Budżet, który rozsadził sukces

Dyrektor ds. technologii Ubera, Praveen Neppalli Naga, podał The Information liczbę, która powinna zatrzymać każdego właściciela w połowie zdania: firma spaliła cały swój planowany budżet kodowania z AI 2026 w cztery miesiące. Uber wdrożył narzędzie u około 5.000 inżynierów w grudniu 2025 roku, a przyjęcie wzrosło z 32 procent inżynierów w lutym do 84 procent sklasyfikowanych jako intensywni użytkownicy agentyczni w marcu 2026. Do wiosny raporty umieszczały miesięczny koszt na inżyniera średnio między 150 a 250 dolarów i między 500 a 2.000 dolarów dla użytkowników intensywnych. Nic nie poszło źle. Narzędzie działało, inżynierowie go używali, i to używanie go opróżniło budżet.

Ten sam wzorzec pojawił się w Microsofcie. Liczne raporty, na czele z The Verge, opisują Microsoft odcinający większość wewnętrznego dostępu do Claude Code w swojej dywizji Experiences and Devices - grupie stojącej za Windows, Microsoft 365, Outlook, Teams i Surface - do 30 czerwca 2026 i przenoszący inżynierów na GitHub Copilot CLI. Oficjalna narracja to ujednolicenie narzędzi, ale raporty są jednoznaczne co do siły napędowej: przy rozliczeniu za zużycie intensywne użycie agentycznego narzędzia kodowania rozsadza roczny budżet, bo narzędzie jest mierzone zużytymi tokenami, a nie zajmowanymi miejscami. Im lepiej działa, tym częściej jest używane, a im częściej jest używane, tym wyższy rachunek.

Dlaczego to ważne: to błąd częstości bazowej, a nie problem narzędzia

Dlaczego to ważne: błędem nie jest wybór złego narzędzia. To budżetowanie nowego narzędzia według starej częstości bazowej. Firmy wyceniały kodowanie z AI, jakby było tanim autouzupełnianiem - małym kosztem na miejsce, który ledwie zmienia się wraz z użyciem. Narzędzia agentyczne łamią to założenie, bo prowadzą ciągłe cykle rozumowania, i są za to wyceniane: koszt skaluje się z tym, ile pracy wykonuje narzędzie, czyli z tym, jak udane jest wdrożenie. Kto budżetuje pilotaż - garstka ciekawskich inżynierów z lekkimi zapytaniami - modeluje złą częstość bazową dla narzędzia, którego cała propozycja wartości polega na tym, że wszyscy będą go używać bez przerwy.

Tak, ale: to nie argument, że agentyczna AI jest zbyt droga w użyciu. Uber nadal ją wdraża, a produktywność jest realna - do wiosny około 70 procent zatwierdzonego kodu Ubera pochodziło z narzędzi AI. Chodzi o coś węższego: wycena za zużycie zamienia przyjęcie w krzywą kosztów, a to przypadek sukcesu, nie pilotaż, musi być do udźwignięcia. Odpowiedź Microsoftu, zmiana narzędzia, to jedno wyjście; mierzenie i limity na użytkownika od pierwszego dnia to drugie, zwykle tańsze.

Podsumowanie: budżetuj przypadek pełnego wdrożenia i mierz od pierwszego dnia

Podsumowanie: zanim kupisz narzędzie AI rozliczane za zużycie, modeluj koszt scenariusza, w którym działa. Weź koszt na użytkownika swojego najbardziej intensywnego oczekiwanego użytkownika, pomnóż przez liczbę osób, do których naprawdę zamierzasz wdrożyć, i sprawdź, czy ta liczba mieści się w rocznym budżecie. Jeśli nie, narzędzie jest nie do udźwignięcia w przypadku sukcesu bez względu na to, jak tani wyglądał pilotaż, a zdyscyplinowanym ruchem jest ustawić limity i mierzyć na użytkownika od pierwszego dnia, zamiast odkryć sufit w czwartym miesiącu, jak zrobił to Uber.

Szersza zasada decyzyjna wykracza poza tę jedną kategorię produktu. Gdy dostawca nalicza za jednostkę dokładnie tego zachowania, którego wzrost mu płacisz, koszt pilotażu nic nie znaczy, a koszt sukcesu jest wszystkim. Modeluj wynik, na który liczysz, a nie próbę, którą prowadzisz, i jeśli nie stać cię na narzędzie działające idealnie, nie kupuj narzędzia, które nalicza ci więcej za działanie.

Czytaj dalej: Halo zabija silnik, który zjadał studio  |  Prezes Microsoftu: za AI płacisz dwa razy