Uber protopil celý roční rozpočet na AI za čtyři měsíce. Konec „tokenmaxxingu" je varováním i pro vás
Uber dal inženýrům Claude Code a zavedl žebříček podle spotřeby tokenů. Celý roční rozpočet na AI zmizel za pár měsíců — a nikdo neuměl dokázat, že firma díky tomu vydělala. Váš byznys se z toho může poučit levněji.
Představte si, že rozdáte celému týmu nejmodernější nástroj, sledujete, jak nadšeně ho používá — a na jaře zjistíte, že roční rozpočet je pryč. Přesně to se stalo Uberu. A na rozdíl od jiných firemních přešlapů tady existuje jasné poučení, které vás nemusí stát ani korunu.
Uber koncem roku 2025 nasadil svým inženýrům nástroj Claude Code pro programování s pomocí umělé inteligence. Aby adopci zrychlil, zavedl interní žebříčky spotřeby tokenů, které řadily týmy podle toho, kolik AI spotřebují. Efekt byl okamžitý — a katastrofální pro rozpočet. Do dubna 2026 byl celý roční rozpočet na AI kódování pryč, tedy během prvních měsíců roku. Firma přitom zečtyřnásobila počet zaměstnanců používajících špičkové AI nástroje.
Co je „tokenmaxxing" a proč se týká i vás
Anglický termín tokenmaxxing popisuje jev, kdy firma tlačí zaměstnance k co nejvyššímu využívání AI, aniž by kontrolovala, jestli to přináší reálný zisk. Tokeny jsou účtovací jednotka jazykových modelů — každé slovo, které AI přečte nebo napíše, něco stojí. A tady je jádro problému: nástroje jako Claude Code se neúčtují za uživatele, ale za spotřebované tokeny.
Rozdíl je obrovský. Inženýr, který si nechá napovědět doplnění řádku kódu, spotřebuje zlomek toho, co kolega orchestrující několik AI agentů naráz přes celou codebase. Když k tomu přidáte žebříček, který lidi veřejně řadí podle spotřeby, vytvoříte kulturní tlak utrácet víc — a rozpočet se rozpustí mnohem rychleji, než čekáte.
Nejdůležitější věta celého příběhu ale nepadla o penězích, nýbrž o výsledcích. Prezident a provozní ředitel Uberu Andrew Macdonald řekl na rovinu, že mezi tím obrovským využíváním AI a skutečně lepšími produkty pro řidiče a cestující zatím není žádná souvislost.
Ta souvislost tam zatím není.
Jinými slovy: Uber utrácel miliony, sledoval rostoucí spotřebu — ale nedokázal ukázat, že díky tomu opravil víc chyb, vydal víc funkcí nebo vyřešil víc zákaznických problémů. A není v tom sám. Podle analýzy VentureBeatu většina firem, které do optimalizace AI sypou miliony, zatím nedokáže vyčíslit měřitelnou návratnost.
Levnější tokeny, vyšší účet — past, do které padáte i vy
Zdálo by se, že problém časem vyřeší klesající ceny. Opak je pravdou. Ceny tokenů klesly od roku 2023 o více než 90 procent, a přesto celkové výdaje firem na jazykové modely od konce roku 2023 zdvojnásobily. Ekonomové tomu říkají Jevonsův paradox: když něco zlevní, spotřebujeme toho tolik, že celkový účet stejně vyroste.
Pro celý trh to znamená explozi. Analytici z Gartneru odhadují, že výdaje na software s AI agenty letos dosáhnou zhruba 207 miliard dolarů — nárůst o 139 procent proti 86,4 miliardy v roce 2025. Čím levnější AI je, tím víc procesů firmy automatizují a tím víc agentů nasazují. Účet neroste kvůli ceně za token, ale kvůli objemu.
Pro českého podnikatele je poselství jednoznačné: pokud čekáte, že vám náklady na AI klesnou samy od sebe, protože „to zlevňuje", děláte přesně tu chybu, kterou udělal Uber. Kontrola nákladů není o čekání na levnější technologii — je o tom, jak ji používáte.
Jak nad AI náklady získat kontrolu — bez toho, abyste AI zakázali
Zajímavé je, jak Uber problém vyřešil. Nezakázal AI ani nezavedl tvrdé stropy. Technický ředitel Praveen Neppalli Naga přistoupil k efektivitě jako k inženýrskému úkolu — a výsledek byl překvapivý:
Čekali byste, že náklady s rostoucí adopcí porostou. Viděli jsme opak.
Uber zlepšil takzvané cachování promptů (opakované dotazy se neúčtují znovu), upravil výchozí nastavení modelů, průběžně testoval nové a levnější modely a hlavně dal lidem viditelnost do toho, kolik jejich používání stojí. Právě transparentnost nákladů udělala z abstraktní spotřeby konkrétní číslo, ke kterému se lidé chovají zodpovědněji.
Druhá páka je volba správného modelu na správný úkol. Ne každá práce potřebuje ten nejdražší a nejchytřejší model. Firmy, které to dělají dobře, směrují jednoduché úlohy na levné modely a ten nejsilnější šetří na skutečně náročné problémy. Jedna vzdělávací firma podle VentureBeatu cílí například na rozdělení zhruba 40/50/10 mezi nejsilnější, střední a nejlevnější model.
- Zaveďte viditelnost nákladů — každý tým nebo oddělení by mělo vidět, kolik jeho používání AI stojí. Neviditelný náklad se neřídí.
- Nesměrujte všechno na nejdražší model. Jednoduché úkoly zvládne levnější model za zlomek ceny.
- Nastavte metriku přínosu, ne spotřeby. Neměřte, kolik tokenů tým spotřebuje, ale co díky nim dodá — vyřešené případy, ušetřený čas, spokojenější zákazníci.
- Vyhněte se žebříčkům spotřeby. Odměňujte výsledky, ne objem — jinak vytvoříte kulturu, která pálí rozpočet.
- Plánujte náklady na AI jako běžnou položku rozpočtu, ne jako experiment. Prozíravé firmy je dnes plánují po odděleních vedle mezd.
Praktický takeaway pro váš byznys
Uberův příběh je drahé, ale poučné memento. Jeho technický ředitel to shrnul větou, kterou by si měl přečíst každý, kdo dnes zavádí AI ve firmě: budoucnost aplikované AI nebude o tom, kdo spotřebuje nejvíc tokenů, ale kdo je používá nejefektivněji.
Pro malou a střední českou firmu z toho plyne dvojí ponaučení. Za prvé: nadšení není strategie. To, že lidé AI rádi používají, ještě neznamená, že firmě vydělává. Za druhé: kontrola nákladů je řešitelná bez zákazů. Nemusíte AI brzdit — stačí měřit přínos místo spotřeby, dát nákladům viditelnost a nasadit správný model na správný úkol.