Odpowiedz Microsoftu, zmiana narzedzia, to jedno wyjscie; mierzenie i limity na uzytkownika od pierwszego dnia to drugie, zwykle tansze.
Podsumowanie: budżetuj przypadek pelnego wdrozenia i mierz od pierwszego dnia
Podsumowanie: zanim kupisz narzedzie AI rozliczane za zuzycie, modeluj koszt scenariusza, w ktorym dziala. Wez koszt na uzytkownika swojego najbardziej intensywnego oczekiwanego uzytkownika, pomnoz przez liczbe osob, do ktorych naprawde zamierzasz wdrozyc, i sprawdz, czy ta liczba miesci sie w rocznym budzecie. Jesli nie, narzedzie jest nie do udzwigniecia w przypadku sukcesu bez wzgledu na to, jak tani wygladal pilot, a zdyscyplinowany ruch to ustawic limity i mierzyc na uzytkownika od pierwszego dnia, zamiast odkryc sufit w czwartym miesiacu, jak zrobil to Uber.
Szersza zasada decyzyjna przezyje te jedna kategorie produktu. Gdy dostawca wycenia za jednostke dokladnie tego zachowania, ktorego wzrost mu placisz, koszt pilota nic nie znaczy, a koszt sukcesu jest wszystkim. Modeluj wynik, na ktory liczysz, a nie proba, ktora prowadzisz, i jesli nie stac cie na narzedzie dzialajace idealnie, nie kupuj narzedzia, ktore nalicza ci wiecej za dzialanie.
Czytaj dalej: Ten, kto wydaje 145 miliardów, mowi, ze to jeszcze nie działa | Google: 9% narzutu, zuzycie pradu w gore o 37%
