Branden Jenkins był na kolacji, gdy jedno spojrzenie na telefon zmieniło przebieg wieczoru. Sprawdzając pulpit wykorzystania AI, prezes odkrył, że jego weekendowa sesja kodowania kosztowała go 1,000 USD — naliczane automatycznie, w krokach po 1,000 USD, na kartę ustawioną na automatyczne odnawianie.

Jenkins kieruje Maxio, wspieraną przez private equity firmą programistyczną z siedzibą w Atlancie, która zmierza w kierunku 100 milionów dolarów rocznych przychodów w ciągu najbliższych kilku lat. Maxio sprzedaje oprogramowanie do rozliczeń subskrypcyjnych i zarządzania przychodami innym firmom z sektora B2B software. Jak sam przyznał, znajduje się też niemal na szczycie wewnętrznego rankingu wydatków na AI w firmie — nietypowym miejscu dla prezesa. „Tysiąc to, powiedziałbym, nie tak dużo, ale za jeden weekend to dość irytujące” — powiedział w rozmowie z Fortune. Opisując swojego agenta jako „gotującego bez przerwy”, skomentował swoją reakcję: „Wow, szybko tu dotarłem”.

W jego firmie — a szerzej także w korporacyjnej Ameryce — ten epizod stał się pewnego rodzaju przypowieścią o tym, jak szybko „agentowe” narzędzia AI mogą pochłaniać pieniądze, zanim ktokolwiek to zauważy, aż do momentu pojawienia się rachunku. Jenkins powiedział jednak, że niespodziewana faktura nie spędza mu snu z powiek. Głębszy problem jest bardziej złożony i bardziej ludzki: „niepewność” jego pracowników związana z tym, że technologia — i on sam — wyprzedzają ich tempo.

Jak weekend zamienił się w lekcję za 1,000 USD

Jenkins opisuje siebie jako technicznego prezesa, który buduje własnych agentów i automatyzacje. Potrafi pisać kod z telefonu, używając Claude, nawet gdy jest z dala od biurka — i właśnie dlatego skończył na debugowaniu i iterowaniu nad projektem podczas kolacji. Portfel tokenów, który skonfigurował do finansowania takich sesji, był ustawiony tak, by automatycznie zasilać się o 1,000 USD za każdym razem, gdy się wyczerpał, cicho obciążając jego kartę bez potrzeby dodatkowej decyzji — aż zobaczył sumę.

„Nie mam ograniczeń, na których wielu moich pracowników się zatrzymuje i musi prosić o zgodę” — powiedział Jenkins, opisując własny nieograniczony wewnętrzny budżet zarówno jako przywilej, jak i obciążenie. „Więc zacząłem się temu przyglądać i myśleć: »Jak to wygląda?«”

Dostawcy AI, tacy jak Anthropic i OpenAI, rozliczają się za tokeny — porcje tekstu, które modele odczytują i generują — więc koszty rosną linia po linii, gdy rozmowy się wydłużają, a kolejne próby sumują się. Jak stwierdził, duża część marnotrawstwa wynika z doboru modelu i niekontrolowanego dryfu konwersacji — system AI prowadzi użytkownika ścieżkami, których ten nigdy nie zamierzał obrać. „W wielu przypadkach to własne błędy agenta spalają twoje pieniądze” — powiedział Jenkins. „Człowiek po prostu zaczyna rozmawiać i [sprawy] wymykają się spod kontroli”.

Wracając myślami do rozmów ze swoimi botami, powiedział: „Myślisz: »Tak, tak, podoba mi się, więcej tego, więcej tego«. Nagle lądujesz nie wiadomo gdzie i mówisz: »Nie, wcale tego nie chcę«. Więc część tych pieniędzy po prostu się marnuje, bo to cię tam zaprowadziło”.

Jego doświadczenie odzwierciedla wzorzec dobrze już udokumentowany w całej branży. Gartner oszacował, że agentowe modele AI mogą wymagać od 5x do 30x więcej tokenów na zadanie niż standardowa wymiana z chatbotem, a badanie WitnessAI wykazało, że 68% amerykańskich firm twierdzi, iż co najmniej część ich inicjatyw AI przekroczyła budżet w minionym roku, a jedna trzecia wskazała, że przekroczenia zdarzają się „głównie lub zawsze”. George Sivulka, prezes Hebbia, ujął to zapadająco w pamięć, pisząc, że używanie agentów oznacza, iż „właśnie zatrudniłeś milion złych pracowników”.

To zjawisko zyskało nawet własną nazwę: „tokenmaxxing”, branżowy skrót oznaczający maksymalizowanie nieograniczonego użycia AI. Uber miał podobno wyczerpać cały budżet na kodowanie AI na 2026 rok w cztery miesiące, a Amazon miał podobno wydać 500 milionów dolarów na AI w jednym miesiącu po udostępnieniu dostępu bez limitów użycia — w miesiącu, w którym „tokenmaxxing” umarło. Weekendowy koszt 1,000 USD u Jenkinsa to przy tym drobna kwota, ale — jak zauważył — to wciąż prawdziwe pieniądze. „W Claude nie ma przycisku zwrotu. Nie ma przycisku sporu” — powiedział Jenkins, dodając, że może powinien być.

Triki z praktyki

Po kolacyjnym incydencie Jenkins szukał sposobów na ograniczenie własnego spalania tokenów — w dużej mierze, jak twierdzi, ucząc się z porad dotyczących optymalizacji AI krążących na TikToku, a nie od własnego zespołu inżynierskiego. Zaczął kierować różne zadania do różnych modeli w zależności od złożoności: lżejsze modele, takie jak Haiku firmy Claude, do podstawowych obliczeń, modele średniej klasy do rutynowego kodowania, a najdroższe, o najwyższym poziomie rozumowania, rezerwował do rzeczywistego planowania strategicznego.

Wprowadził też to, co nazywa warstwami orkiestracji — narzędzia firm trzecich, często udostępniane jako bezpłatne repozytoria GitHub, zaprojektowane tak, by kompresować odpowiedzi AI i ograniczać marnowane tokeny. Jedno z nich, które nazwał „Caveman mode”, zmusza asystenta AI do odpowiadania krótkimi, dosadnymi zdaniami zamiast długich, rozbudowanych odpowiedzi, co według Jenkinsa zmniejsza zużycie tokenów o 70%. Inny tryb, który opisał jako „grunt mode”, kompresuje odpowiedzi do jednego lub dwóch słów: „To bardzo banalne”. Wymienił też inne narzędzia, w tym „Superpowers” i „Ponytail”, jako część tego samego podziemnego ekosystemu oszczędzania kosztów.

Haczyk, jak powiedział Jenkins, polega na tym, że zwykły pracownik nie ma do tego dostępu. „To są nerdowskie rzeczy” — powiedział. „Czy naprawdę chcemy, żeby szefowie sprzedaży, szefowie obsługi i marketerzy znajdowali takie rzeczy?” To właśnie ta luka — między tym, co wiedzą zaawansowani użytkownicy tacy jak on, a tym, do czego może dotrzeć reszta pracowników — stanowi, jego zdaniem, początek prawdziwego ryzyka organizacyjnego.

Dlaczego ostrzega, że większym zagrożeniem jest niepewność, a nie koszt

Poproszony o uporządkowanie problemów, z którymi zetknął się podczas wdrażania AI wśród kilkuset pracowników, Jenkins nie zaczął od kosztów. Wymienił trzy siły, którymi — jak mówi — musi aktywnie zarządzać: nieefektywność, nierówność oraz — najczęściej podnoszoną przez niego — niepewność.

Jenkins wyjaśnił, że jest dumny z tego, iż wszyscy w jego firmie stają się twórcami dzięki uprawnieniom do vibe-codingu, ale ta zmiana jest bardzo trudna w ludzkim wymiarze.

„[Przekroczenie zużycia tokenów] tak naprawdę nie jest problemem, ale bardzo łatwo może stać się wymówką” — powiedział Jenkins. Opisał, jak bez żadnej zachęty budował narzędzia i automatyzacje w działach własnego zespołu kierowniczego, po prostu dlatego, że nauczył się, jak to robić — i obserwował, jak reakcja staje się nieswoja. „Jeden z nich przyszedł do mnie i powiedział: »To mnie zaniepokoiło. To ja powinienem przychodzić do ciebie z takimi rzeczami. Muszę nadrobić zaległości. Czuję się tak daleko w tyle«”.

Jak powiedział, ten sam mechanizm powtarzał się na kolejnych poziomach zarządzania: „Czy dobrze wykonuję swoją pracę? Czy nadążam? Czy to zastąpi moją pracę? Czy to zastąpi członków mojego zespołu?”

Zwrócił też uwagę na podobny lęk na poziomie działów, wynikający z nierównego dostępu do narzędzi. Jego firma najpierw wdrożyła ChatGPT w całej organizacji, a potem zaczęła licencjonować droższy Claude dla mniejszej grupy około 50 pracowników skoncentrowanych w sprzedaży i marketingu — co wywołało sprzeciw wśród zespołów pominiętych. „Ludzie mówili: »Poczekaj chwilę, dlaczego ja nie mam Claude? Dlaczego oni to dostają, a my nie?«” — powiedział. „To jest nierówność”.

Jenkins twierdzi, że ta niepewność w dłuższej perspektywie bardziej podkopuje kulturę firmy niż pojedynczy wymykający się spod kontroli rachunek, ponieważ wpływa na to, czy pracownicy w ogóle angażują się w te narzędzia — czy też po cichu je odrzucają ze strachu.

Budowanie schematu organizacyjnego dla ludzi i agentów

Odpowiedź Maxio — jak powiedział Jenkins — miała charakter strukturalny. Cały zespół zarządzający przeszedł formalne ćwiczenie projektowania organizacji, w którym każdy dyrektor mapował swój dział nie tylko pod kątem osób, które mu podlegają, lecz także agentów AI, którymi te osoby zarządzają bezpośrednio. Efekt to dosłowny hybrydowy schemat organizacyjny — imiona ludzi i funkcje agentów ułożone warstwowo — który firma traktuje jako żywy dokument zarządczy.

Rozszerzył też organizację DevOps specjalnie po to, by nadzorować rosnącą liczbę wewnętrznych narzędzi budowanych przez pracowników i kodowanych w sposób nieformalny — to, co on i inni w branży nazywają oprogramowaniem „vibe-coded” — które stały się elementami nośnymi biznesu, mimo że powstały jako projekty poboczne. „To nie może być tylko w Timie, który zrobił to po weekendzie” — powiedział Jenkins, wskazując na ryzyko ciągłości, jeśli pracownik, który stworzył krytyczne narzędzie wewnętrzne, odejdzie lub zachoruje, a także na nierozwiązane kwestie bezpieczeństwa i skalowalności.

W jego ujęciu większa historia finansowa nie dotyczy okazjonalnego czterocyfrowego przekroczenia kosztów tokenów, lecz zmiany podstawowej arytmetyki pracy w firmie. Jenkins powiedział, że liczba pracowników przestała rosnąć wraz z przychodami tak jak wcześniej, co podniosło wskaźnik rocznych przychodów powtarzalnych na pracownika — metrykę, którą uważa za najczystszy sygnał tego, co AI rzeczywiście robi z jego strukturą kosztową, w przeciwieństwie do bardziej widocznego, lecz stosunkowo niewielkiego rachunku za tokeny.

„Nie twierdzę, że chcemy redukować dużą liczbę etatów z powodu AI, ale nie powinniśmy zwiększać zatrudnienia w takim samym tempie jak wcześniej” — powiedział Jenkins. „To ogromna zmiana w naszym biznesie i wszystko przypisujemy AI”. Zgodził się też, że sporadyczne 1,000 USD spalane przy kolacji to rodzaj podatku, który się płaci — współpracownik-agent AI po prostu źle zrozumiał, na czym polega ta praca.

Jenkins powiedział, że nie uważa tego za powód do wycofania się. „Teraz jest tak dużo dobrego, że przeważa nad wieloma z tych problemów” — stwierdził, argumentując, że korzyści z wdrażania AI są na tyle duże, iż okazjonalne marnotrawstwo, zboczenia wynikające z halucynacji, a nawet niespodziewane rachunki na cztery cyfry są po prostu kosztem dojścia do tego etapu. Gdy po raz pierwszy opowiedział o swoich sposobach oszczędzania tokenów, szef inżynierii zbył to machnięciem ręki, mówiąc mu, że firma nie jest „na poziomie, na którym wydajemy więcej na A.I. niż [na] ludzi, bo są takie przykłady. My nawet nie jesteśmy blisko tego”. Jenkins powiedział, że się nie spierał — ale jest przekonany, że ten dzień nadejdzie. „To prawdopodobnie będzie coś normalnego”.

W tej historii dziennikarze Fortune wykorzystali generatywną AI jako narzędzie badawcze. Redaktor zweryfikował poprawność informacji przed publikacją.

Ta historia pierwotnie ukazała się na Fortune.com