- Kryzysy komputerowe, począwszy od błędu Y2000K aż po niedawne przerwy w dostawie prądu, pokazują kruchość społeczeństwa opartego na hiperpołączeniach i oprogramowaniu.
- Rozwój sztucznej inteligencji spowodował wzrost popytu na procesory graficzne, pamięć i urządzenia pamięci masowej, co doprowadziło do niedoborów, wysokich cen i przesunięcia rynku w stronę centrów danych.
- Niepowodzenia dostawców usług cyberbezpieczeństwa i usług w chmurze uwypuklają ryzyko związane z poleganiem na kilku podmiotach oraz potrzebę testowania, planów awaryjnych i podejścia wielochmurowego.
- Sztuczna inteligencja nie eliminuje oprogramowania ani programistów, ale przekształca model SaaS, rolę programisty i równowagę między automatyzacją, danymi i bezpieczeństwem.
Kryzysy informatyczne towarzyszą transformacji cyfrowej od dziesięcioleci , choć czasami przypominamy sobie o nich dopiero wtedy, gdy WhatsApp zawiesza się, lotnisko zostaje sparaliżowane, a na milionach komputerów jednocześnie pojawia się przerażający niebieski ekran systemu Windows. Od pierwszych komputerów komercyjnych po eksplozję sztucznej inteligencji, najnowsza historia jest naznaczona błędami, globalnymi awariami, bańkami technologicznymi i kryzysami finansowymi, które pokazują, jak kruchy może być cały system.
Zrozumienie historii i obecnych skutków kryzysów cybernetycznych jest kluczowe dla określenia naszego uzależnienia od technologii, oceny roli cyberbezpieczeństwa i przewidzenia tego, co może nastąpić po boomie na sztuczną inteligencję, bańkach giełdowych i masowych awariach oprogramowania, które sparaliżują linie lotnicze, banki, szpitale i rządy na całym świecie.
Od błędu Y2000K do strachu przed globalnym załamaniem cyfrowym
Kilka lat temu cała planeta przygotowywała się na rzekomą cyfrową apokalipsę : niesławny błąd Y2K, znany również jako błąd milenijny. Teoria była prosta, ale niepokojąca: ponieważ wiele systemów zapisywało daty, używając tylko dwóch cyfr roku („dd/mm/rr”), podczas przejścia z roku 1999 na 2000, datę 01/01/00 można było zinterpretować jako rok 1900. Oznaczało to, że programy wszelkiego rodzaju mogły „uwierzyć”, że cofnęły się o stulecie i zacząć działać nieprawidłowo w nieprzewidywalny sposób.
Początki tego problemu sięgają lat 50. i 60. XX wieku , kiedy pamięć i nośniki danych były niezwykle drogie i ograniczone. Aby zaoszczędzić miejsce, programiści szukali oszczędności, gdzie tylko to możliwe, a jednym z najpraktyczniejszych sposobów było skracanie dat poprzez pominięcie stulecia. W ten sposób styczeń 1900 roku został zapisany jako 01/00, a grudzień 1999 roku jako 12/99 – schemat ten do dziś obserwujemy na przykład na wielu kartach kredytowych.
Przez dekady nikt nie zwracał uwagi na dwucyfrowy numer , ponieważ wszystko działo się w tym samym stuleciu i wydawało się, że nie ma między nimi konfliktu. Jednak stopniowo zaczęły pojawiać się dziwne symptomy: zapisy stulatków w bazie danych jako czteroletnie dziewczynki, partie produktów z datą ważności „osiemdziesiąt lat” wcześniejszą od faktycznej oraz systemy rozliczeniowe obliczające niemożliwe terminy. To były sygnały, że wraz z nadejściem nowego tysiąclecia bałagan może być gigantyczny.
Na początku lat 90. ostrzeżenia zaczęto traktować poważnie . Informatycy i administratorzy systemów ostrzegali, że problem dotyczy niemal każdego sektora: banków, firm ubezpieczeniowych, administracji publicznej, firm budowlanych, operatorów telekomunikacyjnych, firm energetycznych, transportu, szpitali i systemów obronnych. Każde oprogramowanie obsługujące dwucyfrowe daty było głównym kandydatem do awarii w miarę zbliżania się roku 2000.
Rządy i duże korporacje zareagowały, inwestując w to wiele milionów dolarów . Konieczna była inwentaryzacja programów, baz danych, plików i procedur; zlokalizowanie wszystkich punktów, w których przetwarzano dane, a także przepisanie ogromnych ilości kodu. Opracowano specjalistyczne narzędzia do skanowania aplikacji, zdefiniowano obszerne plany testów i zwołano zespoły dyżurne, które miały spędzić Sylwestra 1999 roku przed konsolami i serwerami, gotowe do reagowania na krytyczne incydenty.
Przypadek Hiszpanii ilustruje skalę tego wysiłku : samo państwo przeznaczyło około 420 milionów euro na dostosowanie systemów i sprzętu do zmian milenijnych, podczas gdy na całym świecie szacuje się, że wydano około 214.000 miliardów euro. Wiele organizacji skorzystało z tych obowiązkowych prac, aby wprowadzić również inne strategiczne usprawnienia, takie jak przygotowanie systemów do wprowadzenia euro.
Nadejście roku 2000 było momentem opanowania napięcia . Zespoły techniczne uważnie monitorowały rozwój sytuacji w krajach takich jak Nowa Zelandia, Australia i Japonia, które przekroczyły próg czasowy przed Europą i Ameryką. Wiadomości napływające ze Wschodu były uspokajające: światła wciąż się paliły, samoloty nie rozbijały się, a elektrownie nadal działały.
Ostatecznie, obawiana globalna awaria komputerowa nie nastąpiła . Owszem, zdarzały się incydenty, ale były one głównie drobne: faktury wygenerowane z nieprawidłowymi datami, terminale serwisowe offline, niektóre urządzenia, które przestały działać, lub pojedyncze błędy w elektrowniach jądrowych lub innych krytycznych systemach, które zostały rozwiązane bez poważniejszych konsekwencji. Na przykład w Hiszpanii wykryto drobne usterki w kilku elektrowniach jądrowych, niektórych stacjach benzynowych i niektórych zautomatyzowanych systemach gromadzenia danych o ruchu drogowym.
Fakt, że katastrofa nie nastąpiła, sprawił, że niektórzy nazwali to mitem lub przesadą , ale eksperci zgadzają się, że zagrożenie było jak najbardziej realne, a powodem, dla którego nic poważnego się nie wydarzyło, były właśnie działania prewencyjne. Gdyby te systemy nie zostały zweryfikowane i skorygowane na czas, skok z roku 99 do 00 spowodowałby chaos operacyjny w bankach, przedsiębiorstwach i służbach publicznych, co miałoby bezpośredni wpływ na gospodarkę i bezpieczeństwo publiczne.
Błąd Y2000K nauczył nas lekcji, która pozostaje aktualna do dziś : jesteśmy nierozerwalnie związani z technologią i im bardziej od niej polegamy, tym większy potencjalny wpływ poważnej awarii. Co więcej, pokazał, że nawet w obliczu problemu przewidzianego z dużym wyprzedzeniem, koordynacja globalnych reakcji, zaangażowanie wszystkich interesariuszy i mobilizacja wystarczających zasobów na czas jest niezwykle trudna.
Od błędów po ogromne przerwy w dostawie prądu: globalne awarie, które zatrzymują świat
Dwie dekady po tym milenium, groźba globalnego wyłączenia technologicznego stała się o wiele bardziej namacalna . Nie chodzi już o prognozę opartą na sposobie przechowywania danych, ale o rzeczywiste przerwy w działaniu komputerów, które uziemiły samoloty, zablokowały bankomaty i przeciążyły służby ratunkowe w wielu krajach jednocześnie.
Najbardziej uderzającym przykładem jest niedawna awaria komputerów spowodowana wadliwą aktualizacją firmy CrowdStrike, zajmującej się cyberbezpieczeństwem, która chroni między innymi systemy z systemem Microsoft Windows. Prosta aktualizacja zawartości agenta bezpieczeństwa dla systemu Windows 10 wystarczyła, aby wywołać kaskadę krytycznych błędów na nawet 8,5 milionach urządzeń, wyświetlając ikoniczny „niebieski ekran śmierci” na komputerach na całym świecie.
Skala incydentu była tak duża, że wielu ekspertów określiło go mianem największej awarii komputerowej w historii , czego obawiano się w kontekście błędu Y2000K, ale ostatecznie się nie zmaterializowało. Tym razem podróże lotnicze, systemy finansowe, komunikacja, a nawet służby ratunkowe zostały nagle zakłócone, co uwydatniło kruchość globalnej infrastruktury cyfrowej, która w tak dużym stopniu opiera się na kilku kluczowych dostawcach.
Dokładnym źródłem problemu był defekt w aktualizacji treści dystrybuowanej do systemów Windows chronionych przez CrowdStrike . Sam prezes firmy musiał złożyć wyjaśnienie, podkreślając, że nie był to cyberatak, a raczej wewnętrzna wada oprogramowania. Chociaż poprawka została wdrożona stosunkowo szybko, szkody już zostały wyrządzone: miliony komputerów zostały unieruchomione do czasu usunięcia problematycznego pliku i ponownego uruchomienia systemów w trybie awaryjnym, jeden po drugim, w organizacjach z tysiącami komputerów.
Wraz z rozprzestrzenianiem się awarii, linie lotnicze na całym świecie zaczęły odczuwać jej skutki . Ruchliwe lotniska, takie jak Sydney, Gatwick i Stansted, zostały zmuszone do opóźnienia lub odwołania lotów z powodu awarii systemów odprawy, kontroli wejścia na pokład i obsługi bagażu. Niektóre linie lotnicze ogłosiły „globalny postój naziemny”, wstrzymując wszystkie operacje do czasu ustabilizowania się sytuacji, co spowodowało kolejki, zamieszanie i efekt domina, który utrzymywał się przez wiele dni.
Sektor opieki zdrowotnej również bardzo ucierpiał z powodu awarii informatycznej . Szpitale i kliniki straciły dostęp do elektronicznej dokumentacji medycznej, harmonogramów wizyt ani komputerowych systemów diagnostycznych. W wielu przypadkach musiały uciekać się do metod manualnych, zapisując dane na papierze i nadając priorytet tylko pacjentom w stanie krytycznym, podczas gdy przywracano systemy do działania.
Sektor bankowości i usług finansowych również doświadczył trudnego okresu . Wystąpiły zakłócenia w przetwarzaniu transakcji, problemy z bankomatami i niedziałające aplikacje mobilne, co dodatkowo zwiększyło poczucie zagrożenia w czasach, gdy większość płatności i transakcji opiera się na platformach cyfrowych. Niektóre giełdy papierów wartościowych i systemy informacji finansowej, takie jak platforma Workspace London Stock Exchange Group, również odczuły skutki tych zmian.
W międzyczasie wiele codziennych usług uległo okresowym awariom lub całkowitemu wyłączeniu : supermarkety i sieci fast foodów miały zablokowane kasy, media miały uszkodzone systemy nadawcze, kultowe billboardy, takie jak te na Times Square, zostały wyłączone z użytku z powodu awarii systemów sterowania, a banki centralne i organy publiczne obsługujące krytyczne aplikacje nie działały.
Chociaż CrowdStrike szybko wyizolował i naprawił lukę, odzyskanie danych nie nastąpiło natychmiast . Rozwiązanie wymagało ponownego uruchomienia komputerów w trybie awaryjnym, zlokalizowania problematycznego pliku i usunięcia go przed ponownym uruchomieniem w trybie normalnym – co było bardzo pracochłonnym procesem w przypadku dużych sieci korporacyjnych. Microsoft zalecił nawet do 15 cykli zasilania na niektórych urządzeniach, co ilustruje złożoność odwrócenia szeroko rozpowszechnionej luki w zabezpieczeniach, która została automatycznie rozprzestrzeniona na miliony punktów końcowych.
Ta awaria IT miała również wyraźny wpływ na reputację i gospodarkę . Akcje CrowdStrike gwałtownie spadły na giełdzie, podobnie jak akcje Microsoftu, a cały sektor technologiczny odczuł nieufność wywołaną tak głośną awarią komponentu teoretycznie zaprojektowanego w celu wzmocnienia bezpieczeństwa i odporności systemów, co znalazło odzwierciedlenie na rynkach.
Zawalenie się dużej platformy: gdy codzienne życie staje w miejscu
Oprócz awarii związanych z dostawcami cyberbezpieczeństwa, niedawna historia obfituje w poważne awarie usług cyfrowych, które odcięły od świata połowę planety . Wyrafinowany atak nie jest konieczny: czasami wystarczy prosty błąd w konfiguracji lub źle przetestowana aktualizacja, aby wyłączyć sieci społecznościowe, komunikatory, pocztę e-mail, a nawet całe giełdy.
Platformy Meta (Facebook, Instagram, WhatsApp i Messenger) są dobrym przykładem tej kruchości sieci społecznościowych . W listopadzie 2017 roku WhatsApp doznał globalnej awarii trwającej około godziny, która pozbawiła miliony użytkowników możliwości komunikacji. W marcu 2019 roku doszło do jednego z najdłuższych incydentów odnotowanych przez Facebooka: częściowej awarii trwającej do 22 godzin, która dotknęła również Instagram i WhatsApp, oficjalnie przypisywanej zmianie konfiguracji serwera.
To nie był jedyny przypadek, gdy aplikacje Meta uległy awarii w sposób skoordynowany . W kwietniu 2019 roku problemy powtórzyły się na kilka godzin, a w lipcu tego samego roku ponownie doszło do jednoczesnych przerw w działaniu Facebooka, Instagrama, WhatsApp i Messengera, ze szczególnym uwzględnieniem Europy Zachodniej, Stanów Zjednoczonych, Meksyku, Filipin i kilku krajów Ameryki Południowej. W październiku 2021 roku doszło do kolejnej rozległej awarii, tym razem trwającej ponad pięć godzin, z globalnymi konsekwencjami.
W szczególności WhatsApp nadal doświadczał bardzo widocznych przerw w działaniu usługi . W październiku 2022 roku miliony użytkowników nie mogły wysyłać ani odbierać wiadomości przez około dwie godziny, a w lipcu 2023 roku ponownie wystąpiła globalna awaria, trwająca około godziny. Te incydenty, choć stosunkowo krótkie, mają ogromne reperkusje społeczne i medialne, ponieważ wpływają na narzędzie wykorzystywane zarówno do komunikacji osobistej, jak i zawodowej.
Inne główne platformy również nie są odporne na awarie . W lipcu 2019 roku Twitter doświadczył globalnej awarii trwającej około 90 minut, również spowodowanej wewnętrzną zmianą konfiguracji. W sierpniu 2020 roku Gmail, Dysk, Meet i inne kluczowe usługi Google doświadczyły kilkugodzinnych przerw w działaniu w wielu krajach, co wpłynęło na firmową pocztę e-mail, wideorozmowy i współpracę online w szczytowym okresie popularności pracy zdalnej.
Nie wszystkie incydenty dotyczą wyłącznie platform konsumenckich . W październiku 2020 roku Giełda Papierów Wartościowych w Tokio musiała zawiesić handel na cały dzień z powodu problemu z głównym systemem komputerowym, co uznano za najpoważniejszą awarię w historii trzeciego co do wielkości rynku akcji na świecie. W czerwcu 2021 roku awaria u dostawcy usług CDN i chmury obliczeniowej Fastly spowodowała częściową lub całkowitą niedostępność dziesiątek serwisów medialnych i innych usług na całym świecie.
Te przypadki pokazują, że nawet krytyczne lub ściśle regulowane infrastruktury są podatne na awarie technologiczne . Połączenia między systemami, uzależnienie od dostawców usług w chmurze i sieci dostarczania treści oraz ciągłe dążenie do wydajności i automatyzacji sprawiają, że pojedyncza awaria może rozprzestrzenić się na masową skalę z szybkością, która byłaby nie do pomyślenia jeszcze kilkadziesiąt lat temu.
Przerwy w dostawie prądu, cyberbezpieczeństwo i podatność chmury
Współczesne cyberbezpieczeństwo stało się kluczowym filarem ochrony systemów krytycznych , ale przypadek awarii spowodowanej wadliwą aktualizacją oprogramowania zabezpieczającego pokazuje, że te same narzędzia mogą być również pojedynczym punktem awarii. Gdy agent bezpieczeństwa jest wdrażany na masową skalę, każdy błąd w jego aktualizacjach może spowodować dokładnie to, czemu ma zapobiegać: awarię na dużą skalę.
Obecnie organizacje każdej wielkości, od małych i średnich przedsiębiorstw po duże korporacje, polegają na wielu warstwach cyfrowej obrony : programach antywirusowych, zaporach sieciowych, kompleksowych systemach wykrywania i reagowania (EDR/XDR), ciągłym monitorowaniu, kopiach zapasowych, stałych aktualizacjach oraz, coraz częściej, rozwiązaniach opartych na sztucznej inteligencji i uczeniu maszynowym, w celu wykrywania anomalii. Celem jest wzmocnienie kompleksowego bezpieczeństwa, ale złożoność tych ekosystemów niesie ze sobą również nowe zagrożenia.
Masowa migracja do chmury zwielokrotniła korzyści, ale także zwiększyła powierzchnię ataku . Wiele firm cieszy się obecnie ogromną skalowalnością, praktycznie nieograniczoną przestrzenią dyskową i dostępem do zaawansowanych technologii, takich jak analityka danych, sztuczna inteligencja (AI) i Internet Rzeczy (IoT). Jednak ta sama centralizacja na platformach chmurowych oznacza, że błąd dostawcy, błędna konfiguracja lub awaria w łańcuchu aktualizacji może wpłynąć na tysiące klientów jednocześnie.
Na przykład w krajach takich jak Chile ponad 60% MŚP deklaruje korzystanie z rozwiązań chmury obliczeniowej i pamięci masowej , co ilustruje skalę, w jakiej model ten stał się standardem nawet poza dużymi korporacjami międzynarodowymi. Jednocześnie około 76% firm deklaruje wdrażanie konkretnych planów cyberbezpieczeństwa i zarządzania informacjami, świadomych, że pojedynczy, skuteczny incydent może mieć katastrofalne skutki dla ich działalności i reputacji.
Niedawna awaria IT uwypukliła kluczową tezę: poleganie na jednym dostawcy to za mało . Dotknięte awarią firmy, których cała infrastruktura bezpieczeństwa i część działalności były obsługiwane przez tę samą usługę, w przypadku jej awarii znalazły się bez alternatywy. Podkreśla to rosnące znaczenie podejścia multicloud i dywersyfikacji dostawców, aby uniknąć uzależnienia od pojedynczego punktu awarii i mieć realistyczne plany awaryjne.
Wśród wniosków technicznych wyciągniętych z tego incydentu, trzy aspekty wyróżniają się na pierwszy plan . Pierwszy to konieczność przeprowadzenia gruntownego testowania każdej aktualizacji w odizolowanych i kontrolowanych środowiskach przed jej masowym wdrożeniem. Drugi to znaczenie posiadania jasnych i sprawdzonych planów szybkiego reagowania, które umożliwiają sprawne działania w celu minimalizacji szkód. Trzeci to przejrzystość: przyznanie się do błędów, wyjaśnienie, co się stało i jakie działania są podejmowane w celu ich naprawienia i zapobiegania ich ponownemu wystąpieniu, ma fundamentalne znaczenie dla odzyskania zaufania klientów i rynku.
Firmy z każdego sektora, nie tylko te zajmujące się cyberbezpieczeństwem, powinny przyswoić sobie te wnioski . Opracowywanie solidnych polityk i strategii cyberbezpieczeństwa, inwestowanie w szkolenia, utrzymywanie aktualnych systemów i definiowanie jasnych protokołów dotyczących poważnych incydentów nie są już opcjonalne, lecz stanowią podstawowy wymóg funkcjonowania w hiperpołączonym świecie, gdzie awaria komputera może w ciągu kilku godzin skutkować stratami finansowymi, problemami prawnymi i kryzysem reputacyjnym.
Boom na sztuczną inteligencję jako nowe źródło kryzysu
Podczas gdy mnożą się przerwy w dostawie prądu i awarie na dużą skalę, inna siła całkowicie zmienia krajobraz technologiczny: sztuczna inteligencja . W ciągu zaledwie kilku lat generatywna sztuczna inteligencja, modele językowe i autonomiczni agenci przeszli drogę od odległej obietnicy do ekonomicznego i technologicznego motoru napędowego, który przenika niemal wszystko, od rozwoju oprogramowania, przez obsługę klienta, marketing, po analizę finansową.
Modele i usługi takie jak OpenAI, DeepSeek i innych konkurentów wyznaczyły punkt zwrotny . To, co zaczęło się jako miraż, wraz ze spektakularnym wzrostem firm sprzętowych, takich jak NVIDIA, przerodziło się w trwały boom, który nadal napędza popyt na moc obliczeniową, energię i wyspecjalizowane talenty. Sztuczna inteligencja była sprzedawana jako panaceum, a dziś jest poszukiwana zarówno przez zwykłych użytkowników, jak i duże korporacje.
Ten boom budzi nawet obawy o możliwą bańkę spekulacyjną na rynku sztucznej inteligencji , co ma wyraźne analogie do bańki internetowej z końca lat 90. XX wieku. Wówczas to internet wydawał się zdolny uzasadnić każdą wygórowaną wycenę; obecnie to sztuczna inteligencja wzbudziła entuzjazm inwestorów, funduszy venture capital i dużych firm technologicznych, napędzając wzrosty wycen, które w wielu przypadkach nie przekładają się jeszcze na rzeczywiste przychody.
W poprzedniej bańce spekulacyjnej firmy takie jak Lycos, Terra i Boo.com zniknęły , podczas gdy inne, takie jak Amazon, przetrwały burzę i wyszły z niej silniejsze po trudnym oczyszczeniu rynku. Podobną dynamikę widać obecnie: startupy zajmujące się sztuczną inteligencją mnożą się w poszukiwaniu szybkiego zysku, często napędzane dużymi funduszami i ciągłą presją mediów, podczas gdy giganci tacy jak Google, Microsoft i projekty Elona Muska zaciekle konkurują o dominację na tym nowym rynku technologicznym.
Różnica polega na tym, że obecnie sztuczna inteligencja ma już ugruntowane, dochodowe zastosowania . Usługi w chmurze, automatyzacja procesów, specjalistyczne półprzewodniki, narzędzia zwiększające produktywność i zaawansowane rozwiązania analityczne generują wymierne przychody dla ugruntowanych firm. Co więcej, rynki finansowe dysponują bardziej zaawansowanymi narzędziami do analizy ryzyka niż w latach 2000., a globalna infrastruktura cyfrowa jest znacznie bardziej dojrzała, co teoretycznie mogłoby sprzyjać nieco bardziej zrównoważonemu wzrostowi.
Mimo to, zależność od sztucznej inteligencji w gospodarkach takich jak Stany Zjednoczone jest niezwykle wysoka . Niektóre analizy szacują, że około 40% ostatniego wzrostu gospodarczego w USA jest bezpośrednio lub pośrednio związane z tą technologią. I nie jest to tylko zjawisko ekonomiczne: największe nazwiska branży – Elon Musk, Mark Zuckerberg, Jeff Bezos i inni – mają obecnie znaczące wpływy polityczne i nie są zainteresowane niekontrolowanym pęknięciem bańki spekulacyjnej, choć pewne odrzucenie nieopłacalnych projektów jest niemal nieuniknione.
Sprzęt eksploatowany do granic możliwości: GPU, RAM, dyski SSD i HDD pod presją
Boom na sztuczną inteligencję znajduje odzwierciedlenie nie tylko w bilansach i nagłówkach gazet, ale także w sprzęcie, który stanowi podstawę całej rewolucji w dziedzinie układów scalonych . Centra danych dedykowane szkoleniu i uruchamianiu generatywnych modeli AI stały się prawdziwymi pożeraczami zasobów: wymagają ogromnej mocy obliczeniowej, ogromnych ilości pamięci i pamięci masowej oraz sieci o ekstremalnie dużej przepustowości.
Sercem tej infrastruktury są procesory graficzne (GPU) i inne wyspecjalizowane akceleratory . Karty takie jak NVIDIA H100, architektura Blackwell, rozwiązania AMD Instinct i procesory TPU Google wyeliminowały tradycyjne procesory w wielu zadaniach związanych ze sztuczną inteligencją, ponieważ umożliwiają masowo równoległe przetwarzanie ogromnych wolumenów operacji z mniejszą precyzją. Ta zmiana spowodowała wzrost popytu na procesory graficzne (GPU) w centrach danych, częściowo wypierając podaż na rynku konsumenckim i gier.
Rezultatem jest prawdziwy kryzys na rynku konsumenckich procesorów graficznych . Priorytetem jest produkcja i alokacja zapasów modeli przeznaczonych do zastosowań w sztucznej inteligencji i środowiskach profesjonalnych, co spowodowało, że wielu producentów ograniczyło swoją koncentrację na segmencie konsumenckim. Dostępnych jest mniej kart graficznych dla graczy i twórców treści, a nieliczne egzemplarze, które trafiają do sklepów, są sprzedawane po zawyżonych cenach, co uniemożliwia znacznej części użytkowników modernizację.
Pamięć również odczuwa ogromny wpływ, szczególnie w obszarze DRAM . Nowoczesne procesory graficzne i akceleratory potrzebują nie tylko konwencjonalnej pamięci RAM dla procesora, ale także układów pamięci o wysokiej przepustowości (HBM) do własnej pamięci VRAM, co zwiększa globalny popyt. Producenci tacy jak Samsung Electronics, SK Hynix i Micron coraz częściej przenoszą moce produkcyjne w kierunku pamięci HBM i DRAM klasy korporacyjnej, ograniczając podaż na rynku tradycyjnych komputerów PC, urządzeń mobilnych i innych urządzeń konsumenckich.
Ta zmiana w produkcji, w połączeniu z klasyczną cykliczną zmiennością rynku pamięci DRAM, stworzyła idealną burzę . Po okresie nadprodukcji i spadających cen, wielu producentów ograniczyło moce produkcyjne. Właśnie wtedy popyt związany ze sztuczną inteligencją gwałtownie wzrósł, powodując gwałtowną korektę podaży. Rezultatem były bezprecedensowe niedobory i wzrosty cen modułów DDR5 i podobnych produktów, do tego stopnia, że ceny niektórych zestawów pamięci sięgały kilku tysięcy euro.
Wpływ był tak dotkliwy, że historyczne marki w segmencie konsumenckim zbankrutowały . Tak jest w przypadku Crucial, marki Micron oferującej domowe pamięci RAM i dyski SSD, której zakończenie działalności ogłoszono na luty 2026 roku, symbolizując stopniowe odchodzenie dużych producentów od użytkownika końcowego, którzy wolą skupić się na bardziej dochodowych biznesach związanych z centrami danych i aplikacjami korporacyjnymi.
Pamięci masowe, zarówno SSD, jak i HDD, również odczuwają presję ze strony sztucznej inteligencji . Centra danych trenujące ogromne modele wymagają ogromnych pojemności do przechowywania zestawów danych, punktów kontrolnych i logów. To napędza popyt zarówno na wydajne dyski SSD NVMe, idealne do intensywnych obciążeń i szybkiego dostępu, jak i na tradycyjne dyski twarde o dużej pojemności, używane w środowiskach nearline do przechowywania danych w trybie zimnym lub historycznych, gdzie koszt terabajta danych liczy się bardziej niż szybkość.
Producenci pamięci flash NAND, na czele z firmami takimi jak Samsung, SK Hynix i sam Micron, musieli dostosować swoją produkcję , zgodnie z prawem dotyczącym układów scalonych, po wcześniejszym okresie nadpodaży. To ograniczenie produkcji zbiegło się z boomem na sztuczną inteligencję, powodując ograniczenia podaży i znaczny wzrost cen, szczególnie w przypadku dysków SSD klasy korporacyjnej o dużej gęstości. W sektorze dysków twardych firmy takie jak Western Digital i Seagate również przeznaczyły cały swój zapas na duże kontrakty, pozostawiając niewiele miejsca dla rynku detalicznego.
Dla konsumenta końcowego wszystko to przełożyło się na dość bolesną zmianę paradygmatu . Do 2026 roku ceny sprzętu komputerowego – zwłaszcza kart graficznych, pamięci RAM i dysków twardych – wzrosły tak drastycznie, że modernizacja sprzętu stała się dla wielu użytkowników po prostu nieosiągalna. Problem nie ogranicza się jednak do komputerów stacjonarnych: telefony komórkowe, routery, telewizory Smart TV i inne urządzenia wykorzystujące pamięć DRAM i flash również podrożały.
W obliczu tej sytuacji wielu użytkowników zwraca się ku rynkowi wtórnemu lub nowym graczom, zwłaszcza chińskim producentom . Firmy takie jak CXMT, specjalizująca się w pamięci DRAM i produkująca moduły DDR5-8000, czy YMTC, koncentrująca się na pamięciach flash NAND o wysokiej gęstości z technologiami takimi jak Xtacking 4.0, pozwalającymi osiągnąć pojemność do 8 TB, stały się atrakcyjną alternatywą dla konsumentów, często integrowaną z markami takimi jak Netac, Asgard, KingBank czy Gloway.
Pojawiają się nawet skrajne propozycje, takie jak ręczna produkcja modułów RAM . Wiadomości z Rosji donoszą, że osoby prywatne i grupy rozważają samodzielne składanie pamięci ze względu na wysokie ceny i brak zapasów – anegdota ilustrująca skalę, w jakiej tradycyjny rynek sprzętu komputerowego stał się niestabilny, priorytetowo traktując modę na sztuczną inteligencję.
Oprogramowanie, sztuczna inteligencja i tzw. „SaaSpocalypse”
Podczas gdy sprzęt jest eksploatowany do granic możliwości, a centra danych mnożą się, sama koncepcja oprogramowania przechodzi głęboką transformację . Odkąd Marc Andreessen ukuł w 2011 roku powiedzenie „oprogramowanie pożera świat”, rozwój i dystrybucja aplikacji przesunęły się w kierunku modelu zdominowanego przez SaaS (oprogramowanie jako usługa), w którym aplikacje przestają być produktami jednorazowymi, a stają się usługami subskrypcyjnymi w chmurze.
Klasyczne programy, takie jak Photoshop czy Office, są obecnie stałymi usługami , dostępnymi za pośrednictwem przeglądarki lub aplikacji sieciowych, za miesięczną lub roczną opłatą. Model ten pozwolił firmom produkującym oprogramowanie generować cykliczne przychody, ale doprowadził również do nadużyć: agresywnych podwyżek cen, sztywnych umów i rosnącego poczucia niewoli wśród klientów, którzy czują się ograniczeni przez swoje dane, integracje i złożoność migracji do innego rozwiązania.
Rozwój sztucznej inteligencji wywiera presję na ten model . Generatywne narzędzia sztucznej inteligencji i inteligentni agenci pozwalają organizacjom – a nawet indywidualnym użytkownikom – tworzyć spersonalizowane rozwiązania, automatyzować zadania, a w niektórych przypadkach zrezygnować z drogich licencji. Jednocześnie obserwowaliśmy gwałtowne korekty giełdowe w firmach SaaS, takich jak MongoDB, Salesforce, Shopify i Atlassian, które straciły od 15% do 20% swojej wartości w ciągu kilku godzin, podsycając narrację o rzekomej „SaaSpocalypse”.
Część tej korekty jest związana z dynamiką wycen po pandemii , która zawyżyła oczekiwania dotyczące nieograniczonego wzrostu SaaS. Odzwierciedla ona jednak również frustrację wielu klientów związaną z wyzyskującą polityką cenową, taką jak 35% podwyżka cen w Salesforce czy nawet 1.500% wzrost cen licencji na oprogramowanie do wirtualizacji w Europie w firmie Broadcom. Sztuczna inteligencja jawi się tutaj jako swego rodzaju klucz, który pozwala użytkownikom „uciec” od tych zależności.
Jednak mówienie o śmierci oprogramowania jest prawdopodobnie przesadą . Autorytatywne głosy, takie jak Steven Sinofsky, były szef działu Windows w Microsoft, wskazują, że duże zmiany technologiczne rzadko całkowicie niszczą to, co istniało wcześniej. PC nie zabił komputerów mainframe, lecz je zintegrował; e-commerce nie wyeliminował sklepów stacjonarnych, lecz dał początek gigantom wielokanałowym. Podobnie będzie ze sztuczną inteligencją: oprogramowania nie będzie mniej, ale znacznie więcej, ponieważ niezliczone procesy wciąż czekają na digitalizację lub optymalizację.
Wydaje się oczywiste, że rola programisty ulegnie zmianie . Sztuczna inteligencja przejmuje wiele rutynowych zadań programistycznych, zwłaszcza poprzez narzędzia „vibe coding” lub „agent engineering”, które pozwalają każdemu na prototypowanie i tworzenie mikroaplikacji poprzez proste wydawanie instrukcji w języku naturalnym. To demokratyzuje rozwój, ale jednocześnie tworzy nowy dług techniczny: kto będzie utrzymywał cały ten wygenerowany maszynowo kod za trzy lata?
Postacie takie jak Linus Torvalds wyraziły się wprost : sztuczna inteligencja będzie fantastycznym narzędziem do rozpoczęcia programowania i zwiększenia produktywności, ale generowany przez nią kod będzie trudny do utrzymania bez solidnego fundamentu wiedzy. Programiści nie znikną; ich rola przekształci się w rolę architektów systemów i nadzorców, odpowiedzialnych za zapewnienie, że rozwiązania wdrożone w środowisku produkcyjnym będą solidne, bezpieczne i stabilne w czasie.
Do tego dochodzi kluczowa kwestia suwerenności i bezpieczeństwa danych . Jeśli oprogramowanie, którego używamy, lub jego część, jest generowane i uruchamiane na platformach zewnętrznych, takich jak platformy OpenAI, Anthropic czy innych dostawców, pojawiają się uzasadnione obawy dotyczące własności intelektualnej, prywatności informacji korporacyjnych i strategicznej zależności. W kontekście, w którym awarie IT pokazały już, że awaria jednego dostawcy może sparaliżować połowę świata, oddanie jeszcze większej władzy w ręce kilku podmiotów stwarza oczywiste ryzyko.
Tak zwana „SaaSpocalypse” może nie być apokalipsą, ale raczej głęboką metamorfozą rynku oprogramowania . Logika wskazuje na przyszłość, w której deweloperzy i firmy technologiczne będą sprzedawać mniej licencji i linii kodu, a więcej wyników, autonomii i usług, które dostosowują się automatycznie w czasie rzeczywistym, zawsze w ramach silnego nadzoru ludzkiego i jasnej odpowiedzialności za to, co dzieje się z danymi.
Patrząc wstecz, od błędu Y2000K po niedawne masowe awarie, od szaleństwa na punkcie sztucznej inteligencji po kryzysy sprzętowe i programowe, wyłania się niepokojący, ale wyraźny schemat : każdy skok technologiczny wzmacnia zarówno szanse, jak i podatności. Żyjemy bardziej połączonym, zautomatyzowanym i wydajnym życiem niż kiedykolwiek wcześniej, ale jednocześnie jesteśmy bardziej narażeni na to, że pojedyncza awaria, zła decyzja projektowa lub prosta błędna aktualizacja będą miały globalne konsekwencje. Kluczem jest zaakceptowanie tej kruchości jako elementu gry i, z odrobiną pokory, budowanie systemów, rynków i modeli biznesowych, które nie zawalą się przy pierwszym poważnym błędzie.
