Koszt wdrożenia AI w firmie: składniki i jak go oszacować

Koszt wdrożenia AI w firmie to suma kilku pozycji jednorazowych (analiza procesu, przygotowanie danych, integracja, testy) i kilku stałych (opłaty za model, infrastruktura, utrzymanie, nadzór człowieka). O opłatę za sam model językowy pytają wszyscy, a moim zdaniem rzadko jest ona największą pozycją. Poniżej rozkładam ten koszt na składniki, pokazuję, od czego zależy każdy z nich, i opisuję, jak oszacować budżet, zanim podpiszesz umowę lub kupisz pierwszą subskrypcję. Kwot nie podaję celowo: cenniki dostawców modeli zmieniają się często, a zakres prac zależy od Twojego procesu bardziej niż od samej technologii.

Z czego składa się koszt wdrożenia AI w firmie?

Najprościej podzielić koszty na dwie grupy: te, które ponosisz raz, żeby system ruszył, i te, które płacisz co miesiąc, dopóki z niego korzystasz. Przy decyzji liczy się suma obu w okresie, w którym chcesz zobaczyć efekt, a nie sama cena startu.

Składnik	Rodzaj	Od czego zależy
Analiza procesu i wymagań	jednorazowy	liczba procesów, dostępność ludzi, którzy je znają
Przygotowanie danych	jednorazowy i okresowy	stan dokumentów, formaty, uprawnienia, częstotliwość zmian
Integracja z systemami	jednorazowy	liczba systemów, jakość ich API, kierunek wymiany danych
Opłaty za model	stały, zmienny	liczba zapytań, długość tekstów, wybór modelu
Infrastruktura	stały	hosting, baza wektorowa, kolejki, kopie, monitoring
Testy i ocena jakości	jednorazowy i okresowy	liczba przypadków testowych, wymagana trafność
Utrzymanie i rozwój	stały	zmiany w procesach, aktualizacje, nowe źródła danych
Nadzór i szkolenie ludzi	stały	skala użycia, ryzyko błędu, obowiązki prawne

Przygotowanie danych i procesu

Przygotowanie danych to pozycja, którą firmy najczęściej zaniżają, bo wydaje się, że dokumenty „już są”. Model odpowiada tylko tak dobrze, jak dobre są materiały, na których pracuje. Nieaktualne procedury, kilka wersji tego samego cennika i skany bez warstwy tekstowej trzeba uporządkować przed wdrożeniem, a nie po nim.

W tej pozycji mieszczą się zwykle:

• inwentaryzacja źródeł: gdzie leżą dokumenty, kto jest ich właścicielem, które są aktualne,
• czyszczenie i ujednolicenie formatów, w tym rozpoznanie tekstu ze skanów,
• ustalenie uprawnień, czyli kto może zobaczyć odpowiedź opartą na danym dokumencie,
• proces aktualizacji, żeby baza wiedzy nie zestarzała się po kilku miesiącach.

Jeśli wdrożenie polega na tym, że AI odpowiada na podstawie firmowych dokumentów, więcej o tej części piszę w tekście o tym, jak działa RAG w firmie i czego wymaga. Tam też wyjaśniam, dlaczego porządek w dokumentach waży więcej niż wybór modelu.

Integracja z systemami firmy

Integracja kosztuje tyle, ile trudne są systemy, z którymi AI ma rozmawiać. Asystent, który tylko odpowiada na pytania w osobnym oknie, to mała integracja. Narzędzie, które czyta zamówienia z poczty, sprawdza stany w ERP i zakłada dokumenty, to projekt programistyczny z pełnym cyklem: analiza, budowa, testy, wdrożenie.

Na wycenę integracji wpływa przede wszystkim to, czy systemy mają udokumentowane API i czy dane płyną w jedną stronę, czy w obie. Liczy się też, co ma się stać, gdy zewnętrzny system nie odpowiada, i kto zatwierdza zapis wykonany przez AI. Przykład z obiegu faktur i zamówień opisałem w tekście o automatyzacji dokumentów z AI, gdzie weryfikacja przez człowieka jest częścią procesu, a nie dodatkiem.

Opłaty za model: tokeny, abonamenty, własny serwer

Opłata za model zależy od tego, ile tekstu do niego wysyłasz i ile od niego dostajesz. Duże modele przez API rozlicza się zwykle za tokeny, czyli fragmenty słów, osobno za tekst wejściowy i wyjściowy, według cennika dostawcy. Narzędzia biurowe z AI rozlicza się częściej abonamentem za użytkownika.

Przy rozliczeniu za tokeny koszt rośnie wraz z:

• liczbą zapytań, czyli liczbą użytkowników i tym, jak często pytają,
• długością kontekstu: instrukcje systemowe, historia rozmowy i fragmenty dokumentów dołączane do każdego pytania,
• długością odpowiedzi,
• wyborem modelu, bo większe modele są zwykle droższe za token,
• liczbą kroków w procesie: jedno zadanie może wymagać kilku wywołań modelu.

Trzecia droga to model uruchomiony na własnym serwerze. Wtedy nie płacisz za tokeny, ale płacisz za sprzęt lub serwer z kartą graficzną, jego utrzymanie i czas ludzi, którzy go obsługują. Ta opcja ma sens przy dużej skali albo przy danych, które nie mogą opuścić firmy, a przy pierwszym wdrożeniu rzadko jest najtańsza.

Testy i ocena jakości odpowiedzi

Testy wdrożenia AI to osobna pozycja, bo model nie działa jak zwykły program: na to samo pytanie potrafi odpowiedzieć różnie. Trzeba przygotować zestaw pytań i oczekiwanych odpowiedzi z prawdziwego procesu, sprawdzić wyniki i powtarzać ten test przy każdej zmianie instrukcji, danych lub modelu.

Najwięcej kosztuje tu czas ekspertów z Twojej firmy, bo tylko oni wiedzą, która odpowiedź jest poprawna. Zaplanuj go w budżecie tak samo jak pracę wykonawcy. Bez tego dostaniesz system, który dobrze wypada na prezentacji, a w codziennej pracy myli się w sprawach, które znają tylko Twoi ludzie.

Utrzymanie, nadzór i kompetencje zespołu

Po uruchomieniu koszt wdrożenia AI w firmie nie spada do samych opłat za model. Dochodzą: monitoring jakości i kosztów, poprawki instrukcji, aktualizacja bazy wiedzy, reakcja na zmiany u dostawcy modelu oraz czas osoby, która sprawdza odpowiedzi w sprawach ryzykownych.

Jest też pozycja wynikająca z prawa. Artykuł 4 rozporządzenia 2024/1689, czyli AI Act zobowiązuje firmy stosujące systemy AI do zapewnienia odpowiedniego poziomu kompetencji w zakresie AI wśród personelu. Rozdział, w którym się znajduje, stosuje się od 2 lutego 2025 r. W praktyce oznacza to szkolenie ludzi, którzy z narzędzia korzystają, i to też trzeba policzyć. Szerzej o tych obowiązkach pisałem we wpisie AI Act: obowiązki firmy.

Jak oszacować koszt wdrożenia AI w firmie przed startem

Szacunek zaczyna się od procesu, nie od modelu. Zanim zapytasz kogokolwiek o cenę, opisz, co dziś robią ludzie, ile czasu im to zajmuje i co ma się zmienić po wdrożeniu.

1. Wybierz jeden proces i opisz go krok po kroku: wejście, decyzje, wyjście, wyjątki.
2. Policz wolumen: ile spraw, dokumentów lub pytań miesięcznie, ilu użytkowników.
3. Oceń dane: gdzie są, w jakim stanie, kto je aktualizuje.
4. Wypisz integracje: z którymi systemami AI musi czytać i zapisywać dane.
5. Ustal poziom nadzoru: co człowiek musi zatwierdzić, a co może przejść automatycznie.
6. Policz opłaty za model z wolumenu i aktualnego cennika, z zapasem na wzrost użycia.
7. Dodaj koszty stałe: infrastrukturę, utrzymanie, szkolenie i czas ekspertów.

Przykładowe wyliczenie opłat za model

Poniższe liczby to wyłącznie założenia przykładu, nie dane z żadnego wdrożenia. Załóżmy asystenta dla działu obsługi, który dostaje 100 pytań dziennie przez 22 dni robocze, czyli 2200 pytań miesięcznie. Każde pytanie razem z instrukcją i dołączonymi fragmentami dokumentów to w założeniu 3000 tokenów wejściowych, a odpowiedź 500 tokenów wyjściowych.

Miesięcznie daje to 6 600 000 tokenów wejściowych i 1 100 000 tokenów wyjściowych. Koszt liczysz osobno dla obu: liczba tokenów podzielona przez milion i pomnożona przez cenę za milion tokenów z aktualnego cennika wybranego modelu. Potem dodaj zapas na wzrost użycia i na ponowne próby. Ten rachunek pokazuje też, gdzie szukać oszczędności: krótsze instrukcje i mniej dołączanych fragmentów obniżają koszt każdego pytania.

Gdzie koszty rosną bez ostrzeżenia

Budżet projektu AI może się rozjechać w kilku przewidywalnych miejscach. Wpisz je do analizy ryzyka od początku:

• użytkownicy zaczynają korzystać z narzędzia częściej i szerzej, niż zakładał pilot,
• długość kontekstu rośnie z każdą nową instrukcją i każdym nowym źródłem danych,
• dokumenty okazują się w gorszym stanie, niż deklarowano,
• dostawca zmienia cennik albo wycofuje model i trzeba przetestować następcę,
• wymagania prawne lub bezpieczeństwa dokładają pracę po stronie logowania i uprawnień.

Na każdy z tych punktów jest prosta odpowiedź. Ustaw limity użycia i budżetu po stronie API, monitoruj koszt jednego zapytania i trzymaj zestaw testów gotowy do powtórzenia przy zmianie modelu. Przede wszystkim wyznacz właściciela procesu po stronie firmy.

Pilot jako tani sposób na sprawdzenie kosztu

Najlepszy sposób, żeby oszacować koszt wdrożenia AI w firmie, to policzyć go na małym pilocie. Jeden proces, kilku użytkowników, kilka tygodni, z góry ustalone mierniki: ile spraw przeszło, ile wymagało poprawek, ile kosztowało jedno zapytanie i ile czasu zaoszczędzili ludzie.

Pilot pokazuje prawdziwy wolumen, prawdziwy stan danych i prawdziwe zachowanie użytkowników, czyli dokładnie te rzeczy, które w szacunku są założeniami. Przykładem dobrego pierwszego procesu jest chatbot w obsłudze klienta z przekazaniem trudnych spraw do człowieka, bo łatwo w nim zmierzyć liczbę i jakość odpowiedzi.

Jeśli chcesz policzyć koszt wdrożenia AI w firmie na swoim procesie, zacznij od opisu jednego procesu i wolumenu, a potem zamień założenia na liczby z pilota. Z takim opisem możesz też umówić się na rozmowę i przejść przez wszystkie składniki budżetu pozycja po pozycji.