Koszt modelu AI jest tylko jedną pozycją w budżecie. Zakład płaci również za przygotowanie danych, połączenie rozwiązania z procesem, testy i obsługę błędów. Dlatego pytanie „ile kosztuje AI?” warto zamienić na „ile kosztuje wykonanie określonego zadania z akceptowalną jakością?”.
Wiarygodna wycena wymaga opisu procesu, przykładowych danych i kryterium odbioru. Asystent odczytujący zamówienia z plików, kontrola wizyjna na linii oraz prognozowanie awarii mają inne zależności. Jedna kwota przypisana do wszystkich tych rozwiązań niewiele mówi o budżecie konkretnej firmy.
Pięć grup kosztów, które trzeba uwzględnić
| Grupa | Co może obejmować | Co zwiększa pracochłonność |
|---|---|---|
| Analiza i przygotowanie | Mapa procesu, próbka danych, kryteria jakości | Brak właściciela procesu |
| Dane | Porządkowanie, opisywanie, kontrola dostępu | Rozproszone pliki i niespójne identyfikatory |
| Rozwiązanie AI | Konfiguracja, dobór modelu, testy | Rzadkie przypadki i kosztowne błędy |
| Integracja | ERP, obieg dokumentów, aplikacja użytkownika | Brak API i wiele wyjątków |
| Utrzymanie | Przetwarzanie, monitoring, wsparcie, aktualizacje | Wysoki wolumen i wymagania dostępności |
Do każdej grupy dopisz pracę własnych ludzi. Opisanie przykładów przez technologa i udział kierownika w testach mają koszt, nawet jeśli nie pojawiają się na fakturze wykonawcy. Bez zaplanowania ich czasu projekt może czekać na odpowiedzi dłużej niż na programowanie.
Najpierw policz jednostkę pracy
Dla odczytu zamówień jednostką może być jeden dokument zaakceptowany w ERP. Dla kontroli jakości - zweryfikowany detal. Dla raportowania - raport zatwierdzony przez kierownika. Tak zdefiniowana jednostka uwzględnia użyteczny wynik, a nie samo wywołanie modelu.
Zmierz miesięczny wolumen, czas obsługi ręcznej i częstotliwość wyjątków. Sprawdź również sezonowość. Rozwiązanie opłacalne przy codziennym obciążeniu może nie mieć uzasadnienia przy kilkunastu dokumentach miesięcznie. Z kolei niewielka liczba krytycznych przypadków może wymagać rozbudowanych testów mimo niskiego wolumenu.
Cena dostawcy modelu jest zmienna. W ofercie powinna mieć datę, walutę, założenia użycia i sposób rozliczenia. Poniższy przykład nie korzysta z cennika konkretnego usługodawcy i nie jest ofertą IT Hero.
Przykładowe obliczenie kosztu w trzy lata
Załóżmy czysto ilustracyjnie, że przygotowanie i wdrożenie kosztuje 120 tys. zł, praca własnego zespołu 20 tys. zł, a miesięczne utrzymanie 3 tys. zł. Dla 36 miesięcy otrzymujemy:
TCO = 120 000 + 20 000 + 36 × 3 000 = 248 000 zł.
TCO oznacza całkowity koszt posiadania w przyjętym okresie. Ten model pomija podatki, finansowanie i wartość pieniądza w czasie. W realnym budżecie trzeba też ująć koszty, których wymaga konkretny projekt, np. sprzęt i wymianę urządzeń. Przykładowe liczby służą pokazaniu sposobu liczenia, nie prognozie ceny rynkowej.
Jeżeli mierzalna korzyść wynosi hipotetycznie 8 tys. zł miesięcznie, po odjęciu 3 tys. zł utrzymania zostaje 5 tys. zł. Prosty zwrot początkowych 140 tys. zł nastąpiłby po 28 miesiącach. Gdy korzyść spadnie do 4 tys. zł, zwrot wydłuży się do 140 miesięcy. Wrażliwość wyniku jest tu ważniejsza niż jedna atrakcyjna liczba.
Uwolniony czas nie zawsze jest oszczędnością gotówki
Jeżeli pracownik dzięki AI wykonuje raport szybciej, firma odzyskuje zdolność do innych zadań. Nie oznacza to automatycznie obniżenia wynagrodzeń ani wydatków. Rozdziel korzyści na uniknięte koszty, dodatkową marżę i uwolniony czas. Nie sumuj ich, jeśli opisują ten sam efekt.
Podobnie mniej braków może ograniczyć materiał i poprawić terminowość, ale nie każdy zatrzymany błędny detal odpowiada utraconemu przychodowi ze sprzedaży. Ustal sposób wyceny z osobą odpowiedzialną za finanse. Dzięki temu decyzja nie będzie oparta na zawyżonym ROI.
Dlaczego pilotaż powinien mieć osobny budżet?
Pilotaż odpowiada na pytanie o wykonalność i jakość. Warto ograniczyć go do konkretnego procesu, ale nie usuwać trudnych przykładów z testu. Ustal zestaw danych niewykorzystywany podczas konfiguracji, liczbę błędów krytycznych oraz koszt ręcznej weryfikacji wyniku.
Podejście do oceny ryzyk i monitorowania opisuje NIST AI Risk Management Framework. W praktyce projektowej oznacza to między innymi zapisanie, kto może zaakceptować wynik i kiedy system powinien przekazać zadanie człowiekowi. Nasz plan pierwszego wdrożenia AI pokazuje, jak zorganizować taką próbę.
Pytania do porównania ofert
- Czy zakres obejmuje integrację, czy tylko demonstrację modelu?
- Kto odpowiada za przygotowanie i opis danych?
- Jak mierzymy wynik na przypadkach typowych i trudnych?
- Jakie opłaty pozostają po uruchomieniu?
- Co się dzieje po zmianie dokumentów, produktu lub modelu?
- Czy można eksportować dane i przejąć rozwiązanie?
- Jaki jest zakres wsparcia oraz czas obsługi awarii?
Jak uzyskać użyteczną wycenę?
Przygotuj próbkę dokumentów lub pomiarów, opis obecnego procesu i jego miesięczny wolumen. Wskaż błędy, których firma nie może zaakceptować. Jeśli jeszcze nie wybrałeś zastosowania, porównaj 10 pomysłów na AI w produkcji.
Porozmawiaj z IT Hero o wariantach wdrożenia. Celem pierwszej analizy powinno być ustalenie zakresu, zależności i sposobu pomiaru korzyści. Dopiero te informacje pozwalają odróżnić mały pilotaż od rozwiązania, które ma działać codziennie w zakładzie.
