Jak policzyć ROI projektu AI, zanim trafi do budżetu

Dlaczego tak wiele projektów AI nie przynosi efektów

Jesień to w większości firm czas budżetowania. W planach na 2027 rok pojawi się też pozycja „AI”, zgłoszona przez IT, sprzedaż albo sam dział finansów, a dyrektor finansowy będzie musiał zdecydować, czy dać na nią pieniądze i ile.

To trudniejsza decyzja, niż się wydaje. Według badania Gartnera 84% działów finansowych wdrożyło AI albo planuje to zrobić, ale tylko 7% ocenia jego wpływ jako wysoki lub bardzo wysoki. Problemem rzadko jest sama technologia. Częściej to, że firma zaczęła od narzędzia, a nie od problemu, który chciała rozwiązać.

O tym, jak podejść do takiej decyzji, rozmawialiśmy z trzema finansistami na webinarze o AI w finansach. Bartek, fractional CFO z ponad dwudziestoletnim doświadczeniem, ujął to tak.

Jeżeli robimy budżet na 2027 rok i chcemy w nim umieścić AI jako jedną z pozycji, to powinien za tym stać business case. To już nie jest moment, w którym mówimy, że to jakaś czarna skrzynka, wpakujmy w nią trochę pieniędzy i zobaczymy, co z tego wyjdzie.

Bartek, fractional CFO

Business case to uzasadnienie inwestycji, które odpowiada na trzy pytania. Jaki problem rozwiąże projekt, ile będzie kosztował i co firma z niego będzie mieć. Bartek nazywa to cyfrowym ROI. Zasady są te same co przy każdej inwestycji, tylko przy AI łatwiej o błędne założenia, zarówno po stronie kosztów, jak i korzyści.

Najpierw ustal, z jakim projektem masz do czynienia

Michał, VP of Finance w Zowie, dzieli projekty AI na dwie grupy. Od tego podziału zależy, jak liczyć zwrot.

Projekty, które zastępują narzędzie albo ręczną pracę

Firma zastępuje stary system nowym, wykorzystującym AI, albo automatyzuje czynność, którą dziś ktoś wykonuje ręcznie. Tu da się policzyć, ile czasu i pieniędzy projekt zaoszczędzi, i porównać to z kosztami. Bartek jest wobec takich projektów bezwzględny. Kryteria sukcesu trzeba ustalić z góry i muszą być mierzalne, a jeśli business case się nie broni, projektu lepiej nie robić.

Projekty, które mają zmienić sposób pracy

Druga grupa to projekty, które mają zmienić sposób myślenia o biznesie, na przykład dać zarządowi szybsze i trafniejsze decyzje. Tu liczenie zwrotu jest dużo trudniejsze.

Nie wiem, czy jesteśmy w stanie szybko wpisać do licznika albo mianownika to, że podjęliśmy więcej trafnych decyzji. Wciąż uczymy się rozumieć, co chcemy tym AI zrobić. A jeśli nie wiemy, co chcemy upichcić, trudno potem wycenić, ile to powinno kosztować w menu.

Michał, VP of Finance w Zowie

Bartek dodał, że nawet wtedy zarząd powinien wiedzieć, jak wygląda sukces. Jeśli firma wchodzi na nowy rynek, musi zdecydować, czy chce tam mieć sprzedaż porównywalną z krajową, czy na początek przedstawiciela, który będzie przekazywał ciekawe kontakty. Projekt AI bez takiego punktu docelowego trudno ocenić, bo nie wiadomo, z czym porównywać efekty.

Firmy chętniej inwestują w pierwszą grupę. W badaniu Gartnera z marca 2026 roku 45% szefów finansów wskazało, że ich inwestycje w AI są nastawione głównie na produktywność, a tylko 20%, że na jakość decyzji. Zarządy tymczasem coraz częściej oczekują tego drugiego. Warto mieć w portfelu oba typy projektów, ale każdy oceniać inaczej.

Policz pełny koszt, a nie cenę licencji

Najczęstszy błąd przy liczeniu zwrotu z technologii dotyczy kosztów. Osoby przygotowujące business case patrzą na cenę narzędzia, a pomijają resztę.

Ludzie, którzy przygotowują założenia business case'ów, bardzo często nie łapią całości obrazka. Grzechem przy liczeniu ROI jest pomijanie całkowitego kosztu posiadania. Potem się okazuje, że trzeba było jeszcze coś kupić, nie doszacowaliśmy kosztów ani roboczogodzin i wychodzi piękny projekt, tylko nierentowny.

Bartek, fractional CFO

Całkowity koszt posiadania (TCO, z angielskiego total cost of ownership) to wszystko, co firma wyda na rozwiązanie przez cały okres jego używania. Przy projektach AI warto policzyć co najmniej pięć pozycji.

1. Licencje i opłaty za użycie, które przy modelach językowych często rosną razem z liczbą zapytań.
2. Integrację z systemami, z których narzędzie ma pobierać dane.
3. Czas zespołu na wdrożenie, testy i naukę nowego sposobu pracy.
4. Utrzymanie, czyli aktualizacje, zmiany modeli i poprawki po drodze.
5. Kontrolę jakości, bo wyniki AI ktoś musi regularnie sprawdzać.

Do tego Bartek radzi doliczyć bufor. Technologia po drodze się zmienia, projekt okazuje się bardziej złożony, niż zakładano, a zespół potrzebuje więcej czasu. Przy AI to szczególnie ważne. Tomek, który buduje własne rozwiązanie AI, co kilka tygodni dostaje informacje o wycofaniu kolejnych modeli, więc rozwiązanie, które dziś działa, za kwartał może wymagać przeróbek.

Nie przeszacuj oszczędności

Drugi błąd leży po stronie korzyści. Tomek pokazał to na przykładzie programistów.

Samo napisanie kodu AI zrobi dużo szybciej niż człowiek. Wydaje się więc, że zamiast całego dnia zajmie to pięć minut. Ale kiedy doliczy się opisanie zadania, przygotowanie plików, a potem sprawdzenie kodu i poprawki, okazuje się, że zamiast całego dnia zajmuje to może pięć godzin. To i tak jest dobry wynik, ale mamy tendencję do patrzenia na wąskie, najbardziej oczywiste efekty, a mniej myślimy o całości.

Tomek, finansista i twórca asystenta AI dla founderów

W finansach działa to tak samo. Jeśli AI przygotowuje wstępną analizę odchyleń od budżetu w kilka minut, oszczędnością nie jest cały dotychczasowy czas analityka. Trzeba od niej odjąć przygotowanie danych, sprawdzenie wyniku i poprawki. Dlatego przed wdrożeniem warto zmierzyć czas całego procesu, a po wdrożeniu zmierzyć go ponownie, zamiast oceniać tylko ten jeden krok, który AI przyspiesza.

Zacznij od małego kroku, który da się zmierzyć

Tomek jest zwolennikiem metody małych kroków. Zamiast traktować AI jako jeden wielki projekt dla całej firmy z globalnym ROI, radzi wybrać jedną czynność, która dziś zajmuje na przykład osiem godzin, i sprawić, żeby zajmowała godzinę. Potem kolejną i następną.

Mały projekt ma jasny początek i koniec, a zespół szybko widzi efekt. Dawid, współzałożyciel Sunbay, zwrócił uwagę, że taki sukces zmienia nastawienie w firmie i otwiera drogę do większych wdrożeń. Mały projekt łatwiej też zatrzymać, jeśli nie działa.

Michał dodał, że decyzja na nie jest równie dobra jak decyzja na tak. Czasem więcej czasu zajmowało mu przekonanie zespołu, żeby czegoś nie wdrażać, niż odwrotnie. Jak sprawdzać dostawców i od czego zacząć całe wdrożenie, opisaliśmy w tekście o tym, od czego zacząć wdrażanie AI w dziale finansów.

Pięć pytań, zanim projekt trafi do budżetu

Z rozmowy wynika prosta lista kontrolna. Warto przejść przez nią przy każdym wniosku budżetowym, w którym pojawia się AI.

1. Jaki konkretny problem biznesowy rozwiązuje projekt i kto jest jego właścicielem?
2. Czy projekt zastępuje narzędzie albo ręczną pracę, czy ma zmienić sposób pracy, i po czym poznamy sukces?
3. Ile wyniesie pełny koszt w pierwszym roku i w kolejnych, łącznie z buforem na zmiany?
4. Ile czasu naprawdę zaoszczędzimy, licząc cały proces, a nie jeden krok?
5. Od jakiego małego kroku zaczniemy i kiedy go ocenimy?

Jeśli na któreś z tych pytań nie ma odpowiedzi, projekt nie jest jeszcze gotowy do budżetu.

Należności jako przykład projektu, który łatwo policzyć

Dobrym przykładem projektu z pierwszej grupy jest windykacja należności. Łatwo policzyć, ile godzin zespół spędza na ręcznym wysyłaniu przypomnień, pilnowaniu terminów i sprawdzaniu, kto zapłacił, oraz ile kosztują firmę pieniądze zamrożone w przeterminowanych fakturach. Jak zrobić takie wyliczenie, pokazaliśmy w tekście o koszcie ręcznej windykacji.

Sunbay to system windykacyjny, który przejmuje te powtarzalne kroki. Łączy się z ERP, bankiem i CRM, prowadzi przypomnienia i eskalacje przez e-mail, SMS i połączenia głosowe AI, a gdy sprawa wymaga człowieka, tworzy zadanie dla zespołu. Kryteria sukcesu da się ustalić przed startem, na przykład czas, który zespół poświęca na należności, i udział faktur przeterminowanych. Więcej o tym, jak to działa, przeczytasz na stronie o automatyzacji windykacji.

Całą rozmowę, z której pochodzą cytaty, obejrzysz na YouTube.

FAQ

Jak policzyć ROI projektu AI?

Tak samo jak każdej inwestycji. Porównaj pełny koszt projektu, czyli licencje, integracje, czas zespołu, utrzymanie i kontrolę jakości, z mierzalnymi korzyściami, na przykład zaoszczędzonymi godzinami albo niższymi kosztami. Korzyści licz dla całego procesu, a nie tylko dla kroku, który przyspiesza AI.

Co to jest TCO?

Całkowity koszt posiadania (total cost of ownership), czyli wszystkie koszty rozwiązania przez cały okres jego używania, a nie tylko cena zakupu. Przy AI obejmuje też opłaty zależne od liczby zapytań, zmiany modeli i czas potrzebny na sprawdzanie wyników.

Jak ocenić projekt AI, którego efektów nie da się łatwo zmierzyć?

Przed startem ustal z zarządem, jak wygląda sukces. Nawet jeśli trafniejszych decyzji nie wpiszesz do wzoru na ROI, możesz określić cel, termin i sposób oceny, na przykład czas przygotowania budżetu albo liczbę wersji potrzebnych do jego akceptacji.

Kiedy lepiej nie wdrażać AI?

Gdy projekt nie rozwiązuje konkretnego problemu biznesowego, gdy business case się nie broni albo gdy procesy i dane w firmie są nieuporządkowane. W tym ostatnim przypadku AI tylko przyspieszy bałagan.