Jensen Huang, szef Nvidii, podczas podcastu All-In na koniec konferencji GTC 2026 wprowadził prowokacyjny test: jeśli inżynier zarabiający 500 tysięcy dolarów rocznie konsumuje tokeny AI za mniej niż 250 tysięcy dolarów rocznie (połowę pensji), powinna to zaalarmować firmę. Sama Nvidia budżetuje już 2 miliardy dolarów rocznie na tokeny dla inżynierów. Ten komentarz trafnie oddaje globalny trend - pieniądze kiedyś przeznaczane na zatrudnienie trafiają teraz na rachunki za moce obliczeniowe.
Realokacja budżetów jest szacunkowa: cztery największe hyperscalery planują łącznie wydać około 700 miliardów dolarów na infrastrukturę w 2026 roku, prawie dwa razy więcej niż rok wcześniej. Gartner prognozuje, że wydatki na oprogramowanie AI agent osiągną 207 miliardów dolarów, wzrost o 139 procent. Jednocześnie AI stała się najpopularniejszą przyczyną zwolnień w USA przez czwarty miesiąc z rzędu, a technologia odpowiada za 31 procent redukcji etatów w pierwszej połowie roku. Meta uzasadniała majowe zwolnienia 8 tysięcy pracowników jako offset dla swoich znaczących inwestycji w AI, mimo rosnących przychodów.
Problem polega na tym, że branża dopiero teraz zaczyna pytać, czy ta wymiana się opłaca. Firmy, które pierwsze poszły tą drogą, dostarczają zatrważające odpowiedzi - zwroty z inwestycji nie materializują się w oczekiwanej skali. Gigantyczne nakłady na compute nie przełożyły się dotąd na proporcjonalne zyski, co sugeruje, że presja na automatyzację pracowników może być zbyt szybka w stosunku do rzeczywistej wartości tych systemów.