Uber spálil celý AI rozpočet za čtyři měsíce. Tokenová krize dopadá na celý průmysl
Uber vyčerpal svůj kompletní rozpočet na umělou inteligenci pro rok 2026 už v dubnu. Příčinou je explozivní růst spotřeby tokenů u AI kódovacích nástrojů. Goldman Sachs varuje, že poptávka po tokenech vzroste 24násobně do roku 2030. Co to znamená pro firmy, které sázejí na AI?
Když technologický ředitel Uberu Praveen Neppalli Naga v květnu přiznal, že firma vyčerpala celý svůj AI rozpočet na rok 2026 už v dubnu, nejednalo se o kuriozitu jedné společnosti. Šlo o první veřejné přiznání problému, který postupně zasahuje celý technologický průmysl — nekontrolovatelný růst nákladů na umělou inteligenci, který tradiční finanční modely nedokážou zachytit.
Uber nasadil kódovací nástroj Claude Code od Anthropic v prosinci 2025. Během tří měsíců ho používalo 95 % inženýrů firmy a přibližně 70 % veškerého kódu pocházelo z AI nástrojů. Problém nebyl v tom, že by nástroj nefungoval — naopak. Fungoval tak dobře, že ho inženýři začali používat na vše: refaktoring kódu, generování testů, automatizaci celých vývojových procesů. Jenže každá taková operace spotřebovává tokeny, a tokeny stojí peníze.
Jak kódovací AI přerostla rozpočet
Případ Uberu je poučný v detailech. Firma v roce 2025 utratila za výzkum a vývoj 3,4 miliardy dolarů. Přesto ji zaskočila rychlost, s jakou AI nástroje tuto částku překonaly. Měsíční náklady na jednoho inženýra se pohybovaly mezi 150 a 250 dolary v průměru, ale u intenzivních uživatelů vyskočily na 500 až 2 000 dolarů. Sám technologický ředitel Naga během dvouhodinové ukázky spotřeboval tokeny za 1 200 dolarů.
Uber situaci ještě zhoršil tím, že vytvořil interní žebříčky hodnotící inženýry podle míry využívání Claude Code. To vytvořilo kulturní tlak na větší spotřebu tokenů — a tím i rychlejší vyčerpávání rozpočtu. Týmy, které hnaly adopci kupředu, nebyly totožné s týmy, které spravovaly finance. A právě tato organizační mezera se ukázala jako klíčová slabina.
Provozní ředitel Uberu Andrew Macdonald přidal další rozměr problému. Přes masivní spotřebu tokenů a obrovské náklady firma nezaznamenala odpovídající nárůst produktivity. Zvýšená spotřeba tokenů se podle něj nepřeměnila v proporcionální množství užitečných funkcí pro zákazníky. Jinými slovy: firma utrácela více, ale nedostávala za to více hodnoty.
Proč tokenové účtování rozbíjí tradiční rozpočty
Kořen problému leží v samotném modelu účtování. Na rozdíl od klasického softwaru s měsíčním poplatkem za uživatele funguje Claude Code na principu spotřeby tokenů. Inženýr, který používá jednoduché doplňování kódu, spotřebuje zlomek toho, co kolega orchestrující paralelní AI agenty přes celou kódovou základnu. Stejný nástroj, stejný vývojář, stejný pracovní den — ale dramaticky odlišná faktura.
Roční rozpočtové cykly postavené na předvídatelných licenčních nákladech tuto variabilitu nedokážou absorbovat. A problém se zhoršuje: Anthropic v květnu oznámil, že platící uživatelé Clauda budou od 15. června čelit samostatnému měřiči kreditů pro agentní nástroje, účtovanému za plné API sazby.
Goldman Sachs varuje: spotřeba tokenů vzroste 24násobně
Uber není osamocený případ. Podle analýzy Goldman Sachs může spotřeba tokenů mezi lety 2026 a 2030 vzrůst 24násobně kvůli rozšíření takzvaných agentních AI systémů. Na rozdíl od tradičních AI modelů pracují agentní systémy v iterativních smyčkách — plánují, volají nástroje, získávají výsledky, aktualizují kontext — a spotřebovávají přitom až 1 000krát více tokenů než konvenční modely.
Zatímco cena za jeden token za poslední dva roky klesla 280krát, celkové výdaje firem na AI vzrostly o 320 %, protože využívání roste rychleji než pokles jednotkových nákladů. Podle zprávy FinOps Foundation z roku 2026 představují AI a datové platformy nejrychleji rostoucí kategorii podnikových výdajů, přičemž tokenové účtování vnáší do rozpočtů bezprecedentní volatilitu.
AI kód přináší 1,7krát více chyb než lidský
K finančním rizikům se přidává riziko kvality. Analýza společnosti CodeRabbit, která zkoumala tisíce open-source pull requestů, zjistila, že AI generovaný kód produkuje přibližně 1,7krát více defektů než kód psaný lidmi. Logické chyby jsou o 75 % častější, problémy s čitelností 3krát vyšší, mezery v ošetření chyb 2krát běžnější a bezpečnostní zranitelnosti až 2,74krát vyšší.
V praxi to znamená, že 44 % tokenových rozpočtů firem jde na opravu chyb, které AI sama vytvořila. Mezi intenzivními uživateli AI 69 % pravidelně řeší problémy s nasazením kódu generovaného umělou inteligencí. Prezident programovacího jazyka Zig zašel tak daleko, že AI příspěvky do kódu zakázal s tím, že jsou bez výjimky odpad.
Zvýšená spotřeba tokenů se nepřeměnila v proporcionální množství užitečných funkcí pro zákazníky. — Andrew Macdonald, provozní ředitel Uber
Co to znamená pro český byznys
Pro české podnikatele, kteří zvažují nasazení AI kódovacích nástrojů, je případ Uberu varováním i lekcí zároveň. Nejde o to AI nepoužívat — to by byla chyba v opačném směru. Jde o to používat ji s jasnou strategií a kontrolou nákladů.
Pět pravidel pro české firmy:
1. Stanovte si měsíční strop na spotřebu tokenů a sledujte ho v reálném čase. Roční rozpočty na AI nástroje jsou v éře agentního AI nedostatečné.
2. Měřte skutečný výstup, ne jen aktivitu. Více kódu neznamená více hodnoty — sledujte, kolik funkcí se dostane k zákazníkům.
3. Zvažte kombinaci modelů: levnější modely pro rutinní úlohy, výkonnější pro komplexní práci.
4. Udržujte podíl AI kódu pod 40 % celkového objemu — nad touto hranicí dramaticky roste technický dluh.
5. Investujte do automatizovaných kontrol kvality kódu ještě předtím, než nasadíte AI generování ve velkém měřítku.
Éra dotované inteligence, kdy investoři absorbovali většinu nákladů na AI, končí. Firmy, které do AI vstoupí s realistickým očekáváním a disciplinovanou kontrolou výdajů, budou mít výhodu oproti těm, které se nechají strhnout nadšením bez ohledu na faktury. Uber utratil miliardy a nedostal za ně odpovídající hodnotu. Česká firma s rozpočtem o několik řádů nižším si takový luxus jednoduše nemůže dovolit.