Ile kosztuje agent AI/RAG 2026 — chatbot vs produkcja

Rynek wdrożeń AI w Polsce zaczął publikować cenniki — „chatbot od kilku tysięcy złotych setup plus abonament” i podobne stawki wejścia. To dobra wiadomość dla kupującego — przejrzystość jest lepsza niż mgła. Problem w tym, że cena bez zakresu nie znaczy nic. Ten sam podpis „agent AI” potrafi oznaczać skrypt na jednym promptcie albo system z integracjami, kontrolą jakości i utrzymaniem na produkcji. Różnica w cenie nie jest marżą — jest różnicą produktu.

Ten artykuł nie jest cennikiem. Jest mapą: co tak naprawdę kupujesz na każdym poziomie, co napędza koszt i gdzie tani wariant przestaje wystarczać. Jeśli chcesz zrozumieć, gdzie w produkcyjnym systemie naprawdę leży koszt, opisaliśmy to osobno na danych z produkcji w tekście co naprawdę kosztuje GenAI na produkcji.

Sześć poziomów — co kupujesz, nie ile płacisz

Poniższa tabela porządkuje rynek od najprostszego chatbota do systemu, który trzeba utrzymywać. Stawki rynkowe podajemy orientacyjnie, jako kontekst — nie jako naszą wycenę. U nas wycena zawsze idzie według zakresu, nie z cennika.

Poziom	Co to jest	Co dostajesz	Co napędza koszt	Gdzie się łamie
Prosty chatbot	Model na promptcie, bez Twoich danych	Odpowiedzi z „pamięci” modelu, jeden kanał	Konfiguracja, treść promptu	Brak źródeł, halucynacje, brak audytowalności
Agent punktowy	Skrypt wykonujący jedno zadanie	Automatyzacja wąskiej czynności	Logika zadania, jedna integracja	Brak granic, brak logów, kruchość przy zmianie
RAG na dokumentach	Odpowiedzi z Twoich plików z cytowaniem	Wiarygodne odpowiedzi ze źródłem	Przygotowanie i wersjonowanie danych	Jakość danych decyduje o jakości odpowiedzi
RAG w skali organizacji	RAG z kontrolą dostępu i wieloma źródłami	Wiedza firmowa z uprawnieniami per rola	Uprawnienia, bezpieczeństwo, skala retrievalu	Bez governance rośnie ryzyko, nie wartość
Automatyzacja z integracjami	Agent działający w Twoich systemach	AI, która nie tylko odpowiada, ale wykonuje	Integracje, uprawnienia, fallback, testy	Bez evali i nadzoru człowieka działa „na ślepo”
Utrzymanie i governance	Warstwa stała pod każdym z powyższych	Monitoring, ewaluacje, zgodność, poprawki	Storage, retrieval, ewaluacja jakości, audyt	Pominięte — koszt wraca po wdrożeniu

Stawki rynkowe prostych chatbotów zaczynają się od kilku tysięcy złotych za setup plus miesięczny abonament. Im niżej w tabeli, tym mniej cena mówi sama z siebie — bo różnicę robi to, czego na cenniku nie widać: dane, integracje, bezpieczeństwo i utrzymanie.

Dlaczego tani chatbot bywa najdroższy

Niski koszt początkowy ma sens tylko przy kontrolowanej jakości. Chatbot, który odpowiada z „pamięci” modelu, nie ma źródła, którego można się uchwycić — a w większości zastosowań biznesowych „prawie dobra” odpowiedź bez cytowania jest ryzykiem, nie oszczędnością. To ta sama zasada, którą widzimy na własnych danych produkcyjnych: tani skan, który się myli, jest drogi, bo płacisz drugi raz — za poprawianie błędu, za utraconą wiarygodność, czasem za zgodność.

Koszt, który pojawia się po wdrożeniu, jest zwykle ukryty na etapie wyceny:

Dane — ETL, czyszczenie, wersjonowanie wiedzy. Najczęściej największa, najrzadziej wyceniana pozycja.
Integracje — połączenie z Twoimi systemami, uprawnienia, fallback.
Utrzymanie — monitoring, ewaluacje jakości, poprawki przy zmianie danych.
Zgodność — klasyfikacja ryzyka i dokumentacja pod AI Act, nadzór człowieka.

Właściwe narzędzie do zadania

To nie jest argument, że tani chatbot jest zły. Do prostej obsługi FAQ na jednym kanale prosty chatbot bywa dokładnie tym, czego trzeba — i przepłacanie za produkcyjny system byłoby błędem w drugą stronę. Granica jest funkcjonalna, nie cenowa: prosty wariant wystarcza, dopóki nie potrzebujesz wiarygodności ze źródłem, integracji z systemami, śladu audytowego i utrzymania. Gdy pojawia się któreś z tych wymagań, oszczędność na wejściu zamienia się w dług.

Dwa typy systemu, które budujemy, odpowiadają na dwa różne wymagania: RAG na dokumentach firmy — gdy AI ma odpowiadać wyłącznie z Twoich źródeł i cytować; agenci AI — gdy AI ma działać w Twoich systemach w wyznaczonych granicach, z uprawnieniami i logami. Oba zakładają nadzór człowieka i ewaluacje, bo bez nich „produkcja” jest tylko nazwą.

Co naprawdę napędza cenę produkcyjnego systemu

Wbrew intuicji to nie tokeny. Na produkcji koszt jednego wywołania modelu potrafi być ułamkiem grosza — strukturę kosztu opisaliśmy liczbami w osobnym tekście. Cenę napędzają trzy warstwy: dane (zwykle większość budżetu), inferencja (najmniejsza pozycja) i utrzymanie (koszt stały, rośnie ze skalą). Wycena, która patrzy tylko na model, jest niepełna — i zwykle zaniżona.

Co mierzyć zamiast porównywać cenniki

Cennik porównuje ceny wejścia. Decyzja zakupowa powinna porównywać koszt całkowity i ryzyko. Zanim wybierzesz dostawcę, policz:

Koszt jednostkowy — ile kosztuje jedna odpowiedź lub jedna akcja, nie tylko setup.
Koszt błędu — co kosztuje jedna zła odpowiedź w Twoim procesie.
Koszt utrzymania — kto i za ile utrzymuje system, gdy zmienią się dane.
Czas do produkcji — kiedy system realnie działa u Ciebie, nie na demie.
Ryzyko zgodności — czy system jest gotowy na obowiązki AI Act, czy dorabiane po fakcie.

To jest realna „kalkulacja ROI” — nie kalkulator na stronie, tylko pięć liczb, które znasz najlepiej dla swojego procesu.

Nie kupuj cennika — kup zakres

Najtańszy cennik nie jest najtańszym wdrożeniem. Najtańsze wdrożenie to takie, które działa za pierwszym razem i którego nie trzeba budować dwa razy. Dlatego u nas wycena idzie według zakresu: zaczynamy od audytu, który ustala, czego naprawdę potrzebujesz — i ile to kosztuje w Twoim przypadku, zanim wydasz pierwszą złotówkę na samo wdrożenie. Zobacz jak pracujemy albo umów audyt AI.