Microsoft zaciska pasa. Pracownicy dostali limity na tokeny AI

Microsoft przez długi czas zachęcał swoich pracowników do intensywnego korzystania ze sztucznej inteligencji. Teraz firma zaczyna znacznie dokładniej liczyć, ile kosztuje każde zapytanie do modelu. Wewnętrzny e-mail jednego z najważniejszych menedżerów Microsoftu ujawnia, że pracownicy otrzymali nowe zasady korzystania z AI, a poszczególne działy muszą pilnować określonych budżetów na tokeny.

To istotna zmiana podejścia. Zamiast traktować narzędzia AI jak zwykłe firmowe oprogramowanie kupowane w ramach stałej licencji, Microsoft zaczął kontrolować ich wykorzystanie podobnie jak zużycie infrastruktury obliczeniowej. Im więcej pracownik korzysta z zaawansowanych modeli, tym wyższy rachunek trafia do jego działu.

Informacje o nowych zasadach ujawnił serwis 404 Media, który dotarł do wewnętrznej wiadomości wysłanej przez Jaya Parikha, wiceprezesa wykonawczego Microsoftu.

Microsoft mówi pracownikom: nie zużywajcie tokenów bez potrzeby

Wiadomość Parikha jest wyjątkowo wymowna. Menedżer przekazał pracownikom, że firma musi ograniczyć zużycie tokenów AI i jasno zaznaczył, że maksymalizowanie ich liczby nie jest celem Microsoftu.

W praktyce oznacza to zmianę sposobu myślenia o firmowych narzędziach sztucznej inteligencji. Dotychczas pracownik mógł korzystać z dostępnych modeli przede wszystkim z myślą o produktywności. Teraz równie istotnym elementem staje się koszt wykonywanych operacji.

Microsoft wprowadził od lipca 2026 roku limity wydatków na tokeny dla poszczególnych jednostek organizacyjnych. Pracownicy mogą dodatkowo sprawdzać swoje zużycie za pomocą wewnętrznego panelu. W przypadku części inżynierów miesięczne rachunki za wykorzystanie modeli sięgają setek, a nawet kilku tysięcy dolarów.

Przy dużej liczbie pracowników skala takich wydatków może szybko stać się znacząca.

Wiceprezes wykonawczy Microsoftu polecił pracownikom ograniczenie stosowania tokenów AI, przejście na tańszy model domyślny i ustalenie budżetów na poziomie działów 

Tańszy model został nowym standardem

Jednym z najważniejszych elementów zmian jest także modyfikacja domyślnego modelu AI wykorzystywanego wewnątrz Microsoftu. Firma zdecydowała się na tańszą alternatywę od OpenAI.

To pozornie niewielka zmiana konfiguracji. W przypadku organizacji zatrudniającej dziesiątki tysięcy pracowników może jednak mieć ogromne znaczenie finansowe.

Model domyślny jest wykorzystywany znacznie częściej niż rozwiązania wybierane ręcznie przez użytkowników. Jeżeli większość codziennych zadań może zostać wykonana przez tańszy model, droższe systemy można pozostawić do bardziej wymagających zastosowań.

Microsoft nie zabrania więc korzystania z AI. Zaczyna natomiast rozróżniać sytuacje, w których potrzebny jest najbardziej zaawansowany model, od tych, gdzie wystarczy tańsze rozwiązanie.

Tokeny zaczęły wyglądać jak rachunek za prąd

Model rozliczania tokenów różni się od klasycznych licencji na oprogramowanie. W przypadku tradycyjnej aplikacji przedsiębiorstwo często płaci określoną kwotę za użytkownika i może z góry zaplanować koszt.

Przy generatywnej AI rachunek zależy między innymi od liczby oraz długości zapytań, odpowiedzi modeli i zadań wykonywanych przez agentów.

To szczególnie istotne w przypadku nowych narzędzi programistycznych. Agent AI może analizować kod, otwierać kolejne pliki, wykonywać polecenia, sprawdzać rezultaty i ponownie uruchamiać model. Jedno zadanie może więc wygenerować znacznie więcej tokenów niż zwykła rozmowa z chatbotem.

Właśnie ten sposób korzystania z AI zwiększa znaczenie kontroli kosztów.

Ceny spadły, ale rachunki potrafią rosnąć

Paradoks polega na tym, że ceny pojedynczych tokenów mocno spadły od czasu pojawienia się pierwszych popularnych modeli generatywnych. Według przywoływanych danych koszt tokenów miał zmniejszyć się od końca 2022 roku o około 98 proc.

Nie doprowadziło to jednak automatycznie do spadku całkowitych wydatków przedsiębiorstw.

Powód jest prosty. Firmy zaczęły wykorzystywać AI na znacznie większą skalę, a narzędzia agentowe wykonują bardziej rozbudowane zadania. Tańszy pojedynczy token niewiele pomaga, jeśli aplikacja wykorzystuje ich wielokrotnie więcej podczas jednego procesu.

To właśnie tutaj pojawia się problem, z którym coraz częściej mierzą się działy finansowe. Sztuczna inteligencja może być tańsza jednostkowo, ale jednocześnie generować znacznie większe zużycie.

Microsoft nie jest jedyną firmą, która zaczęła liczyć AI

Podobne zjawisko można obserwować w innych dużych przedsiębiorstwach. Firmy takie jak Amazon, Adobe, Atlassian czy Citi wprowadzały rozwiązania pozwalające dokładniej kontrolować wykorzystanie sztucznej inteligencji i związane z nim wydatki.

Wcześniej przedsiębiorstwa koncentrowały się przede wszystkim na tym, aby pracownicy zaczęli korzystać z AI. Liczyło się szybkie wdrażanie nowych narzędzi, testowanie modeli i sprawdzanie, gdzie technologia może poprawić produktywność. Po kilkunastu miesiącach coraz ważniejsze staje się inne pytanie: ile właściwie kosztuje ta produktywność?

To szczególnie istotne dla przedsiębiorstw, które wdrażają AI na ogromną skalę. Przy kilku pracownikach różnica między tanim a drogim modelem może być niemal niezauważalna. Przy dziesiątkach tysięcy użytkowników każda decyzja dotycząca modelu może przełożyć się na poważne kwoty.

Microsoft wcześniej ograniczał Claude Code

Nowe zasady nie są pierwszym sygnałem, że Microsoft dokładniej przygląda się wydatkom na AI. W maju firma miała ograniczyć większość licencji Claude Code wykorzystywanych przez zespół Experiences and Devices. Inżynierowie otrzymali polecenie przejścia na GitHub Copilot CLI przed końcem roku fiskalnego.

Wprowadzenie limitów tokenów stanowi kolejny krok w podobnym kierunku. Firma nie rezygnuje z wykorzystania sztucznej inteligencji, ale zaczyna kierować pracowników w stronę rozwiązań, które pozwalają wykonywać zadania przy niższym koszcie.

Dla użytkownika końcowego może to wyglądać jak drobna zmiana ustawień. Dla działu finansowego jest to sposób na uzyskanie kontroli nad wydatkami, które wcześniej mogły rosnąć wraz z popularnością narzędzi AI.