Brak treści o kosztach i ROI różnych rozwiązań AI w kontekście polskiego rynku MŚP

Dlaczego porównanie kosztów AI między rozwiązaniami jest trudniejsze niż prosty kosztorys

Właściciel firmy produkcyjnej pod Poznaniem, która zatrudnia 30 osób, pyta o wdrożenie chatbota obsługującego zapytania ofertowe. Dostaje trzy wyceny: 4 000 zł, 28 000 zł i „od 1 200 zł miesięcznie". Każda z nich jest uczciwa. Każda dotyczy czegoś innego. I żadna nie odpowiada na pytanie, które naprawdę go interesuje — czy to się w ogóle opłaci przy jego skali.

To jest sedno problemu z dostępnymi w polskim internecie materiałami o kosztach AI. Znajdziesz dziesiątki artykułów o tym, „ile kosztuje wdrożenie sztucznej inteligencji", ale prawie żadnego, który zestawiałby różne rozwiązania w tych samych jednostkach. A przedsiębiorca z sektora MŚP nie podejmuje decyzji „czy AI". On podejmuje decyzję: który model wdrożenia przy moim budżecie, moim wolumenie i moim poziomie dojrzałości procesów zwróci się najszybciej.

Różnica jest zasadnicza. Kosztorys to jedna liczba wyrwana z kontekstu. Porównanie wymaga wspólnego mianownika — i właśnie go brakuje w większości dostępnych materiałów.

Czym różni się cena wdrożenia od całkowitego kosztu posiadania (TCO)

Cena wdrożenia to faktura od wykonawcy. Całkowity koszt posiadania (TCO) to wszystko, co wypłynie z firmy w ciągu 24–36 miesięcy życia rozwiązania. Rozkłada się na pięć warstw:

1. Licencje i subskrypcje — opłaty za platformy, konta, miejsca (seaty), plany API.

2. Koszty zmienne — tokeny modeli językowoych, kredyty automatyzacji, wywołania API zewnętrznych usług.

3. Integracje — połączenie z ERP, CRM, systemem magazynowym, bramką płatności, platformą e-commerce.

4. Utrzymanie — hosting, monitoring, aktualizacje, reakcja na zmiany w API dostawców.

5. Czas zespołu wewnętrznego — najczęściej pomijany, a przy pierwszych wdrożeniach często największy.

W praktyce przy typowej automatyzacji procesów biznesowych w firmie 20–80-osobowej faktura za wdrożenie stanowi 40–60% trzyletniego TCO. Reszta to pozycje, o których nikt nie rozmawia na etapie ofertowania.

Jednostki porównawcze, bez których zestawienia nie mają sensu

Żeby porównać SaaS za 89 zł miesięcznie z dedykowanym systemem za 40 000 zł, potrzebujesz metryki niezależnej od modelu rozliczeń. W praktyce sprawdzają się trzy:

Koszt na obsłużoną sprawę. Suma wszystkich kosztów miesięcznych podzielona przez liczbę zdarzeń, które rozwiązanie faktycznie przetworzyło — zapytań, zgłoszeń, zamówień, dokumentów. Jeśli chatbot kosztuje 1 500 zł miesięcznie i obsługuje 3 000 rozmów, koszt jednostkowy wynosi 0,50 zł. Konsultant obsługujący tę samą rozmowę kosztuje 6–12 zł.

Koszt na 1000 operacji. Przydatny przy automatyzacjach backendowych — generowaniu opisów produktów, kategoryzacji dokumentów, wzbogacaniu danych. Pozwala porównać rozwiązania rozliczane za tokeny z tymi rozliczanymi za wykonania scenariusza.

Koszt na zaoszczędzoną roboczogodzinę. Najbliższy myśleniu właściciela firmy. Jeśli automatyzacja kosztuje 2 000 zł miesięcznie i oszczędza 60 godzin pracy administracyjnej, płacisz ok. 33 zł za godzinę — przy pełnym koszcie pracownika administracyjnego rzędu 55–75 zł/h.

Dopiero mając te trzy liczby, można rzetelnie porównywać oferty.

Anatomia kosztów rozwiązania AI — składniki do wyceny

Koszty zmienne: tokeny, API, kredyty automatyzacji

To pozycja najczęściej niedoszacowana, bo na etapie pilotażu wygląda śmiesznie tanio. Testujesz chatbota na 50 rozmowach, rachunek za model wynosi 8 zł i wszyscy są zachwyceni.

Problem pojawia się przy skali. Rozmowa z asystentem obsługi klienta, który korzysta z kontekstu bazy wiedzy, zużywa realnie 4 000–15 000 tokenów. Przy 2 000 rozmów miesięcznie i modelu ze średniej półki daje to 150–600 zł. Ale jeśli dołożysz przeszukiwanie dokumentacji (RAG), historię konwersacji i weryfikację odpowiedzi drugim modelem, zużycie rośnie trzykrotnie.

Praktyczna metoda szacowania: weź realny wolumen z ostatnich 12 miesięcy, dodaj 30% zapasu na sezonowość i przemnóż przez koszt jednostkowy zmierzony na próbce co najmniej 200 rzeczywistych przypadków. Nie na testowych przykładach — na prawdziwych zapytaniach klientów, które bywają chaotyczne i długie.

W e-commerce ta pozycja bywa zaskakująca. Sklep z 8 000 SKU, który generuje opisy produktów i metadane, przy jednorazowej operacji zapłaci 400–1 500 zł. Ale jeśli asortyment rotuje i co miesiąc wchodzi 600 nowych indeksów, to stały koszt rzędu 60–150 zł miesięcznie — wciąż taniej niż copywriter, ale wymagający wpisu do budżetu.

Do tego dochodzą kredyty platform automatyzacyjnych. Make rozlicza operacje, Zapier zadania, n8n w wersji chmurowej wykonania workflow. Jeden „prosty" scenariusz potrafi zużyć 8–15 operacji na jedno zdarzenie — i tu właśnie rozjeżdżają się kalkulacje robione na kolanie.

Koszty stałe: licencje, hosting, subskrypcje platform no-code

Modele cenowe narzędzi automatyzacyjnych różnią się progami skalowania i to one decydują, co się opłaca przy jakim wolumenie.

Zapier jest najprostszy w obsłudze i najdroższy przy skali — plany dla firm zaczynają się realnie od ok. 300–400 zł miesięcznie, a przy kilkudziesięciu tysiącach zadań koszt szybko rośnie. Sensowny dla firm, które uruchamiają 5–10 prostych automatyzacji i nie mają zasobów technicznych.

Make oferuje znacznie lepszy stosunek operacji do ceny — plany 400–800 zł miesięcznie obsługują wolumeny, które w Zapierze kosztowałyby trzykrotnie więcej. To najczęstszy wybór polskich MŚP przy średniozłożonych procesach.

n8n self-hosted zmienia równanie: licencja zerowa, koszt to VPS za 60–200 zł miesięcznie plus utrzymanie. Przy dużych wolumenach (powyżej ok. 150 000 operacji miesięcznie) oszczędność sięga kilku tysięcy złotych rocznie. Ale trzeba doliczyć nadzór techniczny — backupy, aktualizacje, monitoring. Realnie 2–6 godzin pracy specjalisty miesięcznie.

Gotowe SaaS-y z AI rozliczane per użytkownik wyglądają tanio przy trzech osobach i przestają być tanie przy dwudziestu. Przy 79 zł za stanowisko i 25 użytkownikach to prawie 24 000 zł rocznie — kwota, za którą można zbudować dedykowane rozwiązanie bez limitu kont.

Koszty jednorazowe: analiza procesu, integracje, migracja danych

Tu leży najczęstsze zaskoczenie. Integracja z systemem ERP lub CRM potrafi kosztować więcej niż cała „warstwa AI".

Powód jest prosty. Modele językowe to dziś towar — dostępny przez API, dobrze udokumentowany, tani. Natomiast wyciągnięcie danych z Comarch ERP Optima, Subiekta czy autorskiego systemu magazynowego napisanego 12 lat temu wymaga pracy, której nie da się zautomatyzować. Typowe widełki dla polskiego rynku:

• prosta integracja przez gotowe API (Shopify, Baselinker, popularne CRM-y): 3 000–8 000 zł,

• integracja z lokalnym ERP przez bazę danych lub pliki wymiany: 8 000–25 000 zł,

• uporządkowanie i