Uber vyčerpal celý roční AI rozpočet za čtyři měsíce. Éra „tokenmaxxingu“ končí

Uber projel celý svůj roční rozpočet na umělou inteligenci už v dubnu. Nebyl sám — Tesla, Amazon i Meta zavádějí stropy na útratu za AI. Co se stalo a jak zabránit tomu, aby vám náklady na AI utekly z rukou?

Když gigant jako Uber vyčerpá svůj roční rozpočet na umělou inteligenci už v dubnu, je to varování pro každou firmu, která dnes zavádí AI nástroje. A není to ojedinělý případ. Napříč Silicon Valley právě končí éra, kterou technologičtí manažeři začali s nadšením nazývat „tokenmaxxing“ — bezmezná spotřeba AI výpočtů bez ohledu na cenu. Účet už dorazil.

Pro českého podnikatele je to zpráva se dvěma tvářemi. Ta špatná: náklady na AI se chovají jinak než jakýkoliv softwarový výdaj, který jsme se za posledních dvacet let naučili plánovat. Ta dobrá: existuje konkrétní návod, jak se poučit z chyb těch, kdo AI nasadili jako první — a ušetřit si drahé lekce z vlastní kapsy.

Co se stalo u Uberu

Koncem roku 2025 dal Uber svým inženýrům do rukou špičkové AI kódovací nástroje — Claude Code a Cursor — a nastavil interní žebříčky, které sledovaly, kdo spotřebuje nejvíce tokenů. Cílem bylo rozproudit adopci. Podařilo se až příliš dobře. Do dubna 2026 byl celý roční rozpočet na AI kódování pryč.

Nejbolestivější na tom nebyla samotná útrata, ale to, co za ni firma dostala. Provozní ředitel Uberu Andrew Macdonald to shrnul otevřeně: mezi tou lavinou spotřeby a skutečně lepšími produkty pro řidiče a cestující zatím „není žádná souvislost“. Jinými slovy — inženýři spálili miliony na tokenech, ale zákazník to nepoznal.

Problém má i psychologický rozměr. Když firma odměňuje spotřebu tokenů žebříčkem, dostane přesně to, co měří — maximální spotřebu. Nikoliv maximální hodnotu. Amazon narazil na totéž a svůj interní žebříček nakonec úplně zrušil, protože ho zaměstnanci začali obcházet a uměle nafukovat čísla.

Stojí za tím podceněná vlastnost dnešní generace AI nástrojů: takzvané agentní režimy, kdy model nepracuje na jeden dotaz a jednu odpověď, ale sám si rozvrhne úkol, spustí desítky až stovky vnitřních kroků a každý z nich stojí tokeny. Vývojář zadá jeden příkaz „oprav tuhle chybu“ a na pozadí proběhne práce za desítky korun, aniž by to kdokoliv tušil. Právě tady se rodí faktury, které nikdo neplánoval — a proto se náklady na AI tak těžko odhadují dopředu.

Uber není sám — stropy zavádí celá branže

To, co vypadalo jako lokální problém jedné firmy, se ukázalo být plošným jevem. Přehled opatření, která velké společnosti zavedly během roku 2026, vypadá takto:

• Tesla zastropovala útratu na 200 dolarů týdně na zaměstnance (od července 2026) poté, co inženýři spotřebovávali tokeny za tisíce dolarů týdně.
• Uber nastavil limit 1 500 dolarů měsíčně na zaměstnance a nástroj a zavedl dashboard sledující útratu v reálném čase.
• Amazon zrušil interní žebříček spotřeby poté, co ho zaměstnanci začali obcházet.
• Walmart omezil používání svého interního kódovacího asistenta Code Puppy.
• Meta s interními AI náklady blížícími se miliardám omezila přístup zaměstnanců k externím AI nástrojům.
• AT&T limitovalo přístup k GitHub Copilotu, Cisco a Coinbase rovněž přibrzdily.

Čísla o rozevírajících se nůžkách jsou zarážející. Podle indexu firmy Ramp utratí medián americké firmy 11,38 dolaru na zaměstnance měsíčně za AI. Horních deset procent už ale sype kolem 611 dolarů a nejagresivnější jedno procento firem 7 449 dolarů na zaměstnance měsíčně. Poměr mezi nejvyššími a středními výdaji je 654 : 1. Nikdo zatím spolehlivě neví, která strana té propasti má pravdu.

Zajímavý je i pohled na druhou stranu mince. Ne všechny výdaje za AI jsou plýtvání — některé firmy vykazují návratnost, o jaké se dřív nesnilo. Právní technologická firma Everlaw popsala, že za tokeny v hodnotě zhruba 3 500 dolarů zvládla infrastrukturní práci, která by jinak zabrala z 9,5 na pouhé 2,5 člověkoměsíce. U většího, dosud nezveřejněného produktu srazila nasazená AI odhad z devadesáti až sta člověkoměsíců na necelých dvacet. Rozdíl mezi „tokenmaxxingem“ a chytrou investicí tedy nespočívá ve výši útraty, ale v tom, zda za ní stojí měřitelný výsledek.

Očekávali byste, že s rostoucí adopcí porostou i náklady. My jsme viděli pravý opak.

Jak náklady zkrotit — konkrétní návod

Nejzajímavější část příběhu je, že Uber svůj problém vyřešil — a to způsobem, který jde napodobit i v malé české firmě. Klíčové zjištění znělo: řešením není zakázat AI, ale opravit způsob, jakým se používá. Špatně nastavená infrastruktura totiž tlačí týmy k plýtvání automaticky.

Nejčastější chyba, na kterou experti upozorňují, je používání nejdražšího modelu na všechno. Dmytro Palaniičuk, vedoucí inženýr ve firmě Promova, doporučuje vědomé rozdělení práce mezi modely v poměru zhruba 40 / 50 / 10 — nejsilnější model jen na skutečně náročné úlohy, střední model na běžnou práci a nejlevnější na rutinu. Většina firemních plánů má přitom předvybraný ten nejdražší, takže se plýtvá ve výchozím nastavení.

Konkrétní kroky, které fungovaly u Uberu i jinde, se dají shrnout takto:

• Levnější model jako výchozí. Nasadit slabší (a mnohonásobně levnější) model jako standard a k drahému sáhnout jen tehdy, když úloha opravdu vyžaduje víc.
• Cachování promptů. Opakované části zadání se dají ukládat do mezipaměti, což dramaticky srazí cenu za token u opakovaných dotazů.
• Průběžné vyhodnocování efektivity modelů — nové modely bývají při stejném výkonu levnější, vyplatí se je testovat.
• Viditelnost nákladů pro každého. Když zaměstnanec vidí svou útratu v korunách za hodinu, chová se jinak, než když čerpá z neviditelného společného měšce.
• Diagnóza, ne rovnou zákaz. Nejdřív změřit, kdo a na co AI reálně používá, a teprve pak nastavovat pravidla.

Výsledek? Uber znásobil počet zaměstnanců používajících špičkové AI nástroje a přitom srazil cenu za token — mimo jiné právě lepším cachováním a chytřejším nastavením výchozích modelů. Vedení firmy tak mohlo prohlásit, že „končí éra takzvaného tokenmaxxingu“. Ne proto, že by se od AI ustupovalo, ale proto, že se z ní stává řízený náklad místo živelné spotřeby.

Pro menší firmu, která nemá vlastní infrastrukturní tým, to zní složitěji, než ve skutečnosti je. Většina komerčních AI nástrojů dnes už nabízí volbu modelu i základní přehled o spotřebě přímo v nastavení účtu — stačí to zapnout a věnovat tomu jednu hodinu měsíčně. Klíčové není budovat sofistikovanou bránu na směrování dotazů, ale zavést jednoduchý návyk: pravidelně se dívat, kolik AI stojí a co za to firma reálně dostává. Právě absence tohoto návyku stála Uber jeho roční rozpočet.

Co si z toho odnést

Pro českého podnikatele plyne z celého příběhu jasné poučení: AI náklady se nedají plánovat jako předplatné softwaru. Zatímco licence stojí pevnou částku měsíčně, tokeny se chovají jako spotřeba energie — účet roste tím víc, čím intenzivnější je používání, a bez měření se snadno vymkne kontrole.

Než tedy ve firmě rozjedete AI naplno, nastavte si tři věci ještě předtím, než přijde první faktura: měření spotřeby na osobu, jasné pravidlo, který model se používá na co, a limit, který vás upozorní dřív, než rozpočet zmizí. Uber, Tesla i Amazon zaplatili za tuto lekci miliony. Vy ji máte zdarma — stačí se poučit z jejich chyb.