Czy AI się opłaca? Jak zbudować business case dla AI

Czy AI opłaca się w naszej firmie?

AI opłaca się w konkretnym procesie, a nie w firmie jako całości. Właściwe pytanie brzmi: czy jeden nazwany proces, na przykład faktury przychodzące, zapytania klientów albo oferty, kosztuje z AI mniej na obsłużoną sprawę, przebiega szybciej lub ma mniej błędów niż dziś, gdy policzysz wszystkie koszty systemu AI. Jeśli nie potrafisz jeszcze nazwać procesu, na to pytanie nie da się jeszcze odpowiedzieć, i to jest pierwszy wniosek twojego business case.

Właśnie w tym miejscu utyka wiele firm. W badaniu Bitkom opublikowanym 14 września 2026 54% firm korzystających z AI i 63% firm, które z niej nie korzystają, wskazało trudne do oszacowania koszty jako barierę. W badaniu DZ Bank, o którym Börsen-Zeitung pisała 24 września 2026, 41% właścicieli i dyrektorów zarządzających stwierdziło, że konkretna korzyść nie jest dla nich jeszcze jasna. A według prognoz Forrester na 2026 rok, opisanych przez CIO.de, mniej niż jedna trzecia osób odpowiedzialnych za AI potrafi jasno wykazać jej wartość w kategoriach finansowych.

Budżety też są pilnowane dokładniej. Badanie Lünendonk dotyczące niemieckiego rynku usług IT, opisane przez IT-Finanzmagazin 6 sierpnia 2026, mówi, że inwestycje w AI są „stärker auf ihre Wirtschaftlichkeit geprüft und enger gesteuert”, czyli dokładniej sprawdzane pod kątem opłacalności i ściślej sterowane. Business case dla jednego procesu przejdzie taką kontrolę, bo stoją za nim twoje własne liczby.

Ile kosztuje ten proces dziś?

Zmierz obecny proces, zanim ktokolwiek cokolwiek zbuduje, bo oszczędność da się pokazać tylko względem punktu wyjścia. Badanie niemieckiego stowarzyszenia energetycznego BDEW z 2026 roku pyta przy każdym zastosowaniu AI, jaka korzyść jest wiarygodna i jak zostanie zmierzona. Najpierw odpowiedz na drugą część. Zbierz te liczby na prawdziwych sprawach, z systemów i od osób, które tę pracę wykonują:

• Liczba spraw miesięcznie, policzona w ERP, w systemie zgłoszeń albo w skrzynce pocztowej.
• Minuty na sprawę, zmierzone na próbce zwykłych i trudnych spraw, łącznie z szukaniem, przepisywaniem między systemami i dopytywaniem kolegów.
• Pełny koszt godziny pracy osób, które wykonują tę pracę, uzgodniony z controllingiem.
• Odsetek błędów i poprawek: ile spraw wraca i ile kosztuje korekta dalej w procesie.
• Czas obsługi i zaległości, tam gdzie szybkość ma znaczenie dla klientów albo płynności finansowej.
• Ile proces już dziś kosztuje w oprogramowaniu i usługach zewnętrznych.

Zapisz, jak zmierzono każdą liczbę. Jeśli wersję z AI zmierzysz później inaczej, porównanie się nie obroni, a dział finansów to zauważy.

Ile kosztuje AI? Budowa, utrzymanie i użycie

Przypisz każdy koszt do jednej z trzech grup, bo zachowują się różnie. Koszty budowy powstają raz, przed startem. Koszty utrzymania powstają co miesiąc, niezależnie od tego, czy system obsługuje mało spraw, czy dużo. Koszty użycia rosną z każdą obsłużoną sprawą. Badanie Bitkom z 2026 roku pokazuje, dokąd w praktyce idą pieniądze: firmy korzystające z AI wskazały jako duże pozycje kosztowe infrastrukturę, taką jak chmura i moc obliczeniowa (51%), przygotowanie danych (50%), integrację (41%), licencje (21%), zewnętrzne doradztwo (21%) i szkolenia (19%). Tylko 8% wskazało tokeny, czyli jednostki, w których dostawcy modeli rozliczają użycie.

Brama LLM (LLM gateway) to jeden kontrolowany punkt dostępu do wszystkich modeli, z kluczami, budżetami i logami, dzięki któremu widać koszt modelu na sprawę. Liczby Bitkom mówią tylko, jak często daną pozycję wskazano jako dużą. Nie mówią, jak duża będzie u ciebie. W procesie, w którym ludzie zatwierdzają wyniki, minuty weryfikacji i eskalacje mogą przewyższyć rachunek za model, dlatego stoją w kolumnie użycia obok użycia modelu. Przewodnik o pełnym koszcie procesu z AI przelicza to na przykładzie.

Jak dobre muszą być wyniki i kto je sprawdza?

Ustal próg jakości, zanim zacznie się budowa, bo od niego zależą zarówno korzyść, jak i nakład na weryfikację. Zapisz go jako typy błędów z wagą: błędna kwota zaksięgowana w ERP to coś innego niż niezgrabne zdanie w szkicu odpowiedzi. Niektóre błędy nigdy nie mogą przejść bez człowieka, a dla pozostałych uzgadniasz, jaki odsetek twoich własnych spraw testowych musi zostać obsłużony poprawnie. Według badania Bitkom z 2026 roku słaba jakość wyników jest barierą dla 26% firm korzystających z AI, więc zarząd zapyta najpierw właśnie o ten wiersz.

Nakład na weryfikację wynika z progu. Pomnóż odsetek spraw, które sprawdza człowiek, przez minuty na jedno sprawdzenie i pełny koszt godziny pracy. Na początku zaplanuj pełną weryfikację, obniżaj ten odsetek dopiero wtedy, gdy pozwolą na to zmierzone wyniki, i na stałe zostaw losową próbkę. System, który często ma rację, ale wymaga pełnego sprawdzenia każdej sprawy, może oszczędzić niewiele. System, który pokazuje źródła, przez co sprawdzenie idzie szybko, może oszczędzić więcej.

Licz czas weryfikacji jako koszt, nawet jeśli niczyje stanowisko się nie zmienia. Przewodnik o budżecie na weryfikację przez ludzi pokazuje, jak zaplanować te godziny.

Ile kosztuje jedna obsłużona sprawa w porównaniu z dziś?

Połącz trzy części w jedną liczbę: koszt obsłużonej sprawy. Dzięki niej proces z AI da się porównać z obecnym procesem i z innymi opcjami, na przykład kupionym produktem albo prostym workflow opartym na regułach.

1. 1

   Zsumuj koszty użycia na sprawę

   Użycie modelu i czas weryfikacji oraz sprawy eskalowane i poprawiane po dzisiejszym koszcie ręcznej obsługi.

2. 2

   Dolicz udział kosztów utrzymania

   Podziel miesięczne koszty utrzymania przez liczbę spraw obsłużonych w tym miesiącu.

3. 3

   Dolicz udział kosztów budowy

   Rozłóż budowę na okres, w którym spodziewasz się używać systemu bez dużej przebudowy, i podaj to otwarcie. Pokaż wynik z tym udziałem i bez niego, bo liczba bez niego to koszt działającego procesu.

4. 4

   Podziel przez sprawy zakończone

   Licz tylko sprawy, które system zakończył albo przekazał dalej. Sprawy rozpoczęte, ale niedokończone, się nie liczą.

5. 5

   Porównaj z punktem wyjścia

   Zestaw ją z dzisiejszym kosztem sprawy, zmierzonym tak samo. Szybkość, zaległości i odsetek błędów podaj obok, ale nie wliczaj ich do tej liczby.

Zwrot z inwestycji wynika z tych samych liczb. Miesięczna oszczędność to dzisiejszy koszt sprawy minus nowy koszt sprawy bez udziału budowy, pomnożone przez liczbę spraw w miesiącu. Podziel koszt budowy przez tę oszczędność, a otrzymasz liczbę miesięcy, po których budowa się zwróci. Jeśli oszczędność jest bliska zeru, nie ma o czym rozmawiać. Zanim podpiszesz, zrób jeszcze jeden test: co się stanie, jeśli przyjdzie tylko połowa oczekiwanej korzyści? Policz wszystko jeszcze raz z połową oszczędności.

Jak zmierzyć ROI z AI, gdy korzyść jest rozproszona?

Korzyść jest rozproszona, gdy z AI korzysta każdy po trochu, na przykład jako licencje na asystenta czatu dla całego biura: każdy oszczędza trochę, nikt nie umie powiedzieć ile, a żaden proces widocznie się nie zmienia. Firmy mimo to chcą to mierzyć. W badaniu KPMG wśród 480 decydentów w Niemczech, opublikowanym 9 czerwca 2026, za sukces uznaje się wzrost produktywności i efektywności (65%) oraz wkład w przychody lub wzrost (48%). Tymczasem w raporcie Flexera z 5 listopada 2025 tylko 19% respondentów planowało mierzyć sukces AI w 2026 roku.

Trzy kroki sprawiają, że rozproszoną korzyść da się zmierzyć:

• Najpierw zmierz użycie i wydatki: kto używa jakiego narzędzia, jak często i za ile w przeliczeniu na zespół. Licencje, z których nikt nie korzysta, to najłatwiejsza oszczędność.
• Wybierz kilka powtarzalnych zadań, w których skupia się użycie, na przykład szkice odpowiedzi albo streszczenia dokumentów, i zmierz ich czas z AI i bez niej na tych samych sprawach.
• Najczęstsze z tych zadań zamień w krok procesu połączony z twoimi systemami, a potem zbuduj dla niego business case jak dla każdego innego procesu.

Nasz bezpłatny przegląd wykorzystania AI obejmuje pierwszy krok: jedna strona o wydatkach na AI i jakości, przygotowana z eksportów, które sam wybierasz, bez dostępu do twoich systemów.

Kiedy przerywamy i kto o tym decyduje?

Wpisz kryteria przerwania do business case, zanim wydasz pierwsze euro, bo gdy pilotaż ma już zespół i demo, nikt nie chce go kończyć. Ekspert niemieckiego stowarzyszenia branży maszynowej VDMA powiedział to wprost w rozmowie z produktion.de 1 czerwca 2026: „Nicht jedes KI-Pilotprojekt ist zum Erfolg verurteilt”, czyli nie każdy pilotaż AI jest skazany na sukces. Typowe kryteria to:

• Jakość na twoich własnych sprawach testowych zostaje poniżej uzgodnionego progu w dwóch kolejnych punktach przeglądu.
• Koszt obsłużonej sprawy bez udziału budowy nie jest niższy niż dziś.
• Odsetek spraw wymagających weryfikacji nie spada zgodnie z planem, więc oszczędność zostaje na papierze.
• Ludzie nie używają systemu w sprawach, dla których go zbudowano.
• Prostsza opcja, na przykład stała reguła albo lepszy formularz, daje większość efektu mniejszym kosztem.

Określ, kto decyduje w każdym punkcie przeglądu, zwykle właściciel procesu razem z działem finansów, i co finansuje każdy wynik: kontynuację, zmianę projektu albo przerwanie i wycofanie systemu. Przewodnik o tym, kiedy zatrzymać projekt AI, pokazuje, jak podjąć tę decyzję bez presji już poniesionych kosztów.

Czy jest szablon business case dla AI do wypełnienia?

Tak, ten poniżej. Skopiuj tę tabelę do arkusza kalkulacyjnego i dodaj jedną kolumnę na stan dzisiejszy, a drugą na wersję z AI. Lepiej zostaw wiersz pusty, niż zgaduj, i zaznacz, które liczby są zmierzone, a które wciąż są założeniami. Każde założenie staje się czymś, co pilotaż musi zmierzyć.

Jeśli chcesz, żeby ktoś jeszcze spojrzał na liczby, porozmawiaj z inżynierem. Pierwsza rozmowa jest bezpłatna, trwa 30 minut i nie wymaga dostępu do twoich systemów ani danych. Każda dalsza praca ma stałą cenę za każdy etap, uzgodnioną na piśmie po pierwszej rozmowie.

Bezpłatny przegląd wykorzystania AIStrategia i wdrożenie AIDla CFO i finansów