Prečo je to téma?
V predchádzajúcich dieloch sme si povedali, čo sú autonómni AI agenti a kto buduje infraštruktúru pre ich ekonomiku. Teraz sa pozrieme na to, čo je pre firmy a investorov možno najdôležitejšie – tokenomika firiem v podnikovom prostredí.
Zatiaľ čo v krypto svete je tokenomika spojená hlavne s návrhom ekonomiky projektu, vo svete veľkých firiem sa objavil úplne nový význam: sledovanie a optimalizácia spotreby tokenov u veľkých jazykových modelov (LLM).
Prečo je to kľúčové? Pretože agenti nespotrebúvajú tokeny lineárne ako klasické chatboty. Jedna komplexná úloha môže spáliť desiatky až státisíce tokenov a firmy čelia nečakaným účtom v rádových stovkách tisíc dolárov.
Čo je AI tokenomika?
AI tokenomika je disciplína, ktorá sa zaoberá sledovaním, riadením a optimalizáciou spotreby tokenov – základnej jednotky vstupných a výstupných dát, ktoré AI modely spracovávajú.
Podľa analytikov Goldman Sachs vzrastie spotreba tokenov agentickou AI do roku 2030 24-násobne na 120 kvadriliónov mesačne. Tretina dotazov pritom už nebude od ľudí, ale od autonómnych agentov.
Pre firmy to znamená zásadnú zmenu. Zatiaľ čo v roku 2024 činili priemerné firemné výdavky na AI 1,2 milióna dolárov, v roku 2026 to už bolo 7 miliónov. Cena za token síce za tri roky klesla o viac než 99 percent, ale celkový účet rastie, pretože agenti ich spália omnoho viac.
Prečo agenti toľko „žerú“ tokenov?
Zatiaľ čo jednoduchý dotaz u chatbota spotrebuje 2 000 až 10 000 tokenov, agentická úloha sa pohybuje od 20 000 do viac než 100 000 tokenov na jednu úlohu.
Dôvod? Agenti neodpovedajú raz. Oni:
- premýšľajú a plánujú (reasoning tokeny)
- volajú externé nástroje a čítajú ich výstupy (tool tokeny)
- prehľadávajú databázy a dokumenty (retrieval tokeny)
- overujú výsledky a opakujú neúspešné kroky
- koordinujú sa s ďalšími agentmi (coordination tokeny)
A pretože každé API volanie je bezstavové, agent s každým krokom znovu odosiela celú históriu konverzácie vrátane systémových inštrukcií a schém nástrojov.
Príklad: Pätnásťslovný dotaz sa môže rozvinúť do 60 000 tokenov. Výskum Stanfordovej univerzity zistil, že 62 % účtov za inference agentov tvoria znovu odoslaný kontext – informácie, ktoré už model raz videl.
Päť typov tokenov, ktoré platíte
Každý token v agentnom volaní spadá do jednej z týchto kategórií:
Kontextové tokeny – systémové inštrukcie, história konverzácie, schémy nástrojov. Časť je nevyhnutná, časť je čistý overhead (schémy nástrojov, ktoré agent nikdy nepoužije, alebo zastarané konverzácie).
Reasoning tokeny – vznikajú pri premýšľaní modelu – plánovaní, reťazci úvah, medzikrokoch. Zlepšujú kvalitu pri zložitých úlohách, ale pri jednoduchých zbytočne predražujú.
Retrieval tokeny – pochádzajú z RAG (Retrieval-Augmented Generation), keď model sťahuje dokumenty z databázy. Príliš málo = halucinácie, príliš veľa = šum v kontexte.
Tool tokeny – model volá nástroje a číta ich odpovede (API, databázy, vyhľadávanie). Samotné volanie je lacné, ale odpoveď sa dostane do kontextu a zostáva tam po zvyšok úlohy.
Koordinačné tokeny – objavujú sa v multi-agentných systémoch. Komunikácia medzi agentmi kupuje špecializáciu, ale rastie rýchlo a po určitej hranici prevýši prínos.
Governance tokeny – pokrývajú validáciu, bezpečnostné kontroly, evaluáciu a ľudskú revíziu. Často sú na faktúre neviditeľné a nikto ich cielene nerozpočíta.
Príklady z praxe: Ako to vyzerá vo firmách
Na Google Cloud Summite v Londýne sa technologickí riaditelia veľkých firiem zhodli, že tokenomika je dnes to hlavné, o čom sa hovorí.
THG Ingenuity (e‑commerce): Pri pilote nákupného asistenta na MyProtein zaznamenali 22 % nárast košíka a 20 % zvýšenie priemernej objednávky. Zároveň však riešia, ako tokeny spravovať – vývojári sú masívnymi spotrebiteľmi tokenov, takže zaviedli „limitless engineering“ sprinty, kde sa snažia dodať dvojtýždňový sprint za dve hodiny.
Kingfisher (B&Q, Screwfix): Rozdelili AI spotrebu na dva okruhy – komerčné produkty, kde merajú každý token a konverziu, a vývojárske experimenty, kde aplikujú používateľské limity a kvóty. Pre vývojárov majú platformu so 14 rôznymi jazykovými modelmi, aby si mohli vyskúšať, ktorý je pre ich kód najlepší.
Rightmove: Nazývajú to „AI Ops a FinOps“ – ide o pochopenie konkrétneho prípadu použitia a priradenie správneho nástroja k úlohe. Nemeria už len tokeny, ale rovnováhu medzi nákladmi a obchodnou hodnotou.
Deloitte: Upozorňujú, že organizácie podpísali kontrakty s AI laboratóriami na základe spotreby, ale mnohé neboli komerčne pripravené na finančný dopad. Ich riešenie: spravovať celkové náklady vlastníctva priradením úlohy k správnemu modelu – lacnejšie open‑source modely pre jednoduché úlohy, špičkové modely vyhradené pre zložité logiky.
Nástroje pre sledovanie tokenov
Vzniká celý ekosystém nástrojov, ktoré firmám pomáhajú tokeny sledovať a optimalizovať.
Open‑source dashboardy:
- OpenLIT – open‑source platforma s dashboardom pre náklady, tokeny a latenciu
- Langfuse – otvorená platforma pre trasovanie a evaluáciu LLM a agentov
- Arize Phoenix – platforma pre trasovanie LLM s podporou nákladov na tokeny cez OpenTelemetry
Firemné riešenia:
- Splunk Agent Observability – umožňuje sledovať 100 % agentov, identifikovať „uniknutých agentov“ v nekonečných slučkách a korelovať tokeny s kvalitou výstupu
- Datadog LLM Observability – odhad nákladov na požiadavku pre viac než 800 modelov
Praktické pomôcky:
- claude‑tap – lokálny prehliadač zachytávajúci API prevádzku, ukazujúci tokeny na vstupe, výstupe, cache
- ClaudeBar – macOS lišta monitorujúca kvóty u 11 poskytovateľov
Stratégie pre firemnú tokenomiku
Odborníci odporúčajú niekoľko osvedčených postupov:
1. Nasadiť „istiace prvky“ – sledovať tokeny ako sieťovú prevádzku a nastaviť automatické vypínanie agentov, ktorí prekročia definovaný rozpočet.
2. Meriať workflow, nie tokeny – prejsť od rozpočtovania podľa objemu tokenov k meraniu ceny za proces, miery opakovania a celkového času.
3. Optimalizovať routovanie – nepoužívať jeden model na všetko. Náročné úlohy posielať špičkovým modelom, rutinné operácie lacnejším.
4. Využiť caching – opakované dotazy sa dajú ukladať do medzipamäte a preskočiť tak platené volanie.
5. Kompresia kontextu – nástroje ako LLMLingua alebo Context Mode dokážu znížiť objem tokenov až o 98 %.
Dôležitá metafora
Cisco to na konferencii Cisco Live 2026 zhrnulo jasne: riziko je, keď sa začne rozchádzať cena tokenov a hodnota, ktorú tokeny vytvárajú. Firmy preto potrebujú vidieť nielen účet od poskytovateľa modelu, ale i skryté „pridružené náklady“ – GPU, pamäť, vektorové databázy.
Záver
AI tokenomika sa stáva novou finančnou disciplínou. Firmy, ktoré sa jej naučia riadiť, získajú konkurenčnú výhodu. Tieto, ktoré budú slepo míňať, čakajú nepríjemné účty.
Pre čitateľov: Keď nabudúce uvidíte správu o tom, že firma „investuje do AI“, pýtajte sa – koľko tokenov to bude stáť a čo za ne firma dostane. To je otázka, ktorá v nasledujúcich rokoch rozhodne o úspechu alebo neúspechu AI projektov.
Agentná ekonomika prináša obrovský potenciál – ale aj nové riziká. Pochopenie tokenomiky bude kľúčovou konkurenčnou výhodou.
Zdroje na overenie:
- Computer Weekly – Roundtable s technologickými riaditeľmi z THG, Kingfisher, Rightmove a Deloitte
- Splunk – „What is Agent Tokenomics?“ a „The New Currency of AI“
- Goldman Sachs – predikcia 24‑násobného rastu spotreby tokenov
- GitHub Awesome AI Tokenomics – zoznam nástrojov a praktík
- Google Cloud Summit London 2026 – diskusia o tokenomike