Poradniki IT
Ile kosztuje wdrożenie AI w firmie
Opracowanie: improveIT.pl
Audyt, pierwszy agent, RAG i koszty działania modeli.
Ile kosztuje wdrożenie AI w firmie: audyt AI, pierwszy agent lub automatyzacja, wdrożenie RAG, koszty API i utrzymania. Ceny netto i jak zacząć od pilotażu.
Wdrożenie AI w małej lub średniej firmie warto zacząć od audytu (2 450–9 800 zł netto) albo od automatyzacji jednego procesu (3 850–10 500 zł netto). Asystent odpowiadający na podstawie dokumentów firmy (RAG) kosztuje 11 200–25 300 zł netto. Do tego dochodzą miesięczne koszty modeli i utrzymania, zależne od liczby zapytań.
| Zastosowanie | Co trzeba sprawdzić | Granica pilotażu |
|---|---|---|
| Szkic odpowiedzi | Poprawność i czas redakcji przez pracownika | Wynik zatwierdza człowiek |
| Wiedza z dokumentów | Trafność wyszukiwania, aktualność i uprawnienia | Uzgodnione źródła i zestaw pytań |
| Klasyfikacja | Kategorie i błędy ważne dla procesu | Zbiór testowy z oczekiwanym wynikiem |
| Agent z narzędziami | Uprawnienia, ponowienia i zapis działań | Ograniczone funkcje, limity oraz zatwierdzenie |
Trzy typowe punkty startu
Najlepiej zacząć od jednego mierzalnego procesu, a nie od strategii dla całej firmy.
- Audyt AI: lista procesów do automatyzacji z szacunkiem korzyści i ryzyka
- Pierwszy agent lub automatyzacja: jeden proces, np. obsługa zgłoszeń albo faktur
- RAG: asystent odpowiadający na podstawie dokumentów firmy
Koszty działania po wdrożeniu
AI kosztuje także w trakcie używania. Opłaty za modele rosną z liczbą zapytań i długością dokumentów.
- Opłaty za API modeli lub licencje narzędzi
- Hosting bazy wiedzy i integracji
- Monitoring jakości odpowiedzi i kosztów
- Aktualizacja dokumentów i uprawnień
Od czego zależy cena
Najdroższe są integracje i kontrola jakości, nie sam model.
- Liczba systemów do połączenia
- Ilość i jakość dokumentów
- Wymagania bezpieczeństwa i miejsce przetwarzania danych
- Potrzeba zatwierdzania decyzji przez człowieka
- Liczba użytkowników i zapytań
Jak sprawdzić, czy się opłaca
Przed wdrożeniem zmierz obecny czas i koszt procesu. Po pilotażu porównaj go z kosztem AI, wliczając czas na sprawdzanie wyników.
- Czas obsługi jednego zgłoszenia przed i po
- Odsetek odpowiedzi wymagających poprawki
- Miesięczny koszt modeli
- Oszczędzone godziny w przeliczeniu na złotówki
Ryzyka, które warto ocenić
Wdrożenie AI dotyczy danych firmy i klientów, więc wymaga tych samych zasad co inne systemy.
- Dane osobowe i RODO
- Uprawnienia do dokumentów
- Błędne odpowiedzi i sposób ich wykrywania
- Wymagania AI Act dla danego zastosowania
- Uzależnienie od jednego dostawcy modelu
Wycena AI zaczyna się od procesu, który warto zmienić
Nie zaczynaj od wyboru modelu ani ogólnego pomysłu „chatbot dla firmy”. Wybierz powtarzalne zadanie z określonym wejściem i wynikiem. Może to być przygotowanie szkicu odpowiedzi, klasyfikacja dokumentów albo odnalezienie informacji z firmowej bazy. Opisz, jak pracownik wykonuje je dzisiaj, ile wyjątków napotyka i kto sprawdza rezultat. To pozwala porównać AI z prostszą automatyzacją lub zmianą formularza. Nie każdy problem wymaga modelu językowego. Wycena powinna obejmować ocenę danych, próbkę zadań i kryterium sukcesu. Bez tego można uruchomić efektowną demonstrację, której nie da się rzetelnie ocenić ani bezpiecznie włączyć do codziennej pracy. Warto zacząć od jednego zastosowania zamiast od razu automatyzować cały dział.
- Dobry kandydat ma rozpoznawalny początek i koniec, dostępne dane oraz osobę odpowiedzialną za wynik.
- Zapisz, kiedy model może tylko proponować odpowiedź, a kiedy system może wykonać zatwierdzoną czynność.
- Porównaj zadanie z prostą regułą lub wyszukiwaniem; AI powinno wnosić uzasadnioną wartość.
- Zdefiniuj przypadki, w których system ma odmówić odpowiedzi albo przekazać sprawę człowiekowi.
Dane i uprawnienia często decydują o kosztach pilotażu
Firmowa wiedza bywa rozproszona między plikami, pocztą, CRM i nieaktualnymi instrukcjami. Model nie naprawi automatycznie sprzecznych danych. Przed pilotażem wybierz źródła, właścicieli treści, sposób aktualizacji i zasady dostępu. Jeśli pracownicy mają różne uprawnienia, wyszukiwanie powinno uwzględniać je przed pokazaniem informacji. Nie wystarczy dodać do polecenia prośby o zachowanie poufności. Integracja musi technicznie ograniczać dostęp do uzgodnionych danych i funkcji. Uporządkowanie źródeł jest realnym zadaniem projektowym. Czasem to właśnie ono, a nie wywołania modelu, stanowi największą część pracy. Do pierwszego testu wybierz niewielki, reprezentatywny i dopuszczony do tego zbiór.
- Oddziel dane potrzebne do zadania od tych, które są dostępne, ale nie powinny trafiać do przetwarzania.
- Ustal sposób usuwania dokumentu lub zmiany uprawnień również w indeksie i pamięci pomocniczej systemu.
- Dla dokumentów zeskanowanych sprawdź jakość odczytu i błędy OCR przed oceną odpowiedzi modelu.
- Przechowuj klucze w odpowiednim mechanizmie sekretów, a kontom integracji nadawaj tylko potrzebne uprawnienia.
Koszt modelu to tylko część całkowitego kosztu AI
Budżet obejmuje przygotowanie danych, integrację, testy, nadzór i obsługę po starcie. Do kosztów użycia dochodzą wywołania modelu, przetwarzanie dokumentów, przechowywanie i wyszukiwanie. Cenniki dostawców oraz modele rozliczeń zmieniają się, dlatego nie wpisujemy jednej stawki tokenowej jako trwałej ceny wdrożenia. Obliczenie opieramy na wybranym modelu i reprezentatywnych zadaniach. Długi kontekst, ponowienia i wieloetapowy agent mogą kosztować więcej niż pojedyncza odpowiedź. Caching i dobór mniejszego modelu bywają pomocne, ale ich wpływ trzeba zmierzyć przy zachowaniu jakości. Tania odpowiedź, którą pracownik długo poprawia, nie musi oznaczać tańszego procesu. Ustal limit i sposób alarmowania, zanim narzędzie trafi do szerszej grupy.
- Praktyczny model kosztu: liczba zadań razy średni koszt udanego zadania, plus infrastruktura, opieka i praca weryfikująca.
- W pomiarze uwzględnij nieudane wywołania, dodatkowe narzędzia i ponowienia, nie tylko odpowiedź końcową.
- Oddziel jednorazowe przygotowanie pilotażu od miesięcznego działania oraz dalszego rozwoju.
- Dobieraj limit kosztu do konta, projektu lub procesu, aby jeden błędny przebieg nie zużywał całego budżetu.
Jak sprawdzić jakość bez obietnic o stuprocentowej skuteczności
Przygotuj zestaw zadań z oczekiwanym wynikiem lub kryteriami oceny. Uwzględnij przypadki typowe, niepełne dane i sytuacje, w których odpowiedź powinna brzmieć „nie wiem”. Porównuj warianty na tym samym zestawie. Ocena powinna obejmować poprawność, użyteczność, czas i koszt pracy człowieka. Samo brzmienie odpowiedzi nie wystarcza, zwłaszcza gdy model potrafi przekonująco uzupełniać brakujące informacje. Jeśli rozwiązanie korzysta z dokumentów, sprawdź, czy odpowiedź rzeczywiście wynika z właściwego źródła, a nie tylko zawiera podobne słowa. Nowy model lub polecenie może poprawić jedną grupę zadań i pogorszyć inną. Dlatego zestaw kontrolny warto uruchamiać ponownie przy zmianach.
- Ustal krytyczne błędy, które blokują wdrożenie, zamiast uśredniać je z wieloma łatwymi przykładami.
- Dla szkicu odpowiedzi mierz potrzebne poprawki; dla klasyfikacji porównuj wynik z uzgodnionymi kategoriami.
- Sprawdź tekst z instrukcją podszywającą się pod polecenie systemu, aby ocenić granice zaufania do dokumentów.
- Zapisuj wersję danych, modelu i konfiguracji, żeby wynik testu można było odtworzyć i porównać później.
Agent wykonujący działania potrzebuje węższych granic niż asystent
Asystent może przygotować propozycję, którą pracownik zatwierdza. Agent połączony z narzędziami może również zmieniać dane lub uruchamiać procesy. To zwiększa wymagania dotyczące uprawnień, testów i obsługi błędów. Zacznij od trybu odczytu albo działania wymagającego zatwierdzenia. Weryfikuj parametry po stronie aplikacji, nie tylko w tekście polecenia. Ustal limity liczby kroków, czasu i kosztu. Działanie powinno mieć zapis audytowy i rozpoznawać ponowienie, żeby przypadkowo nie wykonać tej samej operacji dwa razy. Rozszerzaj autonomię dopiero po sprawdzeniu rzeczywistych wyjątków. Nie trzeba dawać agentowi pełnych praw administratora, aby przetestować pojedynczą, użyteczną automatyzację.
- Oddziel uprawnienie do odczytu od prawa do zapisu, usunięcia i wysłania wiadomości.
- Wymagaj zatwierdzenia dla działań o istotnym wpływie biznesowym, zgodnie z uzgodnioną polityką firmy.
- Sprawdź zachowanie przy przekroczeniu limitu, błędnym wyniku narzędzia i niedostępności systemu zewnętrznego.
- Zapewnij możliwość zatrzymania procesu i ręcznej obsługi, aby awaria automatyzacji nie blokowała podstawowej pracy.
Pilotaż powinien kończyć się decyzją, nie tylko demonstracją
Ustal przed startem, co zrobisz z wynikiem. Pilotaż może potwierdzić opłacalność, wskazać konieczność uporządkowania danych albo pokazać, że prostsze rozwiązanie będzie lepsze. Każdy z tych rezultatów jest użyteczny, jeśli znamy kryteria. W cenniku improveIT cena startowa dotyczy jednego uzgodnionego zastosowania, zbioru danych i sposobu oceny; nie obejmuje automatycznie wdrożenia we wszystkich działach. Do produkcji potrzebne są odpowiedzialność, monitorowanie kosztów, aktualizacja źródeł i obsługa zgłoszeń. Oszczędność liczmy na całym procesie: wraz z przygotowaniem, kontrolą i poprawkami. Nie deklarujemy zwrotu z inwestycji bez pomiaru warunków klienta. Dobry plan pokazuje też sytuację, w której dalsza inwestycja nie jest uzasadniona.
- Porównaj czas wykonania zadania przed i po pilotażu, na podobnych przypadkach i z wliczoną weryfikacją.
- Wybierz grupę użytkowników oraz sposób zgłaszania błędów, zamiast oceniać wynik wyłącznie na prezentacji.
- Zapisz warunki przejścia do produkcji oraz zadania, które pozostają ręczne.
- Jeśli chcesz zacząć, prześlij opis procesu, typy danych, obecne narzędzia i największą trudność; dobierzemy możliwy do sprawdzenia pilotaż.
Kiedy wybrać RAG, a kiedy prostszą integrację
RAG łączy wyszukiwanie informacji ze źródeł z przygotowaniem odpowiedzi przez model. Może pomóc, gdy pytania dotyczą większej bazy dokumentów, ale nie zastępuje prawidłowego uporządkowania treści ani kontroli dostępu. Jeżeli zadanie polega na pobraniu konkretnego statusu zamówienia, lepsza może być bezpośrednia integracja z systemem i ograniczony szablon odpowiedzi. Przy dokumentach znaczenie mają podział na fragmenty, metadane, filtrowanie oraz sposób oceny trafności wyszukiwania. Przed dużą inwestycją porównaj oba podejścia na przykładach. Koszt utrzymania indeksu, aktualizacji źródeł i kontroli jakości powinien być widoczny obok kosztu modelu. Wybór architektury wynika z zadania, a nie z potrzeby użycia modnego skrótu.
- Dla danych liczbowych i statusów określ autorytatywne źródło oraz sposób aktualnego odczytu.
- Dla dokumentów zadbaj o metadane i wersje, aby odpowiedź nie opierała się na wycofanej instrukcji.
- Oceniaj oddzielnie wyszukanie właściwego fragmentu i poprawność odpowiedzi, bo mają różne przyczyny błędów.
- Szczegóły przygotowania źródeł i wyszukiwania opisujemy w powiązanym poradniku o RAG i wyszukiwaniu semantycznym.
Źródła podstawowe
OpenAI: aktualny cennik API · OpenAI: lista kontrolna wdrożenia APIFAQ
Czy mała firma może wdrożyć AI?
Tak. Najczęściej zaczyna się od jednego procesu, np. klasyfikacji zgłoszeń albo przygotowania dokumentów, za kilka do kilkunastu tysięcy złotych netto.
Ile kosztuje miesięcznie używanie AI?
Zależy od liczby zapytań i modelu. Przy niewielkim ruchu to zwykle kilkadziesiąt do kilkuset złotych miesięcznie za API, plus utrzymanie integracji.
Czy dane firmy trafią do dostawcy modelu?
To zależy od wybranej usługi i konfiguracji. Można wybrać modele bez trenowania na danych klienta, przetwarzanie w UE albo model uruchomiony na własnym serwerze.
Od czego zacząć?
Od wyboru jednego procesu, który zajmuje dużo czasu i ma jasne kryteria poprawności. Audyt AI pomaga taki proces wskazać.
Czy muszę od razu przekazać wszystkie dane firmy?
Nie. Do pierwszego pilotażu wybieramy ograniczony zestaw odpowiadający zadaniu oraz zasady dostępu. Uzgadniamy, które informacje można przetwarzać i jak usuwać je po teście. Dane niepotrzebne do oceny nie powinny trafiać do modelu tylko dlatego, że można je pobrać. Jeśli próbka jest zanonimizowana, sprawdzamy również, czy nadal pozwala ocenić rzeczywiste przypadki. Pełna integracja jest kolejną decyzją, a nie domyślnym warunkiem rozpoczęcia rozmowy.
Jak rozpoznać, że tańszy model rzeczywiście obniża koszt?
Porównaj modele na tych samych zadaniach i przy wymaganym poziomie jakości. Policz wywołania, ponowienia, użyte narzędzia oraz czas weryfikacji przez człowieka. Mniejsza cena pojedynczej odpowiedzi może przestać być oszczędnością, jeśli trzeba ją częściej poprawiać albo uruchamiać ponownie. W pilotażu sprawdzamy koszt poprawnie zakończonego zadania, a nie tylko cennik tokenów. Wynik dotyczy konkretnego procesu i danych, dlatego nie przenosimy go automatycznie na wszystkie zastosowania w firmie.
Co się stanie, gdy rozwiązanie AI poda nieprawidłową odpowiedź?
Obsługę takiego przypadku projektujemy przed uruchomieniem. Wynik może wymagać zatwierdzenia, skierowania do innego procesu albo przekazania pracownikowi. Dla działań zmieniających dane stosujemy ograniczone uprawnienia, walidację i zapis wykonanych operacji. Zgłoszone błędy służą do uzupełnienia zestawu kontrolnego. Nie zakładamy, że sam komunikat o możliwości pomyłki wystarczy: mechanizm powinien ograniczać skutki błędu i umożliwiać bezpieczne dalsze wykonanie zadania.