ROI wdrożenia AI: jak policzyć to szczerze, a nie na pokaz

Slajd z ROI wdrożenia AI często pokazuje jedną, efektowną liczbę — i właśnie dlatego warto na niego patrzeć podejrzliwie. Rzetelny rachunek ROI nie jest jedną liczbą, tylko wynikiem czterech konkretnych pomiarów, które można sprawdzić w danych firmy, a nie tylko w prezentacji dostawcy.

Cztery liczby, które trzeba znać, zanim policzysz ROI

Godziny pracy ręcznej. Ile czasu zespół dziś spędza na czynności, którą ma przejąć AI: czytanie, przepisywanie, porównywanie dokumentów. Ta liczba musi pochodzić z realnego pomiaru, nie z przeczucia „to zajmuje sporo czasu”.

Koszt błędów. Ile kosztuje naprawa błędu, który dziś zdarza się w tym procesie, licząc zarówno czas potrzebny na jego znalezienie, jak i ewentualne konsekwencje dla klienta czy kontrahenta. Automatyzacja, która przyspiesza proces, ale nie zmienia częstości błędów, oszczędza mniej, niż wygląda na pierwszy rzut oka.

Czas cyklu. Jak długo trwa dziś cały proces od wejścia do wyniku: od otrzymania dokumentu do jego zaksięgowania, od zgłoszenia klienta do odpowiedzi. Krótszy cykl to realna wartość biznesowa, ale trzeba ją mierzyć w konkretnych godzinach albo dniach, nie w ogólnym „szybciej”.

Koszt utrzymania. Ile będzie kosztować pilnowanie systemu po wdrożeniu: sprawdzanie, czy nadal poprawnie czyta zmieniające się formaty dokumentów, poprawki reguł, monitoring. Rachunek ROI, który kończy się na dniu wdrożenia, jest niekompletny, bo koszt utrzymania trwa tak długo, jak system jest w użyciu.

Przykładowa kalkulacja — liczby są hipotetyczne

Poniższy przykład ma tylko pokazać mechanizm rachunku, nie jest wynikiem badania rynku ani danymi żadnego klienta.

Załóżmy firmę, w której 500 dokumentów miesięcznie przechodzi przez ręczną weryfikację, a jedna osoba potrzebuje na to średnio 6 minut na dokument. To 50 godzin pracy miesięcznie, a przy stawce godzinowej 60 zł, 3000 zł samej pracy ręcznej. Do tego, w tym hipotetycznym scenariuszu, 3% dokumentów zawiera błąd, którego naprawa kosztuje średnio 80 zł, co daje kolejne 1200 zł miesięcznie.

Wdrożenie, które skraca czas weryfikacji do 1 minuty na dokument i redukuje błędy do poziomu bliskiego zeru, w tym przykładzie oszczędza około 4000 zł miesięcznie na samej pracy i błędach. Jeśli koszt utrzymania systemu wynosi 800 zł miesięcznie, a jednorazowy koszt wdrożenia to 15 000 zł, zwrot z inwestycji następuje po około pięciu miesiącach. Każdy kolejny miesiąc pracy systemu to już czysta oszczędność, zmniejszona o koszt utrzymania.

Ten rachunek zmienia się natychmiast, jeśli zmieni się choćby jedna z czterech liczb: inny wolumen dokumentów, inna stawka godzinowa, inny odsetek błędów. Dlatego wynik zawsze trzeba liczyć na danych konkretnej firmy, a nie przenosić z jednego wdrożenia na drugie.

Kiedy AI nie jest wart swojej ceny

Jeśli proces ma niski wolumen i jasne, sztywne reguły, prosty kod albo checklista policzy to szybciej i taniej niż model językowy. AI w takim miejscu jest kosztem bez uzasadnienia, bo reguła w kodzie kosztuje mniej w utrzymaniu i daje zawsze ten sam wynik. Tam, gdzie reguła wystarczy, ROI wdrożenia AI wychodzi ujemne.

Podobnie, gdy błąd w procesie ma niskie koszty i zdarza się rzadko, oszczędność na błędach jest znikoma, a cały rachunek ROI musi się opierać wyłącznie na godzinach pracy ręcznej, których też może być za mało, żeby uzasadnić koszt wdrożenia i utrzymania. Zanim policzymy ROI dla klienta, sprawdzamy właśnie to: czy proces ma wolumen i zmienność, które uzasadniają AI, czy wystarczy audyt, który pokaże, że rozwiązaniem jest reguła w kodzie.

Jak liczymy to w praktyce

W Taniej po Lek porównanie koszyka leków w aptekach internetowych liczy deterministyczny silnik cenowy. To zadanie ma jasne reguły i wysoki wolumen zapytań, więc ROI takiego podejścia liczy się w czasie odpowiedzi, nie w oszczędności godzin pracy zespołu. AI wchodzi tam tylko przy rozpoznawaniu koszyka ze zdjęcia i sugerowaniu zamienników, czyli w miejscach, gdzie reguła nie wystarczy.

W Qkwicie ROI wdrożenia AI liczy się właśnie w godzinach księgowego uwolnionych od ręcznego przepisywania faktur, przy zachowaniu deterministycznego silnika do podatków i ZUS, dokładnie tak, jak w przykładzie z kalkulacją powyżej.

Co to oznacza dla ROI w Waszej firmie

Zanim zamówicie wdrożenie AI, zmierzcie te cztery liczby na własnym procesie, nie szacujcie ich z pamięci. Rzetelny rachunek z realnych danych firmy jest tańszy do zrobienia niż wdrożenie, które później nie spłaca swojego kosztu. Piszemy więcej o tym, jak mierzymy te procesy przed automatyzacją, na stronie automatyzacji biura.

Najczęstsze pytania

Czy da się policzyć ROI wdrożenia AI bez wcześniejszego pilotażu?

Da się oszacować, ale pilotaż daje realne liczby z danych firmy, a nie szacunek. Rachunek z szacunków jest lepszy niż brak rachunku, ale mniej wiarygodny niż liczby zmierzone na próbce.

Jakie liczby są najczęściej pomijane w rachunku ROI?

Najczęściej pomijany jest koszt utrzymania po wdrożeniu i koszt błędów, które dziś już się zdarzają. Firmy liczą głównie godziny pracy ręcznej, bo tę liczbę najłatwiej oszacować.

Czy krótszy czas cyklu zawsze przekłada się na pieniądze?

Nie automatycznie. Trzeba sprawdzić, czy krótszy cykl faktycznie odblokowuje coś wymiernego, na przykład szybszą fakturę albo szybszą odpowiedź klientowi, a nie tylko wygląda lepiej w statystyce.

Czy warto liczyć ROI dla małego procesu?

Tak, ale mały proces zwykle ma niższy próg rentowności AI. Często okazuje się, że reguła w kodzie da ten sam efekt za mniejszy koszt utrzymania.

Ile trwa, zanim wdrożenie AI się zwraca?

Zależy od czterech liczb opisanych w tym artykule. W naszym przykładowym rachunku to około pięciu miesięcy, ale realny wynik zawsze trzeba policzyć na danych konkretnej firmy, nie przenosić z innego wdrożenia.