EY planuje nową jednostkę, aby ograniczać koszty AI w przedsiębiorstwach
EY trafił do Google News za sprawą informacji o planie utworzenia wyspecjalizowanej jednostki, która pomoże przedsiębiorstwom ograniczać rosnące koszty sztucznej inteligencji. Ten krok uwidacznia wyraźny konflikt. Firmy chcą wdrażać bardziej autonomiczne systemy AI, choć nie mają jeszcze wiarygodnych sposobów mierzenia zasobów zużywanych przez każde zrealizowane zadanie.
Bloomberg poinformował o planowanej jednostce 11 sierpnia 2026 roku. Publicznie dostępne informacje o jej nazwie, kierownictwie, obsadzie i harmonogramie uruchomienia pozostają ograniczone. EY nie opublikował szczegółowego komunikatu, który niezależnie potwierdzałby każdy element tej informacji.
Kierunek ten jest jednak zgodny z ramami przedstawionymi przez EY w lipcu. Zakładają one, że firmy potrzebują jednej osoby odpowiedzialnej za wydatki związane z agentami, a także limitów zapobiegających niekontrolowanym procesom.
To więcej niż kolejna usługa doradcza opakowana wokół popularnej technologii. EY kwestionuje założenie, że spadające ceny modeli automatycznie sprawiają, iż AI dla przedsiębiorstw staje się przystępna cenowo.
Głównym przeciwnikiem jest rozproszona odpowiedzialność. Zespoły inżynieryjne monitorują tokeny, zespoły chmurowe zarządzają infrastrukturą, specjaliści ds. ryzyka śledzą mechanizmy kontroli, a liderzy biznesowi zatwierdzają projekty. Niekoniecznie ktoś widzi pełny rachunek lub porównuje go z osiągniętym rezultatem.
Konkurenci już dostrzegają tę lukę. Harness i Flexera uruchomiły w 2026 roku produkty łączące zużycie AI z kosztami chmury, jednostkami biznesowymi, agentami i wynikami. EY podchodzi do tego samego problemu przez pryzmat zarządzania, decyzji inwestycyjnych i modelu operacyjnego.
Rezultatem jest rywalizacja między wdrażaniem AI mierzonym aktywnością a inwestowaniem w AI mierzonym wartością. Większa liczba użytkowników, promptów, agentów i tokenów może świadczyć o wdrożeniu. Nie dowodzi jednak, że system poprawia przychody, jakość, szybkość lub poziom ryzyka.
Co faktycznie zmienia informacja EY w Google News
Według doniesień EY przekształca kontrolę kosztów AI z okazjonalnych usług doradczych w odrębny obszar odpowiedzialności organizacyjnej.
Nagłówek w Google News wskazuje, że EY uruchamia jednostkę mającą utrzymywać wydatki na sztuczną inteligencję pod kontrolą. Źródłowy materiał Bloomberga stanowi impuls dla tej informacji, lecz publicznie dostępne dane nadal nie zawierają pełnego planu operacyjnego.
Ta luka ma znaczenie. Wyspecjalizowana jednostka może oznaczać kilka różnych struktur. Może to być zespół wewnętrzny, praktyka doradcza dla klientów albo szersza usługa łącząca specjalistów z zakresu finansów, technologii i ryzyka.
Dopóki EY nie opublikuje tych szczegółów, czytelnicy powinni traktować precyzyjną strukturę jako informację raportowaną, a nie w pełni udokumentowaną. Łatwiej zweryfikować podstawową strategię na podstawie niedawnych prac EY dotyczących ekonomiki agentów.
Lipiecowy materiał EY, agentic value, rekomenduje powołanie Head of Agent Economics lub Agent FinOps Lead. FinOps to dyscyplina zarządzania łącząca wydatki technologiczne z decyzjami inżynieryjnymi i wartością biznesową.
Proponowany dyrektor nadzorowałby wykorzystanie modeli, wycieki kosztów i realizację wartości w ramach kilku budżetów. EY zaleca również limity wydatków, ograniczenia wolumenu wywołań oraz automatyczne wyłączenia na poziomie agentów, procesów i jednostek biznesowych.
Mechanizmy te odpowiadają na konkretną zmianę architektoniczną. Tradycyjny chatbot zwykle otrzymuje zapytanie i zwraca odpowiedź. Agent AI może planować, pobierać dokumenty, wywoływać oprogramowanie, konsultować subagentów, ponawiać nieudane kroki i dopracowywać wynik.
Każde dodatkowe działanie zużywa zasoby. Ostateczna odpowiedź może wyglądać prosto, nawet jeśli ścieżka prowadząca do niej obejmuje wiele wywołań modeli i operacji narzędziowych.
EY wskazuje, że całkowity koszt wykracza poza tokeny i wywołania interfejsów programowania aplikacji. Obejmuje również subskrypcje oprogramowania, infrastrukturę platformową, zarządzanie, zmiany organizacyjne, odzyskiwanie sprawności po awariach oraz możliwe obowiązki regulacyjne.
Ta szersza definicja wyznacza strategiczny cel raportowanej jednostki. Daje EY ramy do analizowania wydatków rozproszonych między finansami, technologią, działem prawnym, zasobami ludzkimi i poszczególnymi jednostkami biznesowymi.
Ten ruch łączy się również z szerszą ekspansją EY w obszarze AI. EY i Microsoft ogłosiły w maju wspólną inicjatywę, której celem jest przeprowadzanie projektów klientów od pilotaży do większych wdrożeń. Firmy poinformowały, że ich początkowy zakres obejmuje finanse, podatki, zasoby ludzkie i łańcuchy dostaw.
Skalowanie tworzy potrzebę dyscypliny kosztowej. Niewielki pilotaż może tolerować ręczny nadzór i niejasne rozliczanie. System produkcyjny obsługujący tysiące pracowników lub klientów nie może opierać się na tych samych założeniach.
Raportowana jednostka EY oznacza zatem przejście od eksperymentowania z AI do odpowiedzialności operacyjnej. Kluczową zmianą nie jest kolejny dashboard. Jest nią próba uczynienia kogoś odpowiedzialnym za ekonomikę autonomicznego oprogramowania.
Dlaczego agentic AI utrudnia kontrolę kosztów
Główny problem kosztowy wynika ze zmiennego zachowania, a nie wyłącznie z drogich modeli.
Tradycyjne oprogramowanie dla przedsiębiorstw często korzysta z licencji, stanowisk lub umów na określoną pojemność. Takie ustalenia są niedoskonałe, lecz zespoły finansowe zwykle potrafią je prognozować na podstawie znanych parametrów.
Systemy agentowe działają inaczej. Ich zużycie zależy od zadania, wybranego modelu, rozmiaru kontekstu, liczby narzędzi, zachowania przy ponawianiu prób i warunków zakończenia. Dwa pozornie podobne zapytania mogą uruchomić różne ścieżki wykonania.
Ta zmienność osłabia szacunki budżetowe oparte na średnim wywołaniu modelu. Faktura za model pokazuje widoczne zużycie, ale orkiestracja i wsparcie operacyjne mogą pojawiać się w innych miejscach.
Ramy EY dzielą całkowity koszt agenta na siedem kategorii. Widoczne kategorie obejmują tokeny, subskrypcje i infrastrukturę. Mniej widoczne obejmują zarządzanie, zmiany w organizacji pracy, awarie i możliwe koszty regulacyjne.
Kategorie te często należą do różnych dyrektorów. Lider technologiczny może widzieć wykorzystanie modelu, podczas gdy zespół ds. ryzyka finansuje oceny i mechanizmy kontroli. Dział zasobów ludzkich może płacić za szkolenia, a operacje mogą ponosić koszty prac naprawczych.
To rozproszenie sprawia, że pozornie wydajny agent wygląda na tańszego, niż jest w rzeczywistości. Utrudnia też porównania z pracą ludzi, gdy organizacja pomija koszty nadzoru i odzyskiwania sprawności.
Koszt na token nie rozwiąże tego problemu rozliczeniowego. Tokeny mierzą fragmenty tekstu przetwarzane przez model, lecz nie pokazują, czy agent zrealizował użyteczne zadanie.
Agent zużywający mniej tokenów może mimo to częściej zawodzić. Inny agent może zużywać więcej zasobów, ale rozwiązać wartościową sprawę bez eskalacji. Firma potrzebuje zarówno danych o zużyciu technicznym, jak i danych o rezultatach.
Harness nadał temu argumentowi konkretną formę, uruchamiając w maju funkcje cost per outcome. Jego system przypisuje wydatki agentom, sesjom, przebiegom, krokom i wynikom biznesowym.
Produkt może zidentyfikować rozmowę, która staje się kosztowna, ponieważ agent wielokrotnie wchodzi w niepotrzebny łańcuch narzędzi. Dzięki temu anomalia finansowa staje się problemem programistycznym, który inżynierowie mogą zbadać.
Flexera przyjęła szersze podejście infrastrukturalne. Jej czerwcowy komunikat AI cost management łączy zużycie w aplikacjach, agentach, modelach, platformach danych i zasobach obliczeniowych.
Te premiery pokazują, że zarządzanie kosztami AI staje się kategorią produktów, a nie tylko tematem doradczym. Podkreślają też wyzwanie stojące przed EY.
Platformy programowe mogą stale gromadzić telemetrię. Telemetria to dane operacyjne pokazujące, jak system zachowuje się podczas wykonywania zadań. EY musi wykazać, dlaczego projekt organizacyjny wnosi wartość wykraczającą poza takie dashboardy.
Najmocniejsza odpowiedź brzmi: sam pomiar nie tworzy odpowiedzialności. Dashboard może pokazać, że agent zużył więcej zasobów, ale nie może zdecydować, czy osiągnięty rezultat je uzasadniał.
Ta decyzja wymaga właściciela biznesowego, uzgodnionej miary wartości i uprawnień do ograniczenia lub zatrzymania użycia. Wymaga także jasnych zapisów informacji, które agent pobrał, oraz działań, które próbował wykonać.
Zespoły obsługujące procesy AI potrzebują możliwych do prześledzenia materiałów źródłowych. Wyszukiwalna baza wiedzy może pomóc inżynierom zbadać, jaki kontekst wpłynął na kosztowny lub nieudany przebieg.
Szansa dla EY leży między warstwą finansową a techniczną. Jeśli raportowana jednostka odniesie sukces, połączy kontrolę zużycia z alokacją kapitału, tolerancją ryzyka i wynikami operacyjnymi.
Prawdziwym przeciwnikiem jest rozproszona odpowiedzialność
EY zakłada, że niekontrolowane wydatki na AI są przede wszystkim skutkiem braku jasno określonej odpowiedzialności.
Przedsiębiorstwa rzadko kupują sztuczną inteligencję jednym uporządkowanym kanałem. Pracownicy używają asystentów w pakietach, zespoły kupują bezpośredni dostęp do modeli, a programiści korzystają z usług zarządzanych przez dostawców chmury.
Agenci mogą również wywoływać zewnętrzne wyszukiwarki, bazy danych, narzędzia programistyczne i aplikacje biznesowe. Każda zależność może mieć odrębne rejestry użycia i właścicieli budżetów.
Finanse widzą faktury po wystąpieniu zużycia. Inżynieria widzi ślady techniczne bez pełnego kontekstu biznesowego. Zespoły bezpieczeństwa i prawne mogą włączyć się dopiero wtedy, gdy system przetwarza wrażliwe dane lub powoduje incydent.
Taki układ źle sprawdzał się we wczesnej fazie wdrażania chmury. Zespoły mogły szybko przydzielać zasoby, podczas gdy kontrole wydatków i praktyki alokacji pojawiały się później.
FinOps powstał, aby połączyć zespoły finansowe, inżynieryjne i produktowe wokół wspólnych danych o zużyciu. AI rozszerza to wyzwanie, ponieważ jej obciążenia są mniej przewidywalne i silniej powiązane z zachowaniem użytkowników.
Proponowane przez EY stanowisko Head of Agent Economics skupia odpowiedzialność u jednego dyrektora. Osoba ta nie zastąpi liderów inżynierii, finansów ani ryzyka. Rola nadałaby ich odrębnym decyzjom wspólne ramy ekonomiczne.
Proponowany model opiera się na ekonomice jednostkowej. Ekonomika jednostkowa mierzy koszt i wartość związane z jedną użyteczną jednostką, na przykład rozwiązaną sprawą lub ukończonym procesem.
Wybór tej jednostki jest trudny. Wewnętrzny agent badawczy może oszczędzać czas pracowników, poprawiać jakość decyzji lub ograniczać pomijanie informacji. Korzyści te nie mieszczą się łatwo w jednej mierze finansowej.
Obsługa klienta dostarcza wyraźniejszego przykładu. Firma może porównać całkowity koszt agenta z liczbą rozwiązanych zapytań, wskaźnikami eskalacji, satysfakcją klientów i pracą korekcyjną.
Tworzenie oprogramowania jest trudniejsze. Agent może szybko generować kod, jednocześnie tworząc obowiązki związane z przeglądem, bezpieczeństwem lub utrzymaniem, które ujawniają się później.
W tym miejscu scentralizowany właściciel może stać się użyteczny. Może wymagać, aby każdy agent miał miernik rezultatu przed wdrożeniem oraz regułę zatrzymania po uruchomieniu.
Reguła zatrzymania określa, kiedy system musi zostać wstrzymany, ponieważ wydatki, błędy lub wolumen wywołań przekraczają zatwierdzoną granicę. Zapobiega kontynuowaniu autonomicznej pętli, dopóki ktoś nie zauważy większej faktury.
Centralizacja wiąże się jednak z własnym ryzykiem. Nowy tytuł dyrektorski może stworzyć kolejną warstwę zatwierdzania bez poprawy widoczności technicznej. Może też przesunąć uwagę na łatwo mierzalne koszty, jednocześnie zaniżając znaczenie jakości.
EY musi uniknąć przekształcenia ekonomiki agentów w biuro cięcia budżetów. Jego własne ramy wskazują, że organizacje powinny kierować wydatki ku mierzalnej wartości, a nie po prostu minimalizować zużycie.
To rozróżnienie wpływa na wybór modelu. Mniej zaawansowany model może obniżyć zużycie zasobów inferencyjnych, jednocześnie zwiększając liczbę błędów, ponownych prób i kontroli wykonywanych przez ludzi. Tańsze wywołanie modelu może skutkować droższym zrealizowanym zadaniem.
To samo napięcie dotyczy wyszukiwania informacji. Krótszy kontekst może ograniczyć przetwarzanie, ale brak dowodów może osłabić odpowiedź. Dłuższy kontekst może poprawić zakres, jednocześnie zwiększając zużycie zasobów i opóźnienia.
Zarządzanie kosztami agentów wymaga więc czegoś więcej niż limitów. Potrzebuje systemów oceny, które mierzą sukces, porażkę i konsekwencje interwencji.
Rozproszona odpowiedzialność pozostaje głównym przeciwnikiem, ponieważ każda optymalizacja tworzy kompromisy w innych obszarach. Jedna funkcja z jasno określoną odpowiedzialnością może ujawnić te kompromisy, zanim zespoły zaczną przenosić koszty między budżetami.
Czego Nie Dowodzi Argumentacja Za Kontrolą Kosztów
Nowa jednostka nie może zagwarantować oszczędności, dokładnej alokacji kosztów ani lepszych wyników AI.
Nagłówek Bloomberga umieścił zgłaszany plan EY w google news, lecz publicznie dostępne informacje pozostawiają kilka pytań bez odpowiedzi. EY nie ujawnił listy klientów jednostki, celów wydajnościowych ani zakresu jej uprawnień w zakresie zarządzania.
Nie jest też jasne, czy grupa wdroży własne oprogramowanie, zintegruje platformy zewnętrznych dostawców, czy skoncentruje się na usługach doradczych. Te decyzje określą, czy EY będzie w stanie wystarczająco dogłębnie obserwować procesy pracy, aby je kontrolować.
Same dane z faktur dają niepełny obraz. Skuteczna alokacja wymaga identyfikatorów łączących wywołania modeli z użytkownikami, agentami, sesjami, narzędziami, produktami i zakończonymi wynikami.
Organizacje nie zawsze zbierają te identyfikatory w spójny sposób. Starsze aplikacje mogą łączyć żądania, a zewnętrzni dostawcy mogą udostępniać różne formaty rozliczeń i telemetrii.
Pomiar wyników wprowadza kolejny problem. Zespoły mogą optymalizować wskaźnik, który przyciąga uwagę kadry zarządzającej, nawet gdy reprezentuje on tylko część wartości systemu.
Agent oceniany na podstawie zamkniętych zgłoszeń może zbyt agresywnie kończyć sprawy. Asystent programistyczny mierzony ilością wygenerowanego kodu może zachęcać do niepotrzebnych zmian. Narzędzie badawcze oceniane według szybkości może pomijać ważne dowody.
Zgłaszana jednostka wchodzi również na rynek z uznanymi dostawcami narzędzi do zarządzania kosztami. Harness już łączy alokację kosztów chmury i AI, zarządzanie, wykrywanie anomalii oraz szczegółowe dane o procesach pracy.
Flexera twierdzi, że jej platforma obejmuje modele, aplikacje, dane i moc obliczeniową. Dostawcy chmur i bramki modeli również mogą dodawać natywne mechanizmy kontroli, które ograniczają potrzebę oddzielnej warstwy doradczej.
Przewagą EY jest dostęp do osób decyzyjnych w obszarach finansów, operacji, ryzyka i zarządzania. Słabością jest ryzyko, że zalecenia konsultingowe oderwą się od rzeczywistego technicznego działania systemów.
Firma musi udowodnić, że jej ramy zmieniają wdrożenia po zakończeniu raportu lub warsztatu. Przydatnymi dowodami byłyby mniejsza liczba niekontrolowanych pętli, silniejsza alokacja wyników oraz szybsze kończenie słabych projektów.
Własna analiza EY przytacza prognozę Gartnera, według której do końca 2027 roku anulowanych zostanie ponad 40 procent projektów agentowej AI. Gartner przypisuje spodziewane anulowania rosnącym kosztom, niejasnej wartości lub niewystarczającym mechanizmom kontroli ryzyka.
Prognoza anulowania projektów agentowych potwierdza pilność działań EY. Nie dowodzi jednak, że scentralizowana jednostka ds. ekonomiki zapobiega takim porażkom.
Firmy mogą także mylić anulowanie z porażką. Zatrzymanie słabego agenta przed szerszym wdrożeniem może oznaczać skuteczne zarządzanie i zdyscyplinowane inwestowanie.
Kolejna niewiadoma dotyczy cen dostawców. Koszty modeli mogą spadać, podczas gdy całkowite zużycie w procesach pracy rośnie, ponieważ agenci wykonują więcej kroków i docierają do większej liczby użytkowników.
Przedsiębiorstwa mogą odpowiedzieć, kierując prostsze zadania do mniejszych modeli. Może to poprawić ekonomikę, pod warunkiem że oceny potwierdzą utrzymanie akceptowalnej jakości.
Nadzór człowieka musi pozostać częścią modelu kosztowego. Agent, który przed weryfikacją wydaje się niedrogi, może stać się kosztowny, gdy specjaliści sprawdzają wyniki i korygują błędy.
Koszty ryzyka są jeszcze trudniejsze do przewidzenia. Przez większość dni może nie dojść do żadnego incydentu, podczas gdy pojedyncze naruszenie prywatności, bezpieczeństwa lub zgodności z przepisami generuje szeroko zakrojone prace naprawcze.
Propozycja EY jest wiarygodna, ponieważ te koszty są rozproszone. Jej skuteczność pozostaje niezweryfikowana, ponieważ firma nie opublikowała jeszcze mierzalnych wyników zgłaszanej jednostki.
Na Co Czytelnicy Google News Powinni Zwrócić Uwagę Następnie
Trzy sygnały pokażą, czy EY stworzył rzeczywisty model operacyjny, czy tylko kolejną etykietę doradczą.
Pierwszym sygnałem będzie szczegółowe ogłoszenie EY. Powinno wskazać lidera jednostki, jej zakres działania, obsadę, możliwości techniczne oraz relację z istniejącymi praktykami EY.
Publicznie dostępne ramy powinny także wyjaśniać, czy jednostka obsługuje EY wewnętrznie, doradza klientom, czy robi jedno i drugie. To rozróżnienie wpływa na rodzaj dowodów, jakich powinni oczekiwać czytelnicy.
Wewnętrzne zastosowanie dałoby EY możliwość testowania mechanizmów kontroli we własnych systemach AI. Praca dla klientów wymagałaby powtarzalnych metod działających w różnych chmurach, modelach i procesach biznesowych.
Jasne uprawnienia wzmocniłyby argumentację. Jednostka, która może rekomendować limity wydatków, ma mniejszy wpływ niż taka, która może egzekwować progi lub wymagać wskaźników wyników.
Milczenie lub niejasne brandingowe komunikaty osłabiłyby interpretację raportu Bloomberga. Sugerowałyby, że koncepcja jest mniej zaawansowana, niż wskazuje nagłówek google news.
Drugim sygnałem będą dowody na poziomie procesów pracy. EY powinien pokazać, jak klient łączy całkowite zużycie zasobów z ukończonym wynikiem biznesowym.
Przydatne przykłady obejmowałyby obsługę klienta, rozwój oprogramowania, finanse lub pracę w łańcuchu dostaw. Każdy przykład powinien uwzględniać wykorzystanie techniczne, nadzór człowieka, błędy oraz wybraną miarę wartości.
Czytelnicy powinni szukać porównań sprzed i po wprowadzeniu mechanizmów kontroli. Najbardziej wiarygodne wyniki ujawnią, czy niższe wydatki zmieniły jakość, opóźnienia lub wskaźniki eskalacji.
Twierdzenia o procentowych oszczędnościach wymagają ostrożności bez zdefiniowanego punktu odniesienia. System może ograniczyć zużycie modeli, jednocześnie przenosząc pracę na pracowników lub inne oprogramowanie.
Dowody na obniżenie całkowitego kosztu na jeden skuteczny wynik wzmocniłyby tezę EY. Redukcja tokenów bez danych o wynikach ją osłabi.
Trzecim sygnałem będzie reakcja konkurencji. Harness, Flexera, dostawcy chmur, bramki modeli i dostawcy narzędzi obserwowalności rozwijają nakładające się funkcje.
Partnerstwa mogłyby pomóc EY uzyskać szczegółową telemetrię bez budowania samodzielnie każdego komponentu technicznego. Mogłyby również ujawnić, że wyróżnikiem firmy jest zarządzanie i projektowanie modelu operacyjnego.
Konkurencja może wywrzeć presję na EY, aby wyjaśnił, gdzie kończy się konsulting, a zaczyna oprogramowanie. Nabywcy muszą wiedzieć, kto jest właścicielem danych, konfiguruje mechanizmy kontroli i reaguje, gdy agent przekroczy limit.
Szerszy rynek sprawdzi również, czy stanowisko Head of Agent Economics stanie się trwałą funkcją. Powszechne nominacje potwierdziłyby argument EY, że AI potrzebuje odrębnej odpowiedzialności finansowej.
Słabszym scenariuszem jest przejęcie tych obowiązków przez obecnych liderów FinOps, finansów lub technologii. Nie wyeliminowałoby to problemu, ale ograniczyłoby potrzebę tworzenia nowej kategorii organizacyjnej.
Dla programistów natychmiastowa lekcja jest prosta. Instrumentujcie agentów, zanim osiągną skalę, rejestrujcie wywołania narzędzi i ponowne próby oraz łączcie każde uruchomienie z wynikiem.
Nabywcy korporacyjni powinni wymagać czegoś więcej niż pulpity wykorzystania. Potrzebują zasad alokacji, mechanizmów zatrzymywania, danych ewaluacyjnych i jasnej odpowiedzialności za błędy.
Pracownicy wiedzy powinni oczekiwać, że organizacje będą dokładnie analizować, które zadania AI generują mierzalną wartość. Sama wysoka aktywność stanie się słabszym uzasadnieniem dalszych wydatków.
Obecność EY w google news odzwierciedla szerszą zmianę w korporacyjnej AI. Wdrożenie nie jest już jedynym nagłówkowym wskaźnikiem. Firmy coraz częściej muszą wyjaśniać, co wytwarzają ich agenci, ile kosztują błędy i kto może ich zatrzymać.
Zgłaszana jednostka zasługuje na uwagę, ponieważ umieszcza tę odpowiedzialność blisko centrum strategii AI. Nie zasługuje jednak jeszcze na przedwczesne świętowanie.
W ciągu najbliższych trzech miesięcy warto obserwować formalną strukturę EY, dowody na poziomie procesów pracy oraz partnerstwa konkurencyjne. Te sygnały pokażą, czy ekonomika agentów stanie się dyscypliną operacyjną, czy pozostanie atrakcyjną nazwą.
Jeśli Twoja organizacja już korzysta z agentów AI, zadaj jedno bezpośrednie pytanie: kto potrafi określić całkowity koszt pomyślnie zrealizowanego zadania i obronić tę kalkulację? Jeśli nikt, problem kontroli już nadszedł.
