AI a nierówności: 2199 zł za agenta i nowy podział

Wiedza z AI kosztuje dziś tyle co nic. Praca AI kosztuje 2199 zł miesięcznie i w Polsce nawet za te pieniądze nie każdy może ją kupić. Sztuczna inteligencja nie dzieli już ludzi na tych, którzy wiedzą, i tych, którzy nie wiedzą. Dzieli ich na tych, dla których ktoś pracuje w nocy, i całą resztę.

Słowo „robot” ma czeski paszport i polskie brzmienie. Josef Čapek podsunął je bratu Karlowi do sztuki „R.U.R.” z 1920 roku, a wziął je od „roboty”, czyli pańszczyzny: pracy odrabianej na cudzym polu, za darmo, od świtu do zmierzchu. Sto sześć lat później ta etymologia wraca z niepokojącą dokładnością. Pańszczyznę odrabia dziś maszyna, a żeby zostać panem, wystarczy karta z odpowiednim limitem.

29 września 2026 roku, wieczorem po DevDay, otworzyłem polski cennik ChatGPT. Pięć pozycji ułożonych jak piętra w bloku: Free za 0 zł, Go za 34,99 zł, Plus za 99,99 zł, Pro 200 za 999 zł i nowy Pro 500 za 2199 zł miesięcznie. Na parterze czat, który odpowiada na każde pytanie. Na samej górze tryb Ultrafast, 25-krotność limitu Plus i agenci, którzy klikają za ciebie w Codex i ChatGPT Work.

Tę samą kwotę, 2199 zł, ktoś na płacy minimalnej zarabia na rękę w niecałe trzy tygodnie. To 61 procent jego miesięcznej wypłaty. Pan płaci, robot odrabia, a chłop, jak zawsze, patrzy przez płot.

Przez trzy lata powtarzaliśmy sobie, że AI to najbardziej demokratyczna technologia w historii: ten sam model dla prezesa i dla studentki z Radomia. Uważam, że ta opowieść właśnie się skończyła. Nie dlatego, że ktoś zabrał studentce czat. Dlatego, że prezes kupił coś, czego czat nie robi.

Cennik jako mapa społeczna

Zacznę od liczb, bo w tej dyskusji zbyt łatwo o przymiotniki. Płaca minimalna w Polsce wynosi w 2026 roku 4806 zł brutto, czyli około 3606 zł netto, a stawka godzinowa 31,40 zł. Przeciętne wynagrodzenie w sektorze przedsiębiorstw w sierpniu wyniosło według GUS 9259,54 zł brutto (komunikat z 21 września 2026). Tak wygląda cennik ChatGPT, gdy przyłożyć go do tych kwot:

Wyliczenia są moje: cena podzielona przez 3605,85 zł netto oraz przez 31,40 zł za godzinę brutto. Pro 500 to w Polsce 70 godzin pracy za stawkę minimalną. W USA 500 dolarów to 69 godzin pracy za federalną płacę minimalną 7,25 dolara, więc na samym dole drabiny wychodzi prawie tyle samo. Różnica zaczyna się wyżej. Przy przeciętnej stawce godzinowej w amerykańskim sektorze prywatnym (37,75 dolara w sierpniu według BLS) Pro 500 to około 8 procent miesięcznych zarobków. W Polsce 2199 zł to prawie jedna czwarta przeciętnej pensji w przedsiębiorstwach.

Amerykanin z klasy średniej kupuje więc Pro 500 tak, jak kupuje się lepszy telefon. Polak z klasy średniej musi go przeliczyć na czynsz. Samo w sobie to nic nowego, tak samo wygląda cennik iPhone’a. Nowe jest to, co dostajesz za te pieniądze.

Na parterze: wiedza prawie za darmo

Najpierw uczciwie o tym, co AI zrobiła dobrze. Wiedza staniała tak, jak mało co w historii gospodarki. Epoch AI policzyło we wrześniu 2026, że koszt osiągnięcia danego poziomu możliwości modelu spada od 2023 roku o około 47 procent na kwartał, czyli 13 razy w ciągu roku. OpenAI od sierpnia daje użytkownikom darmowego planu nielimitowane czaty tekstowe (TechCrunch, 6 sierpnia 2026).

Widzę to we własnych pomiarach. W moim rankingu AI do pisania po polsku GPT-6 Luna zrobiła dziewięć zadań pisarskich za 0,002 dolara i dostała 82,8 punktu na 100. Zwycięzca, Claude Opus 5.5, dostał 90,1 punktu i kosztował 0,2479 dolara. Za siedem punktów różnicy zapłaciłem ponad sto razy więcej. Dla ucznia, który chce zrozumieć fotosyntezę, dla emerytki, która tłumaczy pismo z ZUS, i dla drobnego przedsiębiorcy piszącego ofertę ta różnica prawie nie istnieje.

Polska wypada tu zresztą lepiej, niż się przyznajemy. Według raportu Microsoft AI Diffusion za II kwartał 2026 z narzędzi AI korzysta 32,3 procent Polaków w wieku produkcyjnym. W USA 33,0 procent. W dostępie do czatu jesteśmy praktycznie na równi z Ameryką.

Gdyby AI była tylko biblioteką, ten tekst mógłby się skończyć w tym miejscu, happy endem. Biblioteki wyrównują szanse, bo książka nie czyta się szybciej u bogatego czytelnika. Wiedział o tym Andrew Carnegie, stalowy magnat, który ufundował ponad dwa i pół tysiąca bibliotek publicznych i wierzył, że darmowa książka to najlepsza drabina dla ubogich. Robotnicy z huty w Homestead, gdzie w 1892 roku krwawo stłumiono strajk w jego zakładach, mieli o nim nieco inne zdanie. Carnegie rozdawał książki hojnie. Hut nie rozdawał.

Branża AI powtarza dziś ten gest co do joty.

Na górze: praca, która nie śpi

Od tego roku AI przestaje bowiem być biblioteką, a zaczyna być hutą. Na DevDay OpenAI pokazało Dots, zawsze włączonych agentów. Każdy Dot ma własny komputer w chmurze, łączy się z ponad czterema tysiącami aplikacji, pilnuje skrzynki, kalendarza i projektów i pracuje także wtedy, gdy do niego nie piszesz. OpenAI pisze w pomocy wprost, że Dot przejmuje stałą odpowiedzialność za zadania i robi postępy między rozmowami.

Tu jest sedno sprawy i chcę je nazwać precyzyjnie. Wiedza to pytanie. Zadajesz je raz, dostajesz odpowiedź, rachunek się zamyka. Praca to czas. Agent, który w nocy przegląda opinie klientów, poprawia kod i przygotowuje faktury, zużywa moc obliczeniową godzina po godzinie. Cena tokena może spadać 13 razy w roku, ale jeśli agent zużywa ich tysiąc razy więcej niż czat, rachunek i tak rośnie. Preprint „The Price of Intelligence” opublikowany we wrześniu w serwisie arXiv stawia właśnie tę tezę: cena za token spada, a cena za wykonane zadanie przestała spadać, bo modele rozumujące zużywają coraz więcej tokenów.

Sam cennik OpenAI zdradza, jak działa ta ekonomia. Po zmianach z 29 września każdy płatny plan kosztuje tyle samo za jedną „jednostkę” limitu Plus: 20 dolarów. Plus to 20 dolarów za 1x, Pro 200 to 200 dolarów za 10x, Pro 500 to 500 dolarów za 25x (to moje wyliczenie z tekstu o Pro 500, oparte na liczbach OpenAI i The New Stack). Nie ma rabatu za hurt. Bogatszy nie dostaje taniej. Dostaje po prostu więcej godzin pracy maszyny, dokładnie proporcjonalnie do tego, ile zapłaci.

To zdanie brzmi niewinnie, ale ekonomia zna je od dwustu lat, a Marks poświęcił mu trzy tomy. Tak działa kapitał. Kto ma dziesięć maszyn, produkuje dziesięć razy więcej niż ten, kto ma jedną. AI w wersji czatu była narzędziem, trochę jak słownik. AI w wersji agenta staje się parkiem maszynowym. A parki maszynowe nigdy nie wyrównywały szans.

Nierówność w dostępie do agentów może zastygnąć w systemy dominacji.

Nick Srnicek, King’s College London, w rozmowie z Rest of World, 26 maja 2026

Firmy już to zrozumiały i liczą wydatki na tokeny tak, jak kiedyś liczyły etaty. Jensen Huang, szef Nvidii, mówił w marcu, że inżynier zarabiający 500 tysięcy dolarów rocznie powinien zużywać tokeny za co najmniej 250 tysięcy (R&D World, 24 marca 2026). Uber według Forbesa przepalił roczny budżet na AI w cztery miesiące, głównie na Claude Code (17 maja 2026), a potem ustalił limit 1500 dolarów miesięcznie na narzędzie na pracownika (TechCrunch, 2 czerwca 2026).

Najmocniej działa jednak jedna liczba z Ramp AI Index z czerwca 2026. Firmy z najwyższego jednego procenta wydają na AI około 7450 dolarów miesięcznie na pracownika. Mediana wynosi 11,38 dolara. To różnica około 650 razy (moje przeliczenie). Mediana kupuje czat. Czołówka kupuje załogę.

Europa za szybą

W Polsce ta historia ma jeszcze jeden, dość absurdalny rozdział. Nawet 2199 zł nie wystarczy, żeby osoba prywatna dostała Dota. W pomocy OpenAI („Getting started with your dot”, 29.09.2026) stoi, że w planach Pro Dots trafiają na rynki z wyłączeniem Europejskiego Obszaru Gospodarczego, Szwajcarii i Wielkiej Brytanii. Tymczasem w firmowym miejscu Business Premium, za 125 dolarów miesięcznie za osobę, Dots działają we wszystkich regionach obsługiwanych przez ChatGPT, więc także u nas.

Powodów wyłączenia OpenAI nie podało. Portal Trending Topics łączy je z RODO, AI Act i unijnymi aktami cyfrowymi, ale to interpretacja mediów. Efekt jest za to jednoznaczny: w Polsce agent 24/7 jest dziś produktem dla firm, a nie dla ludzi. Granica nie przebiega między Kowalskim a Smithem z Ohio. Przebiega między Kowalskim a spółką, w której Kowalski pracuje.

I tu zaczyna się problem naprawdę polski. Według Eurostatu w 2025 roku sztuczną inteligencję wykorzystywało 8,4 procent polskich firm zatrudniających co najmniej dziesięć osób. Średnia unijna to 20 procent, Dania ma 42 procent, a za nami jest już tylko Rumunia. Polacy prywatnie korzystają z czatów prawie tak często jak Amerykanie, a polskie firmy kupują AI rzadziej niż niemal wszystkie inne w Unii. Moim zdaniem to przepis na kraj znakomitych użytkowników czatu i ubogich właścicieli agentów.

Dane z innych źródeł układają się podobnie. Anthropic w swoim Economic Index z marca 2026 odnotował, że 20 krajów z najwyższym użyciem na mieszkańca odpowiada za 48 procent całego takiego użycia, wobec 45 procent wcześniej, a współczynnik Giniego rośnie. Microsoft liczy, że luka między globalną Północą (28,8 procent użytkowników) a Południem (16,2 procent) urosła w dwa kwartały z 10,6 do 12,6 punktu procentowego. Dostęp do AI się upowszechnia, ale jego intensywność się koncentruje.

Kristalina Georgieva, szefowa MFW, pisała jeszcze w styczniu 2024 roku, że „w większości scenariuszy AI prawdopodobnie pogłębi ogólne nierówności”. Wtedy brzmiało to jak ostrożna prognoza ekonomistki. Dziś wygląda jak opis cennika.

Kontrargument: ogień da się wynieść z twierdzy

Muszę tu jednak oddać głos stronie przeciwnej, bo ma mocne karty. I część z nich sam trzymam w ręku.

Najmocniejszą kartą są modele z otwartymi wagami. Xiaomi MiMo-V2.6-Pro jest na licencji MIT i według Artificial Analysis robi przeciętne zadanie z ich indeksu za 0,13 dolara, 46 razy taniej niż Opus 5.5 w wariancie max. W moim teście po polsku, opisanym w tekście o mniej znanych modelach AI, zdobył 69,1 punktu za trzy centy za trzynaście zadań. DeepSeek V4.1 Flash kosztuje według oficjalnego cennika 0,15 dolara za milion tokenów wejścia i 0,60 dolara za milion tokenów wyjścia poza godzinami szczytu. Agenta, który pracuje całą noc, da się dziś zbudować na takim modelu za kwoty liczone w złotówkach.

Jeszcze bliżej mnie leży lokalne AI. We wrześniu przepuściłem siedem modeli przez ten sam test na własnej karcie graficznej. Gemma 4 12B dostała 72,3 punktu, więcej niż płatny Claude Haiku 4.5, i mieści się w 8 GB pamięci. Trzynaście zadań kosztowało mnie 0,4 grosza prądu. Szczegóły są w tekście lokalny model czy API. Kto ma przyzwoity komputer do gier, ma w domu małego pracownika, który nie wysyła nikomu danych i nie pyta o abonament.

Jest wreszcie argument z historii, zawsze najwygodniejszy dla optymistów: wszystko, co dziś jest w AI luksusem, za dwa lata bywa w darmowym planie. Epoch AI mierzy to precyzyjnie: 13 razy taniej rocznie przy tym samym poziomie możliwości.

Wszystkie trzy argumenty są prawdziwe. Moim zdaniem żaden nie zamyka sprawy.

Otwarte modele wyrównują dostęp do inteligencji, ale nie do pracy. Żeby lokalna Gemma stała się agentem, ktoś musi ją podłączyć do poczty, kalendarza i przeglądarki, ustawić uprawnienia, przewidzieć, co może pójść źle, i pilnować, żeby nie poszło. Mnie sama instalacja z doborem modelu i ustawień zajęła kilka godzin, a zajmuję się AI zawodowo. Dot robi większość z tego po kilku kliknięciach. Różnica między darmowym a płatnym agentem nie leży w jakości modelu, tylko w godzinach czyjejś pracy, które trzeba włożyć, zanim maszyna zacznie pracować sama. Kto nie ma tych godzin, płaci pieniędzmi. Kto nie ma ani jednego, ani drugiego, zostaje z czatem.

Argument historyczny też ma haczyk. Tak, dzisiejszy agent za 2199 zł za dwa lata może kosztować sto złotych. Tylko że za dwa lata firmy z czołówki będą miały agentów, przy których dzisiejszy Dot wyda się kalkulatorem. Wyścig, w którym wszyscy biegną coraz szybciej, nie skraca dystansu między pierwszym a ostatnim. Matthew Sharp z Oxford Martin AI Governance Initiative mówił Rest of World, że niewielkie różnice w jakości agentów zamieniają się z czasem w duże różnice w wynikach. Socjolog Robert Merton nazwał to w 1968 roku efektem świętego Mateusza, od wersetu, który zna każdy ministrant: „Każdemu bowiem, kto ma, będzie dodane”. Ewangelista nie znał procentu składanego, ale opisał go bezbłędnie.

Kto zapłaci za nocną zmianę

Nie twierdzę, że AI wyłącznie pogłębia nierówności. Uważam, że robi dwie rzeczy naraz i obie trzeba widzieć jednocześnie. Spłaszcza podłogę: najgorzej poinformowany człowiek w 2026 roku ma pod ręką lepszego doradcę niż najlepiej poinformowany w 2016. I podnosi sufit: kto ma kapitał, kupuje czas maszyn, a czas maszyn, inaczej niż wiedza, nie tanieje dla wszystkich jednocześnie.

Bank Światowy w World Development Report 2026 przekonuje, że dzięki AI kraje rozwijające się mogą zrobić w dekadę to, co inaczej zajęłoby im stulecie. Gaurav Nayyar, dyrektor raportu, dodaje jednak, że okno, by to się udało, jest wąskie. MFW w notach z 2026 roku ostrzega przed dynamiką, w której zwycięzca bierze większość. Oba te zdania są prawdziwe także dla Polski, tylko w innej skali: nie jako dla kraju biednego, ale jako dla kraju, który świetnie konsumuje technologię i słabo ją wdraża.

Co z tym zrobić? Moja opinia jest prosta i zaczyna się od firm, bo to one w Polsce stoją dziś przy płocie. Polska firma, która w 2026 roku nie wydaje na AI nic, nie oszczędza, tylko po cichu oddaje pole konkurencji, która wydaje. Państwo, które finansuje biblioteki i szerokopasmowy internet, powinno z kolei zacząć myśleć o publicznym czasie obliczeniowym dla szkół, urzędów i małych firm tak, jak kiedyś myślało o doprowadzeniu sieci do każdej gminy. A każdy z nas, kto ma w domu komputer do gier, może postawić na nim lokalnego asystenta. Nie zastąpi Dota, to jasne. Nauczy jednak pracy z agentem, a ta umiejętność będzie za kilka lat warta więcej niż sam abonament.