Ještě nedávno mohla cenu AI projektu výrazně ovlivnit samotná cena za používání modelu. Dnes se tento poměr rychle mění, protože nové modely jsou schopnější a u řady úloh také výrazně levnější.
Pro firmy to neznamená pouze nižší účet za API. Pokles cen může změnit ekonomiku projektů, které ještě před rokem nevycházely, zejména pokud AI zpracovává velký objem opakujících se úloh nebo tvoří významnou část provozních nákladů.
V článku se podíváme na to, jak rychle cena AI výkonu skutečně klesá, u kterých firemních procesů může mít tento vývoj největší dopad a proč samotná cena modelu stále nestačí k rozhodnutí, jestli se AI projekt vyplatí.
Stejná úroveň AI výkonu stojí výrazně méně než před několika lety
Rozsah změny dobře ukazuje zářijová analýza výzkumné organizace Epoch AI: The plunging price of thought.
Podle ní klesala od roku 2023 cena dosažení srovnatelné úrovně výkonu na pěti sledovaných AI benchmarcích v průměru přibližně o 47 % za čtvrtletí. V přepočtu jde zhruba o třináctinásobný pokles za rok.
Konkrétní příklad ukazuje, jak výrazný tento posun může být.
Model OpenAI o3 dosahoval na začátku roku 2025 určité úrovně výsledku v náročném benchmarku GPQA Diamond přibližně za 0,30 USD na otázku. O necelých 18 měsíců později dosáhl GPT-5.6 Luna srovnatelného výsledku přibližně za 0,0004 USD.
Náklady na dosažení srovnatelného výsledku tak klesly přibližně 725krát.
Benchmark samozřejmě není běžný firemní proces a podobný vývoj nelze automaticky převést na každý typ AI řešení. Sami autoři na tento rozdíl upozorňují.
Data ale ukazují, že za stejný rozpočet lze dnes získat výrazně vyšší úroveň modelového výkonu než ještě před několika lety.
A pro některé firmy je to důvod znovu otevřít projekty, které dříve ekonomicky nevycházely.
Projekty, které před rokem nevycházely, mohou dnes stát za nový propočet
Use case, který byl před rokem příliš drahý, nemusí být špatným nápadem navždy. Pokud významnou část jeho provozních nákladů tvořilo používání AI modelu, dnešní ceny mohou celý výpočet posunout.
.CVtPHyqa_15MpmU.webp)
Největší potenciál je u procesů s vysokým objemem opakované práce, kde náklady rychle rostly s větším využitím nebo kde bylo nutné používat drahý a výkonný model i pro velké množství relativně jednoduchých úloh.
Může jít například o zpracování a třídění dokumentů, získávání informací z textů a databází, kontrolu a kategorizaci dat, zákaznické požadavky, pravidelné reporty nebo automatizace napojené na CRM, ERP a další firemní systémy.
U jedné operace může být rozdíl několika haléřů nebo centů zanedbatelný. Pokud ale stejný proces každý měsíc provede desítky tisíc nebo miliony AI operací, začne se i malý rozdíl promítat do celkových provozních nákladů.
Nemá proto smysl vracet se ke každému dříve zamítnutému AI projektu. Nový propočet se vyplatí hlavně tam, kde cena modelu nebo náklady spojené s vyšším objemem patřily mezi hlavní důvody, proč se řešení neposunulo dál.
Zářijové modely ukázaly, že pokles cen pokračuje i v roce 2026
Dlouhodobý trend se projevil také v září 2026, kdy OpenAI a Anthropic představily nové modely prakticky ve stejný den.
GPT-6 Sol stojí 2 USD za milion vstupních a 10 USD za milion výstupních tokenů. OpenAI při uvedení modelu uvádělo, že jde o 50% snížení oproti tehdejším zvýhodněným cenám GPT-5.6 Sol.
U levnějšího GPT-6 Luna stojí milion vstupních tokenů 0,10 USD a milion výstupních 0,50 USD. Také zde jsou ceny výrazně nižší než u předchozí generace.
Anthropic se vydal podobným směrem s Claude Opus 5.5. Jeho ceníková cena činí 4 USD za milion vstupních a 20 USD za milion výstupních tokenů. Samotná cena za token je oproti Opus 5 nižší, ale Anthropic uvádí, že na typických úlohách vychází provoz přibližně o 40 % levněji.
Přehled zářijových změn a cen shrnuje také CzechCrunch v článku o nových modelech OpenAI a Anthropicu.
Samotný ceník ale stále neříká, kolik bude stát dokončení konkrétního úkolu nebo celého procesu. Nové modely mohou stejnou práci zvládnout jiným počtem kroků, s jinou úspěšností a s odlišnými nároky na následnou lidskou kontrolu.
Levnější model nemusí znamenat levnější proces
Představme si dva modely.
První stojí za jedno volání méně, ale část úkolů musí opakovat, častěji vytváří chybný výstup a vyžaduje větší míru lidské kontroly. Druhý je dražší, ale větší část práce dokončí správně napoprvé.
Nižší cena za token pak nemusí znamenat nižší cenu výsledku.
Při firemním nasazení proto lépe vypovídá například náklad na jeden správně zpracovaný dokument, vyřešený zákaznický požadavek, připravený report nebo jiný konkrétní výstup.
U složitějších automatizací a AI agentů se tento rozdíl ještě zvětšuje. Jeden úkol může vyžadovat vyhledání informací, práci s několika systémy, vyhodnocení dat, provedení akce a následnou kontrolu výsledku.
Jeden požadavek tak může spustit několik nebo několik desítek volání modelu.
S rostoucím počtem kroků proto roste význam nejen ceny jednotlivého volání, ale také toho, kolik kroků model potřebuje, kolik z nich zvládne správně a kolik práce po něm stále zůstává člověku.
Největší dopad může být u procesů s vysokým objemem práce
Pokles cen se nejvíc projeví tam, kde firma používá AI opakovaně a ve větším měřítku.
Pokud například AI zpracovává tisíce dokumentů, třídí zákaznické požadavky, kontroluje data nebo pracuje s rozsáhlou interní znalostní bází, i relativně malý rozdíl v ceně jedné operace se postupně násobí.
Současně se rozšiřuje prostor pro kombinování různých modelů.
Jednoduché a dobře definované úlohy může zpracovávat levnější model, zatímco složitější nebo rizikovější případy lze předat výkonnějšímu modelu nebo člověku.
Základní klasifikace dokumentu například nemusí vyžadovat stejnou úroveň modelu jako komplexní analýza smlouvy. Stejně tak běžný zákaznický požadavek nemusí procházet stejnou cestou jako nestandardní případ s vysokým rizikem chyby.
Místo hledání jednoho univerzálně nejlepšího modelu tak může být výhodnější rozdělit jednotlivé části procesu podle požadované kvality, ceny a míry rizika.
Model je pořád jen jedna položka celkového účtu
Výrazný pokles cen modelů neznamená, že stejným tempem zlevňuje celé AI řešení.
Firma stále musí řešit integrace se stávajícími systémy, dostupnost a kvalitu dat, infrastrukturu, zabezpečení, monitoring, lidskou kontrolu i následnou údržbu.
U složitějších projektů mohou právě tyto položky tvořit významnou část celkových nákladů.
Pokud například AI automatizace potřebuje pracovat s CRM, účetním systémem a interní databází, samotná cena modelu tvoří pouze jednu část výsledné ekonomiky.
Tomu, co všechno vstupuje do skutečných nákladů na AI, jsme se podrobněji věnovali v článku Kolik nás bude stát AI v roce 2027? Cena modelu je jen část celého účtu.
Nový ceník API proto nestačí jednoduše promítnout do původního rozpočtu a očekávat stejnou úsporu na celém řešení, je potřeba přepočítat celý proces.
Cena má význam až ve spojení s konkrétním procesem
Ani výrazně levnější AI neudělá ze špatně vybraného procesu dobrý projekt.
Pokud automatizace šetří několik sekund u činnosti, kterou firma provede desetkrát měsíčně, nebude mít pokles ceny modelu zásadní dopad.
Jiná situace nastává u procesu, kterým každý měsíc procházejí desítky tisíc požadavků nebo který dnes zabírá významnou část pracovní kapacity týmu.
Před výběrem konkrétního modelu je proto potřeba vědět:
- kolik práce přes proces skutečně prochází
- kolik dnes stojí
- kolik času zabírá lidem
- kde vznikají chyby
- jak velkou část lze realisticky automatizova
- kolik lidské kontroly zůstane potřeba i po nasazení AI.
Teprve z těchto údajů lze určit, jak velkou roli může pokles ceny modelu v návratnosti celého projektu skutečně sehrát.
Co z toho plyne pro firmy?
Pokles ceny AI výkonu v posledních letech je natolik výrazný, že některé výpočty z roku 2025 už nemusí odpovídat podmínkám na konci roku 2026.
Firmy se proto mohou vrátit k use casům, které dříve neprošly kvůli provozním nákladům, a přepočítat je podle současných cen, schopností modelů a skutečného objemu práce.
U některých se výsledek téměř nezmění, protože hlavní část nákladů tvoří integrace, data nebo lidská práce. U jiných může levnější a efektivnější model výrazně snížit cenu jednoho dokončeného úkolu a tím změnit návratnost celého řešení.
Rozhodující proto není samotný pokles ceny konkrétního modelu, ale to, zda se díky němu změnila ekonomika procesu, který firma potřebuje vyřešit.