Ekonomija umjetne inteligencije: Kada samo 2,2% korisnika plaća, kako će AI giganti ostvariti profit?

Unatoč eksponencijalnom napretku i brzoj evoluciji AI modela, stopa konverzije besplatnih korisnika u platiše raste iznimno sporo. Analiza tvrtke Andreessen Horowitz, temeljena na PNC istraživanju za svibanj 2026. godine, otkriva da svega 2,2% potrošača plaća usluge umjetne inteligencije, uz prosječni mjesečni izdatak od 31 USD. Za razliku od tradicionalnog softvera gdje je granični trošak posluživanja novog korisnika blizu nule, svaki AI upit generira izravne računalne troškove. Budući da iznos od pretplata iznimno malog postotka korisnika ne može pokriti visoke operativne troškove besplatne većine, vodeći tehnološki laboratoriji prisiljeni su razvijati alternativne poslovne modele.

Prvi i trenutno najzastupljeniji pristup jest orijentacija na poslovne korisnike (Enterprise). Tvrtke poput OpenAI-ja sve više fokusiraju svoje komercijalne napore na B2B sektor. Prilikom lansiranja naprednog “Always-On” agenta Dots, naglasak je stavljen na automatizaciju inženjerskih i servisnih procesa unutar tvrtki, gdje organizacije imaju znatno veće budžete i jasnu računomicu povrata investicije u usporedbi s pojedinačnim potrošačima.

Drugi model oslanja se na monetizaciju putem oglašavanja, što je primarna strategija tvrtke Meta s proizvodom Muse. Ovisnost o postojećoj oglasnoj infrastrukturi omogućuje ponudu besplatnih AI alata širokoj publici, no sa sobom nosi ozbiljne kompromise po pitanju privatnosti i povjerenja. Zabrinutost korisnika oko sigurnosti osobnih podataka i opsega dozvola za pristup aplikacijama ostaje najveća prepreka za prihvaćanje reklamno financiranih AI asistenata.

Treći smjer predstavlja transakcijski model provizije. Agenti poput Instincta, procijenjenog na 10 milijardi dolara unatoč malom timu od 14 zaposlenika, automatiziraju kompleksne zadatke poput rezervacije putovanja, stolova u restoranima ili otkazivanja pretplata. U ovom modelu prihod se ostvaruje uzimanjem postotka od uspješno izvršene financijske transakcije u ime korisnika. Ipak, skalabilnost ovog pristupa ovisi o tome u kojoj su mjeri korisnici spremni prepustiti financijska ovlaštenja AI agentima.

Četvrti pristup temelji se na naplati prema potrošnji (Usage-based pricing) i ponudi naprednih API sučelja, što demonstrira Google s modelom Gemini 4 Argon. Uz fiksne pakete poput Google AI Ultra, poslovnim se korisnicima i developerima API pristup naplaćuje izravno po broju utrošenih ulaznih i izlaznih tokena. Ovaj model izravno usklađuje prihode s infrastrukturnim troškovima, no izložen je žestokoj tržišnoj konkurenciji modela poput Claude Opus 5.5 i GPT-6 Astra.

U konačnici, svaki od navedenih modela nosi specifične nedostatke – od niskih konverzija pojedinačnih pretplata i narušavanja privatnosti kod oglasa, do visoke konkurencije u API segmentu. Ključni izazov za AI industriju u narednom razdoblju neće biti samo brzina razvoja modela, već pronalazak održivog poslovnog koncepta koji će korisnicima ponuditi jasnu i nezamjenjivu vrijednost.