Pod koniec grudnia usiadłem z wyciągiem z karty firmowej i policzyłem, ile w 2025 wydałem na sztuczną inteligencję. Nie na „transformację cyfrową", nie na „wdrożenia" - na samo AI, które napędza moją agencję od środka. Wyszła suma, która mnie zaskoczyła. Nie dlatego, że była wielka. Dlatego, że była tak rozdrobniona - kilkanaście małych przelewów w dolarach, parę subskrypcji w złotówkach, jeden serwer, kilka narzędzi. Żadnej wielkiej faktury, na którą można wskazać palcem. I właśnie to czyni te koszty groźnymi.
Prowadzę małą agencję AI dla firm na 10 - 200 osób i mam zasadę: co radzę klientom, najpierw testuję na sobie. Więc kiedy ktoś pyta mnie „ile to naprawdę kosztuje", nie odpowiadam ogólnikami - pokazuję własny wyciąg. Ten tekst jest dokładnie tym: moim budżetem AI za 2025, rozłożonym na czynniki pierwsze. Z liczbami, z błędami, z tym, co przepłaciłem i czego dziś bym nie kupił. Bez upiększania, bo upiększony budżet jest nikomu niepotrzebny.
Spis treści
- Dlaczego w ogóle pokazuję własny rachunek?
- Na co dzieli się mój budżet AI?
- Ile płacę za API modeli i dlaczego to się waha?
- Które subskrypcje zostały, a które wyrzuciłem?
- Co kosztuje infrastruktura, której nie widać?
- Narzędzia: które się zwróciły, a które były przepłacone?
- Ile to wszystko jest procentem przychodów?
- Dlaczego najdroższe nie znaczy najlepsze?
- Co bym zrobił inaczej, gdybym zaczynał dziś?
- Co z tego budżetu warto przepisać na własną firmę
- Słownik pojęć
Dlaczego w ogóle pokazuję własny rachunek?
Bo o kosztach AI mówi się dziś dwa rodzaje nieprawdy. Pierwsza to ta sprzedażowa - „dwadzieścia dolarów miesięcznie i masz całą moc sztucznej inteligencji". Druga to ta straszliwa - „AI to przepalanie milionów, stać na to tylko korporacje". Obie są fałszem, bo obie omijają środek, w którym żyje większość firm: kilkaset do kilku tysięcy złotych miesięcznie, rozsianych po kilkunastu pozycjach, których nikt nie sumuje.
Napisałem już kiedyś szerszy tekst o tym, ile naprawdę kosztuje AI w firmie - tam pokazałem ukryte koszty wdrożenia: czas, naukę, integracje, utrzymanie. Tamten artykuł był o twojej firmie, ogólnie. Ten jest węższy i bardziej osobisty. To mój własny rachunek - konkretnie idea4me, konkretnie 2025, konkretne kategorie i kwoty w rzędach wielkości, które mogę pokazać bez wstydu i bez zmyślania.
Po co? Bo jedyna rzecz, która naprawdę uczy o kosztach, to cudzy wyciąg z karty. Jak ktoś mówi ci, że „AI jest tanie" albo „AI jest drogie", to nic ci nie daje. Jak ktoś ci pokazuje, że na API w jednym miesiącu poszło dwa razy więcej niż w poprzednim i dlaczego - to już możesz przyłożyć do siebie. Pokazuję swój budżet, żebyś mógł oszacować swój. To wszystko.
Na co dzieli się mój budżet AI?
Kiedy poukładałem te wszystkie drobne przelewy, okazało się, że wpadają do czterech koszy. I to jest, swoją drogą, dobra rama dla każdej firmy, która chce się przyjrzeć swoim kosztom AI - bo te cztery kategorie zachowują się zupełnie inaczej.
Pierwszy kosz to API modeli. To płatność za faktyczne myślenie maszyny - za każde zapytanie, które wysyłam do modelu Anthropic czy OpenAI z poziomu własnego kodu. Rozliczane od zużycia, czyli zmienne. W jednym miesiącu mniej, w drugim więcej, zależnie od tego, ile automatów chodzi i jak ciężkie zadania im daję.
Drugi kosz to subskrypcje. Stałe, miesięczne opłaty za narzędzia z interfejsem - tam, gdzie nie piszę kodu, tylko klikam i rozmawiam. Płaska kwota, ten sam przelew co miesiąc, niezależnie od tego, czy danego dnia użyłem dużo czy wcale.
Trzeci kosz to infrastruktura. Serwer, na którym stawiam własne usługi, lokalne modele, bazy. To koszt, którego klient nigdy nie widzi, a bez którego nic by nie działało. Też stały, comiesięczny.
Czwarty kosz to narzędzia wokół AI. Nie sama sztuczna inteligencja, ale wszystko, co ją karmi i obudowuje - bazy danych do wyszukiwania, źródła grafik, narzędzia do pozyskiwania kontaktów. Część z nich ma AI w środku, część tylko współpracuje z moimi automatami.
Cztery kosze, cztery różne logiki płacenia. Zmienne kontra stałe, od zużycia kontra ryczałt. Jeśli zapamiętasz z tego tekstu tylko jedno, niech to będzie ten podział - bo on decyduje o tym, gdzie da się oszczędzić, a gdzie nie ma sensu próbować.
Ile płacę za API modeli i dlaczego to się waha?
To jest mój najciekawszy kosz, bo najmniej przewidywalny. API modeli to płatność za to, że mój kod pyta sztuczną inteligencję o coś bez udziału mojego palca na klawiaturze. Mój asystent Alex, który nocą porządkuje maile. Mój system, który czyta dokumenty klientów. Automaty, które klasyfikują, streszczają, redagują. Wszystkie one wysyłają zapytania do modeli i każde takie zapytanie kosztuje ułamek dolara.
Tu trzeba zrozumieć jedną rzecz, bo to klucz do całego rachunku: za API płaci się od tokenów. Token to kawałek tekstu - mniej więcej cząstka słowa. Im dłuższe zapytanie i im dłuższa odpowiedź, tym więcej tokenów, tym wyższy koszt. To jak taksówka - płacisz nie za to, że wsiadłeś, tylko za przejechany dystans. Krótkie pytanie z krótką odpowiedzią to grosze. Wrzucenie modelowi stustronicowego dokumentu i poproszenie o analizę - to już realna kwota.
U mnie API modeli to rząd kilkudziesięciu do około stu dolarów miesięcznie, w zależności od tego, co akurat się dzieje. W spokojnym miesiącu, gdy automaty po prostu robią swoje - bliżej dolnej granicy. W miesiącu, w którym buduję coś nowego i testuję setki razy, albo gdy puszczam większy projekt na dużym wolumenie dokumentów - kwota potrafi się podwoić. I to jest normalne. API to koszt, który oddycha razem z firmą.
Dwie rzeczy nauczyły mnie panować nad tym koszem. Pierwsza: nie każde zadanie wymaga najmocniejszego modelu. To jak wysyłanie ciężarówki po jedną paczkę. Do prostej klasyfikacji maila wystarczy model mniejszy i wielokrotnie tańszy - droższy, mądrzejszy zostawiam tam, gdzie naprawdę trzeba zrozumieć niuans. Sama ta decyzja, na czym co puszczać, potrafi obciąć rachunek o połowę. Druga: testując nowy automat, łatwo przepalić pieniądze na ślepych próbach. Dlatego nowe rzeczy buduję najpierw na małych przykładach, a dopiero sprawdzone puszczam na pełnej skali.
Czy ten kosz się zwrócił? Najbardziej ze wszystkich. To są pieniądze, które bezpośrednio zamieniają się w pracę - w obsłużone maile, przeczytane dokumenty, gotowe szkice. Tu każdy dolar pracuje. Gdybym miał ciąć budżet, ten kosz tknąłbym ostatni.
Które subskrypcje zostały, a które wyrzuciłem?
Subskrypcje to mój najbardziej zdradliwy kosz - nie dlatego, że drogi, tylko dlatego, że cichy. Pojedyncza to dwadzieścia, trzydzieści dolarów miesięcznie. Niby nic. Ale subskrypcje mają tę właściwość, że się mnożą, gdy nie patrzysz, i płaci się je dalej długo po tym, jak przestały być potrzebne.
Co u mnie zostało? Płatny dostęp do interfejsu modelu, w którym po prostu pracuję na co dzień - to, na czym piszę, myślę, redaguję, zanim cokolwiek przeniosę do kodu. To moje główne narzędzie pracy i te dwadzieścia parę dolarów miesięcznie zwraca się każdego ranka. Tego nie ruszę. Do tego druga, pomocnicza subskrypcja do modelu innego dostawcy - bo różne modele mają różne mocne strony i czasem warto mieć drugą głowę do porównania.
Co wyrzuciłem? Kilka rzeczy, i to jest część, której nie pokazują w poradnikach. Płaciłem za narzędzia, które kupiłem w przypływie entuzjazmu po obejrzeniu czyjegoś demo. Generator grafik, którego po pierwszym miesiącu prawie nie otwierałem. Nakładkę „all-in-one", która obiecywała robić wszystko, a w praktyce robiła wszystko przeciętnie - i okazało się, że dwa darmowe narzędzia robią to lepiej. Asystenta do jednej konkretnej rzeczy, którą i tak szybciej załatwiałem sam.
Suma tych zombie-subskrypcji za cały rok była, szczerze, żenująca - tyle, że gdybym tę kwotę zobaczył na jednej fakturze, zareagowałbym od razu. Ale ona schodziła po dwadzieścia dolarów, rozproszona, niewidoczna. Dlatego dziś mam jedną żelazną zasadę, którą polecam każdej firmie: raz na kwartał siadam do wyciągu i przy każdej subskrypcji zadaję jedno pytanie - czy użyłem tego w ostatnim miesiącu? Jeśli nie - rezygnuję tego samego dnia. Subskrypcja nieużywana to nie oszczędność na później. To strata teraz.
Co kosztuje infrastruktura, której nie widać?
Trzeci kosz to serwer. Konkretnie maszyna w OVH, na której stawiam to, czego nie chcę albo nie mogę trzymać u zewnętrznych dostawców - własne usługi, bazy, panele dla klientów, lokalne modele.
Bo tu jest rzecz, którą mało kto liczy do „kosztów AI", a powinien: część sztucznej inteligencji u mnie nie chodzi w chmurze za dolary od zapytania, tylko lokalnie, na moim sprzęcie. Używam Ollamy - to narzędzie, które pozwala uruchomić model językowy na własnym serwerze, bez wysyłania danych na zewnątrz. Do niektórych rzeczy to idealne: kiedy przetwarzam wrażliwe dokumenty klienta, nie chcę, żeby wychodziły poza moją maszynę. Kiedy robię coś masowo i powtarzalnie, lokalny model bywa tańszy niż płacenie od zapytania.
Ale „lokalnie" nie znaczy „za darmo". Lokalnie znaczy, że płacę za serwer, który musi być wystarczająco mocny, żeby ten model udźwignąć, i że to ja odpowiadam, gdy coś przestanie działać. Serwer to u mnie stały koszt rzędu kilkuset złotych miesięcznie - jedna z niewielu pozycji, która od lat jest taka sama i nie sprawia niespodzianek. I to jest jej zaleta. W budżecie pełnym zmiennych, oddychających kosztów, jedna twarda, przewidywalna kwota działa kojąco.
Czy się zwraca? Tak, ale inaczej niż API. Serwera nie da się przeliczyć na „obsłużone maile". On jest fundamentem - tym, na czym stoi cała reszta. Płacę za niego trochę jak za czynsz: nie generuje przychodu sam z siebie, ale bez niego nie ma gdzie postawić warsztatu. Do tego dochodzi spokój o dane klientów, którego nie wyceniam w złotówkach, a który dla agencji pracującej z cudzymi dokumentami jest bezcenny.
Narzędzia: które się zwróciły, a które były przepłacone?
Czwarty kosz to wszystko wokół AI - narzędzia, które same w sobie nie są sztuczną inteligencją, ale bez których moje automaty byłyby ślepe.
Tu zwróciły się rzeczy nieoczywiste. Zbudowałem sobie własny system wyszukiwania po całej wiedzy o klientach - opisywałem go w tekście o pięciu narzędziach AI, których używam codziennie. Pod spodem siedzi baza wektorowa, czyli taki magazyn, w którym dokumenty leżą poukładane nie po nazwie, lecz po znaczeniu - dzięki czemu mogę zapytać po ludzku „co ustaliliśmy z tym klientem w sprawie serwera" i dostać odpowiedź z właściwej notatki, nawet jeśli nie użyłem dokładnie tych słów. To narzędzie kosztowało mnie głównie czas budowy, bo oparłem je na rozwiązaniach darmowych. I jest jedną z najlepszych inwestycji, jakie zrobiłem - choć w wyciągu z karty prawie nie istnieje.
Z drugiej strony są narzędzia, za które płacę z interfejsu i które dają konkretną wartość: dostęp do bazy kontaktów firmowych do pracy nad mailingiem B2B, źródło grafik na licencji do materiałów dla klientów. To kosztuje regularnie, ale każda z tych pozycji ma jasny związek z przychodem - albo pomaga pozyskać klienta, albo obsłużyć projekt. Dopóki ten związek jest widoczny, płacę bez wahania.
A co było przepłacone? Płaciłem przez kilka miesięcy za zaawansowany plan narzędzia, z którego realnie używałem może jednej dziesiątej funkcji. Kupiłem „pakiet pro", bo wyglądał poważniej, choć plan podstawowy w zupełności by wystarczył. To klasyczny błąd - kupowanie zapasu mocy „na wszelki wypadek", który nigdy nie nadchodzi. Zszedłem na niższy plan i nie poczułem różnicy. Tylko rachunek poczuł.
Ile to wszystko jest procentem przychodów?
To jest pytanie, które naprawdę ma znaczenie, bo sama kwota nic nie mówi. Tysiąc złotych miesięcznie to dużo dla firmy jednoosobowej i nic dla firmy, która z tego tysiąca robi dziesięć. Liczy się nie ile wydajesz, tylko ile z tego masz.
U mnie wszystkie cztery kosze razem - API, subskrypcje, serwer, narzędzia - to wydatek rzędu pojedynczych procentów przychodów agencji. Nie dziesiątki procent, nie połowa. Pojedyncze procenty. I uważam, że to jest zdrowa proporcja dla firmy, której AI jest narzędziem pracy, a nie produktem sprzedawanym na sztuki. Gdyby ten udział rósł do kilkunastu procent, zacząłbym się przyglądać, czy aby nie płacę za moc, której nie zamieniam na pieniądze.
Ale procent to dopiero połowa odpowiedzi. Druga połowa to: co dostaję w zamian. A dostaję pracę kilku osób, których nie muszę zatrudniać. Mój nocny asystent porządkuje maile za czas, którego nie wyceniam już w godzinach, bo go po prostu nie poświęcam. System wyszukiwania po wiedzy o klientach oszczędza mi to wieczne „gdzie ja to zapisałem". To są oszczędności, których nie widać w wyciągu z karty, ale widać w tym, że prowadzę agencję, nie zatrudniając przy tym armii ludzi do rzeczy powtarzalnych.
Dlatego nie patrzę na koszt AI jako na wydatek do zminimalizowania. Patrzę jak na zatrudnienie. Pytanie nie brzmi „jak najtaniej", tylko „czy ten kosz oddaje mi więcej, niż mnie kosztuje". Przy API - zdecydowanie. Przy serwerze - tak. Przy subskrypcjach - czasem tak, czasem płaciłem za nic. I właśnie dlatego raz na kwartał siadam do tego wyciągu.
Dlaczego najdroższe nie znaczy najlepsze?
To jest lekcja, która kosztowała mnie najwięcej, zanim ją odrobiłem. Przez pierwsze miesiące działałem odruchowo: skoro to ważne, biorę najlepsze, czyli najdroższe. Najmocniejszy model do wszystkiego. Najwyższy plan każdego narzędzia. Logika brzmiała rozsądnie - przy pracy dla klientów nie chcę oszczędzać na jakości.
Tylko że to było złe rozumienie jakości. Najmocniejszy model językowy jest genialny do zadań, które wymagają zrozumienia niuansu, kontekstu, wieloznaczności. Ale do posortowania maila na „pilne" i „może poczekać" jest jak profesor filozofii proszony o policzenie reszty w sklepie. Zrobi to, owszem, ale przepłacasz za każdą sekundę jego myślenia. Kiedy zacząłem dobierać model do zadania zamiast brać najmocniejszy do wszystkiego, rachunek za API spadł, a jakość pracy ani drgnęła. Bo do prostych rzeczy mniejszy model jest równie dobry - i wielokrotnie tańszy.
To samo z narzędziami. Najdroższy plan to zwykle nie „lepsza wersja tego samego", tylko „ta sama wersja plus funkcje dla większych firm niż twoja". Płacisz za współdzielenie zespołowe, którego nie masz, za limity, których nie dotykasz, za integracje, których nie używasz. Najlepsze narzędzie to nie to z najdłuższą listą funkcji. To takie, którego używasz codziennie i które robi dobrze tę jedną rzecz, po którą sięgasz.
Najtańsze rzeczy w moim budżecie okazały się najwartościowsze. System wyszukiwania po wiedzy o klientach - zbudowany na darmowych komponentach, kosztował głównie mój czas - daje mi codziennie więcej niż niejedna płatna subskrypcja. Lokalny model na własnym serwerze, po który nie płacę od zapytania, robi masowe, nudne zadania taniej niż chmura. Wzór jest dość brutalny: największą wartość przyniosły mi rzeczy, które zbudowałem albo dobrałem z głową, a nie te, za które najwięcej zapłaciłem. Pieniądze i wartość nie idą w AI ręka w rękę. Idą w nią głowa i dopasowanie.
Co bym zrobił inaczej, gdybym zaczynał dziś?
Cztery rzeczy, gdybym mógł cofnąć rok.
Po pierwsze, od pierwszego dnia trzymałbym wszystkie koszty AI w jednym miejscu, w jednej tabelce, sumowane co miesiąc. Mój największy błąd nie był drogi - był rozproszony. Nie wiedziałem, ile wydaję, bo wydawałem po kawałku. Firma, która chce panować nad kosztem AI, musi go najpierw widzieć w całości. Inaczej zawsze będzie cię zaskakiwał.
Po drugie, nie kupowałbym narzędzi po obejrzeniu demo. Demo zawsze wygląda pięknie - to jego jedyne zadanie. Dziś każdą nową rzecz biorę najpierw w darmowym planie albo na próbę, i płacę dopiero, gdy realnie z niej korzystam przez kilka tygodni. Entuzjazm to najdroższy doradca zakupowy, jakiego znam.
Po trzecie, od początku dobierałbym model do zadania. Zamiast najmocniejszego do wszystkiego - mniejszy tam, gdzie wystarczy, mocniejszy tam, gdzie trzeba. To jedna decyzja architektoniczna, którą podejmujesz raz, a która tnie rachunek co miesiąc. Szkoda każdego miesiąca, w którym tego nie robiłem.
Po czwarte, wcześniej postawiłbym na to, co własne i lokalne. Im dłużej działam, tym bardziej widzę, że największą stabilność i najlepszy stosunek wartości do ceny dają rzeczy, które kontroluję sam - własny serwer, lokalny model, narzędzie zbudowane pod siebie. Subskrypcje są wygodne na start, ale to one najszybciej się mnożą i najciszej drenują budżet. Gdybym zaczynał dziś, szybciej zadałbym sobie pytanie „czy to muszę wynajmować, czy mogę mieć u siebie".
Co z tego budżetu warto przepisać na własną firmę
Mój rachunek za AI w 2025 nie był wielki i nie był mały. Był rozsądny - pojedyncze procenty przychodów, w zamian za pracę, której inaczej musiałbym kogoś nauczyć i komuś zapłacić. Ale liczba sama w sobie jest najmniej ciekawa. Ciekawe jest to, czego mnie nauczyła.
Że koszty AI nie są wielkie - są rozproszone, i to rozproszenie jest groźniejsze niż wysokość. Że subskrypcje mnożą się w ciszy i trzeba je tępić co kwartał. Że najmocniejsze narzędzie to rzadko najlepszy wybór, a najtańsze rzeczy bywają najwartościowsze. I że jedyny sposób, żeby nad tym wszystkim panować, to widzieć całość w jednym miejscu i raz na jakiś czas zadać sobie przy każdej pozycji jedno pytanie: czy to wciąż oddaje mi więcej, niż mnie kosztuje.
Jeśli prowadzisz firmę i nie wiesz, ile naprawdę wydajesz na AI - to nie jest pytanie techniczne. To pytanie o panowanie nad własnym budżetem. I pierwszy krok jest banalny: zsumuj to. Wszystkie subskrypcje, wszystkie dolary za API, serwer, narzędzia. Wpisz do jednej tabelki. Większość firm, którym to proponuję, jest szczerze zaskoczona wynikiem - w jedną albo w drugą stronę. I to zaskoczenie jest cenne, bo to początek panowania.
Słownik pojęć
- API modelu - sposób, w jaki własny kod „rozmawia" ze sztuczną inteligencją bez udziału człowieka klikającego w okienko. Zamiast wpisywać pytanie ręcznie, program wysyła je do modelu i odbiera odpowiedź. Płaci się od zużycia - im więcej zapytań i im dłuższe, tym wyższy koszt.
- Token - najmniejsza jednostka, którą model „widzi": kawałek tekstu, mniej więcej cząstka słowa. Koszt API liczy się w tokenach - za to, ile tekstu wchodzi w zapytaniu i wychodzi w odpowiedzi. Dłuższy tekst, więcej tokenów, wyższy rachunek.
- Ollama - narzędzie, które pozwala uruchomić model językowy na własnym serwerze, lokalnie, bez wysyłania danych na zewnątrz. Przydatne, gdy zależy ci na prywatności danych albo na tańszym przetwarzaniu masowym.
- Baza wektorowa - magazyn dokumentów, w którym treści leżą poukładane nie po nazwie, lecz po znaczeniu. Dzięki temu można zapytać po ludzku i dostać odpowiedź z właściwego dokumentu, nawet jeśli nie padło w nim dokładnie to słowo, którego użyłeś w pytaniu.
- Subskrypcja AI - stała miesięczna opłata za narzędzie z gotowym interfejsem, w którym pracuje się przez przeglądarkę. W odróżnieniu od API płacisz tę samą kwotę niezależnie od tego, ile danego miesiąca z niej skorzystałeś.
Pokażę ci, jak zsumować własny rachunek AI
Jeśli czytasz to i nie wiesz, ile twoja firma naprawdę wydaje na sztuczną inteligencję - napisz do mnie na j.cybulski@idea4me.pl. Nie sprzedam ci kolejnej subskrypcji. Pomogę ci zrobić to, co zrobiłem u siebie: zebrać wszystkie koszty AI w jedno miejsce, zobaczyć, co się zwraca, a co tylko schodzi po cichu z karty, i wyrzucić to drugie. Najtańsza optymalizacja AI w firmie to zwykle ta, która nic nie kosztuje - po prostu przestajesz płacić za to, czego nie używasz.
Więcej o tym, jak wygląda współpraca ze mną - od pierwszej rozmowy po wdrożenie.
własnej firmie cybulski.ai JC
