Uber twierdzi, że znalazł bardziej zrównoważone podejście do wdrażania AI po wyczerpaniu całego budżetu na sztuczną inteligencję na 2026 rok już w pierwszych miesiącach roku.

W rozmowie z The Information na początku tego roku dyrektor ds. technologii Ubera Praveen Neppalli Naga przyznał, że musiał wrócić „do deski kreślarskiej” w sprawie alokacji wydatków po tym, jak firma zachęcała pracowników do jak najszerszego korzystania z narzędzi AI — zwłaszcza z Claude Code firmy Anthropic, asystenta programistycznego opartego na AI, który pomaga inżynierom pisać, debugować i przeglądać oprogramowanie. Uber stworzył nawet wewnętrzne „leaderboards”, aby klasyfikować inżynierów oprogramowania według poziomu korzystania z narzędzi AI.

Ta ofensywa była częścią szerszego trendu korporacyjnego znanego jako „tokenmaxxing”, w ramach którego firmy zachęcały do korzystania z AI w pracy, by następnie w wielu przypadkach wycofać się z tego podejścia, gdy zwrot z inwestycji nie uzasadniał przyspieszonych wydatków. Termin wywodzi się od tokenów — podstawowych jednostek tekstu przetwarzanych przez duże modele językowe i rozliczanych przez dostawców — co sprawia, że samo zużycie tokenów jest przybliżonym wskaźnikiem wydatków na AI. Uber nie był tu wyjątkiem, ale Naga powiedział, że firma opracowała od tego czasu bardziej efektywny model wdrażania.

„Obserwujemy bardzo interesujące trendy w kosztach AI”, napisał Naga w poście na X w środę. „Myślę, że to kolejny sygnał, iż zbliżamy się do końca tak zwanej ery tokenmaxxingu”.

Naga wyjaśnił, że Uber czterokrotnie zwiększył liczbę pracowników korzystających z zaawansowanych narzędzi AI, co obniżyło koszt na token. Firma osiągnęła to dzięki ulepszonemu buforowaniu promptów, zmianom domyślnych ustawień modeli, ocenie nowych modeli pod kątem efektywności oraz pulpitom, które umożliwiły inżynierom monitorowanie wykorzystania AI i kosztów w ujęciu godzinowym.

„Można by oczekiwać, że koszty wzrosną wraz z przyspieszeniem adopcji”, kontynuował Naga. „Zaobserwowaliśmy coś przeciwnego. Nie dlatego, że ograniczyliśmy dostęp, ale dlatego, że potraktowaliśmy efektywność jako problem inżynieryjny, a nie budżetowy”.

Rosnąca stawka zwrotu z inwestycji w AI

Stawka dla firm, które mają dowieźć efekty swoich ogromnych inwestycji w AI, rośnie. W ubiegłym miesiącu Jim Reid, globalny szef badań makroekonomicznych i tematycznych w Deutsche Bank Research Institute, ostrzegł, że wzrost produktywności dzięki AI jest wciąż odległy o lata .

Według Apollo marże zysku Magnificent Seven — Apple, Microsoft, Nvidia, Alphabet, Amazon, Meta i Tesla — wzrosły z 15% do 25% między pierwszymi kwartałami 2023 i 2026 roku, podczas gdy reszta indeksu S&P 500 odnotowała w tym samym okresie jedynie 10% wzrostu marż, co sugeruje ograniczone zwroty z inwestycji w AI poza bezpośrednim sektorem technologicznym.

Jeszcze w maju Uber nadal próbował przełożyć inwestycje w AI na mierzalną poprawę produktów.

„To połączenie jeszcze nie istnieje”, powiedział wówczas prezes i dyrektor operacyjny Ubera Andrew Macdonald w rozmowie w podcaście Rapid Response. „Być może pośrednio pojawia się więcej rzeczy, które są wdrażane, ale bardzo trudno narysować linię między jedną z tych statystyk a stwierdzeniem: «OK, teraz rzeczywiście tworzymy o 25% więcej przydatnych funkcji dla konsumentów»”.

Widmo paradoksu Jevonsa

Nawet jeśli Uber opracowuje strategie obniżania kosztu na token, aby uczynić swoje wykorzystanie AI bardziej zrównoważonym, firma ryzykuje wpadnięcie w pułapkę, przed którą ekonomiści od dawna ostrzegają: paradoks Jevonsa, w którym wydatki na zasób — w tym przypadku tokeny — rosną, mimo że jego koszt spada.

Nazwany na cześć XIX-wiecznego ekonomisty Williama Stanleya Jevonsa, fenomen pierwotnie odnosił się do jego obserwacji gwałtownego wzrostu zużycia węgla w 1865 roku, mimo że silnik parowy Watta uczynił jego wykorzystanie bardziej efektywnym.

Podobna dynamika występuje dziś w obszarze AI: według Silicon Data Token Expenditure Index cena pojedynczego tokena spadła od 2023 roku o ponad 90%, ale wydatki na duże modele językowe podwoiły się od końca ubiegłego roku.

„Gdy tokeny tanieją, firmy nie wydają mniej, lecz uruchamiają więcej agentów AI, automatyzują więcej procesów i generują więcej kodu, podnosząc łączne wydatki nawet wtedy, gdy jednostkowy koszt inteligencji gwałtownie spada” — napisał główny ekonomista Apollo Torsten Slok w niedawnym wpisie na blogu .

Opublikowana w czerwcu nota Bain & Co. potwierdziła tę tezę. Wynikało z niej, że koszty tokenów spadły o połowę od grudnia 2024 do 2025 roku, ale liczba zużytych tokenów wzrosła o 450% w tym samym okresie, gdy firmy modernizowały narzędzia AI.

Naga zwrócił z kolei uwagę na zmianę filozofii firmy, która przy wydatkach na tokeny zaczęła stawiać na jakość zamiast ilości, ale nie powiedział, czy Uber zużywa obecnie więcej czy mniej mocy obliczeniowej niż na początku roku.

„To przyszłość stosowanej AI w skali przedsiębiorstwa” — podsumował. „Kolejna faza, jakkolwiek ją nazwiemy, nie będzie charakteryzować się tym, kto wydaje najwięcej tokenów, lecz tym, jak ludzie wykorzystują je możliwie najefektywniej”.

Ta relacja została pierwotnie opublikowana na Fortune.com.