Mit #15: AI jest tańsza niż ludzie

Jednym z najczęstszych argumentów za AI są koszty. Jeśli pracownik kosztuje firmę 100 tys. dolarów rocznie, a agent AI kilkaset dolarów miesięcznie, wybór wydaje się oczywisty. Po co płacić człowiekowi za pracę, którą oprogramowanie wykona za ułamek tej kwoty?

W niektórych przypadkach ten rachunek jest jak najbardziej uzasadniony. AI może przetwarzać tysiące dokumentów, całodobowo monitorować przesyłki, odpowiadać na rutynowe pytania klientów i wykonywać powtarzalne zadania administracyjne. Ludzie nie są w stanie robić tego równie tanio.

Porównanie staje się jednak znacznie trudniejsze, gdy przechodzimy od pojedynczego zadania do całego procesu biznesowego.

Firmy często zestawiają cenę modelu AI z kosztem pracownika. Pomijają przy tym wszystko, czego potrzeba, żeby technologia działała niezawodnie w codziennej pracy.

Wyobraźmy sobie firmę transportową, która chce zastąpić AI część zespołu dyspozytorów. Agent może monitorować przesyłki, kontaktować się z przewoźnikami, aktualizować statusy dostaw i obsługiwać typowe odstępstwa od planu. Koszt pojedynczej takiej czynności może być znikomy w porównaniu z czasem dyspozytora.

Agent potrzebuje jednak dostępu do TMS, danych przewoźników, wymagań klientów, historii przesyłek i zasad działania firmy. Ktoś musi skonfigurować integracje, dbać o dane, sprawdzać wyniki i zajmować się sytuacjami, których system nie potrafi rozwiązać. Gdy agent popełni błąd, firma musi go wykryć, naprawić i ustalić przyczynę.

Wymagania rosną, kiedy agent zaczyna podejmować decyzje. Które dostawy może przełożyć bez zgody człowieka? Jakie dodatkowe koszty transportu wolno mu zatwierdzić? Czy może zmienić przewoźnika? Co zrobi, gdy najtańsza opcja nie spełnia wymagań klienta? Kto odpowiada za błędną decyzję, która prowadzi do kar lub utraty kontraktu?

To nie są argumenty przeciw automatyzacji. To koszty i obowiązki, które trzeba uwzględnić w ocenie opłacalności.

Dostawcy AI chętnie pokazują koszt pojedynczej transakcji, tokena czy działania agenta. Te kwoty mogą robić wrażenie, szczególnie na tle pełnego kosztu zatrudnienia pracownika.

Model AI nie działa jednak w oderwaniu od systemów i procesów firmy.

Co uwzględnić w budżecie automatyzacji

Koszt	Co obejmuje
Wdrożenie	Integracje systemów, przygotowanie danych, reguły biznesowe, zabezpieczenia i testy.
Bieżące utrzymanie	Aktualizację danych, monitorowanie działania, obsługę nietypowych sytuacji i wsparcie.

Część tych kosztów ponosimy przy wdrożeniu. Pozostałe towarzyszą nam przez cały okres działania systemu.

Opłacalność zależy też od złożoności i liczby wykonywanych zadań.

Automatyzacja tysięcy codziennych aktualizacji statusów przesyłek to zupełnie inne przedsięwzięcie niż automatyzacja kilku skomplikowanych negocjacji z dostawcami. W pierwszym przypadku zadania są powtarzalne, zasady dość jasne, a koszt wdrożenia rozkłada się na wiele transakcji. W drugim nawet sporadyczne decyzje mogą wymagać rozbudowanej konfiguracji, nadzoru i specjalistycznej wiedzy.

W pierwszym przypadku AI może być znacznie tańsza od ludzi. W drugim koszt jej wdrożenia i utrzymania może przewyższyć oszczędności na pracy.

Dlatego ostrożnie podchodziłabym do kalkulacji, które zaczynają się od liczby pracowników do zastąpienia. Najpierw trzeba zrozumieć, jaką pracę ci ludzie wykonują.

Pracownik rzadko zajmuje się tylko jednym zadaniem. Dyspozytor śledzi przesyłki, ale też rozwiązuje spory, negocjuje z przewoźnikami, utrzymuje relacje z klientami i reaguje na sytuacje spoza standardowych procedur. Automatyzacja śledzenia przesyłek nie oznacza, że całe stanowisko staje się zbędne.

„Można wyeliminować znaczną część pracy, nie mogąc w takim samym stopniu zmniejszyć zatrudnienia.”

W kalkulacjach opłacalności AI łatwo pomylić zaoszczędzony czas z pieniędzmi.

Załóżmy, że firma zatrudnia 100 osób, z których każda zarabia 100 tys. dolarów rocznie. Rozwiązanie AI oszczędza każdej z nich godzinę dziennie. Przy ośmiogodzinnym dniu pracy teoretyczna wartość odzyskanego czasu wynosi około 1,25 mln dolarów rocznie.

Przykład firmy zatrudniającej 100 osób

100 osób × 100 000 USD rocznie × 1 godzina dziennie ÷ 8 godzin pracy

1,25 mln USD

Teoretyczna roczna wartość odzyskanego czasu.

Na slajdzie o zwrocie z inwestycji wygląda to świetnie. Czy jednak firma rzeczywiście zaoszczędziła 1,25 mln dolarów?

Niekoniecznie. Jeżeli pracownicy nadal pracują w tym samym wymiarze godzin, koszty wynagrodzeń się nie zmieniły. Zespół może wykonać więcej pracy. To może mieć dużą wartość, ale nie oznacza automatycznie niższych kosztów działalności.

Efekt finansowy zależy od wykorzystania tego czasu. Czy firma obsłuży więcej zamówień bez zatrudniania kolejnych osób? Ograniczy nadgodziny lub zrezygnuje z planowanej rekrutacji? Zwiększy sprzedaż albo poprawi obsługę przy tym samym zatrudnieniu? A może rzeczywiście będzie potrzebowała mniej etatów?

Każdy z tych efektów może przynieść korzyść ekonomiczną. Są to jednak różne korzyści i trzeba je mierzyć oddzielnie.

Jest też problem czasu odzyskanego po kawałku. Dziesięć minut zaoszczędzonych na sześciu czynnościach nie musi oznaczać godziny, o którą można skrócić czyjś dzień pracy. Żeby istotnie obniżyć koszty zatrudnienia, często trzeba zmienić podział obowiązków i przebieg procesów.

Bez tego produktywność może rzeczywiście wzrosnąć, a zakładana obniżka kosztów nigdy nie nastąpić.

AI przejmuje zadania, ale tworzy też nowe. Ktoś musi nadzorować agentów, weryfikować wyniki i wyjaśniać błędy. Te godziny łatwo pominąć w kalkulacji opłacalności.

Weźmy agenta zakupowego, który przygotowuje rekomendacje dotyczące dostawców. Kupiec nie musi już budować analizy od zera. Nadal może jednak potrzebować czasu na sprawdzenie, czy agent korzystał z aktualnej umowy, zastosował właściwe zasady cenowe i uwzględnił ostatnie ustalenia z dostawcą. Jeśli rekomendacja jest błędna, trzeba znaleźć przyczynę i doprowadzić do jej poprawienia.

Zarządzanie agentem oznacza kolejne obowiązki. Ktoś musi ustalić, które działania wymagają zgody, aktualizować instrukcje i uprawnienia oraz testować wpływ zmian na decyzje systemu. To, że agent działał poprawnie miesiąc temu, nie zwalnia z nadzoru po zmianie umowy, systemu czy reguły biznesowej.

„Jeśli liczysz godziny zaoszczędzone dzięki AI, ale pomijasz czas potrzebny na jej nadzorowanie, zawyżasz oszczędności.”

Te obowiązki mogą trafić do doświadczonych pracowników, którzy już mają pełne ręce roboty. Nie powstaje nowy etat ani osobna pozycja w budżecie. Ich czas nie staje się przez to darmowy. Kierownik zakupów sprawdzający rekomendacje AI ma mniej czasu na negocjacje z dostawcami.

Weryfikacja może oczywiście trwać znacznie krócej niż wykonanie zadania od początku. To realna korzyść. Oszczędność trzeba jednak pomniejszyć o czas kontroli, poprawek i nadzoru.

Zanim uznasz, że można zlikwidować stanowisko, ustal, kto przejmie obowiązki związane z obsługą AI. Oszacuj potrzebne godziny i uwzględnij koszt osób, które mają odpowiednie kwalifikacje.

Kolejny błąd to ocenianie opłacalności AI na podstawie udanego pilotażu, bez sprawdzenia kosztów codziennego użytkowania.

Podczas pilotażu zespół projektowy może ręcznie przygotowywać dane, rozwiązywać nietypowe problemy i uważnie obserwować agenta. Poprawia błędy, zanim wpłyną na działalność firmy. Taką pracę często zalicza się do wsparcia wdrożenia, choć może być potrzebna również później.

Po uruchomieniu rozwiązania w wielu lokalizacjach okazuje się, że część tych obowiązków pozostaje. Zmieniają się reguły biznesowe, nowi klienci mają inne wymagania, systemy są aktualizowane. Agentów nadal trzeba monitorować i dostosowywać.

Dochodzą koszty korzystania z modeli, infrastruktury, wsparcia dostawcy, cyberbezpieczeństwa i utrzymania integracji. Bardziej zaawansowany agent może wielokrotnie wywoływać model i korzystać z narzędzi, żeby obsłużyć jedną transakcję. Niższa cena pojedynczego wywołania nie musi więc oznaczać niższego kosztu wykonania całego zadania.

Większa skala może jednak wyraźnie poprawić opłacalność, jeśli kolejne zastosowania korzystają z tych samych integracji, danych i mechanizmów kontroli. Pierwszy projekt ponosi wtedy większość kosztów przygotowania infrastruktury. Następne mogą być znacznie tańsze.

Dlatego kalkulacja powinna obejmować kilka lat, przewidywaną liczbę transakcji i możliwość ponownego wykorzystania tego, co już zbudowano.

Samo porównanie miesięcznej ceny agenta z wynagrodzeniem pracownika nie wystarcza. Trzeba policzyć pełny koszt osiągnięcia wymaganego efektu biznesowego: wdrożenie, utrzymanie, udział ludzi i konsekwencje błędów.

Punktem odniesienia powinna być realna alternatywa. Może nią być obecny proces, proces usprawniony zwykłą automatyzacją albo mniejszy zespół wspierany przez AI.

Według Reutersa, Anthropic odnotowało w 2025 roku ponad 8 mld dolarów straty operacyjnej. Inwestorzy finansują firmę, której wydatki nadal przekraczają przychody. To powinno dać do myślenia każdemu, kto opiera pięcioletnią kalkulację opłacalności na dzisiejszych cenach narzędzi AI.

„Nie opierałabym działalności firmy na założeniu, że inwestorzy będą bez końca pokrywać te straty.”

Dostawca nie musi podnosić miesięcznej opłaty, żeby AI stała się droższa. Wystarczy zmniejszyć limit wykorzystania o połowę i zostawić tę samą cenę. Efektywny koszt jednostkowy rośnie wtedy dwukrotnie. Na fakturze nic się nie zmienia, ale dostajesz połowę tego, co wcześniej.

Nie wiemy, na jakim poziomie ustabilizują się ceny. Zakładanie, że obecne warunki utrzymają się po wdrożeniu w całej firmie, jest jednak ryzykowne.

Zanim ogłosisz, że AI jest tańsza od ludzi, przelicz projekt przy dwukrotnie wyższym koszcie użytkowania. Jeżeli oszczędności znikają, opłacalność zależy od tego, czy dostawca utrzyma obecną cenę.

Przed zatwierdzeniem inwestycji w AI określ, jakie czynności chcesz zautomatyzować i ile kosztują dzisiaj. Do kosztów AI dolicz wdrożenie, integracje, aktualizację danych, nadzór, obsługę nietypowych sytuacji i bieżące wsparcie.

Oddziel faktyczne obniżenie kosztów od odzyskanego czasu i możliwości wykonania większej ilości pracy. Ustal, czy rozwiązanie pozwoli zmniejszyć zatrudnienie, uniknąć kolejnych rekrutacji, obsłużyć więcej zamówień albo osiągnąć inny mierzalny efekt. Porównaj pełne koszty w perspektywie kilku lat. Cena narzędzia AI i wynik pilotażu nie wystarczą.

Wniosek

AI może być znacznie tańsza od ludzi, szczególnie przy częstych, powtarzalnych zadaniach. Cena modelu nie jest jednak kosztem całego zautomatyzowanego procesu. Zaoszczędzone godziny nie stają się automatycznie oszczędnościami finansowymi. Rzetelna kalkulacja obejmuje cały proces, pracę nadal wykonywaną przez ludzi i sprawdzenie, czy zakładane korzyści rzeczywiście poprawiają wynik firmy.

Przygotuj dane i procesy do AI →