O popycie indukowanym, zwolnieniach i rzeczywistych kosztach SI, z której nie umiemy korzystać
Jeśli spędziłeś trochę czasu na „transit Twitter”, widziałeś ten mem.
„Jeszcze jeden pas, stary.”
Kredkowy rysunek inżyniera autostrad stoi obok autostrady i wskazuje na nowe pasy, które chce dodać, bo korki są duże. Jego twarz jest szczera. Tym razem to naprawi. Jeden pas więcej i korki znikną.
Rzadko znikają na długo.
Nowe pasy tworzą nowe przejazdy. Nowa przepustowość tworzy nowy popyt. Ekonomiści nazywają to popytem indukowanym. Katy Freeway w Teksasie została rozbudowana do jednej z najszerszych autostrad na świecie. 405 w Los Angeles dostała poszerzenie za miliard dolarów. Wzorzec jest znany z dekad rozbudowy dróg: przepustowość rośnie, wykorzystanie się do niej dostosowuje i korki wracają.
Inżynier z mema i tak wciąż prosi o jeszcze jeden pas.
Dokładnie w tym samym miejscu jesteśmy teraz z centrami danych SI.
Oferta „właściwej infrastruktury”
Każdy kwartał przynosi kolejne ogłoszenie hiperskalera. Kolejna inwestycja na dziesięć cyfr. Kolejny kampus. Kolejna stacja transformatorowa. Kolejna umowa na energię. Kolejna kłótnia o wodę. Kolejny wiejski powiat, któremu mówi się, że to cena postępu.
Uzasadnienie jest zawsze to samo.
Popyt na SI eksploduje. Potrzebujemy więcej mocy obliczeniowej. Jeśli nie będziemy budować, Stany Zjednoczone zostaną w tyle za Chinami. Przedsiębiorstwa nie dostaną potrzebnej przepustowości. Deweloperzy będą ograniczani. Innowacje zwolnią.
Jeszcze jedno centrum danych.
Jeszcze jeden kampus na gigawat.
Jeszcze jedna działka 2700 akrów.
Jeszcze jedna modernizacja sieci.
Wtedy będziemy mieć dość.
To ten sam inżynier z innym projektem.
To jest infrastrukturalny zakład na pokolenia, a znaczna jego część jest już podpisana.
To nie jest argument, że SI nie potrzebuje infrastruktury. Część nowej przepustowości jest konieczna.
Pytanie brzmi, czy powinniśmy wciąż zobowiązywać się do nowej przepustowości w takim tempie, zanim zmusimy kupujących do udowodnienia, że używają istniejącej przepustowości w inteligentny sposób.
Teraz część tego eksplodującego popytu to rzeczywista nowa produktywność. Część to unikniona konsumpcja, tworzona przez złe domyślne ustawienia, niekontrolowane ponowne próby, nieaktualne poświadczenia, zbyt mocne modele i obciążenia, których nikt nigdy nie zmusił do uzasadnienia ich kosztu.
Popyt indukowany
Popyt na moc obliczeniową nie jest sztywną krzywą. Zgina się w stronę dowolnej dostępnej podaży.
Daj deweloperom tani dostęp do modeli czołowych, a wiele zadań domyślnie trafi na te modele. Daj agentom duże budżety, a wielu agentów je wyda. Daj zespołom nieograniczone klucze API, a rachunek rośnie, dopóki ktoś tego nie zauważy.
Do tego czasu workload jest już wdrożony.
Założyciel uruchamia drogi model na każdym kroku procesu obsługi klienta, bo to było domyślne ustawienie, gdy inżynier wdrażał szybko. Pipeline działa. Rachunek staje się bolesny. Później ktoś odkrywa, że większość obciążenia mogła działać na tańszym modelu przy małej lub żadnej mierzalnej utracie jakości.
To nie jest dziwna skrajność. Tak często wygląda szybki rozwój rozwiązań SI. Domyślne ustawienia są złe. Marnotrawstwo jest niewidoczne. Faktura przychodzi późno.
To samo dzieje się wszędzie.
System wyszukiwania wektorowego osadza duplikaty. Agent wsparcia zapętla się w ponownych próbach. Agent kodujący spala najdroższy model na trywialne poprawki. Klucz kontraktora żyje dłużej niż kontrakt. Klucz byłego pracownika przetrwał offboarding. Klucz produkcyjny trafia na czyjś laptop.
Nie są koniecznie złośliwi. System po prostu jest niezarządzany.
Kiedy branża SI mówi, że popyt eksploduje, część tego popytu to realna produktywność. Część to złe ustawienia domyślne, nieaktualne poświadczenia, brak budżetów i nieuregulowana praca maszyn.
Dodanie mocy obliczeniowej tego nie naprawia. To to karmi. Nawet firmy takie jak Amazon raportują, że właśnie tak to wygląda.
To jest popyt indukowany. To jest autostrada.
Mentalność „ludzi out, SI in”
Przy spadającym zatrudnieniu i rosnących budżetach na SI te dwie rzeczy są często wyraźnie powiązane. Microsoft powiedział wprost, że ich cięcia to nie po prostu zastąpienie ludzi SI. Sam Altman przyznał, że część przypisywania to, jak to nazwał, „AI washing”: powoływanie się na SI przy cięciach, które firma i tak by zrobiła. Badania opinii prezesów dzielących się, że muszą planować zmiany na podstawie SI.
Dane jasno pokazują realokację priorytetów. Challenger opisuje firmy technologiczne jako restrukturyzujące się wokół SI, automatyzujące część ról i przenoszące budżety w stronę nowych możliwości. Konkretny pracownik i konkretne GPU nie muszą być sparowane jeden do jednego, żeby przesunięcie kapitału było realne.
To sprawia, że niewygodne pytanie staje się ostrzejsze, a nie łagodniejsze.
Jeśli wymiana to nie ludzie za produktywność SI, i nie całkiem ludzie za nic, to czym dokładnie jest strona maszyn w tym bilansie? Nikt nie potrafi podać twardego rozwiązania, bo wydatki na SI stają się „payrollem” bez zarządzania z czymkolwiek zbliżonym do dyscypliny płacowej.
Ludzcy pracownicy mają menedżerów, budżety, uprawnienia, karty firmowe, przepustki, offboarding, oceny wyników i ścieżki audytu.
Maszynowi pracownicy często mają klucz API.
Przenosimy budżety z ludzkiego payrollu na payroll maszynowy, a potem zarządzamy payrollem maszynowym jak stertą haseł. Bez właściciela. Bez menedżera. Bez daty wygaśnięcia. Bez polityki wydatków. Bez paragonu. Bez kosztu na użyteczny wynik. Bez dowodu, że praca maszyny była warta kosztu maszyny.
Klucz API jest nową firmową kartą płatniczą
Firma nigdy by nie powiedziała: „były pracownik zachował swoją kartę firmową, nikt nie wie, co nią płaci, i dowiedzieliśmy się o tym po miesiącach”. Uznano by to za oczywistą porażkę operacyjną. Ale wersja z API dzieje się ciągle.
Klucz dostawcy modelu może generować wydatki. Klucz chmurowy może tworzyć infrastrukturę. Klucz Stripe może przesuwać pieniądze. Klucz GitHub może wdrażać kod. Klucz dostawcy danych może uzyskiwać dostęp do płatnych zbiorów danych. Klucz platformy reklamowej może spalać budżet kampanii. Klucz giełdy może handlować aktywami.
To nie są tylko „sekrety”. To jest władza ekonomiczna.
Zbyt wiele kluczy API nadal traktuje się jak hasła. Muszą być traktowane jak firmowe karty płatnicze dla maszyn.
Kontraktorzy, software house’y, agencje marketingowe, audytorzy, zespoły częściowe, pracownicy i agenci wszyscy potrzebują dostępu do zasobów, których zapotrzebowanie rośnie i maleje. Dziś firmy albo nadmiernie nadają dostęp, albo wszystko spowalniają. Projekt się kończy, dostęp zostaje, a wydatki nadal płyną.
To nie tylko problem bezpieczeństwa. To problem księgowy. Problem ładu korporacyjnego i problem infrastruktury.
Lokalni to wiedzą
Publiczny sprzeciw wobec centrów danych to nie tylko NIMBY. Ludzie czują sprzeczność. Sondaż Gallupa Gallup poll niedawno wykazał, że siedmiu na dziesięciu Amerykanów sprzeciwiłoby się budowie centrów danych dla SI w swoich miastach.
Centra danych zużywają ogromne ilości energii elektrycznej. W zależności od konstrukcji chłodzenia i lokalizacji mogą zużywać też dużo wody i ziemi. Generują prawdziwe ciepło, hałas, spory o linie przesyłowe i lokalną presję polityczną. Korzyści często wydają się odległe, prywatne lub spekulatywne. Koszty są lokalne.
Obciążenie infrastrukturalne jest skoncentrowane w powiatach wiejskich. Korzyści ekonomiczne są rozproszone i często przechwytywane gdzie indziej. Korzyści są obiecywane później. Koszty przychodzą teraz.
To jest politycznie niestabilne. W 2026 roku przestało być prognozą.
Przemysł nie powinien się dziwić, że centra danych stały się ogólnokrajowym sporem politycznym. Jeśli infrastruktura SI prosi społeczności o ziemię, energię, wodę i cierpliwość, branża powinna umieć udowodnić, że moc obliczeniowa jest wykorzystywana dobrze.
Teraz wielu kupujących nie potrafi.
Wymiana ludzi na niemierzoną pracę maszyn jest zła
Złóżmy warstwy razem.
CFO czyta tezę inwestycyjną dotyczącą SI, zatwierdza rozbudowę, tnie zatrudnienie, żeby ją sfinansować, i mówi zarządowi, że matematyka się spina. Moc obliczeniowa zostaje przydzielona. Workloady są wdrażane. Domyślne ustawienia są złe. Klucze są niezarządzane. Drogi model jest nadużywany. Agenci zbyt często ponawiają próby. Stare poświadczenia nadal działają. Rachunek rośnie szybciej, niż zakładano.
Zarząd pyta dlaczego. Odpowiedź brzmi: popyt na SI eksploduje. Potrzebujemy więcej przepustowości. Więc CFO podpisuje kolejny kontrakt. Cykl się powtarza.
Tymczasem zwolniony pracownik patrzy, jak firma agresywnie wydaje na systemy SI, które mogą, ale nie muszą, dawać obiecaną produktywność. Radny powiatu odbiera wściekłe telefony o energii, wodzie, ziemi i hałasie. Operator sieci próbuje sprawić, by liczby się zgadzały. Lokalny mieszkaniec słyszy, że to jest przyszłość.
Zbyt często wymiana nie była ludzie za produktywność. To byli ludzie za niemierzoną pracę maszyn. Ludzie za złe domyślne ustawienia. Ludzie za bylejakość. A kiedy bylejakość stała się droga, odpowiedzią branży nie była dyscyplina. Było nią jeszcze jedno centrum danych. Jeszcze jedno, stary.
Rzeczywista odpowiedź
Rzeczywista odpowiedź to nie tylko budowa kolejnych centrów danych.
Rzeczywista odpowiedź to inteligentne wykorzystanie centrów danych, które już mamy.
To jest dla branży niewygodne, bo bodźce nie są idealnie zbieżne. Dostawcy zwykle zarabiają, gdy konsumpcja rośnie. Kupujący wygrywają, gdy rośnie liczba użytecznych wyników. Te dwie krzywe nie są tym samym.
Interes kupującego jest konkretny.
Kupujący chce najmniejszego modelu, który wykona zadanie. Najmniejszej liczby wywołań, które rozwiążą problem. Klucza, który wygasa, gdy projekt się kończy. Poświadczenia, które działa tylko z właściwego urządzenia. Agenta, który jest odcinany, gdy wychodzi poza politykę. Wyjątku, który zostaje zatwierdzony tylko wtedy, gdy case biznesowy jest realny.
Żadne z tego nie wymaga nowego centrum danych. Wymaga inteligentnego przydziału mocy obliczeniowej, którą już mamy.
Droga do rozwiązania jest nudna
Dobierz właściwy model do obciążenia. Grupuj to, co można grupować. Buforuj to, co można buforować. Ogranicz to, co powinno być ograniczone. Autoryzuj to, co musi przekroczyć limity. Odrzuć to, co działa na niewłaściwym credential, z niewłaściwego urządzenia, przez niewłaściwego posiadacza, do niewłaściwej pracy. Mierz koszt na użyteczny rezultat. Automatycznie wygaszaj dostęp. Zabijaj wymykające się spod kontroli pętle. Kieruj niskoryzykowne zadania do niskokosztowych modeli. Eskaluj tylko wtedy, gdy jakość tego wymaga. Wystawiaj pokwitowania.
Rynek zaczął to zauważać. Tego lata dyrektorzy finansowi (CFO) i zarządy zaczęli przycinać rachunki za AI, które drastycznie przekroczyły budżet. Routing modeli przeszedł drogę od publikacji naukowej do słownictwa sali zarządu, gdy zespoły szukały sposobów, by przekazywać rutynowe zadania tańszym modelom bez poświęcania jakości. Sami dostawcy modeli zaczęli wprowadzać limity wydatków administracyjnych, bo klienci domagali się sposobu na okiełznanie rachunków.
Dobrze. Ta fala jest realna i spóźniona. Dostawcy oferują teraz twarde limity wydatków, które faktycznie powodują błędy wywołań po osiągnięciu limitu, limity na użytkownika i ścieżki zatwierdzania.
Ale zwróć uwagę na granice obecnej fali. Te mechanizmy kontrolują konsumpcję w ramach jednego dostawcy, jednego projektu lub jednej aplikacji. Routing wybiera tańszy model. Limit zatrzymuje wymykający się spod kontroli rachunek. Żaden z nich nie odpowiada na szersze pytanie o uprawnienia: która maszyna działa, z jakiego środowiska uruchomieniowego, w czyim imieniu, w jakim celu, wobec jakich zewnętrznych zasobów i jaki przenośny dowód istnieje potem. Kontrola kosztów to nie to samo co programowalny, weryfikowalny autorytet.
AI potrzebuje pełnej dyscypliny, nie tylko tej kosztowej. Nie dlatego, że AI jest zła. Dlatego, że AI staje się pracą. A praca wymaga zarządzania.
Warstwa, której brakuje agentom AI
To jest warstwa, której naszym zdaniem brakuje AI, i jest ona celowo węższa niż cały stos FinOps.
Ekonomicznymi uprawnieniami należy zarządzać przed wykonaniem: kto i co może wydawać, z jakiego urządzenia i środowiska uruchomieniowego, dla jakiego obciążenia i w ramach jakich limitów. Wszystko zakończone pokwitowaniem, które prawdziwa osoba może zweryfikować.
Część rozbudowy centrów danych jest konieczna. AI jest realna, a realne rzeczy potrzebują infrastruktury. Ale niezarządzony popyt sprawia, że potrzebna rozbudowa jest większa, szybsza i trudniejsza do uzasadnienia, niż musi być. Właściwa droga to nie jest ładniejszy pulpit nawigacyjny po otrzymaniu rachunku. Rozwiązaniem jest warstwa kontroli na poziomie credentiala, zanim dojdzie do wydatku.
Jazda we właściwym kierunku
Jeszcze tylko jedno centrum danych, stary.
Obiecujemy, że tym razem zadziała. Moc obliczeniowa zaraz wejdzie do gry. Wskaźnik marnotrawstwa zaraz spadnie. Marże zaraz się pojawią. Obciążenia zaraz staną się wydajne. Miejscowi zaraz się przekonają. Sieć energetyczna zaraz to udźwignie. Bilion dolarów w podpisanych umowach najmu zaraz wyda się konserwatywny. Zarząd zaraz zobaczy wzrost produktywności.
Jeszcze tylko jedno.
Może część tej mocy jest potrzebna. Ale zanim branża poprosi społeczności o więcej ziemi, więcej wody, więcej energii i więcej cierpliwości, nabywcy powinni umieć odpowiedzieć na prostsze pytanie.
Czy dobrze wykorzystujemy moc obliczeniową, którą już mamy? Nie na slajdzie ani w notatce politycznej.
W pokwitowaniach. Który model został użyty. Które obciążenie go potrzebowało. Który klucz to autoryzował. To jest następna bitwa o infrastrukturę AI. Nie „obliczenia kontra brak obliczeń”. Tylko obliczenia zarządzane kontra marnotrawstwo.
Budujmy mniej na ślepo. Wykorzystujmy to, co mamy.