Awaria ChatGPT, Claude i Grok: lekcja dla firm

Czwartkowy poranek przeszedł do historii jako pierwszy masowy test odporności infrastruktury sztucznej inteligencji. Trzy najważniejsze platformy AI — ChatGPT od OpenAI, Claude od Anthropic oraz Grok od SpaceXAI — uległy jednoczesnej awarii, pozostawiając miliony użytkowników bez dostępu do narzędzi, które na co dzień traktują jako niezawodne. Co ciekawe, jedynym dużym graczem, który pozostał operacyjny, był Gemini działający na infrastrukturze Google Cloud. To zdarzenie pokazało, jak krucha potrafi być architektura oparta na współdzielonych zasobach chmurowych.

Skala problemu była imponująca. W szczytowym momencie, około godziny 10:54 czasu wschodniego, serwis DownDetector odnotował ponad 35 tysięcy zgłoszeń dotyczących ChatGPT w samych Stanach Zjednoczonych. Claude i Grok zarejestrowały w tym samym oknie czasowym od 1200 do 1500 raportów o problemach. Kluczowy jest jednak fakt, że wszystkie trzy krzywe awarii wzrosły niemal synchronicznie — co sugeruje wspólne źródło problemu, a nie niezależne błędy poszczególnych platform.

Wspólny mianownik: region East US w Azure

Choć żadna z dotkniętych awarią firm nie potwierdziła oficjalnie przyczyny, trop prowadzi do infrastruktury monitorującej. StatusGator odnotował zgłoszenia o awarii regionu East US w Microsoft Azure już o 10:26 czasu pacyficznego. To właśnie ten region jest kluczowym węzłem obliczeniowym dla ogromnej części korporacyjnych obciążeń AI — w tym dla ruchu kierowanego przez ChatGPT, Claude i Groka.

Dodatkowe raporty wskazywały na podwyższony wskaźnik błędów w Cloudflare w tym samym czasie, co może sugerować, że problemy na warstwie CDN (sieci dostarczania treści) spotęgowały już istniejącą awarię infrastruktury Azure. Mechanizm ten jest dobrze znany badaczom chmur obliczeniowych jako „awaria współdzielonej płaszczyzny sterowania” — gdy warstwa routingu lub równoważenia obciążenia, od której zależy wiele usług, ulega uszkodzeniu, wszystkie zależne od niej systemy zawodzą jednocześnie.

Pojedyncza awaria infrastruktury może kaskadowo dotknąć liczne instytucje jednocześnie.

To nie pierwszy raz, gdy ten mechanizm daje o sobie znać. Analiza TechTimes z lipca 2026 roku, dotycząca awarii Microsoft 365 spowodowanej błędem w trakcie prac konserwacyjnych, udokumentowała identyczny scenariusz: podwyższone opóźnienia i problemy z łącznością rozprzestrzeniły się równocześnie na Azure App Service, API Management, Kubernetes Service i AI Search, gdy operacja konserwacyjna usunęła trasy IP we współdzielonej warstwie sieciowej.

Dlaczego Gemini przetrwał, a pozostali nie?

Odpowiedź jest zaskakująco prosta: architektura. Gemini działa na Google Cloud, który korzysta z całkowicie odrębnych warstw routingu i obliczeń niż Microsoft Azure. Firma Google nie ogłosiła formalnej awarii, choć niektórzy użytkownicy zgłaszali krótkotrwały wzrost błędów — co można przypisać napływowi użytkowników uciekających z konkurencyjnych platform.

To zdarzenie stanowi praktyczną demonstrację tego, o czym eksperci mówią od dawna. Cloud Security Alliance w swojej analizie z czerwca 2026 roku wprost wskazywała na problem koncentracji ryzyka: rynek modeli AI klasy frontier jest nie tylko skoncentrowany na poziomie samych modeli, ale także osadzony w rynku chmur hiperskalowych. Oznacza to, że przedsiębiorstwa ponoszą skorelowane ryzyko koncentracji zarówno na poziomie modeli, jak i leżącej pod nimi infrastruktury chmurowej.

Dr Elena Torres z University of Washington, której badania nad odpornością chmur były cytowane we wcześniejszych analizach, opisuje mechanizm strukturalny: awaria uwierzytelniania w jednym regionie Azure może uciszyć forum hostowane u całkowicie innego dostawcy, jeśli ten dostawca polega na grafie tożsamości Microsoftu. To klasyczny przypadek ścisłego sprzężenia prowadzącego do katastrofalnego rozprzestrzeniania się awarii.

Efekt kaskady przesiedlonych użytkowników

Awarię potęgował dodatkowy mechanizm. Gdy ChatGPT padł jako pierwszy, ogromna fala użytkowników natychmiast przeniosła się na Claude i Groka, tworząc skoki zapotrzebowania, które w normalnych warunkach by nie wystąpiły. Ten wzorzec został już udokumentowany w czerwcu 2024 roku, gdy wielogodzinna awaria ChatGPT doprowadziła do pogorszenia wydajności Claude i Perplexity z powodu napływu ruchu. TechCrunch raportował wówczas, że wtórne awarie były prawdopodobnie spowodowane nadmiarem ruchu z awarii ChatGPT, a nie niezależnymi błędami.

W czwartkowym zdarzeniu oba efekty — awaria infrastruktury Azure i kaskada przesiedlonych użytkowników — mogły działać jednocześnie. Oznacza to, że nawet gdyby infrastruktura Claude i Groka przetrwała początkową degradację regionu East US, napływ ruchu z ChatGPT obciążyłby je w momencie, gdy ich podstawowa infrastruktura była już naruszona. Skutek był taki, że przez około 30 minut żadna powszechnie dostępna platforma AI nie mogła niezawodnie odpowiedzieć na zapytanie — chyba że użytkownik akurat korzystał z Gemini.

Co powinny zrobić przedsiębiorstwa zależne od AI?

Czwartkowe wydarzenie to pierwsza empiryczna demonstracja na masową skalę tego, czym w praktyce jest ryzyko koncentracji infrastruktury AI. Cloud Security Alliance w ocenie z maja 2026 roku trafnie przewidziała, że trzej hiperscalerzy kontrolują około 63 procent wydatków na chmurę, a modele fundamentowe, od których zależą przedsiębiorstwa, są skoncentrowane w tej już skoncentrowanej warstwie.

Dla zespołów, których przepływy pracy AI padły w czwartek rano, praktyczny wniosek ma charakter strukturalny. Thoughtworks w analizie po poprzedniej awarii Claude jasno określił sedno ryzyka: traktowanie API pojedynczego dostawcy jako zawsze dostępnego to pojedynczy punkt awarii i realne zagrożenie dla ciągłości biznesowej w 2026 roku.

Dostępne obecnie konkretne środki zaradcze obejmują:

Routing przełączania awaryjnego między modelami: skonfiguruj produkcyjne przepływy pracy AI tak, aby w przypadku błędu HTTP 529 (przeciążenie) lub HTTP 500 z podstawowego dostawcy, ruch był płynnie kierowany do dostawcy zapasowego.
Dywersyfikację chmur: uruchamianie obciążeń AI zarówno u dostawców opartych na Azure, jak i na Google Cloud (Gemini) zapewnia realnie odrębną domenę awarii, co czwartek udowodnił empirycznie.
AWS Bedrock jako alternatywę dla Claude: modele Anthropic są dostępne przez AWS Bedrock na infrastrukturze Amazon, która działa na oddzielnych pulach zasobów od bezpośredniego API Anthropic — podczas awarii specyficznych dla Anthropic, Bedrock czasami pozostaje dostępny, gdy bezpośrednie API już nie działa.

Czwartkowe wydarzenie pokazało, że strategia wielochmurowa dla AI nie jest teoretyczną najlepszą praktyką na przyszłe ryzyko — to odpowiedź na tryb awarii, który już wystąpił. Pytanie nie brzmi, czy podobna sytuacja się powtórzy, ale czy Twoja organizacja będzie na nią przygotowana. Budowanie zapasowych tras i testowanie ich regularnie, zanim zajdzie taka potrzeba, to jedyny sposób na uniknięcie paraliżu w obliczu kolejnej awarii na masową skalę.