Przez ostatnie dwa lata polskie firmy przyzwyczaiły się do taniego AI. Subskrypcja ChatGPT Plus za 20 dolarów miesięcznie, darmowe modele w API Gemini, promocyjne ceny Claude'a - to wszystko sprawiło, że wdrożenie sztucznej inteligencji wydawało się niemal bezkosztowe. Ale ten okres właśnie się kończy.
OpenAI, Google i Anthropic sygnalizują, że dotychczasowy model cenowy był w dużej mierze subsydiowany. Sam Sam Altman przyznał publicznie, że firma traci pieniądze na subskrypcjach ChatGPT Plus. OpenAI wprowadziło plan Pro za 200 dolarów miesięcznie, a w czerwcu 2025 roku pojawiły się kolejne sygnały, że ceny API mogą wzrosnąć nawet dwu- lub trzykrotnie w ciągu najbliższych 12 miesięcy. Dla polskiej firmy zatrudniającej 15 osób, która zintegrowała AI z codziennymi procesami, to może oznaczać skok kosztów z kilkuset do kilku tysięcy złotych miesięcznie.
Pytanie nie brzmi więc "czy AI podrożeje", ale "jak bardzo i jak szybko". I przede wszystkim - co z tym zrobić, zanim rachunki zaczną rosnąć.
Dlaczego ceny idą w górę - i to nie jest chwilowy trend
Żeby zrozumieć nadchodzące podwyżki, trzeba spojrzeć na ekonomię firm AI. Trenowanie modelu GPT-4 kosztowało szacunkowo ponad 100 milionów dolarów. Trenowanie następnych generacji jest jeszcze droższe. Do tego dochodzi koszt inferencji, czyli każdego zapytania, które wysyłasz do modelu. Kiedy miliony użytkowników jednocześnie korzystają z ChatGPT'a, rachunki za serwery GPU idą w setki milionów dolarów miesięcznie.
Firmy takie jak OpenAI, Anthropic czy Google DeepMind dotychczas pokrywały te koszty z inwestycji venture capital i strategicznych partnerstw. OpenAI pozyskało ponad 13 miliardów dolarów od Microsoftu, Anthropic otrzymał miliardy od Amazona i Google'a. Ale inwestorzy oczekują zwrotu. A zwrot oznacza wyższe ceny dla użytkowników końcowych.
Dane z rynku potwierdzają ten kierunek. Cena za milion tokenów wyjściowych w modelu GPT-4o wynosi obecnie 15 dolarów - ale jeszcze rok temu porównywalne modele kosztowały mniej. Model o3 w trybie "deep thinking" potrafi zużyć tokeny warte kilka dolarów na jedno złożone zapytanie. Nowe, bardziej zaawansowane modele rozumowania - takie jak o3 Pro - są jeszcze droższe w obsłudze. Trend jest jasny: im lepsze modele, tym wyższe koszty ich uruchamiania.
Dla polskiego rynku jest jeszcze jeden czynnik - kurs dolara. Kiedy dolar umacnia się wobec złotówki, każda podwyżka cen w USD uderza podwójnie. Firma płacąca 100 dolarów miesięcznie za API przy kursie 3,80 zł wydaje 380 zł. Przy kursie 4,20 zł to już 420 zł - wzrost o ponad 10% bez żadnej zmiany cennika po stronie dostawcy.
Ile naprawdę wydaje polska MŚP na AI - i gdzie rosną koszty
Z moich rozmów z klientami wynika, że typowa polska firma z sektora MŚP, która aktywnie korzysta z AI, wydaje dziś między 500 a 3000 złotych miesięcznie. To obejmuje subskrypcje (ChatGPT Team, Claude Pro, Midjourney), koszty API (integracje z własnymi systemami) oraz narzędzia no-code typu Make czy Zapier, które łączą AI z resztą infrastruktury.
Problem polega na tym, że koszty rosną w sposób, którego wiele firm nie monitoruje. Oto typowe scenariusze:
- Niekontrolowane zużycie tokenów w API - firma wdraża chatbota obsługi klienta, który przy każdym zapytaniu wysyła do modelu cały kontekst rozmowy. Im dłuższa rozmowa, tym więcej tokenów. Jeden klient, który prowadzi 20-minutowy dialog, może wygenerować koszt 2-3 złotych. Pomnóż to przez setki rozmów dziennie.
- Duplikacja narzędzi - dział marketingu płaci za Jasper AI, dział sprzedaży za ChatGPT Team, a zarząd za Claude Pro. Trzy subskrypcje, które w dużej mierze robią to samo.
- Brak cache'owania i optymalizacji - te same zapytania lecą do API wielokrotnie, bo nikt nie wdrożył prostego mechanizmu zapisywania powtarzalnych odpowiedzi.
- Wybór zbyt dużego modelu do prostych zadań - klasyfikacja e-maili przez GPT-4o, kiedy GPT-4o-mini zrobiłby to samo za ułamek ceny.
Widziałem przypadek firmy e-commerce z Poznania, która po trzech miesiącach od wdrożenia asystenta AI na stronie odkryła, że jej rachunek za API wzrósł z 800 do 4200 złotych miesięcznie. Nie dlatego, że narzędzie nie działało - działało świetnie, więc klienci chętnie z niego korzystali. Nikt po prostu nie zaplanował, co się stanie, gdy ruch wzrośnie trzykrotnie.
Pięć konkretnych kroków, żeby ograniczyć nadchodzące podwyżki
Nie da się uniknąć wzrostu cen AI, ale da się znacząco ograniczyć jego wpływ na budżet firmy. Oto strategie, które działają w praktyce:
1. Audyt zużycia i konsolidacja narzędzi. Zanim zaczniesz optymalizować, musisz wiedzieć, ile wydajesz i na co. Zbierz wszystkie faktury za narzędzia AI z ostatnich trzech miesięcy. Sprawdź, kto z czego korzysta. W większości firm okazuje się, że 30-40% subskrypcji można zlikwidować bez żadnej straty funkcjonalności. Jedno narzędzie z dobrze skonfigurowanymi promptami zastępuje trzy wyspecjalizowane aplikacje.
2. Dopasuj model do zadania. To najszybszy sposób na obniżenie kosztów API. GPT-4o-mini kosztuje ułamek tego co GPT-4o, a do wielu zadań - klasyfikacji, ekstrakcji danych, prostych podsumowań - jest wystarczający. Claude 3.5 Haiku jest tańszy od Claude 3.5 Sonnet. Gemini Flash jest tańszy od Gemini Pro. Zasada jest prosta: używaj najmniejszego modelu, który daje akceptowalne wyniki dla danego zadania. W praktyce oznacza to, że jeden obieg pracy może korzystać z dwóch lub trzech różnych modeli na różnych etapach.
3. Wdróż cache'owanie promptów. OpenAI i Anthropic oferują natywne mechanizmy cache'owania (Prompt Caching w API Anthropica, analogiczne rozwiązanie u OpenAI), które obniżają koszt powtarzalnych zapytań nawet o 90%. Jeśli Twój system wysyła podobne zapytania z tym samym kontekstem systemowym, cache'owanie to absolutna podstawa. Firma logistyczna z Wrocławia, z którą współpracowałem, obniżyła miesięczny rachunek za API z 2800 do 900 złotych tylko dzięki wdrożeniu cache'owania i kompresji kontekstu.
4. Rozważ modele open source do powtarzalnych zadań. Modele takie jak Llama 3.1, Mistral czy polskojęzyczny Bielik można uruchomić na własnym serwerze lub w chmurze za stałą, przewidywalną opłatę. Nie nadają się do wszystkiego - w złożonym rozumowaniu czy kreatywnym pisaniu wciąż przegrywają z GPT-4o czy Claude'em 3.5 Sonnet. Ale do klasyfikacji dokumentów, odpowiadania na FAQ czy ekstrakcji danych z faktur sprawdzają się doskonale. Stały koszt serwera (np. 300-500 zł miesięcznie za instancję z GPU w polskiej chmurze) jest przewidywalny i nie rośnie wraz z liczbą zapytań.
5. Ustaw limity i alerty budżetowe. Zarówno OpenAI, jak i Anthropic oraz Google pozwalają ustawić miesięczne limity wydatków na API. Ustaw je. Skonfiguruj alerty na poziomie 50%, 75% i 90% budżetu. To banalne, a zaskakująco mało firm to robi. Bez limitów jedno źle napisane zapytanie w pętli potrafi wygenerować rachunek za tysiące złotych w ciągu jednej nocy.
Strategia długoterminowa - nie uzależniaj się od jednego dostawcy
Największym ryzykiem dla polskiej firmy nie jest sama podwyżka cen, ale uzależnienie od jednego dostawcy AI. Jeśli cała Twoja automatyzacja opiera się na API OpenAI, a OpenAI podniesie ceny o 100%, masz dwie opcje: płacić albo przepisywać wszystko od zera. Obie są bolesne.
Dlatego warto od początku projektować systemy z myślą o wymienności modeli. W praktyce oznacza to kilka rzeczy. Po pierwsze, warstwę abstrakcji między Twoim kodem a API dostawcy - biblioteki takie jak LiteLLM czy LangChain pozwalają przełączać się między modelami różnych dostawców zmianą jednej linijki konfiguracji. Po drugie, regularne testowanie alternatyw - raz na kwartał sprawdź, czy Twoje kluczowe zadania nie działają równie dobrze na tańszym modelu lub u innego dostawcy.
Warto też obserwować europejski rynek AI. Firmy takie jak Mistral (Francja) czy Aleph Alpha (Niemcy) rozwijają modele z myślą o europejskich regulacjach i cenach. Polski Bielik, rozwijany przez SpeakLeash, z każdą wersją radzi sobie lepiej z polskim językiem. Te alternatywy mogą okazać się nie tylko tańsze, ale też lepiej dopasowane do specyfiki polskiego rynku.
Jest jeszcze kwestia, o której mało kto mówi: negocjacje. Jeśli Twoja firma wydaje na API więcej niż 1000 dolarów miesięcznie, masz prawo rozmawiać z dostawcą o indywidualnych warunkach. OpenAI, Anthropic i Google mają programy dla klientów biznesowych z rabatami wolumenowymi. Nie dostaniesz ich, jeśli nie zapytasz.
Podsumowanie - drożej nie znaczy gorzej, ale trzeba działać teraz
Wzrost cen usług AI jest nieunikniony. Okres, w którym najpotężniejsze modele językowe świata były dostępne za cenę miesięcznego abonamentu na Netflixa, był anomalią rynkową, nie normą. Firmy AI muszą zacząć zarabiać, a to oznacza wyższe ceny dla użytkowników.
Ale - i to jest dobra wiadomość - polskie MŚP mają czas, żeby się przygotować. Większość podwyżek będzie stopniowa, rozłożona na kwartały. Nowe, tańsze modele pojawiają się regularnie. Konkurencja między dostawcami działa na korzyść klientów. A firmy, które już teraz zoptymalizują swoje zużycie, wdrożą cache'owanie i dywersyfikację dostawców, odczują podwyżki minimalnie.
Najgorsze, co można zrobić, to ignorować temat i czekać, aż rachunek za AI podwoi się z miesiąca na miesiąc. Najlepsze - potraktować nadchodzące zmiany jako impuls do uporządkowania tego, jak firma korzysta ze sztucznej inteligencji. Bo dobrze zoptymalizowane wdrożenie AI, nawet przy wyższych cenach, wciąż będzie wielokrotnie tańsze niż wykonywanie tych samych zadań ręcznie.
Źródło: Is this the dawn of the tokenpocalypse? - TechCrunch