Adam Mosseri, szef Instagrama i jeden z seniorskich liderów Mety, przewiduje, że w ciągu jednego do dwóch lat firmy będą musiały wprowadzić limity zużycia tokenów AI na inżyniera — analogicznie do zarządzania budżetem kadrowym czy kosztami operacyjnymi. Mosseri wypowiedział się w ten sposób w podkaście Lenny's Podcast, gdzie przyznał, że koszt tokenów AI generowanych przez jednego produktywnego inżyniera może niedługo zrównać się z jego rocznym wynagrodzeniem.
Najważniejsze w skrócie
- Adam Mosseri prognozuje limity tokenów AI na inżyniera w Meta w ciągu 1–2 lat
- Meta zlikwidowała wewnętrzny ranking token spend?Token spend: Łączny koszt tokenów przetworzonych przez modele AI — mierzony w tokenach wejściowych i wyjściowych, rozliczany przez dostawców modeli na zasadzie płatności za zużycie. i ograniczyła nieproduktywne użycie AI po tym, jak koszty zbliżyły się do miliardów USD rocznie
- Uber wyczerpał roczny budżet na AI coding w April 2026 — cztery miesiące po jego starcie
- Microsoft zrezygnował z licencji Claude Code dla inżynierów, koncentrując ich na własnym Copilot CLI
- Mosseri porównuje token budget do payrollu: zasób o ograniczonej puli, rozdzielany między zespoły według ROI
Token spend: nowa pozycja w budżecie operacyjnym
Token spend — koszt przetwarzania zapytań do modeli AI — przestał być techniczną ciekawostką i stał się realną pozycją budżetową w dużych firmach technologicznych. Meta AI zetknęła się z tym problemem dotkliwie: firma uruchomiła wewnętrzny ranking zużycia tokenów przez pracowników, który miał promować efektywność — ale szybko zamknęła projekt po tym, jak koszty zaczęły zbliżać się do miliardów dolarów rocznie. Jak donosi The Information, pracownicy dosłownie współzawodniczyli o jak największe zużycie tokenów, co zamiast efektywności generowało marnotrawstwo.
Mosseri opisał tę lekcję bez ogródek: „Nie jest trudno zbudować spalarnię tokenów, która nie tworzy żadnej wartości". Meta ograniczyła problem przez wyłączenie tego, co sam nazwał „głupimi rzeczami" — nieproduktywnym zużyciem AI, które nie przekładało się na wyniki biznesowe. Nie wprowadza jednak jeszcze twardych limitów per inżynier.
Wyścig do limitów: Meta nie jest sama
Problemy Mety z budżetem tokenów AI wpisują się w szerszy trend, który dotyczy co najmniej kilku znanych firm technologicznych. Uber wyczerpał cały roczny budżet na narzędzia AI do kodowania już w kwietniu 2026 — cztery miesiące po starcie roku fiskalnego — co wymusiło drastyczne cięcia. Firma ograniczyła dostęp do premium modeli dla inżynierów, zostawiając możliwość korzystania z tańszych alternatyw.
Microsoft z kolei zdecydował się nie odnawiać licencji Claude Code dla swoich inżynierów, zamiast tego koncentrując ich wokół własnego narzędzia Copilot CLI. Według The Verge decyzja była podyktowana właśnie kosztami.
1Password ogłosił wejście w segment zarządzania kosztami tokenów AI dla przedsiębiorstw — firma, dotychczas kojarzona z zarządzaniem hasłami, teraz oferuje narzędzie do kontroli i optymalizacji wydatków na LLM. To sygnał, że segment AI cost management staje się na tyle duży, że przyciąga dedykowanych graczy.
Token budget jako nowa dyscyplina zarządzania
Mosseri wyjaśnił swoją perspektywę przez analogię do innych zasobów korporacyjnych. Tak jak firma zarządza pulą GPU, przestrzenią dyskową, budżetem na etykietowanie danych czy liczbą etatów — tak samo będzie musiała zarządzać tokenami. Różnica polega na tym, że tokeny są zasobem elastycznym i niewidocznym dla użytkownika końcowego: inżynier używający agenta AI do kodowania nie widzi bezpośrednio kosztu każdego zapytania, a firma widzi ten koszt dopiero na fakturze.
Modele cenowe modeli AI opierają się na zużyciu — koszt per 1 milion tokenów wejściowych i wyjściowych. W przypadku zaawansowanych modeli frontierowych koszt wejściowego tokena wynosi od kilku do kilkunastu dolarów za milion tokenów; modele rozumowania (thinking), które generują dużo tokenów wewnętrznych, są jeszcze droższe. Intensywny użytkownik agentic AI może łatwo wygenerować kilka milionów tokenów dziennie — co przy cenie 15 USD za milion tokenów wyjściowych daje kilkadziesiąt dolarów dziennie na jednego inżyniera.
Przy 10 000 inżynierów i takim profilu użycia daje to 150 mln USD rocznie tylko na tokeny — i właśnie takie liczby Meta zaczyna obserwować w swoich systemach. Mosseri przyznał, że w tym scenariuszu limity per inżynier stają się nieuniknione, a ich wysokość będzie uzależniona od tego, jak bardzo firma ufa danej osobie w zakresie ROI-pozytywnego wydawania budżetu.
Dlaczego to ważne?
Wypowiedź Mosseriego jest istotna nie jako news o Mecie, ale jako sygnał o dojrzewaniu całej branży. Przez ostatnie trzy lata firmy miały de facto nielimitowany dostęp do AI coding tools w ramach hojnych korporacyjnych licencji — produktywność mierzyło się w "czy działa", nie "ile kosztuje". Ten etap się kończy. Token spend staje się kategorią OpEx?OpEx: Operating Expenditure — koszty operacyjne ponoszone regularnie (np. licencje, chmura, pensje) w odróżnieniu od CapEx (jednorazowych inwestycji w majątek trwały). jak każda inna: mierzalna, raportowalna i zarządzana. Dla dostawców modeli AI (Anthropic, OpenAI, Google) oznacza to rosnącą presję na obniżkę cen lub wprowadzenie enterprise pricing z bardziej przewidywalnym modelem kosztowym. Mosseri wprost to przyznał, przewidując wojnę cenową między dostawcami modeli w perspektywie kilku lat. Dla firm technologicznych oznacza to konieczność wypracowania nowych metryk ROI dla AI — dziś mało kto potrafi precyzyjnie pokazać, ile wartości firma wygenerowała z wydanych tokenów.
Co dalej?
- Meta nie ma jeszcze wdrożonych twardych limitów tokenów per inżynier — Mosseri mówi o perspektywie 1–2 lat, jeśli ceny modeli nie spadną wystarczająco szybko
- Segment AI cost management tools rośnie — przykład 1Password to prawdopodobnie pierwszy z wielu nowych graczy oferujących narzędzia do monitorowania i optymalizacji wydatków na LLM w enterprise
- Presja cenowa na dostawców modeli frontierowych będzie rosła — Mosseri przewiduje wojnę cenową, co wpisuje się w trend (DeepSeek obniżył ceny o 75% w lipcu 2026)
