Costurile ascunse ale AI la scară largă

Pe 1 iunie 2026, GitHub a retras definitiv cererile “premium requests” cu tarif fix pentru Copilot și le-a înlocuit cu credite AI bazate pe consum. Când primele facturi sub noul model au sosit o lună mai târziu, unii utilizatori agenți au văzut facturi pentru care nu erau pregătiți: Un dezvoltator a raportat că costurile lunare au crescut de la 29 $ la 750 $ pentru cele mai grele fluxuri de lucru agenți.

A fost un exemplu vizibil al unei schimbări mai ample în piața instrumentelor AI pe parcursul anului 2026 – și una care ar putea aștepta organizațiile care încă plătesc un tarif fix astăzi.

Organizațiile numără orele pe care le economisesc. Multe dintre ele nu iau în calcul ceea ce un tarif fix păstrează invizibil: consumul de context și reîncercările după eșec. Alte costuri nu apar niciodată pe factura furnizorului, inclusiv timpul petrecut revizuind rezultatele și întreținând prompturile. Odată ce facturarea trece la consumul real, organizațiile fără disciplină de costuri riscă o factură care le surprinde în același mod în care noul model al Copilot a surprins unii utilizatori.

Contextul pe care nimeni nu l-a prețuit

AI evident are nevoie de context; acest lucru nu este pus sub semnul întrebării. Întrebarea este dacă contextul trimis este relevant sau doar convenabil disponibil. Trimiterea unui document întreg este cea mai rapidă modalitate de a furniza unui model informații. Nu este automat cea mai ieftină sau cea mai bună metodă.

În mai 2026, Laboratorul de Economie Digitală al Stanford a publicat o analiză a sarcinilor de codare agențiale pe opt modele de frontieră și a constatat că aceste sarcini consumă până la o mie de ori mai mulți tokeni decât o simplă discuție de cod, principalul factor nefiind ieșirea modelului, ci contextul de intrare pe care îl retrimite în mod repetat. Agentul recitește întreaga sa istorie la fiecare pas ulterior. Aceeași sarcină, rulată de mai multe ori, a variat în consumul de tokeni până la de treizeci de ori.

Precizia nu se scalează liniar cu volumul de context nici ea: adesea atinge un maxim la o cantitate moderată și apoi adaugă doar costuri fără a adăuga valoare.

Insensibilitatea la tokeni, atunci, nu se referă la faptul că AI nu are nevoie de context. Este vorba despre faptul că, fără măsurare, nimeni nu se întreabă dacă tot acel context este cu adevărat necesar. Sub un tarif fix, întrebarea este ușor de ignorat. Sub facturarea bazată pe consum, devine parte a costului.

Când plătești de două ori pentru eșec

Fluxurile agențiale implică un alt cost care aproape niciodată nu apare în calculele ROI. Imaginează-ți un lanț simplificat de zece pași, fiecare având o șansă de 95% de a rula corect în mod individual. Sună destul de fiabil, dar când sunt legate împreună, lanțul are doar aproximativ 60% șansă să parcurgă întreaga execuție fără nicio eroare.

Într-un flux de lucru care trimite din nou contextul acumulat la fiecare apel, fiecare eșec și reîncercarea ulterioară nu costă doar pasul repetat: plătești din nou pentru tot ce a fost trimis înainte de el.

Este o durere comună prin care trece aproape toată lumea când își construiește prima conductă agențială. Am trecut și eu prin asta. La început, cu doar câțiva agenți, nu conta prea mult. Dar pe măsură ce conducta a crescut, fiecare execuție eșuată a devenit mai costisitoare, și asta m-a determinat să încep să mă întreb ce context are nevoie fiecare agent și cum să îl stochez în cache, în loc să mă întreb doar dacă execuția a reușit.

Aceeași analiză calculează că un agent cu zece pași și o fiabilitate de 95% pe pas consumă aproximativ cu 40% mai mulți tokeni la reîncercări decât un sistem perfect fiabil. Acesta este un cost pe care îl vei vedea pe factură, dar, probabil, nu va apărea în niciun tabel ROI.

Supravegherea nu este un bug. parte din buget

Acest punct trebuie formulat cu precizie, deoarece este ușor să fie greșit. Revizuirea rezultatelor AI nu este o defecțiune a sistemului; este o parte legitimă și așteptată a lucrului cu AI, la fel cum revizuirea codului este o parte legitimă a colaborării cu dezvoltatorii. Problema nu este că rezultatele sunt revizuite. Problema este că această muncă aproape niciodată nu este luată în calcul în estimarea cât de mult a economisit AI.

Institutul Work AI al Glean a sondat 6.000 de lucrători și a constatat că automatizarea le economisește aproximativ 11 ore pe săptămână, dar aproape șase ore și jumătate din acele ore se dedică sarcinilor de întreținere: furnizarea de context sistemelor AI, verificarea muncii lor și corectarea greșelilor. Economiția netă, atunci, se apropie de patru ore și jumătate – mai puțin de jumătate din cifra de titlu. AI încă economisește timp, doar nu atât de mult cum sugerează primul număr.

Prompturile necesită întreținere, nu doar un autor

Prompturile se comportă astăzi mai mult ca un cod de producție: o actualizare a modelului, o schimbare a contextului sau o editare aparent minoră pot modifica modul în care funcționează. Fără versionare și testare, aceste modificări pot introduce probleme în tăcere. Testele de regresie, standard în dezvoltarea de cod, sunt încă adesea omise când vine vorba de verificarea prompturilor. O modificare care pare o editare minoră a unei singure fraze poate ajunge în producție și poate reduce acuratețea fără ca nimeni să observe până când problema se acumulează și devine vizibilă.

Construirea unui cadru de evaluare adecvat – care să includă un set de teste și teste de regresie automate pentru fiecare modificare – reprezintă muncă suplimentară care aproape niciodată nu apare în calculul „AI economisește timp”.

Tokeni mai ieftini, facturi mai mari

GitHub Copilot nu a fost o excepție. Un sondaj citat de CFO Dive a constatat că aproape șapte din zece companii din SUA au raportat cel puțin depășiri parțiale ale bugetului pentru AI în ultimul an, în mare parte înainte de o tranziție completă la facturarea pe bază de consum, nu după aceasta.

Bain & Company, în analiza sa din iunie privind economia token-urilor, adaugă un paradox care surprinde cel mai bine situația: prețul pe token a scăzut la jumătate în decursul anului, în timp ce consumul în aceeași perioadă a crescut de 4,5 ori.

Modelul a devenit mai ieftin, dar factura rămâne încă ridicată. Companiile au trecut la modele mai noi, au atribuit agenților sarcini mai complexe și au găsit mai multe fluxuri de lucru pentru ei. Un token mai ieftin nu a însemnat cheltuieli mai mici; a însemnat că existau mai multe motive pentru a consuma unul.

Cum să te pregătești înainte să primești factura

Cadrul care rezultă din acestea nu se referă la utilizarea mai puțin a AI. Este vorba despre a cunoaște costurile AI înainte de a decide să le scalezi în continuare.

1. Obține mai întâi vizibilitatea

Până când nu ai consumul descompus pe echipă, flux de lucru, aplicație și sarcină finalizată, fiecare extindere este o pariu în orb. Acea vizibilitate nu este gratuită nici ea: pentru fluxurile de lucru agentice în special, urmărirea fiecărui pas, înregistrarea a ceea ce s-a întâmplat și de ce, și monitorizarea buclelor necontrolate necesită timp propriu de inginerie și instrumente. Alocă buget pentru aceasta ca parte a costului de operare al AI, nu ca o idee ulterioară adăugată peste el.

2. Recalculează ROI-ul pe bază netă

Scade timpul petrecut pentru revizuire, corecții și întreținerea prompt-urilor din orele raportate ca economisite. Dacă economisirea de timp este scopul cazului de utilizare și rezultatul net este negativ sau neverificabil, nu este pregătit pentru scalare. Dacă beneficiul vizat este calitatea, capacitatea, reducerea riscului sau venitul, măsoară acel rezultat direct.

3. Aplică disciplina costurilor, dar nu uniform

Un plafon strict de cheltuieli are sens acolo unde eșecul este ieftin: instrumente interne, agenți experimentali, medii de dezvoltare. Pentru funcționalități critice, orientate spre client – de exemplu un asistent de servicii pentru clienți – un plafon strict nu este viabil, deoarece creează riscul unei întreruperi. În acel caz, ai nevoie de fallback-uri pe niveluri către un model mai ieftin și alerte timpurii, nu de o oprire la zero.

4. Tratează prompt-urile și evaluările ca active de inginerie

Versionează-le, testează-le și revizuiește modificările înainte de implementare, la fel cum ai gestiona codul de producție.

Intră la reînnoiri cu propriile tale date

Prețurile furnizorilor sunt greu de evaluat fără datele tale proprii de consum. Înainte de o reînnoire sau schimbare de model, calculează cât ar costa fluxurile tale de lucru existente în condițiile termenilor propuși. Scopul nu este doar să negociezi un preț mai mic. Este să știi cum se va comporta acel preț la nivelul tău real de consum, în loc să afli din factură.

Trei lucruri pe care le poți face săptămâna aceasta: verifică dacă poți descompune consumul AI pe echipă și flux de lucru; alege un caz de utilizare și pune timpul petrecut la revizuire lângă orele raportate ca economisite; și află unde un plafon strict de cheltuieli ar putea crea o întrerupere în loc să controleze un cost.

Costurile AI pot fi gestionate. Doar nu când le descoperi pentru prima dată din factură.