OpenAI je 17. jula objavio tekst svoje finansijske direktorke Sare Frajar (Sarah Friar) u kojem kompanija predlaže novi način merenja isplativosti veštačke inteligencije u poslovnom okruženju. Prema tom predlogu, merila koja se danas najčešće koriste, pre svega cena po tokenu i broj zaposlenih koji su alat bar jednom otvorili, ne govore gotovo ništa o tome da li AI zaista obavlja koristan posao. Umesto njih, Frajar predlaže pokazatelj koji naziva „korisna inteligencija po dolaru”.
Tekst je objavljen na sajtu kompanije, a portal Axios je istog dana preneo predlog kao ekskluzivu. O njemu je izveštavao i Fortune. Objava dolazi u trenutku kada finansijski direktori u velikim kompanijama sve otvorenije traže dokaze da ulaganja u AI vraćaju novac.
Četiri pitanja umesto cene po tokenu
Okosnica predloga su četiri pitanja koja bi, prema OpenAI, trebalo da zamene postojeća merila.
Prvo se odnosi na obavljen posao. Umesto broja korisnika, Frajar predlaže da se broji šta je konkretno završeno: koliko je korisničkih zahteva rešeno, koliko je izmena koda isporučeno, koliko je ugovora pregledano, koliko je vremena vraćeno zaposlenima.
Drugo pitanje je cena po uspešno obavljenom zadatku. Kako se navodi u tekstu, na nivou modela ta cena zavisi od tri stvari: od cene, od količine utrošene računarske snage i od verovatnoće da će model uopšte doći do tačnog rezultata. Na nivou firme, u račun ulaze i vreme zaposlenih, ljudska provera, ponovljeni pokušaji i naknadne ispravke. Frajar tvrdi da je upravo taj širi račun ono što nedostaje kada se gleda samo cena po tokenu.
Treće pitanje je pouzdanost. Prema navodima iz teksta, pouzdanost ima direktnu ekonomsku vrednost: kada su rezultati tačni, potkrepljeni izvorima, dosledni i kada se problematični slučajevi prosleđuju čoveku na vreme, zaposleni troše manje vremena na proveru i prepravke. Predlaže se da se ishodi razvrstavaju u kategorije poput „spremno za upotrebu”, „traži ispravku” i „traži eskalaciju”.
Četvrto pitanje tiče se ponašanja troška u vremenu. Kompanija predlaže da se prati da li sa rastom upotrebe cena po uspešnom zadatku pada i da li vrednost obavljenog posla raste brže od troška njegovog stvaranja. To je, kako se navodi, osnovno ekonomsko pitanje sa kojim se finansijski direktori suočavaju.
Zašto se predlog pojavljuje baš sada
Predlog stiže usred šireg preispitivanja troškova veštačke inteligencije u kompanijama. Tokom prve polovine 2026. godine sve više firmi je počelo da preusmerava zadatke na jeftinije modele i da traži jasnije pokazatelje povraćaja ulaganja.
Podaci koje su objavile analitičke kuće i istraživači daju tom preispitivanju osnovu. Istraživanje MIT-a pokazalo je da 95 odsto pilot projekata sa veštačkom inteligencijom nije imalo merljiv uticaj na poslovni rezultat. IBM je procenio da četvrtina pokrenutih inicijativa donosi očekivani povraćaj. Morgan Stanley je našao da je 21 odsto kompanija iz indeksa S&P 500 moglo da navede merljivu korist od AI. U istraživanju konsultantske kuće PwC među generalnim direktorima, 56 odsto ispitanika izjavilo je da nije videlo ni rast prihoda ni pad troškova zahvaljujući ulaganjima u veštačku inteligenciju.
Posledice se već vide u planovima potrošnje. Prema nalazima istraživačke kuće Forrester, kompanije odlažu četvrtinu planiranih ulaganja u AI za 2027. godinu. Citi je, sa svoje strane, identifikovao razliku u ceni zaduživanja između firmi koje se svrstavaju u korisnike AI i onih koje se svrstavaju u pružaoce te tehnologije, što znači da tržište duga već naplaćuje premiju kompanijama koje troše bez vidljivog rezultata.
Pojedinačni primeri idu u istom smeru. Prema izveštajima medija, Microsoft je otkazao veći deo licenci za Claude Code delom zbog troška, a operativni direktor Ubera izjavio je da potrošnju na tokene postaje sve teže opravdati.
Ko predlaže merilo
Predlog treba čitati i u svetlu toga ko ga iznosi. OpenAI prodaje pristup modelima i ima direktan interes da se rasprava pomeri sa cene po tokenu, na kojoj se poredi sa jeftinijom konkurencijom, na širi pojam vrednosti obavljenog posla. U tekstu se pominje i porodica modela GPT-5.6 sa nekoliko nivoa, koji su predstavljeni kao način da se odnos cene i učinka podesi prema zadatku.
To ne znači da je okvir sam po sebi pogrešan. Zamerka da cena po tokenu ne meri korist je utemeljena i nezavisni istraživači je iznose već duže vreme. Ali merilo koje predlaže prodavac po pravilu je oblikovano tako da njegov proizvod izgleda povoljnije, pa se u praksi obično proverava na nezavisno prikupljenim podacima.
Treba dodati i da OpenAI u objavljenom tekstu ne nudi metodologiju u tehničkom smislu. Nema formule, praga niti načina da se pokazatelj izračuna na uporediv način između dve firme. Reč je o okviru za razmišljanje, ne o standardu.
Šta to znači za manje firme
Za razvojne timove i manje kompanije u regionu, gde su budžeti za AI po pravilu skromniji nego u velikim korporacijama, deo predloga je lakše primenljiv nego što deluje. Broj uspešno završenih zadataka i vreme utrošeno na ljudsku proveru mogu se pratiti i bez posebnih alata, jednostavnim beleženjem tokom nekoliko nedelja.
Teži deo je onaj koji Frajar naziva pouzdanošću. Razvrstavanje ishoda na one koji su spremni za upotrebu i one koje treba ispraviti zahteva da neko taj posao redovno radi, što je samo po sebi trošak. U malim timovima taj trošak nije zanemarljiv i može da pojede deo uštede koju merenje treba da dokaže.
Ostaje i pitanje koje predlog ne rešava. Ako se merenje svede na zadatke koje je lako izbrojati, poput rešenih tiketa ili pregledanih ugovora, iz računa ispada posao čiji se učinak teško kvantifikuje. Kako će se ta granica povlačiti u praksi, iz objavljenog teksta se ne vidi.
Često postavljana pitanja
Šta je „korisna inteligencija po dolaru”?
To je pokazatelj koji predlaže OpenAI, a koji povezuje obavljen posao, cenu po uspešnom zadatku, pouzdanost rezultata i kretanje troška sa rastom upotrebe. Kompanija ga predlaže kao zamenu za merila poput cene po tokenu i broja korisnika.
Da li je to zvaničan standard?
Nije. Reč je o predlogu jedne kompanije objavljenom na njenom sajtu. OpenAI nije objavio formulu niti metodologiju koja bi omogućila poređenje između različitih firmi.
Zašto cena po tokenu nije dovoljna?
Prema navodima iz teksta, cena po tokenu ne obuhvata verovatnoću da će model dati tačan rezultat, ni vreme koje zaposleni potroše na proveru, ispravke i ponovljene pokušaje. Zadatak koji je jeftin po tokenu može biti skup ako ga treba ponoviti nekoliko puta.
Koliko kompanija zaista vidi povraćaj ulaganja u AI?
Nalazi se razlikuju po metodologiji. IBM navodi da očekivani povraćaj donosi četvrtina inicijativa, Morgan Stanley da je 21 odsto kompanija iz indeksa S&P 500 moglo da navede merljivu korist, dok je istraživanje MIT-a pokazalo da 95 odsto pilot projekata nije imalo merljiv uticaj na poslovni rezultat.
