22 lipca OpenAI uruchomiło Presence — platformę dla przedsiębiorstw do obsługi agentów głosowych i czatowych, wyposażoną w kontrolę polityk, zabezpieczenia zdolne przerwać interakcję w czasie rzeczywistym i mechanizmy eskalacji do człowieka. Nie ma wersji samoobsługowej. Każda instalacja przechodzi przez inżynierów OpenAI (tzw. forward deployed engineers) lub zatwierdzonego integratora systemów, a dostęp uzyskuje się przez zespół sprzedażowy. Cennik nie jest publiczny. OpenAI informuje, że wdrożenia „są wyceniane indywidualnie w zależności od use case’u i potrzeb wdrożeniowych klienta”.
Firma, która wycenia inteligencję na tokeny, wypuściła produkt, którego nie można kupić, nie kupując jednocześnie usługi. Przez dwa lata każde laboratorium frontier przekonywało, że jego przewaga konkurencyjna to możliwości samego modelu. Teraz do modelu dokłada ludzi.
W maju OpenAI uruchomiło OpenAI Deployment Company z kapitałem ponad 4 mld USD od dziewiętnastu zewnętrznych inwestorów (z TPG na czele oraz Advent, Bain Capital i Brookfield jako współliderami) i kupiło brytyjską firmę doradczą Tomoro. Przejęcie od pierwszego dnia wniosło około 150 specjalistów od wdrożeń i forward deployed engineers. Nazwa stanowiska pochodzi z Palantira. Opisuje pracowników, którzy przez miesiące pracują wewnątrz firmy klienta, selekcjonując procesy, podłączając wewnętrzne systemy, ustawiając uprawnienia i wdrażając agentów na produkcję.
Anthropic zrobiło to samo w tym samym miesiącu. Ode, spółka joint venture z Blackstone wyceniana na 1,5 mld USD, pozyskała po 300 mln USD od Anthropic, Blackstone i Hellman & Friedman, a dołączyli do nich Goldman Sachs, Apollo, General Atlantic, GIC, Leonard Green i Sequoia. Google zatrudnia forward deployed engineers w Google Cloud i wypożycza ich klientom firm takich jak Accenture, Deloitte i McKinsey. AWS przeznaczyło 1 mld USD na takich właśnie inżynierów pracujących u klientów. Meta podobno buduje jednostkę Enterprise Solutions na tym samym modelu, w którym menedżerowie produktu prowadzą projekty klienckie, a inżynierowie integrują systemy Meta z systemami klienta.
Pięć firm w dziesięć tygodni ogłosiło ten sam ruch. Żadna nie ogłosiła przy tym nowego modelu — wszystkie dołożyły ludzi, którzy znają od środka procesy, systemy i politykę u konkretnego klienta.
Powinienem od razu powiedzieć, że nie jestem tu bezstronny. Prowadzę niezależną firmę doradczą AI, więc teza, że najtrudniejsze jest wdrożenie, jest mi na rękę. Potraktujcie resztę jako relację z tego, co laboratoria zrobiły z własnymi pieniędzmi, i oceńcie ją na tej podstawie.
Ile za to zapłaciły
Warta uwagi jest cena, jaką OpenAI i Anthropic były gotowe za to zapłacić.
Obie umieściły tę działalność w osobnej spółce, a nie w wewnętrznym dziale. Google, Meta i Amazon zrobiły na odwrót i utrzymały swoich inżynierów na własnej liście płac. Różnica między tymi dwiema grupami leży w tym, na czym opiera się cena ich akcji. Google, Meta i Amazon już prowadzą ogromne operacje usługowe i reklamowe, a linia doradcza nic nie zmienia w sposobie, w jaki rynek je wycenia. OpenAI i Anthropic są wyceniane wyłącznie jako firmy software’owe.
Precedens można znaleźć w sprawozdaniach Palantira. Palantir ma skorygowaną marżę brutto na poziomie około 84%, wyższą niż Snowflake i Databricks, choć ze wszystkich trzech świadczy najwięcej usług integratorskich. Usługi profesjonalne stanowią 18–20% przychodów. Marża utrzymuje się na tym poziomie, ponieważ część kosztów forward deployed engineering jest księgowana w R&D (capex) oraz sprzedaży i marketingu, a nie w koszcie wytworzenia sprzedanych usług (COGS). Firma usługowa zaksięgowałaby tych ludzi właśnie w COGS. Gdyby przeklasyfikować te koszty, marża brutto znacząco by spadła.
Nie chodzi tu o zysk netto — ani OpenAI, ani Anthropic nie są rentowne i żadne z nich nie jest wyceniane mnożnikiem od zysku. Chodzi o to, ile inwestor płaci za dolara przychodu. Przychód z usług wycenia się mniej więcej na jedno- do trzykrotności rocznej sprzedaży, przychód z oprogramowania i AI — na dwudziesto- czy trzydziestokrotność. Doradztwo w tym samym rachunku wyników rozcieńcza tę proporcję na całej firmie. W osobnej spółce, finansowanej kapitałem zewnętrznym, nie rozcieńcza. OpenAI zagwarantowało swoim inwestorom private equity 17,5% rocznej stopy zwrotu przez pięć lat, żeby dopiąć tę strukturę. Inwestorzy otrzymają zapłatę zgodnie z tym harmonogramem, niezależnie od tego, czy choć jedno wdrożenie się powiedzie.
To pokazuje, jak poważnie należy to traktować. Dwie firmy, których wycena opiera się na tym, że rynek czyta je jako software, zgodziły się na stały koszt finansowania i gwarantowaną wypłatę dla kapitału zewnętrznego, żeby mieć własne zdolności wdrożeniowe. Nikt nie płaci tyle za coś pobocznego.
Firm doradczych to nie wyparło
Wśród dziewiętnastu inwestorów w OpenAI Deployment Company znajdują się Bain & Company, Capgemini i McKinsey.
TechCrunch opisał ten układ, gdy ogłoszono oba przedsięwzięcia. „Uzyskują preferencyjny dostęp sprzedażowy do spółek portfelowych swoich inwestorów, podczas gdy inwestorzy przechwytują większą wartość z wynikających z tego kontraktów”. Blackstone, TPG, Advent, Brookfield i Apollo mają w portfelach setki firm z branży opieki zdrowotnej, produkcyjnej, usług finansowych i logistyki. To są właśnie klienci.
KPMG, które 21 lipca zostało mianowane OpenAI Elite Partner, publicznie wyjaśniło powody. Chad Seiler, lider sektora technologii i mediów w USA, argumentuje, że firmy doradcze mają gromadzoną przez dekady, specyficzną dla klienta wiedzę instytucjonalną: informacje o modelu biznesowym, ludziach, kulturze, systemach, danych, politykach. KPMG utrzymuje również równoległe partnerstwa z innymi dostawcami modeli, zamiast stawiać na jednego.
Nic z tego nie jest zapisane w modelu i na tym polega trudność. Ta wiedza dotyczy jednej firmy, zdobywa się ją miesiącami i nie da się jej przenieść gdzie indziej.
Prognoza Gartnera na 2026 rok szacuje globalne wydatki na usługi IT na 1,87 bln USD w porównaniu z 1,44 bln USD na oprogramowanie. Usługi to wciąż największa pozycja w IT przedsiębiorstw, z przewagą ponad 400 mld USD, i to w trzecim roku rozwoju generatywnej AI. Teza sprzedawana od 2023 roku głosiła, że agenty zautomatyzują pracę wdrożeniową, a budżet przesunie się z usług do oprogramowania i tokenów. Tymczasem firmy, które budują te agenty, same kupują pracę wdrożeniową.
Ograniczenia tego obrazu
Wyceny się nie spinają. Wartość OpenAI Deployment Company podawano w maju na 10 mld USD, a później na 14 mld USD, ale żadna z tych liczb nie jest warta cytowania. Nie ujawniono żadnych przychodów dla któregokolwiek z tych przedsięwzięć. Informacje o jednostce Enterprise Solutions w firmie Meta pochodzą z wewnętrznej notatki, o której doniosło The Information; Meta nie potwierdziła żadnych klientów, liczby pracowników, cennika ani harmonogramu, więc traktujmy to jako plan, a nie działający biznes.
Otwarte pozostaje też, z czego ta gwarancja zostanie sfinansowana. OpenAI jest głęboko nierentowne i utrzymuje się przede wszystkim z kolejnych rund od inwestorów, a nie z nadwyżki wypracowanej na klientach. Nie udało mi się ustalić, czy zobowiązanie 17,5% obciąża samo OpenAI, czy bilans spółki joint venture. To istotna różnica i nikt jej publicznie nie wyjaśnił.
Liczba referencyjna dla Presence, 75% połączeń przychodzących rozwiązanych bez udziału człowieka, pochodzi z własnej anglojęzycznej linii wsparcia telefonicznego OpenAI. Pareekh Jain z Pareekh Consulting stwierdził, że CIO powinni traktować to „jako dowód, że technologia może działać, a nie jako benchmark, którego może oczekiwać każde przedsiębiorstwo”. Jego argumentacja jest standardowa: sfragmentowane systemy legacy, nierówne bazy wiedzy, większe obciążenia compliance. Ten sam artykuł zawiera zdanie, które ma większe znaczenie niż wszystkie liczby z premierowych komunikatów: „Często największym kosztem AI w przedsiębiorstwie nie są tokeny, ale integracja i governance”.
Wpływ na polski rynek
Żadne polskie przedsiębiorstwo nie zaangażuje w tym ani w przyszłym roku forward deployed engineera z OpenAI. Wyklucza to arytmetyka przy 150 osobach, a struktura handlowa wyklucza to jeszcze przed arytmetyką, ponieważ kanał dystrybucji jest już przydzielony spółkom portfelowym inwestorów. To, co dociera do Warszawy, dociera przez partnerów, a głównie przez waszych własnych pracowników.
To zmienia sposób liczenia budżetu. Jeśli firmy z najlepszymi modelami na świecie uznały, że muszą posadzić własnych inżynierów u klienta na wiele miesięcy, to główny koszt programu AI leży w integracji, przygotowaniu danych i przeprojektowaniu procesów. W tradycyjnym IT proporcja usług do licencji układa się mniej więcej pół na pół, a bywa, że siedemdziesiąt do trzydziestu na korzyść usług. Przy AI dochodzi trzecia pozycja, której w tamtym rachunku nie było: koszt tokenów, rosnący wraz z użyciem i trudny do oszacowania na etapie business case’u. Warto sprawdzić, czy wasz ostatni business case AI rozdzielał te trzy rzeczy, czy traktował wdrożenie jako coś, co zespół zrobi przy okazji.
Wydanie 56 dotyczyło zapisów w umowach, które zatrzymują wdrożenie agentów, zanim ruszy. Wydanie 57 — tego, kto odczytuje licznik, gdy program już działa. Tu chodzi o to, co musi się wydarzyć u was, żeby oba tamte pytania w ogóle miały sens.
Trzy pytania dla zarządu:
- W naszych trzech ostatnich inicjatywach AI, jaka część wysiłku poszła na wybór modelu, a jaka na integrację, przygotowanie danych i przeprojektowanie procesów? Czy pierwotny budżet prawidłowo odzwierciedlał tę proporcję?
- Kto ma wiedzę instytucjonalną, od której zależy nasz program AI — nasi ludzie czy pracownicy dostawcy?
- Kiedy pilotaż kończy się sukcesem, co konkretnie musi się zmienić w naszych systemach i procesach, zanim trafi on na produkcję, i kto jest odpowiedzialny za wdrożenie tych zmian?
Briefing
Microsoft finansuje rozbudowę mocy obliczeniowej Mistrala w Europie. Rozszerzone partnerstwo, ogłoszone 21 lipca, oznacza miliardowe inwestycje w centra danych Mistrala we Francji, działające na procesorach graficznych Vera Rubin od Nvidii. Modele Mistrala trafią do Microsoft Foundry i Copilot Studio. Dzięki Azure Local oferowane będą trzy tryby wdrożenia: chmurowy, połączony i w pełni air-gapped. Brad Smith, wiceprzewodniczący rady i prezes Microsoftu, potwierdził, że umowa nie obejmuje nowych udziałów. Co z tego wynika: sam air-gapped nie jest nowością — modele open-weight, od Llamy po Mistrala, od dawna da się postawić u siebie i spora część infrastruktury AI w finansach już tak działa. Nowe jest to, że w tym trybie ma działać model frontier z komercyjnym wsparciem i umową, a nie open source utrzymywany własnymi siłami.
Dwadzieścia cztery firmy podpisały 24 lipca list otwarty popierający modele open-weight. Meta, Microsoft, Nvidia, IBM, Dell, CrowdStrike, Palantir, ServiceNow, Hugging Face, Perplexity, Mistral, Andreessen Horowitz, Y Combinator, Linux Foundation i Mozilla proszą amerykańskich ustawodawców o rozszerzenie dostępu do mocy obliczeniowej, finansowanie wspólnych danych treningowych i frameworków ewaluacyjnych oraz unikanie przedwczesnych restrykcji dla otwartych modeli. (AI News) Co z tego wynika: to, czy modele open-weight pozostaną swobodnie dostępne do wdrożenia, zdecyduje o tym, czy model self-hosted jest realną opcją zapasową w waszej architekturze, czy tylko slajdem w prezentacji.
Kanada wyznaczyła datę dla wyjaśnialnej AI w finansach. Zrewidowane wytyczne OSFI Guideline E-23 wejdą w życie 1 maja 2027 roku. Zobowiązują one banki i ubezpieczycieli podlegające federalnemu nadzorowi do zinwentaryzowania każdego modelu, włączając w to AI od dostawców, sklasyfikowania go według autonomii i potencjalnej szkodliwości oraz przechowywania ścieżek audytowych pokazujących uzasadnienie decyzji, a nie tylko log samego działania. Równoległe wytyczne na ten sam dzień wprowadza AMF z Quebecu. Co z tego wynika: OSFI nie jest tu pierwsze — nowojorski NYDFS wymaga ścieżek audytowych dla AI dotykającej danych klientów od 2023 roku, a przepisy stanu Kolorado wchodzą 1 stycznia 2027, cztery miesiące przed kanadyjskimi. Warto śledzić wszystkie trzy: to najbliższe działające wzorce tego, czego regulator faktycznie oczekuje, zanim w UE ruszą obowiązki z Aneksu III.
Podsumowanie
OpenAI wypuściło platformę dla agentów korporacyjnych, której nie można kupić bez zatrudnienia jego inżynierów. Stoi za nią joint venture o wartości 4 mld USD, zbudowane na przejęciu firmy konsultingowej. Podobny ruch wykonało Anthropic z Blackstone, tworząc Ode, a Google, Meta i AWS zbudowały wewnętrzne odpowiedniki. Pięć firm w dziesięć tygodni ogłosiło to samo i żadna nie ogłosiła przy tym nowego modelu. Dwie z nich, wyceniane wyłącznie jako spółki software’owe, poszły o krok dalej i wyprowadziły tę działalność poza własne księgi, a OpenAI zagwarantowało przy tym inwestorom 17,5% rocznej stopy zwrotu — bo przychód z usług wycenia się kilkukrotnością sprzedaży, a przychód z oprogramowania kilkudziesięciokrotnością. Tyle było dla nich warte to ustępstwo. Dla polskiego przedsiębiorstwa wniosek jest budżetowy: pieniądze i trudność leżą po stronie integracji, danych i procesów, a do rachunku doszedł koszt tokenów, którego w klasycznym IT nie było.
Zachowaj równowagę, Krzysztof
Krzysztof Goworek jest założycielem Quintant — firmy doradczej, która prowadzi przedsiębiorstwa od eksperymentów AI do realnej, mierzalnej wartości.