Ile kosztuje wdrożenie AI w firmie?

„Ile to kosztuje?” to pierwsze pytanie, które słyszę niemal w każdej rozmowie. Uczciwa odpowiedź brzmi: zależy – ale nie dlatego, żeby unikać konkretu, tylko dlatego, że „wdrożenie AI” to nie jest jeden produkt z cennikiem. To cała kategoria projektów, które różnią się od siebie tak, jak remont łazienki różni się od budowy domu.

W tym tekście rozkładam koszt na czynniki pierwsze: pokazuję, co realnie na niego wpływa, jakie są typowe rzędy wielkości, jak rozliczają się dostawcy i gdzie najczęściej uciekają pieniądze. Po jego przeczytaniu zadasz lepsze pytania – a lepsze pytania to tańsze wdrożenie.

Dlaczego nie ma jednego cennika

Gdyby ktoś podał Ci sztywną kwotę, zanim w ogóle pozna Twój problem, to nie jest dobry znak – to znaczy, że sprzedaje gotowy produkt, a nie rozwiązanie Twojej sytuacji. Te same dwa słowa, „wdrożenie AI”, mogą oznaczać tygodniowy projekt za kilka tysięcy złotych albo półroczny program za kilkaset tysięcy. Różnicy nie robi „AI” – robią ją szczegóły, o których za chwilę.

Co naprawdę napędza koszt

Zamiast podawać kwotę z sufitu, warto zrozumieć, co tak naprawdę napędza koszt. W praktyce sprowadza się to do czterech czynników.

Złożoność problemu

Prosty asystent odpowiadający na pytania na podstawie Twojej dokumentacji to inny rząd wielkości niż system, który podejmuje decyzje, wykonuje akcje w innych narzędziach i integruje się z Twoim CRM-em czy ERP-em. Im więcej system robi sam, tym więcej kosztuje jego zaprojektowanie i – przede wszystkim – przetestowanie. Różnica między „odpowiada na pytania” a „działa za mnie” to często różnica między chatbotem a asystentem AI, a to dwie zupełnie różne klasy budżetu.

Stan i dostępność danych

Jeśli dane są uporządkowane i dostępne, połowa pracy jest już za nami. Jeśli leżą w pięciu systemach, w Excelach i w głowach pracowników – najpierw trzeba je zebrać i wyczyścić, a to potrafi być większy koszt niż sam model AI. To najczęściej niedoszacowana pozycja: firmy budżetują „inteligencję”, a płacą głównie za doprowadzenie danych do stanu, w którym ta inteligencja ma z czego korzystać.

Liczba i głębokość integracji

Rozwiązanie, które działa w oderwaniu od reszty, jest tanie i zwykle bezużyteczne. Wartość pojawia się, gdy AI wpina się w narzędzia, których realnie używasz – a każda integracja to dodatkowa praca i dodatkowe ryzyko. Jedno połączenie z dobrze udokumentowanym API to godziny. Integracja ze starym systemem bez dokumentacji potrafi pochłonąć więcej niż reszta projektu.

Utrzymanie i rozwój po wdrożeniu

Najczęściej pomijane. Rozwiązanie trzeba monitorować, aktualizować, czasem dostroić. Koszt wdrożenia to nie jednorazowy wydatek – to także kilkanaście procent wartości projektu rocznie na to, żeby dalej działało dobrze. Model się zmienia, dane się zmieniają, Twoja firma się zmienia. System, którego nikt nie pilnuje, po cichu traci skuteczność.

Trzy rzędy wielkości projektów

Żeby zejść z abstrakcji, warto myśleć nie o konkretnej kwocie, ale o rzędzie wielkości. Z grubsza projekty układają się w trzy poziomy.

• Punktowy – automatyzacja jednego procesu albo prosty asystent na Twojej wiedzy. Wąski zakres, mało integracji, szybki czas wdrożenia. Koszt zwykle liczony w tysiącach złotych.
• Zintegrowany – asystent albo agent, który ma dostęp do Twoich systemów, wykonuje akcje i obsługuje realny fragment pracy zespołu. Kilka integracji, więcej testów, dłuższe wdrożenie. Koszt zwykle w dziesiątkach tysięcy złotych.
• Systemowy – rozwiązanie krytyczne dla biznesu, głęboko wpięte w wiele systemów, z wymaganiami co do bezpieczeństwa, niezawodności i skali. Koszt potrafi sięgać setek tysięcy i wyżej.

To są orientacyjne widełki, nie cennik – ale dobrze pokazują, że najważniejsza decyzja kosztowa zapada na samym początku: na którym poziomie naprawdę musisz grać. Prawie nigdy nie ma powodu, żeby zaczynać od najwyższego.

Jak rozliczają się dostawcy

Sam model współpracy też wpływa na to, ile zapłacisz i jakie bierzesz na siebie ryzyko. W praktyce spotkasz trzy podejścia.

• Stała cena (fixed price) – płacisz z góry ustaloną kwotę za ustalony zakres. Bezpieczne, gdy problem jest dobrze zdefiniowany. Przy niejasnym zakresie dostawca dolicza bufor na ryzyko, więc bywa droższe – albo kończy się aneksami.
• Rozliczenie za czas (time & material) – płacisz za realnie przepracowane godziny. Elastyczne i uczciwe przy projektach badawczych, gdzie zakres dopiero się klaruje. Wymaga zaufania i pilnowania, bo koszt nie jest z góry zamknięty.
• Abonament / opieka (retainer) – stała miesięczna kwota za rozwój i utrzymanie. Naturalny model po wdrożeniu, kiedy system ma żyć i się rozwijać.
• Rozliczenie od efektu (value-based) – płacisz procent od tego, co rozwiązanie realnie wygeneruje: odzyskanych przychodów, oszczędności, zaoszczędzonych godzin. Najmocniej ustawia interesy po jednej stronie – dostawca zarabia tylko wtedy, gdy Ty zarabiasz. Warunek jest jeden: trzeba mieć mierzalny punkt odniesienia przed wdrożeniem i zgodę obu stron co do tego, co liczymy jako efekt. Bez tego model zamienia się w spór o to, „czyja to zasługa”.

Dobry dostawca sam zaproponuje model dopasowany do etapu, na którym jesteś – a nie wciśnie jeden, który akurat jemu jest wygodny.

Gdzie naprawdę uciekają pieniądze

Najwięcej budżetów nie pada przez zbyt drogą technologię, tylko przez kilka powtarzalnych błędów.

• Zbyt duży start. Zamówienie „kompletnego systemu” od razu, zamiast jednego, sprawdzonego kawałka.
• Brak właściciela. Po wdrożeniu nikt nie odpowiada za to, żeby system działał i był używany – więc powoli umiera.
• Niedoszacowane integracje i dane. Cała uwaga idzie na „AI”, a 70% pracy to wpięcie w istniejące systemy i ogarnięcie danych.
• Pominięte utrzymanie. Projekt liczony jako jednorazowy wydatek, bez budżetu na to, co będzie za rok.
• Zamówienie nie tego. Mylenie chatbota z asystentem albo automatyzacji z agentem – i płacenie za coś, co nie rozwiązuje problemu.

Jak nie przepłacić

Najprostsza zasada: nie zaczynaj od dużego, „kompletnego” systemu. Zacznij od jednego, wąsko zdefiniowanego problemu i prototypu, który da się zbudować szybko. Jeśli prototyp dowiezie wartość, masz twardą podstawę, żeby inwestować dalej. Jeśli nie – straciłeś ułamek tego, co kosztowałoby pełne wdrożenie.

Druga zasada: zanim zapytasz o cenę, zdefiniuj, co właściwie ma się zmienić. Projekt z jasnym celem biznesowym wycenia się sam – bo wiadomo, co jest w zakresie, a co nie. Projekt bez celu rośnie w nieskończoność, a wraz z nim rachunek.

Najdroższe wdrożenie AI to takie, które nie odpowiada na realny problem.

Zanim zapytasz „ile to kosztuje”, warto zapytać „co dokładnie ma się dzięki temu zmienić” – bo to ta odpowiedź najmocniej wpływa na ostateczny rachunek.