Finanční ředitelé velkých amerických firem čelí bezprecedentnímu dilematu, kdy musí volit mezi financováním umělé inteligence a náborem nových zaměstnanců. Roční rozpočty vyčleněné na umělou inteligenci se v mnoha podnicích z žebříčku Fortune 500 zcela vyčerpají během pouhých jednoho až dvou měsíců. Až 95 procent korporátních úloh aktuálně běží na nejdražších prémiových modelech, což vede k obrovské neefektivitě a prodražování celého provozu.   Rozpočtový šok a bezprecedentní dilema Zavádění umělé inteligence do firemních procesů se ukazuje být podstatně nákladnější, než kdokoli na trhu původně předpokládal. Finanční ředitelé velkých amerických korporací v současnosti čelí zcela novému a mimořádně brutálnímu dilematu. Rozhodují se, zda omezí své rozpočty na lidské zdroje, nebo omezí nákup výpočetních tokenů. Toto dramatické zjištění přichází v době, kdy akciový trh tento skrytý risk zatím plně neabsorboval, láme historické rekordy a rodí nové bilionové giganty, jako je například společnost Micron Technology (MU) . Podle zástupců předních technologických firem, kteří se nacházejí přímo v centru současného boomu, představují přemrštěné rozpočty na umělou inteligenci téma číslo jedna pro každou větší korporaci. Arvind Jain, výkonný ředitel společnosti Glean, která se specializuje na podniková AI řešení, nastínil velmi ostrý obraz toho, co se reálně odehrává uvnitř elitních společností z prestižního žebříčku Fortune 500. Situace došla tak daleko, že technologické náklady poprvé v moderní historii přímo konkurují nákladům na lidskou práci. Podle Jaina vedení firem hlásí, že jejich schválené roční rozpočty na umělou inteligenci jsou zcela vyčerpány během pouhého jednoho až dvou měsíců. Tento extrémní tlak na firemní finance znamená, že neustále rostoucí výdaje na AI jsou nyní stále častěji financovány na úkor budoucího růstu počtu zaměstnanců. Poprvé tak dochází k přímému srovnávání, zda si podnik vybere technologii, nebo lidi. V minulosti se podobné konverzace v zasedacích místnostech vůbec nevedly. Tradiční technologie totiž vždy představovaly pouze nepatrný zlomek celkových provozních nákladů jakéhokoli fungujícího byznysu. Současný model, kdy je každá nová verze od předních laboratoří zhruba dvakrát dražší za jeden vygenerovaný token než její předchůdce, však staví podnikovou sféru na dlouhodobě neudržitelnou trajektorii. Náklady neklesají podle původních očekávání nákupčích, ale naopak strmě rostou. Konec éry bezhlavého utrácení Tento masivní posun v uvažování potvrdil i Matan Grinberg, výkonný ředitel společnosti Factory AI, jejíž platforma směřuje inženýrskou práci napříč různými pokročilými modely. Současný stav na trhu popisuje jako jasně definovaný problém alokace zdrojů, který se právě nyní odehrává uvnitř nejužších vedení velkých firem. Hlavní otázka, kterou si manažeři podle něj kladou, zní jasně: Pokud lze optimalizovat pouze jednu jedinou věc, má to být celkový počet zaměstnanců, nebo objem výdajů na umělou inteligenci v přepočtu na jednoho pracovníka? Korporátní přístup k nové technologii prošel během zhruba jednoho roku třemi zcela odlišnými fázemi. V té první představenstva firem v panice požadovala po svých výkonných ředitelích, aby s umělou inteligencí začali okamžitě něco dělat. Následovala druhá fáze, kterou odborníci v oboru označují jako takzvaný „tokenmaxxing“. V tomto období podniky využívaly umělou inteligenci jakýmikoli dostupnými prostředky, a to zcela bez ohledu na astronomické náklady. Nyní však trh vstupuje do třetí, mnohem střízlivější fáze. Manažerské týmy začínají velmi kriticky přehodnocovat své skutečné potřeby, zejména pokud jde o využívání těch nejprémiovějších a nejdražších modelů na trhu. Podle Grinberga si firmy konečně začínají klást logickou otázku, zda je skutečně nezbytné využívat špičkovou inteligenci na úrovni modelů Opus pro úplně každý myslitelný úkol. Odpověď je přitom zřejmá – pro běžnou operativu to zkrátka není potřeba. Cesta k efektivitě a hrozba pro valuace Jádro celého současného tlaku na marže spočívá v tom, že ačkoli je technologie mimořádně mocná a prokazatelně funguje, zatím si na sebe nedokáže sama vydělat. Způsob, jakým umělá inteligence dnes operuje, je sice velmi silný, ale zároveň obrovsky neefektivní. Hodnota, kterou tyto systémy v současném bodě podnikům reálně přinášejí, výrazně zaostává za obrovskými náklady, které firmy musí vynakládat. Zásadní část tohoto problému představuje pouhá neefektivita při samotném výběru vhodných jazykových modelů. Podle zjištění společnosti Glean běží zhruba 95 procent veškerého podnikového využití umělé inteligence na těch nejdražších dostupných modelech. A to i v případě banálních úkolů, které by hravě zvládly mnohem levnější alternativy. Řešení této situace je přitom překvapivě jednoduché a představuje to nejsnáze dostupné ovoce. Správným nasměrováním snadné práce na levnější úroveň modelů hned na samém začátku procesu mohou firmy podle odborníků dosáhnout až desetinásobných úspor. Právě na této premise je postaven i obchodní model platformy Factory AI, která automaticky odesílá každý jednotlivý úkol tomu modelu, který je pro něj nejlépe uzpůsoben. Trik spočívá v tom, že si firmy musí uvědomit, jak vzácně daná práce skutečně vyžaduje absolutní špičku na trhu. Rozdíl mezi nejnovějšími modely, jako je například Opus 4.7 a Opus 4.8, lze přirovnat k rozdílu mezi univerzitním profesorem, který učí třináct let, a tím, který učí patnáct let. Pro laika je téměř nemožné tento rozdíl vůbec zaznamenat. Celý současný boom a obchodování s technologickými akciemi stojí na sázce, že historická poptávka zůstane zachována a kupujícím bude cena i nadále víceméně lhostejná. Pohled do nitra největších amerických korporací však jasně naznačuje, že poptávka může být mnohem citlivější na cenu, než trh aktuálně předpokládá. Tento nevyhnutelný cenový střet s tvrdou realitou může mít v blízké budoucnosti fatální dopad na valuace společností jako OpenAI nebo Anthropic, které své byznys modely postavily takřka výhradně na prémiových cenách.