Jak AI może sprawdzić, na którym kliencie Wasza firma zarabia, a na którym dopłaca?

Firma usługowa, która nie liczy rentowności per klient, zwykle odkrywa problem dopiero na koniec roku. AI może robić tę analizę co miesiąc, łącząc dane z programu do fakturowania, narzędzia do śledzenia czasu i wyciągu bankowego. Żadnego czekania na roczne zestawienie. Żadnych odkryć w grudniu, kiedy na reakcję jest już za późno.

Czemu tak mało firm regularnie liczy marżę per klient

Dane są porozrzucane po kilku miejscach. Faktury siedzą w Comarch Optima albo Fakturowni. Godziny projektu w Clockify, w Excelu albo w głowie kierownika. Koszty podwykonawców w mailach. Nikt nie ma czasu składać tego w całość co miesiąc, więc się nie składa.

Efekt jest przewidywalny. Zespół intuicyjnie wie, który klient „ciągnie" i generuje dużo pracy z małym efektem finansowym, ale nikt nie ma cyfr. Mija rok. Okazuje się, że ten klient pochłonął 35% czasu firmy przy 12% przychodów. Gdyby to wyszło w marcu, można było zareagować. W grudniu jest za późno na cokolwiek poza żalem.

To nie jest zjawisko tylko dużych korporacji. Zdarza się w piętnastoosobowym studiu graficznym, w biurze projektowym, w agencji reklamowej, w kancelarii. Wszędzie tam, gdzie są stali klienci i rozliczenia projektowe.

Problem z ręczną analizą jest też inny. Żeby zestawić faktury z godzinami i historią płatności w Excelu, ktoś musi poświęcić na to kilka godzin. Nawet jeśli taka osoba istnieje w firmie, ta praca zazwyczaj ląduje na liście zadań „ważnych, ale nie pilnych" i tam zostaje.

Jakich danych AI potrzebuje i skąd je wziąć

Rdzeń analizy to cztery elementy. Bez nich nie ma sensu zaczynać.

• Wystawione faktury pogrupowane po kliencie i miesiącu, z kwotami netto. Kolumny: data, kontrahent, numer faktury, kwota netto, termin płatności.
• Przepracowane godziny po kliencie lub projekcie, ze stawką godzinową albo kosztem roboczogodziny. Kolumny: data, klient/projekt, liczba godzin, kto pracował.
• Koszty bezpośrednie przypisane do konkretnego klienta: podwykonawcy, narzędzia, licencje kupione pod dane zlecenie.
• Daty rzeczywistych płatności versus terminy na fakturach. Różnica między tymi dwiema datami to ukryty koszt, który wielu właścicieli ignoruje.

Ten ostatni punkt bywa niedoceniany. Klient z 40% marżą brutto, który płaci 90 dni po terminie, obciąża przepływy pieniężne firmy i realnie podnosi koszt jego obsługi. Klient z 20% marżą, który płaci w siedem dni, może być dla firmy bardziej wartościowy. AI zestawia te dwa wymiary razem, nie osobno.

Skąd brać te dane? Faktury eksportujecie jako CSV z programu, z którego korzystacie: Comarch Optima, Fakturownia, inFakt, iFirma, Subiekt GT, każdy z nich oferuje eksport zestawienia faktur po kontrahentach. Czas pracy pobieracie z Clockify, Toggl Track albo z własnego arkusza. Historia płatności to eksport MT940 z banku albo zestawienie rozrachunków z programu księgowego.

Opcjonalnie, ale przydatne: liczba korekt i poprawek do projektu, czas spędzony na mailach i spotkaniach statusowych, liczba pilnych interwencji poza harmonogramem. Jeśli prowadzicie ewidencję zadań w Asanie, Jirze albo ClickUpie, te dane są już dostępne.

Co możecie pytać AI po wczytaniu danych

Gdy AI ma pliki, zadajecie pytania w zwykłym języku polskim. Kilka takich, które warto zadawać regularnie:

• „Który klient miał najniższą marżę operacyjną w ostatnim kwartale?"
• „Dla których projektów liczba przepracowanych godzin przekroczyła budżet o ponad 25%?"
• „Który klient pochłania najwięcej czasu na jedną złotówkę przychodu?"
• „Pokaż klientów, którzy regularnie płacą po 60 dniach lub więcej od terminu na fakturze"
• „Które typy usług generują u nas najlepszą marżę, a które najgorszą?"
• „Porównaj rentowność klientów z segmentu A i segmentu B"

AI odpowiada w kilkadziesiąt sekund. Zebranie tych samych informacji ręcznie w Excelu, zestawiając kilka plików, zajmuje kilka godzin. I zwykle ląduje na liście zadań, które wiecznie czekają na wolny piątek, bo zawsze jest coś pilniejszego.

Odpowiedź nie jest ogólna. AI podaje konkretne liczby: marżę procentową per klient, łączne godziny na każde sto złotych przychodu, ranking od najlepszego do najgorszego. Coś, co można zabrać na rozmowę z handlowcem albo na spotkanie zarządu.

Czerwone flagi, które AI wyłapuje jako pierwsze

Scope creep na projektach stałocenowych. Projekt był wyceniony ryczałtowo. Godziny pokazują, że zespół poświęcił dwa razy tyle czasu, ile zakładała wycena. Marża stała się ujemna, zanim ktokolwiek to zauważył. AI widzi to podczas projektu, nie po jego zakończeniu. To jest różnica między możliwością interwencji a tylko wyciąganiem wniosków.

Klienci z dobrą marżą i złą dyscypliną płatniczą. Na papierze wyglądają świetnie. W rzeczywistości zamrażają kapitał firmy na kilkadziesiąt albo kilkaset dni. Dla małej firmy to może być większy problem niż niższa marża przy terminowych płatnościach.

Dysproporcja obsługi posprzedażowej. Niektórzy klienci generują trzykrotnie więcej korekt, poprawek i telefonów niż inni na tym samym poziomie fakturowania. Jeśli ewidencjonujecie zadania z podziałem na typy aktywności, AI zestawia to z przychodem i pokazuje, kto realnie pochłania czas serwisowy.

Wzorce złego szacowania. Jeśli określony typ projektu konsekwentnie przekracza budżet godzinowy u wielu różnych klientów, problem nie leży w klientach. Leży w wycenie albo w metodologii estymacji. AI pokazuje taki wzorzec po kilku miesiącach danych. Bez niego widać to dopiero po kilku latach.

Klienci, na których firma rośnie, ale marża spada. Obrót z klientem rośnie rok do roku, a marża systematycznie maleje. Klasyczny sygnał, że zakres rośnie szybciej niż stawki. Łatwy do przeoczenia, gdy patrzycie tylko na przychód.

Co jeśli firma nie prowadzi timesheetów

Sporo firm usługowych nie ewidencjonuje godzin. Typowe wytłumaczenie: „nie mamy czasu na timesheet". W takim przypadku AI może analizować marżę handlową, czyli przychód minus bezpośrednie koszty zakupu albo podwykonawców. To działa dla firm, które odsprzedają produkty lub zlecają część prac na zewnątrz i mają te koszty zarejestrowane w programie.

Dla firmy czysto usługowej bez ewidencji godzin punkt startowy jest inny, ale nie niemożliwy. Po każdym zamkniętym projekcie jeden prosty wpis do arkusza: ile dni faktycznie zajął, ile osób z zespołu było zaangażowanych, czy były ponadprogramowe poprawki. Nawet takie grube oszacowanie, zebrane przez trzy miesiące, daje pierwszy użyteczny obraz.

Typowo wygląda to tak, że po pierwszym miesiącu zbierania danych właściciel widzi wyniki i mówi, że to powinno działać od lat. Pół roku później timesheet jest częścią rutyny zespołu, bo wyniki są widoczne.

Od czego zacząć, żeby nie przekombinować

Praktycznie, bez budowania infrastruktury:

• Wyeksportujcie faktury z ostatnich trzech miesięcy po klientach, z kwotami netto. Jeden plik CSV lub Excel.
• Dorzućcie ewidencję czasu z tego samego okresu. Nawet arkusz z kolumnami: klient, miesiąc, suma godzin.
• Przekażcie oba pliki asystentowi AI i zadajcie jedno pytanie: „Który klient miał najgorszy stosunek godzin do przychodu w tym kwartale?"
• Na podstawie odpowiedzi zdecydujcie, co chcecie zbadać dalej.

To jest godzina pracy. Nie potrzebujecie integracji ani programisty. Jeśli wyniki są użyteczne i chcecie to robić regularnie, ustawiamy miesięczny automat: eksport uruchamia się sam, AI przetwarza dane, wynik trafia do Was mailem na początku każdego miesiąca. Typowo to kilka godzin konfiguracji, potem działa bez Waszego udziału.

U jednego z naszych klientów, firmy doradczej z dziesięcioosobowym zespołem, zaczęliśmy od prostego arkusza z sześcioma kolumnami. Po kwartale AI pokazało, że jeden z trzech głównych klientów generuje prawie połowę obrotu i jedną czwartą czasu zespołu. Drugi klient: jedna czwarta obrotu i połowa czasu. Dwie rozmowy z klientami, jedna korekta cennika i proporcje zaczęły się zmieniać.

Nie każdy wynik będzie tak wyraźny. Ale jeśli nigdy nie liczyliście tego per klient, jest duże prawdopodobieństwo, że przynajmniej jeden wniosek Was zaskoczy.

Jeśli chcecie zobaczyć, jak taka analiza wygląda na Waszych danych, zarezerwujcie 15 minut rozmowy. Możecie też przejrzeć realne wdrożenia, w tym firmy usługowe podobne do Waszej.