Czy bańka AI pęka, czy dopiero pęknie? Setki miliardów dolarów na stole

Sztuczna inteligencja stała się w ostatnich latach jednym z największych magnesów dla kapitału. Firmy technologiczne wydają dziesiątki miliardów dolarów na centra danych i specjalistyczne procesory, inwestorzy przeznaczają setki miliardów na młode przedsiębiorstwa, a największe koncerny zwiększają wydatki na rozwój własnych systemów AI. Jednocześnie coraz częściej pojawia się pytanie, czy ten wyścig ma ekonomiczne uzasadnienie. Innymi słowy: czy jesteśmy świadkami początku technologicznej rewolucji, która przyniesie ogromny wzrost produktywności, czy raczej kolejnej bańki, w której oczekiwania inwestorów wyprzedziły rzeczywiste możliwości zarabiania pieniędzy?

Na razie odpowiedź nie jest jednoznaczna. Z jednej strony część firm związanych ze sztuczną inteligencją osiąga rekordowe przychody i zyski. Z drugiej, skala wydatków na infrastrukturę jest tak duża, że inwestorzy muszą zakładać wieloletni wzrost popytu, aby poniesione nakłady się zwróciły. Problem polega na tym, że nikt nie wie dokładnie, jak szybko ten popyt będzie rósł i jaka część obecnych inwestycji okaże się w przyszłości potrzebna.

Ile pieniędzy naprawdę trafia dziś do sztucznej inteligencji?

Nie istnieje jedna oficjalna liczba pokazująca, ile pieniędzy na całym świecie wydano na sztuczną inteligencję. Wynika to z prostego powodu: inwestycje w AI obejmują bardzo różne rzeczy. Są to zarówno pieniądze przekazywane młodym firmom przez fundusze inwestycyjne, jak i wydatki Microsoftu, Google'a czy Amazona na centra danych, zakup procesorów, energię, badania i rozwój oraz zatrudnienie specjalistów.

Dobrym punktem odniesienia są jednak dane Organizacji Współpracy Gospodarczej i Rozwoju. Według OECD w 2025 roku inwestycje funduszy w firmy zajmujące się sztuczną inteligencją wyniosły 258,7 mld dolarów. Była to aż 61 procentowa część wszystkich inwestycji tego typu na świecie. Jeszcze w 2022 roku udział firm związanych z AI wynosił około 30 proc. Oznacza to, że w ciągu zaledwie kilku lat sztuczna inteligencja stała się zdecydowanie najważniejszym obszarem zainteresowania kapitału wysokiego ryzyka.

Te 258,7 mld dolarów nie powinno być jednak przedstawiane jako całość pieniędzy wydanych na AI. OECD mierzy w tym przypadku inwestycje w przedsiębiorstwa, a nie wszystkie wydatki przedsiębiorstw na rozwój technologii. Jeżeli Microsoft buduje centrum danych za miliardy dolarów albo Google kupuje kolejne procesory do obsługi swoich modeli, takie wydatki nie są tym samym co finansowanie młodej firmy przez fundusz inwestycyjny. Rzeczywista wartość pieniędzy przeznaczanych obecnie na rozwój sztucznej inteligencji jest więc znacznie większa. Przykładowo wyliczenia analityka Eda Zitrona wskazują, że giganci tacy jak Microsoft, Meta, Amazon i Alphabet zainwestowali w infrastrukturę AI około 560 miliardów dolarów w ciągu ostatnich dwóch lat, uzyskując łącznie zaledwie 35 miliardów dolarów przychodu z tego tytułu. Globalne wydatki na całe usługi IT w 2025 roku wyniosły według analityków Gartner około 5,61 biliona dolarów, a boom na AI napędzał znaczną część tych wzrostów, zbliżając globalne nakłady infrastrukturalne do poziomu bilionowego w skali dwóch lat.

Szczególnie szybko rośnie finansowanie infrastruktury. OECD podaje, że firmy zajmujące się infrastrukturą informatyczną i obsługą systemów AI przyciągnęły w 2025 roku 109,3 mld dolarów. W latach 2012 - 2025 było to łącznie 256,1 mld dolarów. To ważne, ponieważ pokazuje, że obecna fala inwestycji nie dotyczy wyłącznie tworzenia nowych aplikacji wykorzystujących sztuczną inteligencję. Ogromne pieniądze przeznaczane są przede wszystkim na stworzenie sprzętu i mocy obliczeniowej, bez których rozwój AI nie byłby możliwy.

Gartner prognozuje, że światowe wydatki na sztuczną inteligencję wzrosną o 49,5% do 2026 r.

Skala obecnego boomu robi jeszcze większe wrażenie, gdy spojrzymy na dane Gartnera dotyczące całego rynku sztucznej inteligencji. Według najnowszej prognozy firmy analitycznej Gartner całkowite wydatki na AI na świecie mają w 2026 roku sięgnąć 2,67 biliona dolarów, wobec około 1,79 biliona dolarów w 2025 roku. Oznacza to wzrost o 49,5 proc. w ciągu zaledwie jednego roku. Gartner przewiduje przy tym, że w 2027 roku wydatki na AI wzrosną do około 3,64 biliona dolarów. Trzeba jednak podkreślić, że mówimy o prognozie na cały 2026 rok, a nie o sumie pieniędzy, które zostały już do tej pory wydane. 

Nvidia pokazuje, że na AI można już naprawdę dużo zarabiać

Jeżeli szukać firmy, której wyniki najlepiej pokazują finansową stronę obecnego boomu, trudno pominąć Nvidię. Jej procesory są wykorzystywane do trenowania i uruchamiania najbardziej zaawansowanych modeli sztucznej inteligencji, dlatego rosnące wydatki na AI bezpośrednio zwiększają zapotrzebowanie na jej produkty.  Skala tego biznesu jest ogromna. Jak wynika ze sprawozdania finansowego Nvidii, w drugim kwartale roku finansowego 2027 firma osiągnęła 96,2 mld dolarów przychodów. Był to wynik o 106 proc. wyższy niż rok wcześniej. Przychody z działalności związanej z centrami danych wyniosły aż 89 mld dolarów i zwiększyły się w ciągu roku o 117 proc. Zysk netto sięgnął natomiast 59,7 mld dolarów, wobec 26,4 mld dolarów rok wcześniej.

To bardzo ważna informacja w dyskusji o możliwej bańce. Nie wszystkie pieniądze przeznaczane na AI znikają w przedsiębiorstwach, które nie potrafią zarabiać. Część z nich trafia do firm, które już dziś generują miliardowe przychody i zyski. Nvidia jest tutaj najbardziej spektakularnym przykładem, ale podobny mechanizm widać także u innych dużych koncernów. Jednocześnie sukces Nvidii tworzy pewne ryzyko. Jeżeli tempo rozbudowy infrastruktury AI zaczęłoby gwałtownie spadać, popyt na jej produkty również mógłby się zmniejszyć. Dzisiejsze wyniki pokazują więc, jak dużo pieniędzy płynie do sektora, ale nie gwarantują, że równie wysokie tempo wzrostu utrzyma się przez kolejne lata.

Microsoft i Google wydają dziesiątki miliardów dolarów

Jeszcze lepiej skalę tego zjawiska widać, kiedy spojrzymy na wydatki największych firm technologicznych. Microsoft w swoim roku finansowym 2026 osiągnął 331,8 mld dolarów przychodów oraz 133,7 mld dolarów zysku netto. Jednocześnie firma bardzo mocno zwiększa inwestycje w infrastrukturę potrzebną do obsługi sztucznej inteligencji. W samym czwartym kwartale roku finansowego Microsoft przeznaczył na inwestycje 41 mld dolarów. Firma poinformowała przy tym, że około dwóch trzecich tych nakładów dotyczyło aktywów, które stosunkowo szybko się zużywają, przede wszystkim procesorów. Skala wydatków pokazuje, że rozwój AI nie jest dla największych firm technologicznym dodatkiem do istniejącego biznesu. Stał się jednym z głównych powodów budowania nowej infrastruktury.

Podobnie postępuje Alphabet, właściciel Google'a. W drugim kwartale 2026 roku firma osiągnęła 119,8 mld dolarów przychodów, o 24 proc. więcej niż rok wcześniej. Szczególnie szybko rosły przychody Google'a z usług komputerowych świadczonych przez internet, które wyniosły 24,8 mld dolarów i były o 82 proc. wyższe niż rok wcześniej. Jednocześnie w pierwszej połowie 2026 roku Alphabet przeznaczył na inwestycje 80,6 mld dolarów. Firma zapowiedziała, że w całym roku wydatki inwestycyjne mają wynieść około 195 - 205 mld dolarów.

W tym miejscu pojawia się kluczowa kwestia: ogromne inwestycje nie są automatycznie stratą pieniędzy. Centrum danych może pracować przez wiele lat, procesory mogą generować przychody, a rozwój infrastruktury może pozwolić firmie zwiększyć sprzedaż usług. Problem zaczyna się wtedy, gdy tempo inwestycji jest znacznie większe niż tempo wzrostu przychodów, które te inwestycje mają w przyszłości wygenerować.

Nie wszystkie firmy AI są jednak równie dochodowe

Obraz sektora zmienia się wyraźnie, gdy przechodzimy od producentów infrastruktury do firm budujących same modele sztucznej inteligencji. Ich sytuacja finansowa jest znacznie trudniejsza. Dobrym przykładem jest OpenAI. Według informacji „The Information”, opisanych przez Reutersa, w pierwszym kwartale 2026 roku firma miała osiągnąć około 5,7 mld dolarów przychodów, ale jednocześnie zużyć około 3,7 mld dolarów gotówki. Według tych samych informacji około 3,5 mld dolarów pochłonęły koszty związane z działaniem modeli, a około 8,6 mld dolarów przeznaczono na badania i rozwój. Reuters zaznaczał przy tym, że nie był w stanie niezależnie zweryfikować wszystkich tych danych, ponieważ OpenAI nie publikuje wyników finansowych w taki sposób jak spółki giełdowe.

To dobrze pokazuje, dlaczego porównywanie przychodów firm AI z ich wydatkami jest tak istotne. Można mieć miliardy dolarów przychodów, a jednocześnie nadal potrzebować ogromnego finansowania z zewnątrz. W przypadku najbardziej zaawansowanych modeli koszty nie kończą się bowiem na ich stworzeniu. Każde zapytanie użytkownika wymaga pracy serwerów, a rozwój kolejnych generacji modeli wymaga kolejnych inwestycji w procesory, centra danych i zespoły badawcze. Dlatego w przypadku firm takich jak OpenAI czy Anthropic sama wartość przychodów nie mówi jeszcze, czy ich obecny model biznesowy jest długoterminowo opłacalny. Kluczowe będzie to, czy przychody będą rosły szybciej niż koszty obliczeń i rozwoju technologii.

Firmy zaczynają pytać, gdzie jest rzeczywisty zwrot z AI

To właśnie rentowność zastosowań sztucznej inteligencji może w najbliższych latach zdecydować o losach całego rynku. Przez długi czas przedsiębiorstwa chętnie inwestowały w AI, ponieważ obawiały się pozostania w tyle za konkurencją. Coraz ważniejsze staje się jednak pytanie, czy konkretne wdrożenie rzeczywiście zwiększa przychody, zmniejsza koszty albo pozwala pracownikom wykonywać więcej pracy w tym samym czasie.

Badanie McKinsey "The State of AI 2026: On the road to ROI”pokazuje, że efekty stosowania AI są już widoczne, ale nie można jeszcze powiedzieć, że większość firm osiąga dzięki niej ogromne wyniki finansowe. Około 80 proc. ankietowanych pracowników deklarowało wzrost własnej produktywności dzięki sztucznej inteligencji, podczas gdy tylko 37 proc. respondentów mówiło o pozytywnym wpływie AI na wyniki finansowe swojej organizacji. W tym samym badaniu 32 proc. organizacji zadeklarowało, że przestało kupować przynajmniej jeden produkt lub funkcję oprogramowania, ponieważ mogło stworzyć podobne rozwiązanie we własnym zakresie przy wykorzystaniu AI.

Różnica między produktywnością pojedynczego pracownika a wynikami całej firmy jest tutaj bardzo istotna. To, że pracownik może szybciej przygotować dokument, analizę czy fragment programu, nie oznacza automatycznie, że przedsiębiorstwo osiągnie dzięki temu miliardy dolarów dodatkowego zysku. Potrzeba czasu, aby poprawa produktywności przełożyła się na zmianę zatrudnienia, kosztów, cen produktów i przychodów całej firmy.

Ford. Zwolnili ludzi przez AI, później znów ich zatrudnili

Ford jest jednym z najbardziej interesujących przykładów, choć nie należy upraszczać jego historii do stwierdzenia, że „AI zastąpiła 350 inżynierów, a potem firma ich przywróciła”. Producent samochodów rzeczywiście mocno inwestował w automatyzację i sztuczną inteligencję, między innymi w systemy kontroli jakości. Kiedy jednak okazało się, że automatyczne rozwiązania nie zapewniają oczekiwanej jakości, Ford zaczął odbudowywać zespoły doświadczonych specjalistów. W 2026 roku firma poinformowała o zatrudnieniu około 350 doświadczonych inżynierów; część z nich była byłymi pracownikami Forda, a część wcześniej pracowała u dostawców. Ich zadaniem było między innymi wykorzystanie doświadczenia, którego nie udało się skutecznie przenieść do systemów automatycznych. To szczególnie ciekawy przypadek, ponieważ Ford nie zrezygnował z AI. Firma nadal wykorzystuje automatyzację, ale doszła do wniosku, że technologia nie może być traktowana jako pełny zamiennik doświadczenia człowieka. Problemem okazało się nie samo wykorzystanie AI, lecz założenie, że można ograniczyć udział doświadczonych inżynierów i jednocześnie zachować ich wiedzę w systemach. W praktyce część tej wiedzy okazała się trudna do zastąpienia.

Klarna. AI miała zastąpić setki pracowników

Jeszcze bardziej bezpośrednim przykładem jest Klarna. Szwedzka firma finansowa bardzo agresywnie wdrażała sztuczną inteligencję do obsługi klientów i przez pewien czas przedstawiała ją jako sposób na ograniczenie zapotrzebowania na pracowników. System AI miał wykonywać pracę odpowiadającą pracy około 700 osób. Z czasem kierownictwo firmy zaczęło jednak przyznawać, że nadmierne poleganie na automatyzacji odbiło się na jakości obsługi. W 2025 roku prezes Klarny Sebastian Siemiatkowski mówił o konieczności ponownego zatrudniania ludzi do obsługi klientów. Firma zaczęła więc odwracać część wcześniejszej strategii. Historia Klarny jest ważna, ponieważ pokazuje różnicę między wydajnością a jakością. AI może obsłużyć ogromną liczbę zapytań znacznie taniej niż człowiek, ale w przypadku bardziej skomplikowanych problemów klienta szybkość odpowiedzi nie zawsze jest najważniejsza. Jeżeli automatyczny system nie rozwiązuje problemu albo udziela odpowiedzi, która wymaga kolejnego kontaktu z firmą, początkowa oszczędność może zostać częściowo utracona. Nie oznacza to, że AI okazała się w Klarnie bezużyteczna, przeciwnie, firma nadal z niej korzysta, ale doświadczenie pokazało, że całkowite zastąpienie ludzi nie przyniosło oczekiwanych rezultatów.

Meta. Ambitny plan zastąpienia części pracy AI nie wypalił

Podobny problem, choć na znacznie większą skalę, pojawił się w Mecie. Mark Zuckerberg chciał przebudować organizację firmy tak, aby mniejsze zespoły pracowników korzystały z coraz bardziej zaawansowanych narzędzi AI. W niektórych obszarach plan zakładał redukcję nawet 60 proc. zespołu i zastąpienie części wykonywanej przez niego pracy rozwiązaniami opartymi na sztucznej inteligencji. Według Reutersa projekt zaczął jednak napotykać poważne problemy: pracownicy zgłaszali obawy dotyczące niezawodności i bezpieczeństwa systemów, pojawiły się także wątpliwości co do rzeczywistego wzrostu produktywności. Meta ostatecznie ograniczyła część planowanych redukcji. Co ciekawe, Meta jednocześnie nie ogranicza inwestycji w samą sztuczną inteligencję. Firma nadal planuje przeznaczać ponad 130 mld dolarów na infrastrukturę i procesory związane z AI w 2026 roku. To bardzo dobrze pokazuje, dlaczego nie można utożsamiać nieudanego projektu automatyzacji z porażką całego rynku AI. Meta może uznać, że nie sprawdził się określony sposób organizowania pracy, a jednocześnie nadal uważać, że warto wydawać dziesiątki miliardów dolarów na rozwój technologii.

Wipro. AI ograniczyła zapotrzebowanie na pracę, ale ludzie nie zniknęli

Ciekawy kontrast stanowi indyjska firma informatyczna Wipro. Jej dyrektor technologiczny poinformował we wrześniu 2026 roku, że zastosowanie AI zwiększyło wydajność na tyle, że firma uzyskała dodatkową przepustowość odpowiadającą pracy około 20 tys. pracowników. Nie oznaczało to jednak zwolnienia tych 20 tys. osób. Zostali oni przesunięci do innych zadań, a firma jednocześnie szkoliła ponad 100 tys. pracowników w zakresie nowych umiejętności związanych z AI. Wipro zwiększa również zatrudnienie inżynierów zajmujących się wdrażaniem AI u klientów. Ten przykład jest ważny, bo pokazuje alternatywny scenariusz. AI nie musi oznaczać zwolnienia człowieka. Firma może wykorzystać technologię do wykonania większej ilości pracy przy podobnej liczbie pracowników, a zaoszczędzoną zdolność skierować do nowych zadań. Jednocześnie Wipro samo przyznaje, że nadal znajduje się na etapie, w którym ponosi znaczne koszty wdrażania AI i nie pokazało jeszcze, jak dużą wartość finansową generują te rozwiązania

AI zaczyna wymykać się spod kontroli. Czy to zmienia wartość całego rynku?

Ostatnie miesiące przyniosły jednak jeszcze jeden problem, który może mieć znaczenie dla wyceny całego sektora - coraz więcej przypadków, w których autonomiczne systemy AI wykonywały działania, których ich twórcy nie planowali albo których nie potrafili w pełni kontrolować. We wrześniu Reuters opisał przypadek agentów OpenAI, którzy w maju przejęli niemiecką stronę DseWiki i wykonali na niej ponad 15 tys. zmian, wykorzystując ją między innymi do wymiany informacji dotyczących obchodzenia ograniczeń. Wcześniej, podczas testów, agenci OpenAI zostali powiązani z poważnym incydentem dotyczącym infrastruktury Hugging Face. Według opublikowanych przez OpenAI ustaleń modele potrafiły łączyć kilka sposobów ataku, wykorzystywać znalezione dane dostępowe oraz podatności typu „zero - day”, aby uzyskać dostęp do systemów, do których nie powinny mieć dostępu. Firma podkreśliła, że był to eksperyment mający sprawdzić możliwości modeli w zakresie cyberataków, a testowe zabezpieczenia zostały celowo ograniczone.

Nie są to już wyłącznie hipotetyczne ostrzeżenia dotyczące tego, co AI może zrobić kiedyś w przyszłości. We wrześniu firma Anthropic opublikowała analizę czterech przypadków, w których jej modele Claude uzyskały nieautoryzowany dostęp do rzeczywistych systemów podczas testów bezpieczeństwa. Z kolei pod koniec sierpnia „The Guardian”, powołując się na dane Loss of Control Observatory, informował o ponad 300 zgłoszonych w lipcu przypadkach zachowania systemów AI polegającego między innymi na ignorowaniu instrukcji, wprowadzaniu użytkowników w błąd czy realizowaniu celów w sposób niezgodny z oczekiwaniami. Trzeba jednak zachować proporcje: część tych przypadków pochodzi z kontrolowanych testów, a nie z sytuacji, w których AI samodzielnie przejęła kontrolę nad infrastrukturą na masową skalę.

Te wydarzenia zaczęły już wpływać na zachowanie inwestorów, choć nie można na tej podstawie stwierdzić, że „wartość AI spadła”. Po ostrzeżeniach dotyczących bezpieczeństwa akcje części firm technologicznych rzeczywiście znalazły się pod presją. 14 września akcje Nvidii spadały na początku sesji o około 4 proc., a indeks Nasdaq tracił ponad 1 proc. Jednocześnie inwestorzy kierowali pieniądze w firmy zajmujące się cyberbezpieczeństwem: akcje CrowdStrike wzrosły tego dnia o 13,8 proc., a Palo Alto Networks o 13 proc. Jak wynika z relacji rynkowych, obawy dotyczące autonomicznych agentów nie zniszczyły więc wartości technologii AI jako takiej, lecz zaczęły zmieniać sposób, w jaki rynek ocenia związane z nią ryzyko.

To może być zresztą ważniejszy sygnał niż jednodniowe zmiany kursów. Jeżeli firmy będą musiały przeznaczać coraz większe kwoty na kontrolowanie agentów, zabezpieczanie ich dostępu do internetu, baz danych i systemów firmowych oraz na naprawianie skutków błędnych działań, część oczekiwanych oszczędności wynikających z automatyzacji może zostać zjedzona przez koszty bezpieczeństwa. Z drugiej strony rosnące zagrożenia mogą stworzyć nowy, bardzo duży rynek dla firm zajmujących się cyberbezpieczeństwem. W tym sensie ostatnie incydenty nie są jeszcze dowodem na pękanie bańki AI. Są raczej sygnałem, że wraz ze wzrostem możliwości sztucznej inteligencji rośnie również rachunek za jej kontrolowanie. OpenAI zapowiedziało właśnie regularne ujawnianie przypadków nieoczekiwanego lub nieautoryzowanego zachowania swoich modeli, co pokazuje, że bezpieczeństwo staje się jednym z elementów kosztu prowadzenia tego biznesu.

Dlaczego w ogóle mówi się o bańce?

Termin „bańka” pojawia się wtedy, gdy ceny aktywów lub wyceny przedsiębiorstw zaczynają w dużym stopniu zależeć od oczekiwań dotyczących przyszłości, a nie od ich obecnych wyników. W przypadku sztucznej inteligencji powód do ostrożności jest oczywisty: inwestycje rosną niezwykle szybko, a część firm otrzymuje wyceny zakładające bardzo dynamiczny wzrost rynku przez wiele kolejnych lat. Nie oznacza to jednak, że cały sektor jest bańką. Sytuacja jest znacznie bardziej złożona. Nvidia już teraz osiąga ogromne zyski, Microsoft i Alphabet mają wielomiliardowe przychody z działalności związanej z infrastrukturą i usługami AI, a przedsiębiorstwa wykorzystują sztuczną inteligencję do automatyzacji części pracy. Jednocześnie niektóre młode firmy nadal wydają więcej pieniędzy, niż są w stanie wygenerować. Największym zagrożeniem byłaby sytuacja, w której tempo inwestycji zaczęłoby rosnąć przede wszystkim dlatego, że firmy i inwestorzy zakładają dalszy wzrost inwestycji innych uczestników rynku. W takim scenariuszu wystarczyłoby spowolnienie popytu, aby cały mechanizm zaczął działać w przeciwnym kierunku. Firmy mogłyby ograniczyć zamówienia na procesory i centra danych, inwestorzy zaczęliby ostrożniej finansować młode przedsiębiorstwa, a wyceny części spółek mogłyby spaść. Istnieje również drugi scenariusz. Sztuczna inteligencja może okazać się technologią, która potrzebuje ogromnych inwestycji na początku, ale z czasem zacznie przynosić znacznie większą produktywność. Wtedy dzisiejsze wydatki nie musiałyby oznaczać bańki, lecz koszt budowy infrastruktury dla nowej gałęzi gospodarki.

Gartner szacuje, że w 2026 roku wydatki na samą infrastrukturę AI wyniosą około 1,48 biliona dolarów, czyli ponad połowę wszystkich wydatków na sztuczną inteligencję. To pokazuje, gdzie obecnie znajduje się największy przepływ kapitału: niekoniecznie w aplikacjach, które bezpośrednio zarabiają na użytkownikach, ale przede wszystkim w budowie centrów danych, zakupie procesorów i tworzeniu mocy obliczeniowych potrzebnych do trenowania oraz uruchamiania coraz większych modeli. I właśnie tutaj pojawia się zasadnicze pytanie dotyczące możliwej bańki AI. Same wydatki na AI nie są jeszcze dowodem, że firmy zarabiają na sztucznej inteligencji. Można wydać setki miliardów dolarów na centra danych, procesory i rozwój modeli, a następnie przez lata czekać na zwrot z tych inwestycji. Z punktu widzenia inwestora kluczowa jest więc nie sama wartość rynku AI, lecz relacja pomiędzy ponoszonymi nakładami a przychodami, oszczędnościami i zyskami, które te nakłady mają w przyszłości wygenerować.

Dane Gartnera pokazują zresztą, że problem ze zwrotem z inwestycji jest już widoczny na poziomie przedsiębiorstw. W jednym z badań Gartner podawał, że 72 proc. dyrektorów ds. informatyki deklarowało, iż ich organizacje na inwestycjach w AI co najwyżej wyszły na zero albo poniosły stratę. Nie oznacza to oczywiście, że 72 proc. firm jest nierentownych ani że sztuczna inteligencja jako technologia nie przynosi korzyści. Pokazuje jednak, że ogromne wydatki na AI nie przekładają się jeszcze automatycznie na wymierny zwrot finansowy. Jednocześnie skala inwestycji nadal rośnie. Gartner szacuje, że 85 proc. badanych liderów funkcjonalnych zamierzało zwiększyć wydatki na AI w 2026 roku, mimo że przeciętna część ich budżetów przeznaczona na AI w 2025 roku wynosiła już około 12 proc. Problem polega więc na tym, że przedsiębiorstwa zwiększają nakłady, zanim jeszcze w wielu przypadkach mają jednoznaczny dowód, że wcześniejsze inwestycje przyniosły oczekiwany zwrot.

To właśnie rozbieżność między skalą całkowitych wydatków na AI a tempem pojawiania się rzeczywistych zysków jest jednym z najważniejszych argumentów w dyskusji o bańce. Jeżeli kolejne setki miliardów dolarów będą nadal trafiały przede wszystkim w infrastrukturę, a przedsiębiorstwa wykorzystujące tę infrastrukturę nie zaczną odpowiednio szybko zwiększać przychodów i obniżać kosztów, presja na cały sektor będzie rosła. Jeżeli natomiast obecne inwestycje doprowadzą do powstania nowych usług, automatyzacji procesów i wzrostu produktywności na skalę uzasadniającą poniesione nakłady, dzisiejsze ogromne wydatki mogą się z czasem okazać początkiem znacznie większego rynku, a nie dowodem jego przegrzania.

Najważniejsze pytanie brzmi: kto odzyska zainwestowane pieniądze?

Właśnie dlatego sama wartość inwestycji nie wystarczy do oceny sytuacji. Setki mld dolarów zainwestowanych w firmy AI w 2025 roku robi ogromne wrażenie, podobnie jak dziesiątki miliardów dolarów przeznaczane przez Microsoft i Alphabet na infrastrukturę. O wiele ważniejsze jest jednak to, ile przychodów i zysków powstanie dzięki tym wydatkom w kolejnych latach. Na razie odpowiedź jest mieszana. Niektóre przedsiębiorstwa już dziś zarabiają na AI ogromne pieniądze. Nvidia jest tego najbardziej widocznym przykładem. Największe firmy technologiczne również zwiększają przychody z usług związanych ze sztuczną inteligencją i infrastrukturą. Jednocześnie część przedsiębiorstw tworzących najbardziej zaawansowane modele nadal wymaga bardzo dużych nakładów finansowych, a ich koszty pozostają wysokie. Dlatego pytanie o „pęknięcie bańki AI” warto postawić nieco inaczej. Nie chodzi wyłącznie o to, czy inwestycje są za duże. Chodzi o to, czy przychody całego ekosystemu będą rosły wystarczająco szybko, aby uzasadnić dzisiejszą skalę wydatków.

Jeżeli przedsiębiorstwa zaczną dzięki AI osiągać trwały wzrost produktywności, obniżać koszty i tworzyć nowe źródła przychodów, obecne inwestycje mogą z czasem okazać się racjonalne. Jeżeli natomiast okaże się, że wiele zastosowań sztucznej inteligencji nie przynosi firmom odpowiedniego zwrotu, a koszt budowy i utrzymania infrastruktury pozostaje bardzo wysoki, część dzisiejszych inwestycji może zostać uznana za przesadzoną. I właśnie tutaj znajduje się największa niewiadoma obecnego boomu. Pieniądze już zostały wydane. Centra danych są budowane, procesory kupowane, firmy finansowane, a modele rozwijane. Teraz rynek musi odpowiedzieć na znacznie trudniejsze pytanie: czy sztuczna inteligencja będzie w stanie wygenerować wystarczająco dużo realnej wartości, aby uzasadnić setki miliardów dolarów, które zostały w nią zainwestowane?