Rewolucja na żywioł. O ukrytych kosztach i przewagach AI

O tym, gdzie w tej niepewności można się jeszcze oprzeć na twardych danych, dyskutowano w przygotowanym przez redakcję XYZ panelu podczas ABSL Summit 2026: Know the Unknown we Wrocławiu.

Piotr Arak, główny ekonomista VeloBanku, twierdzi, że w prognozach ekonomicznych dotyczących AI banki centralne, MFW i zespoły analityczne wciąż pomijają jeden czynnik, który już dziś decyduje o rentowności całej branży.

– Wydaje mi się, że w analizach ekonomicznych dotyczących AI jeden element jest wciąż niedoceniany – koszt energii. W centrum danych temperatura jest jeszcze wyższa niż w upalną pogodę w Polsce, a to właśnie tam rodzi się koszt tokena, czyli miara wartości naszej dzisiejszej pracy. Czasem kosztuje on 40 dolarów, czasem 6, a w tańszych modelach nawet 2,3. Im bardziej złożone zadania AI ma wykonywać, tym bardziej rośnie koszt krańcowy – tłumaczył Piotr Arak.

Rosnące ceny energii nie muszą jednak oznaczać, że korzystanie z AI będzie się kurczyć – historia gospodarcza zna mechanizm, który działa dokładnie odwrotnie.

Angielski ekonomista William Stanley Jevons już w XIX w. pokazał, że wraz z nową technologią czy nowym źródłem energii zużycie zasobów wzrasta. Pojawia się bowiem nowa praca, którą można wykonać. Sądzę, że z AI będzie podobnie

– Angielski ekonomista William Stanley Jevons już w XIX w. pokazał, że wraz z nową technologią czy nowym źródłem energii zużycie zasobów wzrasta. Pojawia się bowiem nowa praca, którą można wykonać. Sądzę, że z AI będzie podobnie. To nie oznacza, że rewolucja nie ograniczy zatrudnienia w krótkim terminie, ale w dłuższej perspektywie zawsze znajdowaliśmy nową pracę dzięki nowej technologii – uważa Piotr Arak.

Znane niewiadome

Nicole Alexander, profesorka Uniwersytetu Columbia, dzieli obszary „nieznane” w biznesie na dwie kategorie: rzeczy, o których wiemy, że ich nie wiemy, i rzeczy, o których istnieniu nie mamy pojęcia. W tej ostatniej kategorii mieści się dziś większość decyzji inwestycyjnych związanych z AI. Z jej własnego doświadczenia w Mecie, gdzie kierowała globalnym marketingiem, wyciągnęła wniosek, że bilans korzyści z automatyzacji bywa z perspektywy finansów firmy dużo mniej korzystny, niż sugerują nagłówki o zwolnieniach.

Zwolnienie 8 tys. osób w Meta dało firmie ok. 3-3,5 mld dolarów oszczędności. Robi wrażenie, dopóki nie zestawimy tego ze 145 mld dolarów, które firma deklaruje zainwestować w AI. Trudno na tej podstawie zbudować mocne uzasadnienie biznesowe.

– Przykładem jest tu decyzja o zwolnieniu 8 tys. osób w Meta. Dało to firmie ok. 3-3,5 mld dolarów oszczędności. Robi wrażenie, dopóki nie zestawimy tego ze 145 mld dolarów, które firma deklaruje zainwestować w AI. Trudno na tej podstawie zbudować mocne uzasadnienie biznesowe – argumentuje Nicole Alexander.

Krzysztof Krężel, Chief Operating Officer w Sii, patrzy na tę samą niepewność z drugiej strony stołu – jako dostawca usług, który musi wycenić kontrakt na lata do przodu, choć nie wie, ile będzie kosztować technologia, wokół której go buduje.

Nasz sektor zbudowany był na przewidywalności – na SLA, KPI i rozliczeniach za etat. Klienci słyszą o firmach zwalniających po 5 tys. osób i o wzroście produktywności o 50 proc., więc oczekują tej samej usługi mniej albo większej wartości za te same pieniądze.

– Nasz sektor zbudowany był na przewidywalności – na SLA, KPI i rozliczeniach za etat. Klienci słyszą o firmach zwalniających po 5 tys. osób i o wzroście produktywności o 50 proc., więc oczekują tej samej usługi mniej albo większej wartości za te same pieniądze. Do tego dochodzi ryzyko dostępności narzędzi – widzieliśmy przecież, jak najnowszy model Anthropic został zablokowany po kilku godzinach od jego udostępnienia – zauważa Krzysztof Krężel.

Lekcje z poprzednich rewolucji

Jak zaznacza Andrzej Halesiak przewodniczący Rady Polskiego Instytutu Ekonomicznego i konsultant Banku Światowego, AI nie jest pierwszą technologią ogólnego zastosowania – podobną rolę pełniły wcześniej elektryczność czy internet, a z ich historii da się wyciągnąć konkretne prawidłowości, przydatne każdemu, kto dziś planuje inwestycje w automatyzację.

Pierwsza dotyczy skali: technologie ogólnego zastosowania, jeśli na to pozwolimy, przenikają dosłownie każdy obszar gospodarki i życia społecznego, a nie tylko wybrane branże. Druga jest mniej oczywista i szczególnie niewygodna dla Polski – wdrożenie nowej technologii zależy od infrastruktury komplementarnej, która musi powstać równolegle.

Przeczytaj: Pół miliona osób zatrudnionych w centrach usług. I więcej nie będzie

– Elektryczności nie dało się wykorzystać bez sieci przesyłowej i z AI jest podobnie – bez energii, mocy obliczeniowej, a zwłaszcza bez danych wysokiej jakości ta technologia po prostu nie zadziała. Penetracja zaawansowanych systemów zbierania danych w naszych firmach jest wciąż niska, więc to pierwszy obszar, w którym polska gospodarka musi nadgonić zaległości – uważa Andrzej Halesiak.

Trzecia prawidłowość tłumaczy, dlaczego efektów inwestycji w AI wciąż nie widać w danych o produktywności.

„Wypłata” z nowej technologii zawsze przychodzi później, niż się spodziewamy. Najpierw mamy fazę eksperymentowania, w której koszty bywają większe niż korzyści, a dopiero potem przychodzi faza transformacji, przebudowy procesów i struktur.

– „Wypłata” z nowej technologii zawsze przychodzi później, niż się spodziewamy. Najpierw mamy fazę eksperymentowania, w której koszty bywają większe niż korzyści, a dopiero potem przychodzi faza transformacji, przebudowy procesów i struktur – i to w niej pojawia się realna wartość – opowiada Andrzej Halesiak.

Czwarta lekcja idzie na przekór nagłówkom o masowych zwolnieniach z powodu AI. Bo obok miejsc pracy, które znikają, równolegle powstają nowe, tyle że w mniej widocznych, mniejszych firmach, które dopiero z czasem zaczynają wchłaniać pracowników na większą skalę.

– Z badań Davida Autora wynika, że aż 60 proc. dzisiejszych zawodów w Stanach Zjednoczonych nie istniało jeszcze w latach 40. To pokazuje skalę zmiany, która nas czeka – prognozuje Andrzej Halesiak.

Przeczytaj: Nowa siła Europy: jak usługi biznesowe napędzają konkurencyjność

Piąta i ostatnia lekcja dotyczy tego, kto ostatecznie wygrywa taką transformację – i wcale nie musi to być firma, która dziś ma najsilniejszą pozycję rynkową.

– Zazwyczaj liderzy starego świata stają się przegranymi nowego świata. Dzieje się tak, bo firmom, które już coś osiągnęły, trudniej odrzucić dotychczasowy model i zaakceptować zmianę, więc wolą bronić status quo. Wygrywają raczej nowe przedsięwzięcia, które mogą od zera zaprojektować procesy i modele biznesowe pod nową technologię – argumentuje Andrzej Halesiak.

Dlatego jego zdaniem powtarzanie słowa „nieznane” w kontekście AI jest po części nieporozumieniem.

To nie model językowy zwalnia ludzi z pracy – robią to właściciele kapitału, przedsiębiorcy i menedżerowie. Ważne jest, by nazywać rzeczy po imieniu i wiedzieć, kto naprawdę podejmuje decyzje. Musimy się zorganizować jako społeczeństwa – potrzebujemy świadomych rządów, organizacji pozarządowych, nowych liderów, a być może i silniejszych związków zawodowych, żeby ten proces renegocjacji korzyści i kosztów przebiegał z korzyścią dla ludzi, a nie wbrew nim.

– Zapominamy, że to nie technologia tworzy przyszłość, tylko my, ludzie. Problem w tym, że skupiamy się na samej technologii, a brakuje nam wizji tego, jak chcemy żyć i pracować – i dopiero w tym miejscu powinniśmy decydować, jak tę technologię wykorzystać. To nie model językowy zwalnia ludzi z pracy – robią to właściciele kapitału, przedsiębiorcy i menedżerowie. Ważne jest, by nazywać rzeczy po imieniu i wiedzieć, kto naprawdę podejmuje decyzje. Musimy się zorganizować jako społeczeństwa – potrzebujemy świadomych rządów, organizacji pozarządowych, nowych liderów, a być może i silniejszych związków zawodowych, żeby ten proces renegocjacji korzyści i kosztów przebiegał z korzyścią dla ludzi, a nie wbrew nim – Andrzej Halesiak.

Kto trzyma wtyczkę

Piotr Arak wskazał na różnicę, która jego zdaniem odróżnia obecną rewolucję od wcześniejszych transformacji technologicznych – i sprawia, że porównania z elektryfikacją mają swoje granice.

Sieć elektryczną czy infrastrukturę kolejową w XIX wieku budowaliśmy sami i sami byliśmy jej właścicielami. Dziś budujemy ekosystemy usług oparte na dużych modelach językowych, a w pewnym momencie ktoś inny może po prostu wyciągnąć wtyczkę.

– Sieć elektryczną czy infrastrukturę kolejową w XIX wieku budowaliśmy sami i sami byliśmy jej właścicielami. Dziś budujemy ekosystemy usług oparte na dużych modelach językowych, a w pewnym momencie ktoś inny może po prostu wyciągnąć wtyczkę. Dane, obliczenia, przypadki użycia – to wszystko nie jest na naszym kontynencie – ostrzega Piotr Arak.

Krzysztof Krężel przyznał wprost, że europejska alternatywa dla amerykańskich dostawców na razie istnieje głównie na papierze i wskazał liczbę, która pokazuje, jak bardzo Europa zostaje w tyle.

– Jesteśmy w pełni zależni od technologii z jednego kraju, a niepewność wokół obecnej administracji USA tylko to potęguje. Ale zadaję sobie pytanie: jaka jest alternatywa? Największy europejski dostawca chmury inwestuje w badania i rozwój 300 razy mniej niż amerykańscy hiperskalerzy – to różnica, której nie da się zbagatelizować – uważa Krzysztof Krężel.

Jesteśmy w pełni zależni od technologii z jednego kraju, a niepewność wokół obecnej administracji USA tylko to potęguje. Ale (...), jaka jest alternatywa? Największy europejski dostawca chmury inwestuje w badania i rozwój 300 razy mniej niż amerykańscy hiperskalerzy.

Wartość ważniejsza niż innowacja

Nicole Alexander zauważyła przesunięcie akcentów w globalnej debacie o AI, które jej zdaniem prowadzi na manowce – i przywołała przykład z Afryki, o którym w Europie mówi się niewiele.

– Bardzo dużo w dyskusji o AI mówi się o innowacji i szansach, a za mało o tym, gdzie tak naprawdę leży wartość. Kenia wycofała się właśnie z umowy na budowę centrum danych, bo zabierałoby ono zasoby naturalne, nie dając nic w zamian lokalnej społeczności. Jeśli AI ma faktycznie służyć rozwojowi ludzi, musimy na nowo przemyśleć kwestie sprawiedliwości i barier etycznych – mówi Nicole Alexander.

Jej zdaniem, patrząc na sprawę z perspektywy akademickiej, widać zjawiska, które w Stanach Zjednoczonych trafiają już do mediów społecznościowych.

Problem w tym, że uczelnie wciąż uczą przede wszystkim twardych umiejętności technicznych, a coraz ważniejsze stają się empatia, budowanie zaufania i ocena ryzyka – rzeczy, których jeszcze niedawno nie uznawaliśmy za szczególnie cenne.

– Studenci, którzy dziś kończą studia, zaczęli wygwizdywać mówców na uroczystościach rozdania dyplomów, kiedy ci opowiadają o tym, jak AI zmienia rynek pracy. Młodzi ludzie boją się tego. Nie mają takiej samej szansy wejścia na rynek, jaką mieli ich starsi koledzy. Problem w tym, że uczelnie wciąż uczą przede wszystkim twardych umiejętności technicznych, a coraz ważniejsze stają się empatia, budowanie zaufania i ocena ryzyka – rzeczy, których jeszcze niedawno nie uznawaliśmy za szczególnie cenne – zaznacza Nicole Alexander.

Krzysztof Krężel dodał do tego perspektywę pracodawcy z sektora, w którym kod od lat pisały wyłącznie osoby, a dziś w większości przypadków lepiej i szybciej robi to model. Jego zdaniem odpowiedzią nie jest pogoń za kolejną umiejętnością techniczną, bo te dezaktualizują się coraz szybciej – dziś przeciętna kompetencja technologiczna starzeje się w trzy lata, a nie dziesięć, jak jeszcze niedawno – lecz zdolność adaptacji jako taka.

Cena transformacji

Zapytani wprost o cenę, jaką Europa zapłaci za tę transformację, i o walutę tej płatności, Piotr Arak mówił o ryzyku pozostania „biorcą oprogramowania” zamiast jego twórcą, a Nicole Alexander o konieczności rewizji pojęcia sprawiedliwości w dostępie do technologii. Głos Krzysztofa Krężela wybrzmiał na tym tle najbardziej pojednawczo.

– Posługując się metaforą prof. Geoffrey’a Hintona: tygrys jest już w pokoju i musimy poruszać się sprawnie, żeby nas nie zjadł. Dla naszego sektora to jednak szansa, żeby wspiąć się wyżej w łańcuchu wartości i obronić się przed konkurencją z tańszych krajów. Koszty tej transformacji będą znaczne, ale jestem optymistą – zaznacza Krzysztof Krężel.

Z kolei zdaniem Andrzeja Halesiaka przyszłość, o którą pytają uczestnicy debat, nie czeka gdzieś w laboratoriach Doliny Krzemowej. Powstaje w codziennych decyzjach podejmowanych w salach konferencyjnych firm mieszczących się w najbliższym biznesowym otoczeniu.

Główne wnioski

1. Rewolucja związana ze sztuczną inteligencją wiąże się z ukrytymi kosztami, a w szczególności z często niedocenianym zapotrzebowaniem na energię, które bezpośrednio determinuje rentowność całej branży. Ponadto zderzenie kosztów wdrażania AI z potencjalnymi oszczędnościami nierzadko obnaża słabość biznesowych uzasadnień – przykładem jest firma Meta, której rzędu 3-3,5 mld dolarów oszczędności uzyskane z masowych zwolnień blakną w obliczu deklarowanych 145 mld dolarów przeznaczonych na inwestycje w sztuczną inteligencję.
2. Sztuczna inteligencja stanowi technologię ogólnego zastosowania, która na wzór elektryczności bezwzględnie wymaga równoległego zbudowania komplementarnej infrastruktury, dostarczenia ogromnej mocy obliczeniowej oraz dostępu do wysokiej jakości danych. Historia gospodarcza uczy, że realne korzyści w postaci wyższej produktywności pojawiają się dopiero z opóźnieniem – w fazie pełnej transformacji procesów organizacyjnych – a wielkimi wygranymi tych zmian będą często nowe przedsiębiorstwa, które potrafią budować swoje struktury od zera, bez konieczności bronienia dotychczasowego status quo. Szum wokół innowacji wywołuje już teraz ogromną presję na dostawcach usług B2B, ponieważ klienci, bazując na nagłówkach o gigantycznych wzrostach wydajności, żądają dostarczenia większej wartości za mniejsze pieniądze. Wyzwaniem dla rynku pracy staje się również wyjątkowo szybkie dezaktualizowanie się umiejętności informatycznych, które z powodu algorytmów starzeją się obecnie w trzy lata.
3. Potężnym wyzwaniem dla Europy pozostaje całkowita zależność technologiczna od amerykańskich dostawców i ryzyko, że właściciele dużych modeli językowych „wyciągną wtyczkę” Europejczykom. Brak alternatywy jest wyjątkowo widoczny w liczbach, ponieważ najwięksi lokalni dostawcy chmurowi inwestują w badania 300 razy mniej niż amerykańscy giganci, co grozi sprowadzeniem kontynentu wyłącznie do roli biernego biorcy oprogramowania. Eksperci zaznaczają, że w erze sztucznej inteligencji to jednak człowiek oraz wyznawane przez niego wartości pozostają kluczowe. Ponadto obawy młodych ludzi przed bezrobociem pokazują, że dzisiejsza edukacja powinna kłaść większy nacisk na kompetencje miękkie – takie jak empatia, budowanie zaufania czy ocena ryzyka – zamiast uczyć jedynie szybko uciekających kompetencji technicznych.

Artykuł powstał na zlecenie ABSL.