Pytanie o koszt agenta AI pada zwykle w jednej formie: ile to będzie miesięcznie. Odpowiedź, którą firma dostaje, dotyczy ceny modelu językowego. To akurat najmniejsza pozycja w całym rachunku. Największa nie pojawia się w żadnej ofercie, bo nikt jej nie fakturuje: to czas ludzi, którzy muszą uporządkować dane i opisać proces, zanim narzędzie ruszy. Rozbijamy więc ten koszt na cztery składniki i pokazujemy, który najczęściej wywraca budżet.

Z czego naprawdę składa się koszt agenta AI

Rachunek za agenta AI ma cztery pozycje. Pierwsza to model językowy, druga to przygotowanie danych i opisanie procesu, trzecia to budowa oraz połączenie z systemami firmy, czwarta to utrzymanie po uruchomieniu.

Budowa i połączenie z systemami to zwykle najbardziej widoczna część oferty wdrożeniowej, bo wygląda jak każdy inny projekt informatyczny: z zakresem i terminem. Model oraz utrzymanie może rozliczać wykonawca albo firma bezpośrednio.

Przygotowanie danych zostaje natomiast prawie zawsze po stronie zespołu, który zna firmę. Te trzy pozostałe pozycje potrafią zaskoczyć i to o nich jest ten tekst.

Koszt modelu językowego, czyli pozycja, którą wszyscy liczą

Model rozlicza się za przetworzony tekst. Im dłuższe polecenie i im więcej dokumentów agent czyta przy każdym pytaniu, tym rachunek wyższy. Sama zasada jest prosta i przewidywalna.

Da się ją oszacować przed startem. Wystarczy pomnożyć liczbę przebiegów przez średnią ilość tekstu w pytaniu i w odpowiedzi, a potem przyłożyć stawkę wybranego modelu. Przy typowym procesie wewnętrznym wychodzi kwota, która rzadko decyduje o opłacalności wdrożenia.

Dlatego rozmowa, która kręci się wokół ceny modelu, mija się z celem. Firma negocjuje najmniejszą pozycję i podejmuje decyzję na jej podstawie.

Koszt przygotowania danych, czyli pozycja, którą wszyscy pomijają

Agent odpowiada na podstawie tego, co dostanie. Jeśli wiedza firmy leży w kilkunastu miejscach, ktoś musi ją zebrać i uporządkować. Robią to ludzie, którzy znają firmę najlepiej, czyli najdrożsi w zespole.

Scenariusz powtarza się w kolejnych wdrożeniach. Część danych jest w arkuszach, część w skrzynkach pocztowych, reszta w plikach PDF z różnych lat. W obiegu są dwie wersje cennika i nikt nie potrafi wskazać obowiązującej.

Przypomina to porządkowanie magazynu przed inwentaryzacją. Nikt nie policzy towaru, dopóki ktoś nie zdecyduje, która etykieta jest aktualna.

Ta praca nie pojawia się w ofercie dostawcy, bo wykonuje ją firma sama. I właśnie dlatego wypada z rachunku, choć bywa jego największą częścią.

Utrzymanie i nadzór po uruchomieniu

Agenta nie kupuje się raz, jak drukarki. Zmienia się cennik, procedura reklamacyjna albo formularz w systemie, a odpowiedzi przestają pasować do rzeczywistości.

Ktoś musi więc regularnie czytać próbkę odpowiedzi i zbierać zgłoszenia od zespołu. To koszt stały, a jego wysokość zależy od skali i od tego, jak kosztowna jest pojedyncza pomyłka.

Zasada jest tu dość bezlitosna. Jeśli nadzór nie trafi do niczyjego zakresu obowiązków, agent po cichu rozjeżdża się z rzeczywistością firmy.

Kiedy agent AI się zwraca, a kiedy nie

Punktem wyjścia są dwie liczby. Pierwsza to liczba powtórzeń procesu w miesiącu, druga to koszt godziny osoby, która dziś go wykonuje.

Do rachunku dochodzi jeszcze czas na sprawdzanie wyników i koszt pomyłki, której nikt nie wychwyci. Bez tych czterech pozycji rozmowa o opłacalności jest rozmową o wrażeniach.

Procesy, w których rachunek wychodzi szybko

Dobrze wychodzą zadania powtarzalne i masowe. Opisywanie dokumentów kosztowych, wstępna ocena wniosków, przygotowanie zestawienia, które i tak ktoś sprawdzi przed wysłaniem.

Wspólny mianownik jest zawsze ten sam. Powtórzeń jest dużo, pojedyncza pomyłka kosztuje niewiele, a wynik ogląda człowiek.

Procesy, w których agent jest kosztem bez pokrycia

Źle wychodzą zadania rzadkie i za każdym razem inne. Proces uruchamiany raz w tygodniu na dwadzieścia minut rzadko odda koszt przygotowania danych i nadzoru, chyba że czas tej osoby albo pojedyncza pomyłka są wyjątkowo drogie.

Drugi taki przypadek to zadania, w których wyniku nie da się sprawdzić inaczej niż przez powtórzenie pracy ręcznie. Agent dokłada wtedy roboty zamiast ją zdejmować.

Trzy pytania przed decyzją o wdrożeniu

Przed podpisaniem umowy warto odpowiedzieć sobie na trzy pytania: ile razy w miesiącu ten proces się wykonuje, ile kosztuje niewykryta pomyłka i kto sprawdzi wynik.

Jeśli odpowiedź na pierwsze brzmi “kilkanaście”, a na trzecie “nie wiemy”, na wdrożenie jest za wcześnie. Nie dlatego, że narzędzie jest złe, tylko dlatego, że nie ma na czym zarobić.

Tańsza droga: zacznij od klasycznej automatyzacji

Sporej części zadań, które firmy chcą oddać agentowi, model językowy nie jest w ogóle potrzebny. Bywa, że wystarczy zwykły przepływ oparty na regułach.

Różnica w koszcie bywa znacząca, bo przepływ oparty na regułach nie sięga po model przy każdym kroku, a jego wynik jest powtarzalny. Opłaty za uruchomienia i pilnowanie błędów zostają, ale nikt nie musi oceniać jakości odpowiedzi.

Co da się zrobić bez modelu językowego

Bez modelu spokojnie działa przenoszenie danych między systemami, wysyłka przypomnień, tworzenie dokumentu ze wzoru czy powiadomienie o przekroczonym terminie. Reguła jest w tych zadaniach jednoznaczna, więc nie ma czego rozstrzygać.

Tak rozumiana automatyzacja procesów w firmie ma dwa przewidywalne koszty: czas na zbudowanie i opłatę za narzędzie, zwykle zależną od liczby uruchomień. Jak poskładać taki przepływ od zera, opisujemy krok po kroku w przewodniku automatyzacja n8n.

Model hybrydowy, czyli agent tylko tam, gdzie decyduje

Najtańszy układ nie jest ani czystą automatyzacją, ani czystym agentem. Regułowy przepływ obsługuje większość kroków, a model wchodzi wyłącznie tam, gdzie trzeba zrozumieć treść albo wybrać jedną z kilku ścieżek.

Zysk jest podwójny. Rachunek za model spada, bo model pracuje rzadziej. Maleje też pole do błędu, bo mniej kroków zależy od jego oceny.

Jak policzyć wdrożenie przed pierwszą złotówką

Prototyp na jednym wąskim procesie kosztuje mniej niż porządna analiza przedwdrożeniowa. Daje przy tym twarde liczby zamiast szacunków.

Zacznij od wybrania jednego procesu i opisania go w punktach. Zmierz, ile czasu zajmuje dzisiaj, licząc również poprawki i pytania do współpracowników.

Potem zbuduj najprostszą możliwą wersję i puść ją na dziesięciu prawdziwych przypadkach. Policz, ile odpowiedzi wymagało poprawki. Ten jeden wskaźnik mówi o opłacalności więcej niż cała oferta dostawcy.

Praktyczne przewodniki po takich wdrożeniach, razem z przykładami z polskiego rynku, publikujemy na blogu DevStock Academy. Jak zaprojektować system, który sam decyduje o kolejnym kroku, pokazujemy w przewodniku agenty AI w n8n. Osobom, które wolą uczyć się przez budowanie, polecamy platformę Kodożercy, gdzie takie rozwiązania składa się od zera w bezpiecznym środowisku.

Podsumowanie

Koszt agenta AI rozkłada się inaczej, niż sugeruje to pierwsza rozmowa z dostawcą. Model językowy jest pozycją najmniejszą i najłatwiejszą do policzenia, a decyduje o wyniku rzadko. Największa część rachunku to czas własnych ludzi na uporządkowanie danych i opisanie procesu, czyli praca, której nikt nie fakturuje i przez to nikt nie planuje. Do rachunku dochodzi budowa i połączenie z systemami, choć akurat tę pozycję widać już w ofercie. Trzecim stałym elementem jest nadzór po uruchomieniu, bo firma zmienia się szybciej niż dokumenty, na których agent pracuje. Najtańsza droga do sensownej odpowiedzi prowadzi więc przez jeden wąski proces, zmierzony przed wdrożeniem i po nim, zamiast przez porównywanie cenników.