Zarabianie na AI: Jak wygenerować 700 tys. USD na YouTube

Twórca, system i sześciogodzinne filmy do snu

30 grudnia 2025 roku Fortune opublikowało wywiad z 22-letnim twórcą o nazwisku Adavia Davis, który twierdzi, że jego portfolio beztwarzowych kanałów na YouTube przynosi około 40 000 do 60 000 dolarów miesięcznie – czyli około 700 000 dolarów rocznie – i wymaga zaledwie kilku godzin nadzoru dziennie. Artykuły i zrzuty ekranu przeanalizowane przez Fortune pokazują długie, tanio produkowane filmy (w tym sześciogodzinne filmy dokumentalne „historia do snu”), które wykorzystują zautomatyzowane scenariusze, syntetyczną narrację i zapętlone wizualizacje, aby gromadzić wyświetlenia, podczas gdy widzowie zajmują się innymi rzeczami – lub śpią.

Anatomia procesu tworzenia treści AI

To, co Davis i inni twórcy opisują jako biznes, to w mniejszym stopniu tradycyjne studio, a w większym programistyczny pipeline: zestaw narzędzi, które łączą prompty tekstowe, syntetyczne głosy oraz stockowe lub generowane obrazy w filmy, które są długie, powtarzalne i tanie w produkcji. W przypadku Davisa zestaw ten obejmuje rzekomo wewnętrzne narzędzie o nazwie TubeGen do koordynacji produkcji, model Claude od Anthropic do generowania scenariuszy oraz ElevenLabs do tworzenia realistycznej narracji – następnie elementy te są składane w obszerne materiały. Fortune poinformowało, że koszty produkcji wynoszą zaledwie 60 dolarów za długi film przy bardzo wysokich marżach operacyjnych w stosunku do miesięcznych przychodów.

Te wybory są celowe. Długi czas trwania i jednostajny dźwięk to sposób na przechwycenie czasu oglądania (watch time) – najważniejszego sygnału, którego YouTube używa do rankingu i rekomendowania treści – podczas gdy syntetyczna narracja i szablonowe wizualizacje pozwalają twórcom skalować działalność do dziesiątek lub setek filmów bez zatrudniania dużej ekipy. Rezultatem są „beztwarzowe” kanały, które wyglądają identycznie, ale w odpowiedniej skali mogą wciąż przyciągać miliony wyświetleń dziennie.

Jak duża jest skala tego zjawiska?

Niezależne badania sugerują, że Davis jest częścią znacznie szerszego trendu. Kapwing, firma zajmująca się edycją wideo, która przeanalizowała tysiące kanałów, odkryła, że znaczna część filmów rekomendowanych nowym użytkownikom kwalifikuje się obecnie jako niskiej jakości treści generowane przez AI, określane jako „AI slop” lub „brainrot” – formaty zaprojektowane raczej do monetyzacji uwagi niż nagradzania zaangażowania oryginalnym storytellingiem. Próbki pobrane przez Kapwing i odtworzony feed dla nowego konta pozwoliły zidentyfikować filmy typu „AI-slop” wśród pierwszych kilkuset rekomendacji oraz oszacować miliardy skumulowanych wyświetleń i dziesiątki milionów wpływów z reklam na takich kanałach. The Guardian i inne media podsumowały te badania pod koniec grudnia 2025 roku.

Raport Kapwing ma znaczenie, ponieważ łączy sukcesy poszczególnych osób z systemowym wzorcem: gdy rekomendacje algorytmiczne nagradzają długi czas oglądania bez względu na wartość informacyjną, bodźce skłaniają ku masowej produkcji. To wyjaśnia, dlaczego twórcy potrafiący zautomatyzować narrację i montaż zyskują szybką przewagę pierwszego gracza.

Zagadka platformy: monetyzacja, moderacja i regulacje

Te zachęty zderzają się teraz z polityką platformy. Zasady monetyzacji YouTube – zaktualizowane i doprecyzowane w 2025 roku – wyraźnie ograniczają możliwość zarabiania na reklamach w przypadku treści nieautentycznych, powtarzalnych lub produkowanych masowo, jeśli nie oferują one wyraźnej wartości w każdym przesłanym materiale. Publiczne wytyczne firmy podkreślają, że kanały muszą wykazać się oryginalnością i znaczącym wkładem ludzkim, aby pozostać w Programie Partnerskim YouTube. Tworzy to prawny i komercyjny dylemat dla twórców zależnych od zautomatyzowanych procesów: drobne korekty w egzekwowaniu zasad, preferencjach reklamodawców lub algorytmie rekomendacji mogą realnie zmienić to, czy kanał w ogóle zarabia.

Fortune poinformowało, że przeanalizowane przez redakcję zrzuty ekranu z zarobkami i rekordy AdSense potwierdzają twierdzenia twórcy o przychodach; jednak egzekwowanie zasad przez platformę pozostaje niewiadomą. YouTube zapowiedział, że będzie udoskonalać narzędzia do egzekwowania przepisów i łączyć automatyczne wykrywanie z weryfikacją przez ludzi, aby wyłapywać masowo produkowane treści o niskiej wartości – co mogłoby ograniczyć lub usunąć monetyzację z kanałów, które przekraczają tę granicę.

Ekonomia, skalowanie i kruchość

Matematyka finansowa stojąca za kanałem napędzanym przez AI jest prosta: niski koszt zmienny na film, wysoka dźwignia wynikająca ze stawek reklamowych oraz, w niektórych niszach, przewidywalne, ponadczasowe nawyki oglądania (sen, atmosfera, kompilacje). Fortune oszacowało koszty operacyjne Davisa na około 6 500 dolarów miesięcznie przy przychodach rzędu dziesiątek tysięcy, co sugeruje wyjątkowo wysokie marże. Tego rodzaju rentowność tłumaczy, dlaczego twórcy masowo wchodzą w formaty podatne na eksploatację.

Jednak ta sama dźwignia generuje kruchość. Biznes zależy od trzech zewnętrznych systemów, które mogą zmienić się z dnia na dzień: algorytmu rekomendacji, popytu ze strony reklamodawców oraz egzekwowania polityki platformy. Duże grupy medialne lub dobrze sfinansowani operatorzy mogliby uprzemysłowić te same formaty szybciej i na większą skalę, spychając niezależnych twórców do konkurencji cenowej. A jeśli reklamodawcy lub YouTube zdecydują się ograniczyć pulę monetyzowanych treści generowanych przez AI, marże mogą szybko wyparować.

Etyka, szkody dla odbiorców i bezpieczeństwo dzieci

Poza aspektami ekonomicznymi, wzrost zjawiska „AI-slop” budzi pytania etyczne. Niektóre kanały naśladują programy dla dzieci lub przetwarzają materiały kulturowe przy minimalnym nadzorze; inne filmy wykorzystują „shock-bait” lub mikromanipulację (celowe błędy ortograficzne, migawki klatka po klatce w celu wymuszenia przewijania), aby manipulować wskaźnikami zaangażowania. Takie taktyki podważają zaufanie i mogą narażać dzieci oraz wrażliwych widzów na niewłaściwe treści. Moderatorzy platform i decydenci wciąż zmagają się z pytaniem, jak zrównoważyć kreatywne zastosowania narzędzi syntetycznych ze szkodami, które pojawiają się, gdy skala i automatyzacja zastępują ocenę redakcyjną.

Co dalej z twórcami?

Dla twórców, którzy obecnie czerpią zyski ze zautomatyzowanych procesów, krótkoterminową strategią jest dywersyfikacja i budowanie odporności: nawiązywanie bezpośrednich relacji z odbiorcami poza YouTube, sprzedaż kursów lub usług oraz wprowadzanie formatów wykazujących wyraźny wkład ludzki. Sam Davis zasugerował, że autentyczność odzyska wartość ze względu na swoją rzadkość, w miarę jak treści AI nasycą rynek; jest to powszechna strategia wśród twórców przetrwających wstrząsy na platformach.

Dla platform i regulatorów wyzwanie ma charakter techniczny i normatywny: wykrywanie i ograniczanie niskiej jakości automatyzacji bez dławienia legalnych zastosowań narzędzi generatywnych. Zaktualizowana polityka YouTube próbuje wyznaczyć tę granicę, ale egzekwowanie jej będzie nieustannym wyścigiem zbrojeń między systemami detekcji a twórcami optymalizującymi treści pod kątem nieprzejrzystych sygnałów zaangażowania.

Dokąd zmierza ten rynek?

Davis i inni dostrzegają wąskie okno rentowności, zanim dobrze sfinansowani konkurenci uprzemysłowią te same formaty. Powiedział Fortune, że spodziewa się, iż jednostki będą miały czas mniej więcej do 2027 roku, zanim pojawią się „rekiny” – czyli większe firmy z kapitałem i infrastrukturą, które mogą wyprzedzić solowych operatorów. To, czy tak się stanie, zależy od rynków reklamowych, intensywności egzekwowania zasad przez platformy oraz tego, czy widzowie zaczną odrzucać zoptymalizowane algorytmicznie treści o niskiej wartości. Jasne jest, że ekonomia, która uczyniła z jednego twórcy biznes o rzekomej wartości 700 000 dolarów, jest widocznym objawem szerszego niedopasowania bodźców między platformami, reklamodawcami a interesem publicznym.

Na razie ta historia jest studium przypadku tego, jak nowe klocki AI – duże modele językowe do pisania scenariuszy, wysokiej jakości synteza mowy do narracji i zautomatyzowane procesy montażowe – mogą połączyć się w dochodowe biznesy wymagające minimalnego zaangażowania. Jest to również przypomnienie, że to dynamika platformy, a nie tylko geniusz czy pracowitość, decyduje o trwałości tych przedsięwzięć.

Źródła

• Kapwing (raport badawczy: analiza „AI slop”)
• Anthropic (modele Claude i dokumentacja)
• ElevenLabs (dokumentacja produktu do generowania głosu AI)
• YouTube / Google (dokumenty dotyczące monetyzacji kanałów i polityki Programu Partnerskiego YouTube)