Ile kosztuje wdrożenie sztucznej inteligencji w firmie? Składniki kosztów i budżet

Rozpiętość wydatków jest duża: od abonamentu za gotowe narzędzie po projekt wymagający połączenia kilku systemów, przygotowania firmowych danych i stałej kontroli wyników. Dlatego koszty wdrożenia AI najlepiej szacować na podstawie konkretnego procesu, skali wykorzystania i wymaganego zakresu prac.

W artykule pokazujemy, co wpływa na budżet, jak porównać dostępne modele realizacji i jak ocenić opłacalność projektu. Przedstawiamy też przykładowe scenariusze kosztowe, które mogą posłużyć jako punkt wyjścia do rozmowy z dostawcą.

Co wziąć pod uwagę przed oszacowaniem kosztów wdrożenia AI

Dwa projekty określane jako „asystent AI” mogą wymagać zupełnie różnych nakładów. Pierwszy odpowiada na pytania na podstawie kilkudziesięciu zaakceptowanych dokumentów. Drugi korzysta z danych klienta w CRM, sprawdza uprawnienia, tworzy zgłoszenia i przekazuje sprawy pracownikom.

Przed zebraniem ofert ustal:

• Proces i oczekiwany wynik. Czy narzędzie ma wyszukiwać informacje, przygotowywać propozycje odpowiedzi, czy wykonywać określone czynności?
• Użytkowników i skalę. Ile osób będzie korzystać z rozwiązania, jak często i jaka liczba spraw może trafiać do niego w okresach największego obciążenia?
• Dane. Gdzie się znajdują, kto odpowiada za ich aktualność i czy zawierają informacje poufne lub dane osobowe?
• Systemy. Czy potrzebna jest integracja z systemami firmy, takimi jak CRM, ERP, system zgłoszeń lub repozytorium dokumentów?
• Ryzyko błędu. Co się stanie, jeśli odpowiedź będzie niepełna albo system wykona niewłaściwą czynność? Kiedy wymagana będzie decyzja człowieka?
• Odpowiedzialność po stronie firmy. Kto podejmie decyzje dotyczące dostępu do danych, przetestuje wyniki i będzie właścicielem rozwiązania po uruchomieniu?

Trzeba też ustalić, jak zapewnić bezpieczeństwo danych: gdzie informacje mogą być przetwarzane, jak długo będą przechowywane i kto uzyska do nich dostęp. Rozwiązanie pracujące na publicznych instrukcjach ma inne wymagania niż aplikacja analizująca umowy lub dokumentację klientów.

Koszty wdrożenia AI według modelu realizacji

Nie istnieje jedna stawka, która odpowiada na pytanie, ile kosztuje wdrożenie AI. Firma wybiera między zakupem gotowego narzędzia, zbudowaniem aplikacji korzystającej z zewnętrznego modelu a rozwiązaniem wymagającym szerszego zakresu prac i własnego środowiska.

Gotowe narzędzia AI w modelu subskrypcyjnym

Najprostszy wariant to zakup licencji na narzędzie dostępne w modelu abonamentowym. Może ono wspierać przygotowywanie treści, analizę dokumentów, pracę z arkuszami lub wyszukiwanie informacji.

Wydatki nie kończą się jednak na pomnożeniu ceny licencji przez liczbę pracowników. Trzeba sprawdzić, czy wybrany plan obejmuje funkcje administracyjne, wymagane zabezpieczenia, integracje oraz limity korzystania. W części organizacji potrzebne będą również szkolenia i zasady określające, jakich danych nie wolno wprowadzać do narzędzia.

To symulacja, a nie cennik konkretnego produktu. Nie uwzględnia czasu pracowników ani ewentualnych opłat za dodatkowe funkcje. Przed zakupem warto sprawdzić, ile osób będzie faktycznie korzystać z licencji i czy da się nimi zarządzać.

Integracja modeli AI przez API z systemami firmy

Gdy gotowy produkt nie obsługuje firmowego procesu, organizacja może zbudować aplikację korzystającą z modelu przez API. Model przetwarza zapytanie i zwraca wynik, natomiast aplikacja odpowiada między innymi za dostęp użytkowników, pobieranie danych i przekazanie wyniku do właściwego miejsca.

Przykładem może być asystent dla działu obsługi klienta. Otrzymuje treść zgłoszenia, pobiera odpowiednie informacje z dokumentacji i przygotowuje propozycję odpowiedzi do zatwierdzenia przez pracownika.

W takim projekcie budżet obejmuje dostęp do modelu, ale także projekt aplikacji, testy, zabezpieczenia, monitoring oraz połączenie ze źródłami informacji. Integracja z systemami firmy może wymagać odrębnych prac przy każdym systemie, zależnie od dostępności dokumentacji technicznej, interfejsów i właścicieli danych.

Ten przedział służy do ilustracji sposobu planowania. Nie jest ofertą Directio ani uniwersalną stawką rynkową: nie obejmuje na przykład zakupu licencji do istniejących systemów czy czasu wewnętrznego zespołu klienta.

Rozwiązanie dedykowane i model na własnej infrastrukturze

Niektóre firmy potrzebują większej kontroli nad środowiskiem, sposobem przetwarzania danych albo działaniem aplikacji. Mogą wtedy rozważyć uruchomienie modelu we własnej infrastrukturze lub w wydzielonym środowisku chmurowym.

Samodzielne utrzymywanie modelu nie oznacza automatycznie niższych wydatków. Potrzebna infrastruktura obejmuje zasoby obliczeniowe, konfigurację, aktualizacje i zabezpieczenia. Do tego dochodzi praca zespołu technicznego oraz zapewnienie dostępności rozwiązania.

Przed wyborem tego wariantu warto sprawdzić, czy wymagania firmy rzeczywiście wykluczają korzystanie z usług zewnętrznych oraz jakie warunki oferuje dostawca. Infrastruktura kupowana na potrzeby jednego projektu może być wykorzystywana tylko przez część czasu, a mimo to generować stałe koszty.

Nie każdy projekt dla produkcji wymaga jednak własnego modelu. Więcej przykładów zastosowań przedstawiamy na stronie AI dla firm produkcyjnych.

Koszty sztucznej inteligencji w ujęciu całego cyklu życia projektu

Porównując oferty, łatwo skupić się na kwocie za wykonanie aplikacji. Tymczasem po uruchomieniu pojawiają się wydatki związane z korzystaniem z usługi, zmianami w systemach i kontrolą jakości wyników. Dlatego warto policzyć całkowity koszt posiadania, czyli TCO, w określonym horyzoncie — na przykład dwóch lat.

Nakłady jednorazowe

Do wydatków ponoszonych przed uruchomieniem należą zwykle:

• analiza procesu, wymagań i ryzyka;
• przygotowanie danych oraz ustalenie uprawnień;
• projekt rozwiązania i interfejsu;
• budowa aplikacji lub konfiguracja gotowego produktu;
• integracja z systemami firmy;
• testy techniczne i testy z użytkownikami;
• przygotowanie dokumentacji oraz szkolenia.

Zakres tych prac zależy od punktu wyjścia. Jeśli firma ma uporządkowane dokumenty i dostępne interfejsy systemów, część zadań może być mniejsza. Jeśli dane są rozproszone, a proces nie ma jasno wyznaczonego właściciela, przygotowanie projektu może potrwać dłużej.

W ofercie warto oddzielić wydatki na analizę od ceny budowy. Na etapie wstępnej rozmowy dostawca nie zawsze ma wystarczające informacje, by wycenić cały zakres. Rezultatem analizy powinny być między innymi opis procesu, wymagania, założenia techniczne, lista ryzyk i podstawa do kolejnej wyceny.

Koszty cykliczne po uruchomieniu

W tej grupie mieszczą się subskrypcje, opłaty za korzystanie z modeli, hosting, wsparcie techniczne, aktualizacje i kontrola wyników. Koszt utrzymania zależy od tego, jak intensywnie pracuje aplikacja, jak często zmieniają się dane oraz jak szybko dostawca ma reagować na błędy.

W przypadku modeli językowych część usług jest rozliczana za tokeny — jednostki tekstu przetwarzane przez model. Osobno mogą być naliczane opłaty za tokeny wejściowe, obejmujące między innymi instrukcje i przesłane fragmenty dokumentów, oraz tokeny wyjściowe, czyli wygenerowaną odpowiedź.

Jedno pytanie użytkownika może zatem obejmować znacznie więcej danych niż sama treść wpisana w oknie czatu. Do modelu mogą trafić również instrukcja systemowa, historia rozmowy i fragmenty dokumentacji.

Do tego mogą dojść koszty innych usług, na przykład wyszukiwania dokumentów, przechowywania danych czy obsługi aplikacji. Dłuższe instrukcje, duża liczba pobieranych fragmentów i ponawiane zapytania zwiększają zużycie.

Aktualne zasady i warianty rozliczenia można sprawdzić w oficjalnym cenniku Azure OpenAI. Microsoft opisuje między innymi opłaty za dane wejściowe i wyjściowe w modelu na żądanie oraz wariant z rezerwacją przepustowości. Stawki i dostępność zależą od wybranego modelu, sposobu wdrożenia oraz warunków zakupu. [1]

Jeśli rozwiązanie korzysta z firmowej dokumentacji, baza wiedzy również wymaga opieki. Ktoś musi dodawać nowe materiały, usuwać nieaktualne wersje i sprawdzać uprawnienia. W przeciwnym razie nawet poprawnie działający model może opierać odpowiedź na nieaktualnej instrukcji.

Baza wiedzy może być wykorzystywana w podejściu RAG, w którym aplikacja wyszukuje odpowiednie fragmenty materiałów i przekazuje je modelowi wraz z pytaniem użytkownika. W budżecie trzeba wtedy uwzględnić także przygotowanie dokumentów, mechanizm wyszukiwania oraz jego utrzymanie.

Koszty pośrednie i organizacyjne

W kalkulacji łatwo pominąć czas ludzi po stronie klienta. Właściciel procesu, specjaliści od danych, dział bezpieczeństwa oraz przyszli użytkownicy uczestniczą w warsztatach, testach i odbiorze. Ich praca ma koszt, nawet jeśli nie pojawia się na fakturze od dostawcy.

Po uruchomieniu trzeba też zaplanować monitoring jakości odpowiedzi. Dane wejściowe mogą się zmieniać, podobnie jak zachowania użytkowników i warunki działania procesu. Dryf modelu opisuje sytuację, w której wyniki pogarszają się w związku ze zmianami danych lub warunków, dla których rozwiązanie było projektowane.

W przypadku rozwiązania, które podejmuje kolejne działania w systemach, potrzebne są dodatkowe zabezpieczenia. Agent AI tworzący szkic zgłoszenia ma inny zakres uprawnień niż taki, który może zmienić status sprawy lub wysłać wiadomość do klienta. Koszt projektu wzrośnie, jeśli wymagane będą zatwierdzanie czynności, rejestr działań i mechanizm cofania zmian.

Jak zaplanować budżet na projekt AI w firmie

Budżet powinien opisywać kwotę oraz założenia, od których ona zależy. W arkuszu warto oddzielić nakłady początkowe, wydatki miesięczne oraz pracę zespołu wewnętrznego.

Przygotuj co najmniej trzy scenariusze: ostrożny, bazowy i zakładający większą skalę użycia. Dla każdego określ liczbę użytkowników, liczbę spraw, średnie zużycie usług oraz wymagany zakres wsparcia. Dzięki temu łatwiej zauważysz, które pozycje rosną wraz z liczbą użytkowników, a które pozostają stałe.

Zapisz także, czego budżet nie obejmuje: podatku VAT, licencji do systemów źródłowych, kosztów zespołu klienta, dodatkowych integracji czy zmian zgłoszonych po odbiorze. Bez tych informacji porównanie dwóch ofert może prowadzić do błędnych wniosków.

Pilotaż jako sposób weryfikacji kosztów

Pilotaż to ograniczony etap, w którym firma sprawdza rozwiązanie na wybranym fragmencie procesu i mierzy jego wyniki. Powinien mieć określony zakres, czas trwania, grupę użytkowników i warunki zakończenia.

Przykładowo dział obsługi może przez sześć tygodni testować przygotowywanie propozycji odpowiedzi dla jednego rodzaju zgłoszeń. Pracownicy zatwierdzają każdą odpowiedź, a zespół mierzy czas obsługi, odsetek propozycji wymagających poprawek i liczbę błędów.

Dobrze zaplanowany pilotaż odpowiada również na pytania kosztowe: ile czasu zajmuje przygotowanie danych, jak często użytkownicy korzystają z aplikacji i jakie zasoby są potrzebne do jej utrzymania.

PoC, czyli proof of concept, służy przede wszystkim sprawdzeniu, czy wybrane podejście techniczne może zadziałać. MVP jest z kolei ograniczoną wersją produktu, która dostarcza użytkownikowi podstawową wartość i może służyć do dalszej nauki.

Dostawcy nie zawsze używają tych nazw tak samo. Jeśli zamawiasz pilotaż, w umowie opisz oczekiwany rezultat, zakres testów i kryteria odbioru, zamiast polegać wyłącznie na nazwie etapu.

Warto zapytać, które elementy powstałe podczas testu będzie można wykorzystać później. Prototyp przygotowany do sprawdzenia pomysłu nie musi być gotowy do pracy na dużą skalę: może wymagać przebudowy zabezpieczeń, monitoringu lub sposobu obsługi użytkowników.

Model rozliczenia z dostawcą: fixed price czy time and materials

W modelu fixed price strony uzgadniają cenę za określony zakres. Sprawdza się on wtedy, gdy wymagania, kryteria odbioru i odpowiedzialność obu stron są dostatecznie jasno opisane. Jeśli w trakcie prac pojawią się nowe potrzeby, trzeba ustalić sposób wyceny i zatwierdzania zmian.

W modelu time and materials rozliczenie opiera się na czasie pracy zespołu i uzgodnionych stawkach. Jest przydatne, gdy zakres wymaga doprecyzowania podczas projektu, ale wymaga kontroli postępów, priorytetów i wydatków. Firma może ustalić limit budżetu lub punkt decyzyjny po określonym etapie.

Niezależnie od modelu warto zapytać:

1. Co dokładnie obejmuje cena wdrożenia AI, a jakie prace zostaną rozliczone osobno?
2. Jakie są kryteria odbioru i kto przygotuje dane do testów?
3. Kto płaci za usługi zewnętrzne w czasie prac i po uruchomieniu?
4. Jak rozliczane są poprawki, rozwój i przekroczenie limitów?
5. Jakie prawa do kodu, dokumentacji i konfiguracji otrzymuje klient?
6. Jak wygląda przekazanie rozwiązania innemu zespołowi lub dostawcy?

Porównuj oferty przy tym samym zakresie. Niższa kwota początkowa może oznaczać, że testy, przygotowanie danych albo wsparcie po uruchomieniu są wyceniane osobno.

Wyliczenie zwrotu z inwestycji

Aby ocenić zwrot z inwestycji, zacznij od procesu, który da się zmierzyć przed zmianą. Następnie porównaj go z wynikami po uruchomieniu rozwiązania.

Krok 1. Ustal stan wyjściowy. Sprawdź liczbę obsługiwanych spraw, czas pracy, liczbę błędów i inne koszty obecnego procesu. Jeśli dane nie są dostępne, wykonaj pomiar na reprezentatywnej próbie.

Krok 2. Wybierz miarę wyniku. Metryka sukcesu powinna odpowiadać celowi projektu. Może nią być średni czas obsługi sprawy, odsetek poprawnych odpowiedzi po weryfikacji albo liczba zgłoszeń obsłużonych w ustalonym terminie. Warto mierzyć również niepożądane skutki, na przykład liczbę błędnych odpowiedzi.

Krok 3. Policz koszty w horyzoncie 12–24 miesięcy. Uwzględnij budowę, licencje, opłaty za korzystanie z usług, wsparcie, szkolenia oraz pracę zespołu firmy.

Krok 4. Oszacuj korzyści. Mogą nimi być niższe wydatki, uniknięte koszty lub dodatkowa marża. Jeżeli pracownicy oszczędzają czas, ustal, czy firma zamieni go na mierzalny efekt — na przykład obsługę większej liczby spraw bez zwiększania zespołu. Samo zwolnienie czasu nie oznacza automatycznie oszczędności gotówki.

Krok 5. Oblicz okres zwrotu i porównaj scenariusze. Odejmij cykliczne wydatki od miesięcznej wartości korzyści. Następnie podziel nakład początkowy przez otrzymaną kwotę. Jeżeli miesięczna korzyść netto jest zerowa lub ujemna, inwestycja nie zwróci się przy przyjętych założeniach.

Przykładowa kalkulacja:

Automatyzacja AI może przynieść także korzyści trudniejsze do wyceny, takie jak krótsze oczekiwanie klienta czy łatwiejszy dostęp do wiedzy. Można je uwzględnić w ocenie projektu, ale nie warto przypisywać im kwoty bez opisania sposobu kalkulacji.

Jeżeli automatyzacja AI skraca czas pracy nad zgłoszeniami, sprawdź również, ile czasu zajmuje poprawianie jej wyników. Dopiero różnica między oszczędnością a czasem weryfikacji pokazuje efekt dla zespołu.

FAQ

Czy obowiązki wynikające z AI Act zwiększają koszty wdrożenia AI?

Mogą je zwiększyć, ale zakres wydatków zależy od zastosowania, poziomu ryzyka i roli organizacji — między innymi od tego, czy jest dostawcą systemu, czy go stosuje. Potencjalne koszty obejmują analizę obowiązków, dokumentację, szkolenia, nadzór człowieka i działania związane z jakością danych.

Nie każde zastosowanie AI jest systemem wysokiego ryzyka. Z kolei firma korzystająca z zewnętrznego narzędzia nie powinna zakładać, że dostawca przejmuje wszystkie jej obowiązki.

Według Komisji Europejskiej przepisy dotyczące zakazanych praktyk i umiejętności korzystania z AI stosuje się od 2 lutego 2025 r.; terminy dla określonych systemów wysokiego ryzyka są późniejsze i zależą od kategorii systemu. Przed uruchomieniem projektu warto sprawdzić aktualny stan przepisów i konkretny przypadek użycia. [2]

Jak ująć wydatki na sztuczną inteligencję w kosztach firmy?

Sposób rozliczenia zależy między innymi od rodzaju wydatku, umowy, formy opodatkowania i tego, czy firma nabywa usługę, licencję lub prawa do oprogramowania. Abonament, prace programistyczne i zakup sprzętu nie muszą być rozliczane w identyczny sposób.

Ministerstwo Finansów wskazuje, że uznanie wydatku za koszt uzyskania przychodu wymaga spełnienia określonych warunków, w tym związku z działalnością i odpowiedniego udokumentowania. O kwalifikacji konkretnego wydatku i momencie jego rozliczenia powinna zdecydować księgowość lub doradca podatkowy po analizie dokumentów. [3]

Kto odpowiada za koszty błędów systemu AI po wdrożeniu?

Nie da się wskazać jednej strony odpowiedzialnej za każdy błąd. Znaczenie mają jego przyczyna, przepisy oraz zapisy umowy: zakres usługi, kryteria odbioru, gwarancja, zasady wsparcia i ograniczenia odpowiedzialności.

Przed podpisaniem umowy warto ustalić, kto analizuje incydent, w jakim czasie ma zareagować dostawca, które poprawki obejmuje koszt utrzymania oraz kto odpowiada za aktualność danych i zatwierdzanie działań systemu. Szczególnie ważne jest określenie uprawnień, jeśli agent AI może wprowadzać zmiany w firmowych aplikacjach.

Od pomysłu do budżetu

Szacunek wydatków będzie tym bardziej użyteczny, im dokładniej opiszesz proces, dane i oczekiwany wynik. Zanim zapytasz dostawców, ile kosztuje wdrożenie AI, przygotuj te same założenia dla wszystkich ofert i poproś o rozdzielenie prac początkowych od wydatków ponoszonych po uruchomieniu.

Directio pomaga firmom analizować zastosowania technologii, projektować rozwiązania i łączyć je z istniejącym środowiskiem IT. Zobacz nasze rozwiązania AI dla firm i porozmawiajmy o procesie, który chcesz usprawnić.