Co robi agencja AI (i czego NIE robi) — przewodnik dla CEO w 2026

W 2026 każdy drugi LinkedInowy post zaczyna się od „pomagamy firmom wdrażać AI". Słowo „agencja AI" zlało się z software housem, konsultingiem i marketingiem. Jeśli jesteś CEO i rozważasz taką współpracę — najpierw musisz wiedzieć, co to w ogóle znaczy.

Ten tekst rozbiera na czynniki pierwsze: co agencja AI realnie dostarcza, ile to kosztuje, i kiedy lepiej jej nie angażować.

Czym jest agencja AI

Agencja AI to zespół, który wdraża produkcyjne automatyzacje i systemy oparte na modelach AI w firmach, które same by tego nie zbudowały. W praktyce oznacza to trzy typy pracy:

• Automatyzacje procesów biznesowych. Od „bot, który obsługuje 80% pytań klientów" po „system, który przepisuje faktury z maili do księgowości". Narzędzia: n8n, Make, OpenAI/Anthropic API, webhooks.
• Custom aplikacje z AI w środku. CRM-y, panele sprzedażowe, narzędzia wewnętrzne — gdzie AI jest nie gadżetem, tylko kluczem funkcji.
• Voice AI i chat AI. Asystenci, którzy dzwonią, odbierają, kwalifikują leady, prowadzą rozmowy supportowe.

Odróżnia ją od zwykłego software house'u to, że cały stack projektowany jest pod modele AI — z promptami, ewaluacją outputów, monitorowaniem halucynacji, optymalizacją kosztów tokenów. Tego klasyczny software house nie robi.

Czego agencja AI NIE robi (wbrew pozorom)

• Nie trenuje własnych modeli. 99% „wdrożeń AI" to wywołania API istniejących modeli (GPT, Claude, Gemini). Jeśli ktoś mówi „wytrenujemy dla Ciebie własny model" — to marketing. Realne trenowanie kosztuje miliony i rzadko ma sens biznesowy.
• Nie robi strategii biznesowej. Agencja wdroży, co powiesz jej wdrożyć. Jeśli nie wiesz, co ma być zautomatyzowane — potrzebujesz konsultanta biznesowego, nie agencji AI.
• Nie zastąpi Twojego działu IT. Agencja buduje i przekazuje. Utrzymanie 24/7, SLA, compliance — to dział IT po Twojej stronie albo osobna umowa maintenance.
• Nie ogarnie danych, których nie ma. Jeśli Twoje dane siedzą w 17 Excelach z literówkami, pierwsze pół projektu to porządkowanie danych. Zanim agencja zadziała, ktoś musi dane zebrać.

Ile to kosztuje w Polsce (2026)

Konkretne widełki — bez bełkotu „to zależy":

• Pojedyncza automatyzacja procesu (np. scoring leadów + powiadomienie Slack): 8–25 tys. PLN wdrożenie, ~200–500 PLN/mc utrzymanie (API + hosting).
• Chatbot/Voice AI z integracją CRM: 25–60 tys. PLN wdrożenie, ~800–2500 PLN/mc API zależnie od wolumenu.
• Custom app (CRM, panel, wewnętrzne narzędzie) z AI: 60–200 tys. PLN, rollout 6–12 tygodni.
• Stała współpraca retainer (ciągłe wdrożenia + maintenance): 8–25 tys. PLN/mc.

Stawka godzinowa: 180–400 PLN netto na specjalistę (junior/senior). Agencje premium w Warszawie dochodzą do 600 PLN/h.

Kiedy ma sens zatrudnić agencję

• Masz konkretny proces/ból, który wyraźnie widzisz i potrafisz zmierzyć jego koszt.
• Nie masz w zespole nikogo technicznego, kto zna modele AI (standard 2025/26 — 90% firm).
• Potrzebujesz prototypu za 2–4 tygodnie, żeby ocenić, czy w ogóle iść w tę stronę.
• Koszt wdrożenia < 3 miesięczne oszczędności z automatyzacji.

Kiedy lepiej zatrudnić własnego inżyniera

• Planujesz 5+ różnych wdrożeń AI w ciągu roku i utrzymanie.
• Masz wrażliwe dane, których nie chcesz dawać zewnętrznym wykonawcom (finanse, medycyna, klient rządowy).
• Potrzebujesz kogoś dostępnego 9–17 dla użytkowników wewnętrznych (support, szkolenia).
• Twój budżet roczny na AI przekracza 300 tys. PLN — własny senior (~20 tys. PLN brutto miesięcznie) wychodzi taniej.

Czerwone flagi przy wyborze agencji

• „Zbudujemy Ci własnego GPT" — nie, nie zbudują.
• Brak konkretnych case studies z liczbami (ile zaoszczędzili klienci, ile leadów dodatkowych, ile czasu pracy).
• Wycena ryczałtowa 150k PLN za „wdrożenie AI" bez rozpisania scope'u — klasyczny przepis na scope creep.
• Brak planu przekazania kodu (exit plan). Masz mieć dostęp do swojego kodu i swojego n8n/Make. Jeśli agencja trzyma wszystko „u siebie" — jesteś zakładnikiem.
• Brak umowy o przetwarzaniu danych (DPA). Przy RODO to nie negotiable.

Zielone flagi

• Przed wdrożeniem: darmowy audyt z konkretnym ROI (ile zaoszczędzisz, w jakim czasie).
• Dzielenie scope'u na etapy 2–3 tygodniowe z deliverable na końcu każdego.
• Pokazanie architektury przed kodowaniem — jakich modeli użyją, gdzie będą trzymane dane, jakie są koszty API.
• Case studies z konkretnymi metrykami, najlepiej z branży zbliżonej do Twojej.
• Oferta maintenance po wdrożeniu — agencje, które znikają po launchu, zostawiają Cię z pożarem za pół roku.

Jak poprowadzić pierwszą rozmowę

Idź z konkretem, nie z „chcemy AI". Przygotuj:

1. Jeden proces, który jest drogi i powtarzalny. Policz ile zajmuje czasu tygodniowo.
2. Jak ten proces wygląda dziś (kto, w czym, z jakimi systemami).
3. Jaki efekt chcesz osiągnąć (mierzalny: „z 3h do 15min" albo „obsługa 100 leadów/dzień bez zwiększania zespołu").

Agencja, która po takim briefie zaczyna od pytań o dane i procesy — dobra. Agencja, która od razu mówi „tak, zrobimy to w ChatGPT" — zła.