Uber to firma, która wydaje miliardy dolarów na technologię. Ma jednych z najlepszych inżynierów na świecie, zaawansowane systemy analityczne i całe zespoły zajmujące się optymalizacją kosztów. A mimo to w 2026 roku przekroczyła swój roczny budżet na narzędzia AI w zaledwie cztery miesiące.
Jak to się stało? Uber dał pracownikom szeroki dostęp do narzędzi AI - od asystentów kodowania po modele językowe używane w codziennej pracy. Bez jasnych limitów, bez monitorowania zużycia na poziomie zespołów, bez polityki korzystania. Efekt? Koszty eksplodowały, a firma musiała wprowadzić nagłe ograniczenia, które z kolei wywołały frustrację wśród pracowników przyzwyczajonych do swobodnego korzystania z tych narzędzi.
Dlaczego piszę o tym na blogu skierowanym do polskich firm? Bo jeśli gigant technologiczny z budżetem liczonym w miliardach potrafi popełnić taki błąd, to mniejsza firma z budżetem IT na poziomie kilkudziesięciu tysięcy złotych miesięcznie może wpaść w tę samą pułapkę jeszcze szybciej. Różnica jest taka, że dla Ubera to problem wizerunkowy i organizacyjny. Dla polskiej firmy z sektora MŚP to może być problem egzystencjalny.
Jak dokładnie Uber przepalił budżet na AI
Według informacji opublikowanych przez TechCrunch, Uber na początku 2026 roku udostępnił pracownikom narzędzia AI w modelu „używaj ile chcesz". Chodziło głównie o trzy kategorie: asystentów kodowania (takich jak GitHub Copilot i wewnętrzne narzędzia oparte na dużych modelach językowych), interfejsy do modeli GPT i Claude'a do zadań analitycznych oraz automatyzacje oparte na agentach AI, które pracownicy tworzyli samodzielnie do swoich codziennych zadań.
Problem polegał na tym, że nikt nie śledził, ile kosztują poszczególne zapytania i procesy. Pojedyncze zapytanie do modelu GPT-4o kosztuje grosze. Ale gdy tysiące pracowników wysyła dziesiątki zapytań dziennie, a agenci AI działają w pętlach wykonując setki wywołań API na jedno zadanie - rachunki rosną wykładniczo. Uber przekroczył roczny budżet AI w cztery miesiące, co oznacza, że tempo wydatków było trzykrotnie wyższe niż planowane.
Firma zareagowała wprowadzając limity - miesięczne pułapy wydatków na zespół, ograniczenia liczby zapytań do zewnętrznych modeli i obowiązkowe przeglądy kosztów dla projektów wykorzystujących agentów AI. To zadziałało, ale wywołało chaos organizacyjny. Zespoły, które zdążyły wbudować AI w swoje codzienne procesy, nagle straciły dostęp do narzędzi, na których polegały.
Dlaczego ten sam problem dotyczy polskich firm
Możesz pomyśleć: „Moja firma ma 30 pracowników, nie wydajemy milionów na AI". I to prawda. Ale proporcjonalnie ryzyko jest nawet większe. Oto dlaczego.
Po pierwsze, koszty narzędzi AI są zwodniczo niskie na starcie. Subskrypcja ChatGPT Team to około 120 złotych na osobę miesięcznie. Claude Pro - podobnie. GitHub Copilot Business - około 80 złotych. Ale gdy dodasz do tego koszty API dla własnych automatyzacji, integracje z narzędziami typu Make czy n8n, które wywołują modele AI w pętlach, oraz specjalistyczne narzędzia branżowe z wbudowanym AI - miesięczny rachunek dla 30-osobowej firmy potrafi urosnąć z planowanych 5 000 złotych do 15 000 - 20 000 złotych. Widziałem to u moich klientów.
Po drugie, polskie firmy rzadko mają dedykowaną osobę odpowiedzialną za zarządzanie kosztami narzędzi chmurowych i AI. W firmie 50-osobowej zazwyczaj ktoś z IT „przy okazji" zajmuje się subskrypcjami. Nikt nie monitoruje, ile faktycznie kosztują wywołania API, ile zapytań generują poszczególne automatyzacje i czy w ogóle przynoszą zwrot z inwestycji.
Po trzecie - i to jest chyba najważniejsze - entuzjazm wobec AI sprawia, że firmy kupują narzędzia „na zapas". Widziałem firmę produkcyjną z Wielkopolski, która jednocześnie płaciła za ChatGPT Team, Jasper, Copy.ai i Writesonic - cztery narzędzia do generowania tekstu, z których realnie korzystano z jednego. Miesięczny koszt tych „zapasowych" subskrypcji? Ponad 3 000 złotych, które szły w błoto.
Jak rozsądnie planować budżet na AI w firmie
Na podstawie doświadczeń z pracy z polskimi firmami MŚP wypracowałem podejście, które nazywam „budżetem AI w trzech warstwach". Nie jest to żaden skomplikowany framework - raczej zdrowy rozsądek ujęty w prostą strukturę.
Warstwa 1: Narzędzia bazowe (stały koszt miesięczny). To subskrypcje, które płacisz niezależnie od zużycia. ChatGPT Team lub Claude Pro dla pracowników, którzy faktycznie z nich korzystają (nie dla wszystkich - o tym za chwilę). GitHub Copilot dla programistów. Może Midjourney lub inne narzędzie graficzne. Ten koszt jest przewidywalny i łatwy do kontrolowania. Dla firmy 30-osobowej, gdzie z AI aktywnie korzysta 10-15 osób, to zazwyczaj 2 000 - 4 000 złotych miesięcznie.
Warstwa 2: Automatyzacje i integracje (koszt zmienny). Tu zaczyna się robić ciekawie i tu Uber wpadł w kłopoty. Gdy budujesz automatyzacje w Make, n8n czy Zapierze, które wywołują modele AI przez API, koszty zależą od liczby uruchomień. Jeden obieg pracy, który analizuje przychodzące maile i generuje odpowiedzi, może kosztować 50 złotych miesięcznie albo 500 - zależnie od wolumenu. Dlatego każda automatyzacja powinna mieć ustawiony limit budżetowy. W OpenAI możesz ustawić miesięczny pułap wydatków na klucz API. W Anthropic - podobnie. Korzystaj z tego.
Warstwa 3: Eksperymenty i nowe narzędzia (budżet na testy). To jest ta warstwa, którą większość firm albo ignoruje, albo nie kontroluje. Wydziel konkretną kwotę miesięczną - powiedzmy 500 - 1 500 złotych - na testowanie nowych narzędzi AI. Gdy ktoś w zespole chce wypróbować nowe rozwiązanie, korzysta z tego budżetu. Gdy budżet się skończy, testy czekają do następnego miesiąca. Proste, ale skuteczne.
Konkretna rada: zrób audyt obecnych wydatków na AI. Sprawdź wszystkie subskrypcje, koszty API i narzędzia, za które płacisz. Gwarantuję, że znajdziesz co najmniej jedną pozycję, za którą płacisz niepotrzebnie. U jednego z moich klientów - firmy e-commerce z Krakowa zatrudniającej 45 osób - taki audyt ujawnił, że firma płaciła za 7 różnych narzędzi AI, z czego 3 miały pokrywające się funkcje. Po konsolidacji miesięczne wydatki spadły z 8 500 do 4 200 złotych, bez utraty jakiejkolwiek funkcjonalności.
Agenci AI - największe ryzyko budżetowe
Osobny akapit poświęcam agentom AI, bo to właśnie oni są głównym winowajcą przekroczenia budżetu w Uberze i będą coraz większym wyzwaniem dla polskich firm.
Czym się różni agent AI od zwykłego zapytania do ChatGPT? Gdy pytasz ChatGPT o coś, to jedno wywołanie modelu - jeden koszt. Gdy uruchamiasz agenta AI, on sam decyduje, ile kroków musi wykonać, aby zrealizować zadanie. Agent może wywołać model 5 razy albo 50 razy, korzystając przy tym z różnych narzędzi i źródeł danych. Każde wywołanie to osobny koszt.
Przykład z praktyki: firma logistyczna z Łodzi wdrożyła agenta AI do analizy reklamacji klientów. Agent miał czytać maile, klasyfikować problem, sprawdzać historię zamówień w systemie ERP i generować propozycję odpowiedzi. W testach na 10 reklamacjach dziennie koszt wynosił około 15 złotych. Gdy system przeszedł na produkcję i zaczął obsługiwać 200 reklamacji dziennie, miesięczny koszt samych wywołań API przekroczył 9 000 złotych. Nikt tego nie przewidział, bo nikt nie przeliczył kosztów jednostkowych na pełną skalę.
Rozwiązanie? Zanim wdrożysz agenta AI na produkcję, policz koszt jednostkowy na próbce minimum 100 zadań. Pomnóż przez przewidywany miesięczny wolumen. Dodaj 30% marginesu na nieprzewidziane sytuacje (bo agenci AI w trudniejszych przypadkach wykonują więcej kroków). I dopiero wtedy podejmij decyzję, czy to się opłaca. Czasem okaże się, że prostsza automatyzacja - bez agenta, z ustalonymi krokami - daje 80% efektu za 20% kosztów.
Warto też wiedzieć, że koszty wywołań modeli AI spadają. Cena za milion tokenów w GPT-4o jest dziś kilkukrotnie niższa niż rok temu. Anthropic i Google również obniżają ceny. To oznacza, że agent, który dziś kosztuje 9 000 złotych miesięcznie, za pół roku może kosztować 3 000 złotych. Ale to nie jest powód, żeby nie kontrolować wydatków teraz. Wręcz przeciwnie - im lepiej rozumiesz swoje koszty, tym lepsze decyzje podejmiesz, gdy ceny spadną.
Pięć praktycznych zasad, które uchronią Twój budżet
Na koniec - lista konkretnych działań, które możesz wdrożyć w swojej firmie już w tym tygodniu:
- Przydzielaj licencje AI na podstawie faktycznego użycia, nie stanowiska. Nie każdy pracownik potrzebuje płatnego ChatGPT. Zacznij od 30-40% zespołu i rozszerzaj na podstawie danych o wykorzystaniu.
- Ustaw limity wydatków na kluczach API. Każdy dostawca (OpenAI, Anthropic, Google) pozwala na ustawienie miesięcznych pułapów. Skonfiguruj je od pierwszego dnia - zmiana limitu w górę zajmuje minutę, ale odzyskanie przepalonego budżetu jest niemożliwe.
- Rób miesięczny przegląd kosztów AI. 15 minut raz w miesiącu - sprawdź faktury, porównaj z planem, zidentyfikuj anomalie. To minimum, które pozwoli Ci wyłapać problemy, zanim urosną.
- Testuj na małej skali przed wdrożeniem. Każda automatyzacja i każdy agent AI powinien przejść przez fazę pilotażu z jasno określonym budżetem testowym. Dopiero po walidacji kosztów i efektów skaluj na całą firmę.
- Konsoliduj narzędzia co kwartał. Rynek AI zmienia się szybko. Narzędzie, które kupowałeś osobno, mogło zostać wbudowane w platformę, za którą już płacisz. Co trzy miesiące sprawdzaj, czy nie płacisz podwójnie za te same funkcje.
Podsumowanie
Historia Ubera to nie jest opowieść o firmie, która źle zarządzała technologią. To opowieść o tym, jak łatwo stracić kontrolę nad kosztami AI, gdy brakuje jasnych zasad i monitoringu. Jeśli firma z budżetem technologicznym liczonym w miliardach dolarów potrafi przekroczyć plan w cztery miesiące, to polska firma MŚP musi być jeszcze bardziej czujna.
Dobra wiadomość jest taka, że uniknięcie tego błędu nie wymaga dużych nakładów. Wymaga przede wszystkim świadomości, że koszty AI nie są stałe i przewidywalne jak tradycyjne licencje na oprogramowanie. Są dynamiczne, zależne od użycia i mogą rosnąć nieliniowo - szczególnie gdy w grę wchodzą agenci AI i automatyzacje oparte na wywołaniach API.
Zacznij od audytu obecnych wydatków, wprowadź trójwarstwowy budżet i ustaw limity. To trzy kroki, które możesz wykonać w ciągu jednego dnia, a które mogą zaoszczędzić Twojej firmie tysiące złotych miesięcznie. Uber nauczył się tej lekcji za miliony dolarów. Ty możesz nauczyć się za darmo.
Źródło: TechCrunch - Uber caps employee AI spending after blowing through budget in four months