Vývoj AI na mieru: koľko stojí a ako dlho trvá?

„Prečo si jednoducho nekúpime ChatGPT Enterprise a hotovo?“ Túto otázku počúvame od CFO často. Odpoveď je jednoduchá: ChatGPT nepozná vaše ERP, katalógy, interné procesy ani zákazníkov. AI na mieru nie je luxus. Je to spôsob, ako dostať z AI hodnotu pre konkrétny biznis, nie iba všeobecný chatbot.

Nižšie nájdete realistický pohľad na cenu, časový plán, fázy projektu a hranicu, kedy stačí krabicové riešenie a kedy už potrebujete vlastný vývoj.

1. Krabicová AI vs. AI na mieru

Na jednej strane sú SaaS produkty typu ChatGPT Enterprise, Microsoft Copilot alebo Intercom Fin. Majú rýchle nasadenie, mesačný poplatok a obmedzenú možnosť prispôsobiť logiku. Na druhej strane je vývoj na zákazku: vyššia vstupná investícia, ale plná kontrola nad dátami, integráciami a pravidlami.

Kedy dáva zmysel krabicové riešenie

• Máte štandardný proces bez špecifík, napríklad FAQ, preklady alebo generovanie textov.
• Nepotrebujete napojenie na interné systémy.
• Rozpočet je nízky a potrebujete rýchly štart.
• Dáta nie sú citlivé a nehrozí veľké GDPR riziko.

Kedy je nutná AI na mieru

• Proces sa napája na ERP, CRM, sklad, fakturáciu alebo helpdesk.
• Máte špecifickú terminológiu, pravidlá a výnimky.
• Dáta nesmú opustiť váš perimetr alebo musia zostať v EU/private cloude.
• AI má byť konkurenčná výhoda, nie rovnaký nástroj ako u konkurencie.
• Per-seat licencovanie by bolo pri väčšom počte používateľov drahé.

Pri desiatkach používateľov môže ročná licencia SaaS nástroja stáť podobne ako prvá verzia vlastného AI agenta priamo napojeného na váš proces.

2. Čo znamená „AI na mieru“

Úroveň 1: custom prompt engineering

Verejný LLM cez API, vlastné prompty a jednoduchá aplikačná logika. Cena typicky 80 000 až 250 000 Kč, trvanie 4 až 8 týždňov. Vhodné pre jednoduchých agentov bez hlbokých integrácií.

Úroveň 2: RAG nad firemnými dátami

Verejný alebo private LLM plus vektorová databáza s vašimi dokumentmi, katalógmi alebo znalostnou bázou. Agent odpovedá podľa vašich dát, nie podľa všeobecných znalostí internetu. Cena typicky 280 000 až 700 000 Kč, trvanie 8 až 14 týždňov. Sem patrí väčšina B2B scenárov, napríklad AI knihovník.

Úroveň 3: multi-agent systém a fine-tuning

Viac spolupracujúcich agentov, vlastná orchestrácia, prípadne dotrénovaný model. Cena typicky 600 000 až 2 500 000 Kč, trvanie 14 až 28 týždňov. Používa sa pri veľkom objeme transakcií alebo špecifickej doméne, napríklad právo, medicína či AML.

3. Fázy projektu

Discovery: 1 až 2 týždne

Workshop s ľuďmi z procesu. Definuje sa, čo má AI robiť, aké dáta používa, kde sú riziká a ako sa bude merať úspech. Táto fáza rozhoduje o tom, či vznikne nástroj, ktorý niekto používa.

Architektúra a návrh: 1 až 2 týždne

Výber modelu, návrh dátovej vrstvy, bezpečnostný model a integrácie. Výstupom je technický návrh a presnejšia cena ďalších fáz.

MVP a prvý prototyp: 3 až 4 týždne

Funkčný prototyp s reálnymi dátami. Ešte nie produkcia, ale už ukazuje kľúčové scenáre a umožní spresniť rozsah.

Integrácie a produkčná verzia: 3 až 5 týždňov

Napojenie na ERP, CRM, e-mail, Slack, telefóniu alebo interné API. Pribúda logging, monitoring a bezpečnostná kontrola.

Pilotná prevádzka: 4 až 6 týždňov

Obmedzené spustenie pre jeden tím alebo časť objemu. Zbiera sa spätná väzba, ladia sa prompty a riešia hraničné prípady.

Plná prevádzka a Agent Ops

Po nasadení prichádza priebežná starostlivosť: monitoring kvality, úpravy promptov, aktualizácie dát, riešenie incidentov a migrácie medzi modelmi.

4. Kde sa peniaze skutočne míňajú

Najdrahšia časť často nie je samotné volanie modelu, ale integrácie, čistenie dát, bezpečnostné požiadavky a prevádzková starostlivosť. Lacné demo za týždeň môže vyzerať pôsobivo, ale produkčný systém potrebuje auditnú stopu, oprávnenia, monitoring a jasné vlastníctvo dát.

5. Čo ovplyvňuje cenu

• Počet integrácií: ERP, CRM, sklad, fakturácia a helpdesk zvyšujú rozsah.
• Kvalita dát: neaktuálne alebo duplicitné dokumenty predražujú prípravu.
• Jazyk a doména: právne, medicínske alebo finančné texty vyžadujú viac testovania.
• Bezpečnosť: private cloud, on-premise alebo role-based access zvyšujú náklady.
• Compliance: GDPR, DPIA, NIS2 a EU AI Act treba riešiť od začiatku.
• Škálovanie: stovky používateľov a vysoký objem dopytov menia architektúru.
• SLA a podpora: produkčný agent potrebuje reakčné časy a zodpovednosť.

6. Skutočné ceny pre české firmy

Rozhodujúce je TCO za 24 mesiacov, nie iba počiatočná cena. Pri dobrom use case sa vlastná AI vracia v úspore času, menšej chybovosti alebo vyššej kapacite tímu.

7. Kedy stačí krabicové riešenie

SaaS stačí, ak riešite generický proces, nemáte citlivé dáta a nepotrebujete hlboké integrácie. Ak AI rozhoduje podľa vašich interných dát, zapisuje do ERP alebo ovplyvňuje zákaznícku komunikáciu, krabicový nástroj zvyčajne nestačí.

8. Realistický časový plán

Jednoduchý agent trvá 4 až 8 týždňov, RAG projekt 8 až 14 týždňov a komplexný multi-agent systém 4 až 7 mesiacov. Skracovať sa dá iba rozsah, nie základné kroky: discovery, integrácie, pilot a bezpečnostná kontrola.

9. Ako vybrať dodávateľa

Pýtajte sa na produkčné referencie, spôsob merania kvality, Agent Ops, export dát, bezpečnostný model a to, čo sa stane pri zmene modelu alebo dodávateľa. Dodávateľ, ktorý ukáže len demo a nevie vysvetliť prevádzku, nie je pripravený na produkčný projekt.

Záver: vlastná AI je investícia, nie nákup

AI na mieru má zmysel tam, kde generické nástroje nedokážu pracovať s vašimi dátami, pravidlami a integráciami. Nie je to lacnejšia verzia ChatGPT. Je to firemný systém, ktorý musí mať jasnú návratnosť a prevádzkový plán.

Ak chcete odhadnúť cenu konkrétneho AI riešenia na mieru, napíšte nám. Prejdeme proces, dáta, riziká a pripravíme realistický rozpočet.

Často kladené otázky (FAQ)

Dá sa mať AI na mieru za 100 000 Kč?

Áno, ale iba pri veľmi jednoduchom agentovi bez hlbokých integrácií. Pri RAG, ERP alebo citlivých dátach je realistický rozpočet vyšší.

Môžeme AI postaviť interne?

Ak máte LLM, full-stack, DevOps a bezpečnostné kapacity, áno. Väčšina firiem však podcení Agent Ops, testovanie a integrácie, preto hybridný model s externým tímom často vyjde rýchlejšie.

Ako zrýchliť vývoj pri pevnom deadline?

Zúžte rozsah. Nevynechávajte pilot, bezpečnosť ani meranie kvality. Najrýchlejšia cesta je jeden jasný use case s dostupnými dátami.