Wydatki na narzędzia sztucznej inteligencji dla programistów mogą w ciągu dwóch lat stać się większym obciążeniem dla firm niż średnie wynagrodzenie jednego dewelopera. Gartner ostrzega, że wraz z przechodzeniem rynku na rozliczenia za faktyczne użycie modeli przedsiębiorstwa tracą przewidywalność kosztów, a rachunki za tokeny zaczynają szybko rosnąć.
Jeszcze niedawno AI w programowaniu była przedstawiana przede wszystkim jako sposób na szybsze tworzenie oprogramowania i zmniejszenie kosztów pracy zespołów IT. Teraz coraz więcej firm przekonuje się, że automatyzacja kodowania może generować nową, trudną do kontrolowania kategorię wydatków.
AI przestaje być zwykłą licencją
Według prognozy Gartnera do 2028 roku koszt korzystania z narzędzi AI wspierających programowanie może przewyższyć średnie wynagrodzenie programisty. Powodem ma być rosnące zużycie tokenów oraz odejście dostawców od prostych, stałych abonamentów.
Firmy nie płacą już wyłącznie za dostęp do narzędzia. Koszt rośnie wraz z liczbą zapytań, długością analizowanego kodu, wielkością plików, wybranym modelem oraz zakresem zadań przekazywanych agentom AI.
W praktyce dwa zespoły korzystające z tej samej platformy mogą otrzymać zupełnie różne rachunki. Jeden użyje AI do podpowiedzi w edytorze kodu, drugi zleci modelom analizę całych repozytoriów, generowanie testów, poprawki błędów i dokumentację. To właśnie skala oraz sposób wykorzystania technologii zaczynają decydować o wysokości wydatków.
Tokeny wymykają się spod kontroli
Gartner zwraca uwagę, że największym problemem nie jest wyłącznie poziom kosztów, lecz ich nieprzewidywalność. Przy klasycznym abonamencie działy IT mogły wcześniej zaplanować budżet. Model oparty na tokenach sprawia, że wydatki zależą od bieżącej aktywności użytkowników i mogą szybko wzrosnąć.
Nitish Tyagi, starszy główny analityk Gartnera, wskazuje, że firmy nie powinny oczekiwać, iż programiści samodzielnie ograniczą korzystanie z modeli.
„Dyscyplina w zakresie zużycia tokenów nie wyłoni się sama z wyborów programistów, ponieważ mają oni tendencję do optymalizowania pod kątem szybkości i wygody, a nie efektywności kosztowej” — ocenił Tyagi.
Dane Gartner Peer Insights pokazują, że 23 proc. liderów technologicznych deklaruje wydatki na tokeny w wysokości od 200 do 500 dolarów miesięcznie na jednego programistę. Kolejne 6 proc. organizacji wskazuje koszty przekraczające 2 tys. dolarów miesięcznie na dewelopera.
Różnice są ogromne, ale kierunek pozostaje wspólny: im więcej zadań firmy przekazują AI, tym większe staje się ryzyko niekontrolowanego wzrostu rachunków.
GitHub Copilot zmienia zasady rozliczeń
Zmiana podejścia jest już widoczna u największych dostawców. GitHub od 1 czerwca 2026 roku przeniósł plany Copilot na system oparty na zużyciu, wykorzystujący tzw. AI Credits.
Dla przedsiębiorstw oznacza to, że miesięczna opłata za licencję przestaje pokazywać pełny koszt korzystania z narzędzia. Dodatkowe wydatki zależą od tego, z jakich modeli i funkcji pracownicy faktycznie korzystają.
Według Gartnera presja na wzrost cen może się utrzymywać. Dostawcy modeli ponoszą wysokie koszty infrastruktury, treningu systemów i obsługi coraz większej liczby użytkowników. Wraz z rosnącymi oczekiwaniami inwestorów dotyczącymi rentowności część tych wydatków może być przerzucana na klientów.
„Koszty kodowania z wykorzystaniem AI będą nadal rosnąć, ponieważ inwestycje w infrastrukturę oraz wyzwania związane z rentownością będą windować ceny modeli” — stwierdził Tyagi.
Uber miał wyczerpać budżet po czterech miesiącach
Rosnące koszty zaczynają zmieniać politykę firm wobec narzędzi AI. Według informacji przywoływanych przez Inc. Uber miał wykorzystać budżet przeznaczony na sztuczną inteligencję na cały 2026 rok już w pierwszych czterech miesiącach.
Firma miała następnie wprowadzić limit 1,5 tys. dolarów miesięcznie na pracownika i na każde narzędzie wspierające programowanie z użyciem AI, takie jak Claude Code czy Cursor. Przekroczenie limitu ma wymagać dodatkowej zgody.
Taki model może stać się standardem w większych organizacjach. Zamiast zapewniać wszystkim pracownikom dostęp do najdroższych modeli, firmy będą przypisywać konkretne narzędzia, limity i budżety do zespołów oraz projektów.
Koszty generują nie tylko programiści
Wydatki na tokeny nie ograniczają się do działów technologicznych. Z informacji ujawnionych podczas wewnętrznego spotkania Accenture wynika, że znaczną część zużycia mogą generować także pracownicy wykorzystujący AI do masowego formatowania, analizowania i przetwarzania dokumentów.
To oznacza, że rachunki za modele językowe mogą narastać jednocześnie w finansach, marketingu, obsłudze klienta, HR, dziale prawnym czy administracji. Bez centralnej kontroli firma może zauważyć problem dopiero po otrzymaniu faktury od dostawcy.
Podobne wnioski płyną z badania KPMG. Pełną widoczność kosztów operacyjnych AI w czasie rzeczywistym deklaruje tylko 26 proc. organizacji. Pozostałe firmy mają częściowy wgląd w wydatki albo poznają ich rzeczywistą skalę dopiero po zakończeniu okresu rozliczeniowego.
Firmy będą zarządzać „flotą agentów”
Gartner rekomenduje, aby przedsiębiorstwa zaczęły traktować AI podobnie jak inne zmienne koszty infrastruktury technologicznej. Chodzi o limity tokenów, przypisywanie wydatków do konkretnych działów i procesów oraz kierowanie prostszych zadań do mniejszych, tańszych modeli.
Analitycy wskazują również na potrzebę budowy tzw. tokenomicznego modelu semantycznego. Taki system miałby łączyć dane o zużyciu AI z kosztami, właścicielami budżetów oraz mierzalną wartością biznesową.
Dla firm coraz mniej istotne będzie więc samo pytanie, czy AI przyspiesza pisanie kodu. Znacznie ważniejsze stanie się to, czy wyższe zużycie tokenów rzeczywiście skraca czas realizacji projektów, ogranicza liczbę błędów i daje oszczędności większe niż rosnące rachunki za modele.
Prognoza Gartnera nie oznacza, że AI w programowaniu przestanie się opłacać. Pokazuje jednak, że rynek wchodzi w nową fazę. Największym wyzwaniem nie będzie już dostęp do modeli, lecz kontrola kosztów ich codziennego używania.
