Je avgustovski zastoj pri porabi za umetno inteligenco le običajno poletno zatišje ali prvi znak, da se trg po obdobju evforije srečuje z omejitvami poslovne realnosti? Novi podatki podjetja Ramp kažejo oboje: podjetja UI še naprej uporabljajo, vendar rast porabe ni več samoumevna — predvsem pri največjih uporabnikih, od katerih so ponudniki modelov pričakovali največ prihodkov.
Ramp, plačilno podjetje, ki spremlja izdatke približno 70.000 podjetij, je ugotovil, da je avgusta za izdelke umetne inteligence plačalo 56 odstotkov njegovih strank. To je le 0,4 odstotne točke več kot mesec prej. Rast se torej ni ustavila, se je pa občutno upočasnila.
Podatek sam po sebi še ne dokazuje, da se je povpraševanje po UI začelo trajno ohlajati. Avgust je mesec dopustov, ko podjetja pogosto manj uporabljajo poslovna orodja, zlasti tista, povezana z razvojem programske opreme, analizami in ustvarjanjem vsebin. Ramp je podoben vzorec zaznal že leto prej: rast uporabe je med avgustom in oktobrom zastala, nato pa se je proti koncu leta ponovno pospešila.
Toda tokratni podatki prihajajo v času izjemno velikih naložb v podatkovne centre, čipe in razvoj novih modelov. Zato že manjše nihanje pri poslovni porabi odpira pomembno vprašanje: ali bodo prihodki od uporabe UI dovolj hitro rasli, da bodo upravičili ogromne infrastrukturne vložke največjih laboratorijev in ponudnikov oblaka?
Največji uporabniki niso več motor rasti
Najbolj opozorilen del Rampove analize je padec porabe pri enem odstotku podjetij z najvišjo porabo za UI. Njihova povprečna poraba na zaposlenega se je avgusta zmanjšala za skoraj deset odstotkov in dosegla 7.205 dolarjev.
Ta skupina je za trg posebej pomembna. Velika podjetja, razvijalske ekipe in digitalno usmerjene organizacije porabijo bistveno več računske moči kot povprečni uporabnik. Prav njihova poraba je doslej podpirala optimistične napovedi o prihodkih ponudnikov velikih jezikovnih modelov.
Možni sta vsaj dve razlagi. Prva je sezonska: manj zaposlenih dela, manj je zahtevkov do modelov in manj se porabi za računsko intenzivna opravila. Druga, dolgoročno pomembnejša razlaga pa je, da podjetja po začetnem navdušenju začnejo natančneje spremljati donosnost naložb.
To pomeni prehod od vprašanja »kaj vse lahko naredimo z UI?« k precej bolj poslovnemu vprašanju: »za katere naloge se uporaba res izplača?« Podjetja lahko omejujejo uporabo dragih modelov na primere, kjer ti prinašajo merljivo prednost — denimo pri zahtevnem programiranju, strokovni analizi ali avtomatizaciji kompleksnih procesov — pri rutinskih nalogah pa izbirajo cenejše alternative.
Cene žetonov padajo, računi pa z njimi
Pomemben dejavnik je tudi znižanje cen. Ramp navaja, da je povprečna cena milijona žetonov — osnovnih enot besedila oziroma podatkov, ki jih modeli obdelujejo in ustvarjajo — padla z vrha 1,15 dolarja marca 2026 na 0,68 dolarja.
Za povprečno podjetje to pomeni, da lahko za enak proračun obdela več dokumentov, ustvari več povzetkov, opravi več analiz ali uporabi več avtomatizacije. Nižja cena je zato pozitivna za uporabnike, ne pomeni pa nujno višjih prihodkov za ponudnike modelov.
Če se cena uporabe zniža hitreje, kot raste količina uporabe, skupna poraba upade. Prav to nakazujejo Rampovi podatki: laboratoriji nižjih cen še niso v celoti nadomestili z bistveno večjim obsegom porabe.
Podjetja se ob tem pogosto odločajo za starejše oziroma cenejše modele. Ti so lahko za vsakdanja opravila povsem dovolj dobri, medtem ko so najnovejši, zmogljivejši modeli predvsem dražji. Naprednejši modeli imajo smisel tam, kjer boljše sklepanje, razumevanje konteksta ali zanesljivejše izvajanje večstopenjskih nalog ustvarja jasno poslovno vrednost. Za povzetek sestanka, prevod besedila ali osnovno pomoč pri pisanju pa razlika pogosto ne upraviči višjega računa.
Od tehnološke dirke k optimizaciji donosnosti
Takšen razvoj bi lahko vplival tudi na strategije podjetij, ki razvijajo modele. Doslej je tekmovanje potekalo predvsem v smeri večjih in zmogljivejših modelov. Če pa kupci vedno bolj primerjajo strošek z dejansko koristjo, bo pomembnejša kombinacija zmogljivosti, hitrosti, zanesljivosti in cene.
To lahko okrepi trg manjših, specializiranih modelov, ki so prilagojeni posameznim nalogam in cenejši za uporabo. Prav tako lahko podjetja več vlagajo v optimizacijo pozivov, nadzor nad porabo, izbiro modela glede na zahtevnost naloge ter povezovanje UI z lastnimi podatki in delovnimi procesi.
V tej sliki imajo določeno vlogo tudi odprti modeli. Podjetja jih lahko poganjajo sama ali prek zunanjih ponudnikov, kar jim daje več nadzora nad podatki in stroški. Toda Ramp ugotavlja, da je njihov neposredni vpliv za zdaj omejen: avgusta je platforme za streženje modelov oziroma izvajanje sklepanja uporabljalo 6,4 odstotka podjetij, ki že porabljajo za UI.
Streženje modelov pomeni, da podjetje model namesti v lastno ali najeto računsko infrastrukturo in ga uporablja za odgovarjanje na zahteve uporabnikov. Izvajanje sklepanja pa je faza, ko že naučen model dejansko obdela zahtevek in pripravi odgovor. To ni isto kot učenje modela, ki zahteva bistveno več računske moči in denarja.
Za uporabnike dobra novica, za ponudnike opozorilo
Rampov ekonomist Ara Kharazian ocenjuje, da konkurenca med OpenAIjem in Anthropicom umetno inteligenco dela dostopnejšo, hkrati pa znižuje cene in porabo največjih kupcev. To je za podjetja, ki UI uporabljajo, praviloma dobra novica: tehnologija postaja cenejša in lažje dostopna.
Za ponudnike modelov, proizvajalce čipov in velike ponudnike računalniške infrastrukture pa je slika manj enoznačna. Njihovi poslovni načrti temeljijo na predpostavki, da bo uporaba UI hitro naraščala in ustvarjala dovolj prihodkov za financiranje ogromnih naložb v infrastrukturo.
Avgustovski podatki zato še niso dokaz o koncu rasti, so pa opomnik, da prihodnost trga ne bo odvisna le od tega, kako zmogljivi bodo novi modeli. Odvisna bo tudi od tega, ali bodo podjetja v njih prepoznala trajno, merljivo in cenovno upravičeno poslovno vrednost.
