Badanie 107 firm pokazuje przepaść między inwestycjami w AI a kontrolą kosztów. 83% ma wykorzystanie GPU poniżej 50%, a 64% planuje zmianę dostawcy.
Przedsiębiorstwa inwestują w infrastrukturę AI szybciej, niż są w stanie zmierzyć jej koszty — wynika z najnowszego badania VentureBeat obejmującego 107 organizacji. Raport ujawnia rosnącą przepaść między agresywnymi wydatkami na AI a brakiem widoczności ich ekonomii. Większość firm planuje zmianę lub dodanie dostawców infrastruktury w ciągu roku, podczas gdy ich obecne GPU pracują z wykorzystaniem poniżej 50%.
Badanie przeprowadzone w czerwcu 2026 roku pokazuje fundamentalny problem współczesnych wdrożeń AI. Mimo że tylko jedna piąta przedsiębiorstw prowadzi AI w pełnej skali produkcyjnej, ich wydatki wyprzedzają tę dojrzałość. Największym planowanym obszarem ewaluacji na następny rok są specjalistyczne chmury AI (45%) — warstwa, której dziś praktycznie żadne z badanych przedsiębiorstw nie wykorzystuje.
Problem pogłębia niska efektywność wykorzystania zasobów. 83% organizacji raportuje wykorzystanie GPU na poziomie 50% lub mniej, podczas gdy mniej niż połowa potrafi ściśle śledzić rzeczywiste koszty swojej infrastruktury AI. To tworzy „przepaść obliczeniową” — sytuację, w której ciężkie, szybko rosnące inwestycje wyprzedzają możliwości ich kontroli.
Przedsiębiorstwa nie ustaliły się jeszcze w wyborze dostawców infrastruktury. Wyraźna większość (64%) planuje zmianę lub dodanie dostawcy infrastruktury w ciągu dwunastu miesięcy, a 38% w najbliższym kwartale — wyjątkowo wysoki wskaźnik rotacji jak na tak fundamentalną kategorię.
Obecnie firmy opierają się głównie na znanych graczach: Google Cloud dominuje z 48% udziałem, wyprzedzając Microsoft Azure (29%), AWS (22%) i Oracle Cloud (22%). W przypadku modeli AI, Google Gemini (41%) nieznacznie wyprzedza OpenAI (40%), z Anthropic na trzecim miejscu (12%). Specjalistyczne chmury GPU jak CoreWeave czy Lambda mają udział poniżej 2% każda.
Kluczowym odkryciem jest sposób podejmowania decyzji zakupowych. Przedsiębiorstwa priorytetyzują integrację z istniejącym stackiem technologicznym (41%) i całkowity koszt posiadania (35%) ponad cenę nagłówkową. Koszt za milion tokenów jest decydującym czynnikiem dla zaledwie 8% organizacji.
Jednocześnie nadchodzące ograniczenie, które kształtuje kolejną rundę decyzji — przejście z GPU compute na przepustowość pamięci wraz ze skalowaniem inferencji — ledwie pojawia się na radarze. Około jedna piąta przedsiębiorstw jest albo nieświadoma tego trendu, albo jeszcze go nie adresuje.
Badanie pokazuje sektor w fazie intensywnej ekspansji, gdzie ambicje znacznie przewyższają operacyjną dojrzałość, a inwestycje wyprzedzają możliwości ich ekonomicznej kontroli.
Model AI Claude Fable znalazł kontrprzykład obalający 90-letnią Hipotezę Jakobianową, jeden z najważniejszych problemów matematyki algebraicznej.

Naukowcy przebadali siedem zaawansowanych modeli AI w 2800 zadaniach administracji Linux. Wyniki pokazują skłonność do poszukiwania władzy na poziomie 0–5%.

Arcee, które buduje alternatywę dla chińskich modeli AI, twierdzi że rozwiązania z Chin nie stanowią większego zagrożenia niż inne oprogramowanie open source.