Wdrożenie AI w firmie to nie jeden wydatek, tylko trzy różne budżety — pilotaż, produkcja i utrzymanie. Kto liczy tylko pierwszy z nich, dostaje ofertę, która wygląda tanio, i rachunek, który wraca później.

Trzy budżety, nie jeden

Największe rozczarowanie przy wdrożeniach AI nie bierze się z tego, że projekt jest drogi. Bierze się z tego, że ktoś policzył tylko jeden etap, a potem odkrywa dwa kolejne.

Pilotaż to sprawdzenie, czy AI w ogóle daje sobie radę z danymi konkretnej firmy — jednym procesem, na ograniczonej próbce, bez integracji z resztą systemów. To najtańszy i najszybszy etap, bo świadomie nie rozwiązuje wszystkich problemów naraz. Jego celem jest odpowiedź na jedno pytanie: czy ten kierunek w ogóle ma sens dla tych konkretnych dokumentów, procesów i danych.

Produkcja to zupełnie inna skala pracy. Pełny wolumen zamiast próbki, integracje z systemami, które firma już ma (ERP, księgowość, CRM), obsługa przypadków brzegowych, których nie było widać w pilotażu, i — tam gdzie AI dotyka pieniędzy albo decyzji krytycznych — warstwa deterministyczna, która faktycznie liczy, zamiast zgadywać. To jest praca, która sprawia, że coś zaczyna „działać na produkcji”, a nie tylko w demo.

Utrzymanie to koszt, o którym najłatwiej zapomnieć na etapie oferty, a najtrudniej pominąć po wdrożeniu. Dane wejściowe się zmieniają, dostawcy aktualizują formaty dokumentów, modele bywają podmieniane na nowsze wersje, a każda z tych zmian wymaga sprawdzenia, czy system nadal działa tak jak powinien. Utrzymanie nie jest jednorazową pozycją w budżecie — jest kosztem powtarzalnym, tak jak hosting czy licencje.

Traktowanie tych trzech etapów jako jednej kwoty to najczęstszy powód, dla którego wdrożenia AI wyglądają na tańsze niż są w rzeczywistości — nie dlatego, że ktoś kłamie, tylko dlatego, że pyta się o niewłaściwy zakres.

Co faktycznie podnosi koszt

Cena wdrożenia AI nie zależy od tego, jaki model językowy stoi za kulisami — te są ogólnie dostępne i podobnie wycenione. Zależy od tego, ile pracy trzeba włożyć wokół niego. Kilka czynników, które realnie przesuwają koszt w górę:

  • Jakość i dostępność danych wejściowych. Firma z czystymi, ustrukturyzowanymi danymi w jednym miejscu płaci mniej niż firma, w której te same informacje są rozrzucone po kilku systemach, arkuszach i skrzynkach mailowych. Ten drugi przypadek to nie problem AI — to problem porządkowania danych, który trzeba rozwiązać, zanim AI cokolwiek zacznie czytać.
  • Integracja z istniejącymi systemami. Im starszy i bardziej niestandardowy system księgowy, ERP czy CRM, tym więcej pracy wymaga podłączenie do niego czegokolwiek nowego — AI nie jest tu wyjątkiem.
  • Potrzeba warstwy deterministycznej. Jeśli wynik pracy AI wpływa na kwoty, podatki albo decyzje, których nie da się cofnąć, potrzebny jest osobny, deterministyczny kod, który liczy — a AI zostaje przy czytaniu, klasyfikowaniu i proponowaniu. Ta zasada, którą stosujemy we własnych produktach, jest opisana szerzej na stronie oferty wdrożeń AI.
  • Wolumen i skala. Dziesięć dokumentów dziennie to inny projekt niż dziesięć tysięcy — nie dlatego, że AI się nie skaluje, tylko dlatego, że przy większej skali rośnie liczba przypadków brzegowych, które trzeba obsłużyć.
  • Wymagania audytowe i zgodności. W branżach takich jak finanse czy bankowość dochodzi konieczność prowadzenia śladu decyzji — kto (człowiek czy system) co zdecydował i na jakiej podstawie. To realna, dodatkowa praca, nie formalność.
  • Wielojęzyczność i wielorynkowość. Jeśli proces obejmuje kilka rynków i języków jednocześnie, rośnie liczba wariantów, które trzeba przetestować i utrzymać.

Żaden z tych czynników nie jest z natury drogi — ale ich pominięcie na etapie wyceny to najpewniejszy sposób na to, żeby budżet się później rozjechał.

Warto też pamiętać, że te czynniki się kumulują, a nie sumują liniowo. Firma z rozproszonymi danymi, starym systemem księgowym i wymaganiami audytowymi jednocześnie nie płaci po prostu „trzy razy więcej” — płaci za dodatkową pracę na styku tych trzech problemów, bo każdy z nich utrudnia rozwiązanie pozostałych. To dlatego rzetelna wycena zaczyna się zawsze od rozmowy o konkretnym procesie, a nie od cennika za „wdrożenie AI” w oderwaniu od kontekstu.

Dlaczego tania obietnica się mści

Oferta, która pomija pilotaż i od razu proponuje pełne wdrożenie w stałej, niskiej cenie, brzmi kusząco — i właśnie dlatego warto ją traktować z rezerwą.

Bez etapu pilotażu cały budżet trafia od razu w produkcję czegoś, czego jeszcze nikt nie sprawdził na realnych danych firmy. Jeśli okaże się, że dane wymagają więcej porządkowania niż zakładano, albo że proces ma więcej wyjątków niż pokazano na slajdzie sprzedażowym, koszt tego odkrycia i tak się pojawi — tylko później i w gorszym momencie.

Brak budżetu na utrzymanie to drugi typowy sygnał ostrzegawczy. System, który nikt nie planuje utrzymywać po starcie, zwykle zostaje na etapie prototypu — działa efektownie na pokazie, ale nie działa na produkcji w sposób, na którym firma może polegać miesiąc po miesiącu.

Trzeci sygnał to sztywna, stała cena bez przestrzeni na iterację. Rzetelny audyt procesu niemal zawsze ujawnia coś, czego nie było widać na starcie — wyjątek w procedurze, format dokumentu, o którym nikt nie wspomniał, integrację, która wymaga więcej pracy niż zakładano. Oferta, która nie zostawia miejsca na takie odkrycia, albo je ignoruje (co jest gorsze), albo zostanie przeliczona na nowo już w trakcie — co jest dokładnie tym scenariuszem, którego miała uniknąć niska cena wejściowa.

Jak to wygląda w praktyce

We własnych produktach AI (Claude) pracuje realnie na produkcji, nie w warstwie demonstracyjnej — i to wymagało przejścia przez pełny cykl: pilotaż, produkcję i utrzymanie, tak samo jak w projektach dla klientów.

W Qkwicie AI czyta dokumenty księgowe, a osobny, deterministyczny silnik liczy podatki i składki ZUS — to rozdzielenie ról, o którym pisaliśmy przy okazji audytu procesu pod wdrożenie, nie jest teorią, tylko czymś, co utrzymujemy każdego dnia. Utrzymanie oznacza tu bieżące sprawdzanie, czy system nadal poprawnie czyta zmieniające się formaty dokumentów — to praca, która trwa długo po pierwszym wdrożeniu, nie kończy się razem z nim.

Dlatego, kiedy rozmawiamy z firmą o wdrożeniu AI, od razu mówimy o trzech budżetach, a nie o jednym numerze na koniec oferty. To dłuższa rozmowa na starcie — ale krótsza lista niespodzianek później.

Najczęstsze pytania

Czy da się wdrożyć AI bez etapu pilotażu? Technicznie tak, ale to podnosi ryzyko, że pełny budżet trafi w rozwiązanie, które nie pasuje do realnych danych firmy. Pilotaż jest tańszym sposobem na sprawdzenie tego wcześniej.

Czy tańsza oferta zawsze oznacza gorszą jakość? Nie zawsze — ale warto sprawdzić, co dokładnie obejmuje. Oferta bez pilotażu, bez budżetu na utrzymanie albo bez przestrzeni na iterację zwykle nie jest tańsza, tylko niekompletna.

Jak długo trwa utrzymanie po wdrożeniu? Utrzymanie nie ma naturalnego końca — to koszt powtarzalny, podobny do hostingu czy licencji, dopóki system jest w użyciu.

Od czego zacząć, jeśli budżet jest ograniczony? Od pilotażu na jednym, dobrze zdefiniowanym procesie. To pozwala sprawdzić założenia, zanim padnie decyzja o pełnym wdrożeniu.

Czy koszt zależy od tego, jaki model AI stoi za wdrożeniem? W niewielkim stopniu. Modele językowe są dziś ogólnie dostępne i podobnie wycenione — o koszcie decyduje głównie praca wokół nich: integracje, dane, warstwa deterministyczna i utrzymanie.

Jeśli zastanawiasz się, jak realnie mogłyby wyglądać te trzy budżety w Twojej firmie, napisz do nas — zaczynamy zawsze od rozmowy o konkretnym procesie, nie od gotowego cennika.