Skryté náklady na AI: Za co firmy platí zbytečně a jak ušetřit

Faktura za vývoj AI agenta zní rozumně. 380 000 Kč za implementaci, 12 000 Kč měsíčně provoz. Šest měsíců po nasazení sedí CFO nad výkazem a nechápe, proč skutečné náklady letos překročily milion. Kde se to vzalo? V kategorii, kterou vám dodavatel v prezentaci neukázal — ve skrytých nákladech.

Tento článek je rozbor položek, které do první kalkulace většinou nezapadnou, ale dříve nebo později vyrostou do desítek až stovek tisíc korun ročně. Pokud chcete nasazovat AI ve firmě seriózně, projděte si tento checklist dřív, než podepíšete objednávku.

1. Tokeny — položka, která roste s úspěchem

Každé volání LLM něco stojí. Tarify se uvádějí v centech za milion tokenů, takže to vypadá jako drobné. Reálně to drobné nejsou — a hlavně to roste.

Modelový příklad: zákaznický chatbot

• Průměrný dotaz: 800 vstupních tokenů + 400 výstupních
• Cena GPT-4o (duben 2026): cca 2,50 USD / mil. vstup, 10 USD / mil. výstup
• Náklad na jeden dotaz: cca 0,15 Kč
• 1 500 dotazů denně × 30 dní = 45 000 dotazů × 0,15 = 6 750 Kč/měsíc

Vypadá to skvěle. Jenže když chatbot začne fungovat dobře, zákazníci ho používají víc. Po půl roce typicky vidíme objem 4 000–6 000 dotazů denně. To je 18 000 – 27 000 Kč/měsíc jen za tokeny. A to nepočítáme RAG vyhledávání, embeddingy nových dokumentů a reranking.

Jak ušetřit

• Caching odpovědí — opakující se dotazy (FAQ) cacheovat. Úspora 30–50 %.
• Routing na menší modely — jednoduchý dotaz nepotřebuje GPT-4o. Použijte GPT-4o-mini nebo Claude Haiku. Úspora 60–80 % na podmnožině.
• Prompt komprese — odstranění balastu z promptů zkracuje vstup až o 40 %.
• Self-hosted modely — pro vysoké objemy (100 000+ dotazů měsíčně) se vyplatí vlastní Llama nebo Mistral na GPU serveru. ROI typicky od 12. měsíce.

2. Agent Ops — kategorie, kterou nikdo neplánuje

AI agent po nasazení neběží sám. Modely se mění (GPT-5, Claude Opus 5, Gemini 3), prompty zastarávají, integrace se rozbíjejí při update API třetích stran, RAG knowledge base se musí aktualizovat. Bez kontinuální péče výkon klesá o 15–25 % během prvního roku.

Realistické náklady na Agent Ops

• Monitoring kvality výstupů — 8–20 hodin měsíčně, sazba 1 200–1 800 Kč/h
• Ladění promptů — 10–30 hodin čtvrtletně
• Aktualizace RAG knowledge base — 5–15 hodin měsíčně
• Reakce na incidenty — 5–15 hodin měsíčně
• Migrace mezi modely — 40–80 hodin ročně

Roční Agent Ops typicky 180 000 – 450 000 Kč u středně velkého nasazení. To je 8–15 % z hodnoty implementace každý rok — donekonečna.

3. Integrace, které „nebudou potřeba“

Klasický scénář: dodavatel slíbí, že AI agent bude číst data z vašeho ERP přes „standardní REST API“. Tři měsíce po startu zjistíte, že vaše instance Helios nebo Money S5 to API nemá v té verzi, kterou používáte. Nebo má, ale bez autentizace, kterou agent vyžaduje. Nebo má, ale rate limit 100 requestů za hodinu — a vy potřebujete 10 000.

Skryté integrační náklady

• Custom konektor pro starší ERP/CRM: 80 000 – 300 000 Kč
• Middleware vrstva (caching, transformace, throttling): 40 000 – 120 000 Kč
• Datová synchronizace (ETL pipeline): 60 000 – 200 000 Kč
• SSO / role-based access integrace: 50 000 – 150 000 Kč

Naše implementace u středně velké výrobní firmy potřebovala konektor pro 12 let starou verzi MS Dynamics NAV. Položka, která v původní nabídce nebyla — vyžádala si 240 000 Kč nad rámec.

4. GDPR audit, DPIA a compliance

Pokud AI zpracovává osobní data, potřebujete DPIA (Data Protection Impact Assessment), aktualizovaný záznam o činnostech zpracování, smlouvy se zpracovatelem a v některých případech konzultaci s ÚOOÚ. Pokud spadáte pod NIS2 nebo se chystá implementace EU AI Act, přidává se další vrstva.

• DPIA od specializovaného advokáta: 40 000 – 120 000 Kč
• Smlouva o zpracování osobních údajů s LLM providerem (OpenAI, Anthropic, Azure): 15 000 – 40 000 Kč právní review
• Update interních směrnic: 20 000 – 60 000 Kč
• Pravidelný compliance audit ročně: 40 000 – 100 000 Kč

5. Čas vašeho týmu — největší skrytý náklad

Položka, kterou nikdo nefakturuje, ale která je často největší. Implementace AI vyžaduje:

• Procesní mapování s dodavatelem: 40–80 hodin manažerů
• Příprava dat (čištění, anotace, kategorizace): 80–240 hodin
• UAT testování: 30–80 hodin
• Change management a školení uživatelů: 40–120 hodin
• Průběžný feedback v prvních 3 měsících: 5–10 hodin týdně

Při průměrné sazbě 800 Kč/h to znamená 200 000 – 500 000 Kč skrytých nákladů, které nejsou v žádné nabídce. Pro plánování to ale počítat musíte.

6. Vendor lock-in a migrační náklady

Levné řešení od jednoho dodavatele se může za rok stát drahým. Příklady, které vidíme nejčastěji:

• Proprietární framework — nemůžete přejít k jinému dodavateli, aniž byste vše napsali znovu
• Závislost na konkrétním LLM — když OpenAI zdraží o 30 % (2024 → 2025 stalo), nemáte fallback
• Žádný export dat — RAG knowledge base nelze přenést jinam
• Žádná dokumentace — vaše IT to nemůže převzít, jste závislí navždy

Migrační projekt po roce typicky stojí 50–80 % původní implementace. Předcházet tomu je levnější — ptejte se předem na otevřenost architektury, exportovatelnost a multi-LLM podporu.

7. Náklady na chybné odpovědi

Halucinace nejsou jen kosmetický problém. Když AI agent dá zákazníkovi špatnou informaci o produktu, vrácení peněz je jen začátek. Reálné případy, které jsme řešili:

• AI v podpoře slíbila slevu, kterou firma neměla v nabídce → 28 000 Kč náhrada zákazníkovi
• AI doporučila nesprávný náhradní díl → 65 000 Kč na škodě + ztracený zákazník
• AI odpověděla na technický dotaz špatně → reklamační řízení 180 000 Kč

Bez správně postavené kontroly halucinací (RAG, guardrails, human-in-the-loop u kritických rozhodnutí) jsou tyto náklady jen otázkou času.

8. Cena za škálování — od MVP k produkci

MVP za 250 000 Kč zvládá 100 dotazů denně. Když to chcete na 5 000 dotazů denně, nepřičtete jen víc tokenů. Potřebujete:

• Load balancer a failover infrastruktura
• Asynchronní zpracování (queue systém)
• Caching vrstvu
• Monitoring a alerting
• Performance tuning

Cena škálování typicky 40–80 % z hodnoty MVP. Plánujte ho od začátku, nebo budete platit za přepisování architektury.

9. Realistická TCO kalkulace pro středně velkou českou firmu

Vezměme typický projekt — AI agent pro zákaznickou podporu. Veřejně inzerovaná cena: 450 000 Kč implementace + 18 000 Kč/měsíc provoz.

Skutečné TCO za 24 měsíců:

To neznamená, že je projekt špatný — pokud generuje benefity přes 3 mil. Kč za 24 měsíců, ROI je stále vynikající. Ale CFO musí počítat reálnou částku, ne marketingovou.

10. Checklist před podpisem smlouvy

Než pošlete podepsanou objednávku, projděte si tyto otázky s dodavatelem. Pokud na něco neumí odpovědět, je to červená vlajka.

• Jaké je očekávané spotřeba tokenů při 1×, 3× a 10× větším objemu než MVP?
• Kolik bude stát Agent Ops ročně po dobu 3 let?
• Které integrace s naší ERP/CRM/HelpDesk jsou v ceně, které ne?
• Máte hotovou DPIA šablonu pro náš use case?
• Kolik hodin našich lidí budete potřebovat během implementace?
• Jak řešíte kontrolu halucinací u kritických rozhodnutí?
• Co se stane, když budeme chtít přejít k jinému dodavateli — můžeme exportovat data a logiku?
• Jaký je předpokládaný náklad na škálování z MVP na produkci?

V Apertii dáváme tyto odpovědi v rámci úvodní konzultace zdarma, protože věříme, že transparentní kalkulace je základ dlouhodobého vztahu. Pokud váš dodavatel odmítá konkrétní čísla, ptá se na rozpočet místo na proces, nebo slibuje nereálná ROI — hledejte jinde.

Závěr: Nepodepisujte první cenu, kterou vám ukážou

AI projekty mají často skrytou cenu 80–150 % nad inzerovanou částkou. Není to vždy zlá vůle dodavatele — je to často nezkušenost s dlouhodobým provozem. Vy jako objednatel ale platíte celé TCO. Procházejte checklist, ptejte se na detaily a počítejte 24měsíční horizont.

Pokud chcete s námi spočítat realistické TCO pro váš konkrétní AI projekt, napište nám přes kontakt. Pomůžeme vám i v případě, že nakonec půjdete k jinému dodavateli — jasná čísla jsou základ. Pro automotive specifické use casy doporučujeme i sesterský projekt AutoERP, který má vlastní kalkulátory pro autosalony a servisy.

Často kladené otázky (FAQ)

Jaké procento z rozpočtu na AI tvoří skryté náklady?

Typicky 80–150 % nad oficiální nabídkou za 24měsíční horizont. Největší položky jsou Agent Ops (8–15 % implementace ročně), čas interního týmu (200 000 – 500 000 Kč) a custom integrace se staršími ERP/CRM systémy.

Kolik stojí Agent Ops u středně velkého AI nasazení?

Realisticky 180 000 – 450 000 Kč ročně. Zahrnuje monitoring kvality výstupů, ladění promptů, aktualizaci RAG knowledge base, reakci na incidenty a migraci mezi modely (typicky každých 9–15 měsíců).

Jak se vyhnout vendor lock-in při AI projektu?

Trvejte na otevřené architektuře (žádný proprietární framework), multi-LLM podpoře (možnost přepnout mezi OpenAI, Anthropic, Azure, self-hosted), exportovatelné RAG knowledge base a kompletní dokumentaci. Migrace po roce stojí 50–80 % původní implementace, prevence je výrazně levnější.