Agent AI w firmie: 5 wdrożeń i realne liczby ROI (zamiast kolejnej listy pomysłów na AI)

Większość artykułów o AI w firmie kończy się na etapie inspiracji: "agent może odpowiadać na maile", "bot może czytać faktury", "AI może pisać posty". Problem w tym, że żaden właściciel firmy nie podejmuje decyzji na podstawie listy możliwości. Podejmuje ją na podstawie liczb: ile to kosztuje wdrożyć, ile kosztuje utrzymać co miesiąc i po ilu miesiącach ta inwestycja się zwróci. W Ententrze policzyliśmy to po kilkunastu wdrożeniach i tu pokazujemy pięć z nich, każde z innej branży, żeby dało się porównać rząd wielkości, a nie tylko koncepcję.

Dlaczego nie piszemy kolejnej listy "10 zastosowań AI"

Bo taka lista nic nie mówi o ryzyku. Każde zastosowanie z typowego poradnika brzmi dobrze w teorii: "automatyzacja odpowiedzi na zapytania klientów", "generowanie raportów marketingowych", "czytanie faktur kosztowych". W praktyce te same pomysły w dwóch różnych firmach dają zupełnie inny wynik, bo zależą od jakości danych wejściowych, liczby wyjątków i tego, czy proces w ogóle jest na tyle powtarzalny, żeby agent mógł go przejąć. Dlatego zamiast kolejnej listy pokazujemy projekty, które przeszły przez wdrożenie, kilka tygodni pracy w realnych warunkach i rozliczenie kosztu. To jedyny sposób, żeby ocenić, czy coś podobnego ma sens u Ciebie.

Jak liczymy zwrot z wdrożenia agenta AI

Zanim przejdziemy do przykładów, krótkie wyjaśnienie metody, bo bez niej liczby nic nie znaczą. Przy każdym wdrożeniu patrzymy na cztery rzeczy. Po pierwsze, czas wdrożenia liczony w tygodniach od analizy procesu do uruchomienia produkcyjnego. Po drugie, liczbę godzin pracy ludzi miesięcznie, które agent realnie przejmuje, czyli ile czasu wcześniej trwał ten proces robiony ręcznie minus czas, który nadal trzeba poświęcić na nadzór i obsługę wyjątków. Po trzecie, koszt utrzymania: tokeny API modeli językowych, subskrypcje narzędzi, czasem drobne opłaty za integracje. Po czwarte, czas zwrotu, czyli moment, w którym suma zaoszczędzonych godzin (przeliczona na stawkę godzinową pracownika) przewyższa koszt wdrożenia plus koszty utrzymania narosłe do tego momentu.

Ta metoda ma jedną słabość: zakłada, że zaoszczędzony czas faktycznie zamienia się na pieniądze, bo ktoś robi w tym czasie coś innego, przynoszącego wartość, albo firma nie musi zatrudniać dodatkowej osoby. Jeśli zaoszczędzone 60 godzin miesięcznie i tak nikt nie wykorzysta produktywnie, zwrot jest papierowy. Dlatego w każdym projekcie pytamy klienta wprost, co zrobi z odzyskanym czasem, zanim w ogóle zaczniemy liczyć ROI.

Pięć wdrożeń z liczbami

1. Biuro rachunkowe: agent do dekretacji dokumentów

Biuro obsługujące kilkudziesięciu klientów z branż handlowych i usługowych. Problem był prosty do opisania i trudny do rozwiązania ręcznie: każdego dnia księgowe przepisywały dane z faktur kosztowych i sprzedażowych do systemu księgowego, bo klienci przysyłali dokumenty mailem, przez Dropbox, czasem zdjęciem z telefonu. Agent zbudowany na OCR plus modelu językowym rozpoznaje dokument, wyciąga dane, przypisuje konto księgowe na podstawie historii podobnych dokumentów i wrzuca gotowy wpis do zatwierdzenia przez księgową.

Wdrożenie zajęło 3 tygodnie, głównie dlatego że trzeba było nauczyć agenta specyfiki kont u konkretnych klientów biura. Odciążenie: około 70 godzin pracy księgowych miesięcznie w całym biurze. Koszt utrzymania: około 450 zł miesięcznie w tokenach i subskrypcji narzędzia OCR. Zwrot inwestycji: 2 miesiące. To był jeden z najszybszych zwrotów ze wszystkich projektów, bo proces był bardzo powtarzalny i miał jasne reguły. Szerzej o tym podejściu piszemy przy okazji automatyzacji biura rachunkowego, bo tam skala korzyści rośnie wraz z liczbą obsługiwanych klientów.

2. Hurtownia: agent czytający i księgujący faktury kosztowe

Firma handlowa z własnym magazynem, zamawiająca towar od kilkudziesięciu dostawców. Faktury przychodziły w różnych formatach, część jako PDF, część jako skan, część jako link do portalu dostawcy. Ktoś musiał to ręcznie wprowadzać do ERP, sprawdzać zgodność z zamówieniem i dekretować. Agent przejął rozpoznawanie dokumentu, dopasowanie do zamówienia w systemie i wstępną dekretację, z człowiekiem zatwierdzającym na końcu.

Wdrożenie trwało 4 tygodnie, bo trzeba było zintegrować się z konkretnym ERP klienta, co zawsze wydłuża projekt względem pracy na generycznym systemie księgowym. Odciążenie: 55 godzin miesięcznie. Koszt utrzymania: około 600 zł miesięcznie, wyższy niż w biurze rachunkowym, bo dokumenty były bardziej zróżnicowane i agent częściej odwoływał się do droższego modelu przy niejednoznacznych przypadkach. Zwrot: 3 miesiące. Jeśli w Twojej firmie powtarza się ten sam scenariusz, czyli ktoś ręcznie wprowadza faktury kosztowe do systemu, opisaliśmy ten typ wdrożenia szerzej przy automatyzacji faktur.

3. Sklep internetowy: agent obsługujący status zamówień i proste zwroty

Sklep z asortymentem o umiarkowanym wolumenie zamówień, generujący kilkadziesiąt zgłoszeń dziennie do obsługi klienta, z czego większość to pytania o status przesyłki, prośby o fakturę i zgłoszenia zwrotu. Agent podłączony do systemu zamówień i poczty odpowiada na te pytania automatycznie, a zgłoszenia niestandardowe, na przykład reklamacje jakościowe, przekazuje do człowieka razem z podsumowaniem sprawy.

Wdrożenie zajęło 5 tygodni, bo oprócz samej logiki agenta trzeba było zbudować integrację z platformą e-commerce i systemem kurierskim. Odciążenie: około 90 godzin miesięcznie w zespole obsługi klienta. Koszt utrzymania: około 900 zł miesięcznie, bo ruch wiadomości był dość duży. Zwrot: 4 miesiące. Warto dodać ograniczenie, które pojawiło się już w pierwszym tygodniu: agent źle radził sobie z nietypowymi żądaniami zwrotu spoza regulaminu i trzeba było dopisać twardą regułę przekierowania do człowieka, zamiast pozwalać mu improwizować. Więcej o tym, które procesy w sklepie internetowym nadają się do automatyzacji, piszemy przy automatyzacji e-commerce.

4. Firma usługowa B2B: agent pierwszej linii obsługi klienta

Firma świadcząca usługi abonamentowe, z zespołem obsługi klienta odpowiadającym na maile i czat dotyczące rozliczeń, zmian w umowie i pytań technicznych o produkt. Agent przejął pierwszą linię: klasyfikuje zgłoszenie, odpowiada samodzielnie na pytania z bazy wiedzy, a przy rozliczeniach i zmianach umowy przygotowuje gotową odpowiedź do akceptacji konsultanta, zamiast odpowiadać bez nadzoru.

To było najdłuższe wdrożenie z całej piątki: 6 tygodni, bo wymagało uporządkowania bazy wiedzy firmy, która wcześniej była rozproszona między kilkoma dokumentami i głowami konsultantów. Odciążenie: około 120 godzin miesięcznie w zespole obsługi. Koszt utrzymania: około 1200 zł miesięcznie, najwyższy z opisywanych tu projektów, bo wolumen zapytań był duży i model musiał mieć dostęp do rozbudowanego kontekstu przy każdej odpowiedzi. Zwrot: 5 miesięcy. Świadomie zostawiliśmy w tym procesie człowieka na końcu przy decyzjach dotyczących pieniędzy klienta, bo błąd agenta przy rozliczeniu kosztuje więcej niż zaoszczędzony czas. Szczegóły tego podejścia opisujemy przy automatyzacji obsługi klienta.

5. Firma marketingowa: agent do raportów kampanii

Mały dział marketingu obsługujący kilka kampanii reklamowych jednocześnie, w którym co tydzień ktoś ręcznie zbierał dane z kilku platform reklamowych, wklejał do arkusza i pisał podsumowanie dla zarządu. Agent pobiera dane z API platform reklamowych, generuje podsumowanie z wnioskami i wysyła gotowy raport, a człowiek tylko go przegląda przed wysyłką do klienta lub zarządu.

To było najszybsze wdrożenie: 2 tygodnie, bo proces był prosty i dobrze zdefiniowany od początku. Odciążenie: 25 godzin miesięcznie, najmniej z całej piątki, ale przy niskim koszcie utrzymania (około 300 zł miesięcznie) i tak dało to zwrot w 2 miesiące. To dobry przykład, że mały, dobrze wycelowany projekt potrafi zwrócić się szybciej niż duże wdrożenie z większym odciążeniem godzinowym. Więcej przykładów tego typu znajdziesz przy automatyzacji marketingu.

Co łączy te pięć projektów (i czego nie obiecujemy)

Każde z tych wdrożeń miało jedną wspólną cechę: decyzje o wysokim ryzyku, czyli te dotyczące pieniędzy, reklamacji spoza regulaminu albo zmiany umowy, zostały przy człowieku. Agent robi 70 do 90 procent pracy mechanicznej, wyjątki i przypadki niestandardowe trafiają do kogoś, kto podejmuje ostateczną decyzję. To nie jest ograniczenie technologii, to świadomy wybór: koszt błędu w automatycznym rozliczeniu klienta jest wyższy niż koszt kilku dodatkowych minut konsultanta.

Druga wspólna cecha to czas wdrożenia skorelowany z liczbą integracji, nie ze złożonością samego "AI". Projekt z biurem rachunkowym (3 tygodnie) i projekt z firmą usługową (6 tygodni) różniły się głównie liczbą systemów, z którymi trzeba było połączyć agenta, a nie trudnością samego rozpoznawania treści. To ważne, bo wiele firm zakłada, że "sztuczna inteligencja" jest trudna technicznie. W praktyce trudna bywa integracja ze starym, słabo udokumentowanym systemem wewnętrznym, a to zupełnie inny rodzaj problemu.

Trzecia rzecz, o której rzadko mówią dostawcy narzędzi: koszt utrzymania rośnie wraz z wolumenem i złożonością zapytań, nie jest stałą kwotą z cennika. 300 zł miesięcznie przy prostym raporcie marketingowym i 1200 zł przy obsłudze klienta z dużym ruchem to nie przypadek, tylko konsekwencja liczby wywołań modelu i długości kontekstu, jaki trzeba mu podać. Każdy, kto obiecuje jedną stałą cenę "za agenta AI" niezależnie od skali firmy, albo nie rozumie mechaniki kosztów, albo coś ukrywa.

Kiedy agent AI się nie zwraca

Odrzuciliśmy kilka projektów na etapie konsultacji właśnie dlatego, że liczby nie wyglądały dobrze. Typowy przykład: firma z niską częstotliwością powtarzalnego procesu, na przykład generowanie raportu raz na kwartał, chciała zautomatyzować go agentem, mimo że ręczne wykonanie zajmowało 4 godziny raz na trzy miesiące. Koszt wdrożenia i miesięcznego utrzymania przewyższał wartość zaoszczędzonego czasu w perspektywie kilku lat. W takich sytuacjach uczciwa odpowiedź brzmi: zostaw to ręcznie, albo zrób prostą automatyzację bez AI (np. szablon w arkuszu), bo agent to nadmiarowe narzędzie do zbyt małego problemu.

Drugi sygnał ostrzegawczy to brak jasności, kto w firmie będzie nadzorował agenta po wdrożeniu. Każdy z pięciu opisanych projektów miał osobę odpowiedzialną za przegląd wyjątków i korektę reguł w pierwszych tygodniach. Bez tego agent albo przestaje działać poprawnie po pierwszej zmianie w procesie firmy, albo gorzej: popełnia błędy, których nikt nie zauważa, dopóki nie urosną do realnego problemu.