A Goldman Sachs legfrissebb elemzése rávilágít arra, hogy a mesterséges intelligencia piacán a hangsúly a hagyományos chatbotok korszakáról gyors ütemben áthelyeződik az autonóm MI-ügynökök (AI agents) érájára. Ez a strukturális átalakulás ugyanakkor drasztikus infrastrukturális és pénzügyi kihívások elé állítja a szektort. A befektetési bank előrejelzése szerint az MI-ügynökök tömeges elterjedése a globális tokenfogyasztás huszonnégyszeres növekedését vonja maga után, ami komoly nyomás alá helyezi az olyan technológiai úttörőket, mint a Microsoft és az Uber, akik közvetlenül érzékelik a tokenalapú számlázás növekvő terheit.
Az autonóm működés ára
Az MI-ügynökök lényegesen összetettebb feladatokat látnak el, mint az egyszerű, kérdés-válasz alapú chatbotok. Amíg egy megszokott chat-konzultáció átlagosan 1000 tokent igényel, addig egy beágyazott Copilot napi szinten már több mint 5000 tokent, egy folyamatosan a háttérben futó, autonóm vállalati ügynök pedig naponta akár a 100 000 tokent is elfogyaszthat. Egy szoftverfejlesztésre optimalizált ügynök szimulációja során például a napi adatforgalom elérheti a 6,27 millió bemeneti és a 820 000 kimeneti tokent, ami jelentős API-költségeket generál.
Ez a robbanásszerű növekedés éppen akkor éri a piacot, amikor a befektetők egyre kritikusabban szemlélik a felhőszolgáltatók és tech-óriások adatközpontokra, valamint chipekre fordított gigantikus tőkekiadásait. Az Uber vezetője szintén óvatosságra intett, jelezve, hogy a túlzott tokenfelhasználás („tokenmaxxing”) és a sikeres termékek piaci bevezetése között még nem látható egyértelmű, közvetlen egyenes arányosság.
A tokenpiac strukturális átrendeződése
A megnövekedett igények hosszú távon átalakítják a piac jövedelmezőségi dinamikáját. Bár a félvezetőgyártók kapacitáshiánya miatt a csúcskategóriás chipek piacán a következő 12-18 hónapban szűk keresztmetszetre kell számítani, a Goldman Sachs kutatása szerint a felhőszolgáltatók bruttó árrése hamarosan fordulóponthoz érkezhet. Ennek oka, hogy az Nvidia, az AMD és a Google TPU-k által hajtott számítási kapacitások egységköltsége gyorsabban csökken, mint ahogy a nagy nyelvi modellek (LLM) tokenárai erodálódnak.
Az elemzés kiemeli, hogy a tudásmunkások körében az MI-ügynökök penetrációja egy klasszikus S-görbét fog leírni: az előrejelzések szerint 2030-ra a szellemi munkát végzők 12%-a, míg 2040-re már 37%-a fog napi szinten autonóm ágenseket alkalmazni a munkafolyamataiban.
A globális tokenkereslet és növekedési pálya
Az alábbi táblázat bemutatja a Goldman Sachs által prognosztizált növekedési mutatókat, kiemelve a tokenfelhasználás volumenét és a munkaerőpiaci adaptáció várható ütemét a következő évtizedekben.
| Mutató megnevezése | 2026-os bázis / Jelenlegi helyzet | 2030-as előrejelzés | 2040-es előrejelzés |
|---|---|---|---|
| Havi globális tokenfogyasztás | Alapérték (1x) | 120 kvadrillió (24x-es növekedés) | Akár 55x-ös növekedés (teljes adaptáció esetén) |
| Tudásmunkások adaptációs aránya | Kezdeti fázis | 12% | 37% |
| Fogyasztói oldali növekedés | Alapérték | 12x-es szorzó | |
| Kapacitási szűk keresztmetszetek | 12-18 hónapos chiphiány | Kapacitások kiegyenlítődése | Teljes integráció |
Magyarországi kihatások és relevanciák
A nemzetközi tech-vállalatok költségoptimalizálási kényszere közvetlenül érinti a hazai piacon tevékenykedő szoftverfejlesztő házakat és szolgáltató központokat (SSC/BSC szektor). Mivel Magyarországon számos globális szereplő tart fenn fejlesztőbázist vagy integrátori csapatot, az MI-ügynökök üzemeltetési költségeinek megugrása a projektek tervezésénél szigorúbb kontrollt tesz szükségessé. A magyar vállalati szektornak a jövőben nem csupán az ügynökök licencelésével, hanem a futtatásukhoz kapcsolódó tokenalapú számlázás rejtett infrastrukturális költségeivel is kalkulálnia kell.
A technológiai piac kilátásai
A Goldman Sachs jelentése szerint a 2026-os év első fele kritikus fordulópontot jelent az iparág számára, amikor az MI-szektor a tisztán tőkeégető, expanzív szakaszból átlép a profitjavulási fázisba. Azok a vállalatok, amelyek képesek lesznek optimalizálni az ágensek tokenhatékonyságát, jelentős versenyelőnyre tesznek szert, míg a tisztán mennyiségi alapon működő rendszerek komoly költségvetési korlátokba ütközhetnek.
