Anthropic a OpenAI možná našly product-market fit u coding agentů

Simon Willison ve svém článku argumentuje, že Anthropic a OpenAI možná našly product-market fit. Ne obecně u chatbotů, ale konkrétně u coding agentů a obecnějších agentních nástrojů, jako jsou Claude Code, Claude Cowork a Codex.

Jeho hlavní pointa není jen to, že AI nástroje jsou populární. To platí už dlouho. Zajímavější je, že se začíná měnit jejich ekonomika: firmy jsou postupně tlačené od výhodných paušálů k cenám, které víc odpovídají skutečné spotřebě API tokenů.

Od paušálu k API cenám

Willison uvádí vlastní příklad: platí 100 dolarů měsíčně za Anthropic Max a 100 dolarů měsíčně za OpenAI Pro. Když si ale pomocí nástroje ccusage odhadl, kolik by ho stejné použití stálo podle API cen za posledních 30 dní, vyšlo mu přibližně 1 199 dolarů za Claude Code a 980 dolarů za Codex.

Jinými slovy: za 200 dolarů měsíčně dostává použití, které by podle API cen odpovídalo zhruba 2 180 dolarům.

To je výhodné pro individuálního uživatele. Pro enterprise zákazníky ale podle Willisona začíná platit něco jiného. Anthropic měl podle něj v posledních měsících změnit enterprise model na kombinaci poplatku za sedadlo a platby podle API spotřeby. OpenAI podobně v dubnu 2026 upravila ceny Codexu tak, aby odpovídaly tokenové spotřebě místo původního účtování podle zpráv.

Proč právě coding agenti

Důležitý rozdíl je v tom, jak se coding agenti používají. Chatbot typicky odpoví na jeden dotaz. Agent ale plánuje, volá nástroje, spouští příkazy, čte soubory, iteruje a opravuje chyby.

To znamená mnohem větší spotřebu tokenů.

Zároveň ale pracuje v kontextu, kde má výstup vysokou hodnotu. Pokud agent pomůže vývojáři, analytikovi nebo jinému znalostnímu pracovníkovi posunout práci rychleji, firmy mohou být ochotné platit víc než za běžné spotřebitelské předplatné.

Willison proto vidí coding agenty jako možný bod, kde se popularita AI začíná měnit ve skutečné enterprise příjmy.

Vyšší účty nejsou nutně důkaz selhání

Část debaty kolem AI nákladů dnes stojí na příbězích firem, které jsou překvapené rostoucími účty za používání LLM. Willison zmiňuje například Uber nebo Microsoft a upozorňuje, že některé mediální interpretace podle něj přehánějí.

Jeho čtení je jiné: pokud firmy nad cenou váhají, ale nakonec platí, může to být právě známka product-market fitu. Produkt je drahý, ale dost užitečný na to, aby ho zákazník neodmítl.

To samozřejmě neznamená, že ekonomika agentů je vyřešená. Spíš to ukazuje, že se posouváme z fáze experimentů do fáze, kde se začíná naplno řešit cena, návratnost a provozní rozpočty.

Růst směrem k enterprise

Willison jako další signál zmiňuje i náborové plány obou firem. Podle jeho vlastního průzkumu měly OpenAI i Anthropic významnou část otevřených pozic zaměřenou na enterprise sales, podporu a go-to-market role.

To je zajímavý kontrast. Firmy, které staví automatizační nástroje, zároveň potřebují hodně lidí na prodej a podporu enterprise zákazníků. U velkých firem totiž nejde jen o model. Jde i o smlouvy, bezpečnost, onboarding, podporu a integraci do existujících procesů.

Co z toho plyne

Willisonův článek dobře ukazuje, že u AI agentů už nestačí sledovat jen schopnosti modelů. Stejně důležitá začíná být ekonomika jejich používání.

Pokud agent udělá práci, která má pro firmu vysokou hodnotu, vyšší tokenová spotřeba může dávat smysl. Pokud ale agent pouze generuje drahé iterace bez jasného dopadu, náklady rychle začnou bolet.

Pro vývojáře a firmy je z toho praktický závěr: při adopci AI agentů nestačí ptát se, který model je nejlepší. Je potřeba sledovat i to, kolik stojí celý workflow, kde vzniká hodnota a jestli náklady rostou spolu s reálným přínosem.

Product-market fit u AI tak možná nebude vypadat jako levný chatbot pro každého. Může vypadat jako drahý agentní nástroj, za který firmy platí, protože zasahuje přímo do práce lidí, jejichž čas je sám o sobě drahý.

Zdroj

Simon Willison: I think Anthropic and OpenAI have found product-market fit