ROI AI w 50-osobowej firmie produkcyjnej — pełna kalkulacja po 4 miesiącach
Klient produkcyjny z Wielkopolski, 52 pracowników, branża obróbki metalu. Wdrożenie AI startowało w marcu 2025. Po 4 miesiącach mamy twarde dane — koszty, oszczędności, gdzie projekt zwrócił, gdzie się rozczarował. Pokazujemy pełen rachunek bez upiększania, z liczbami które można pokazać zarządowi.
Klienci pytają o ROI AI rzadziej niż powinniśmy. Częściej pytają o "wdrożenie AI" — i kupują projekt, którego biznes nie chce. W tym artykule pokazujemy jeden konkretny case: firma produkcyjna, 4 miesiące produkcji, każda złotówka rozpisana. Bez optymistycznych projekcji, bez ukrytych założeń. Liczby do zabrania na zebranie zarządu.
Klient: firma obróbki metalu spod Poznania
52 pracowników: 38 na produkcji, 8 w biurze (administracja + księgowość + BOK), 4 inżynierów, 2 osoby w sprzedaży. Obrót roczny około 28 mln zł. Klienci: branża automotive (60%), AGD (25%), pozostałe (15%). Problem: za dużo czasu inżynierów schodzi na "papierologię" — rysunki techniczne klientów do ofertowania, raporty jakości, korespondencja z klientami zagranicznymi po angielsku/niemiecku.
Trzy procesy wybrane do AI
- Analiza rysunków technicznych dostarczonych przez klienta (PDF + DWG) — wyciąganie parametrów, materiałów, tolerancji, generowanie wstępnej wyceny.
- Generowanie korespondencji w 3 językach — PL/EN/DE, głównie odpowiedzi na zapytania i potwierdzenia zamówień.
- Raporty jakości — agregacja danych z 4 stanowisk pomiarowych w jeden raport tygodniowy.
Koszty wdrożenia — pełna rozpiska
| Pozycja | Kwota | Charakter |
|---|---|---|
| Setup RedAI (pakiet wdrożenia rozszerzonego) | w pakiecie | jednorazowo |
| Integracja z systemem ERP (Symfonia) | 14 400 zł | jednorazowo |
| Integracja z systemem pomiarowym (custom) | 9 800 zł | jednorazowo |
| Szkolenie zespołu (12 osób, 3 sesje) | w pakiecie | jednorazowo |
| API Claude Sonnet 4 + Opus 4 (mix) | ~1 240 zł | miesięcznie |
| Abonament RedAI (utrzymanie, monitoring, aktualizacje) | poufne | miesięcznie |
| Koszty pierwsze 4 miesiące (start marzec) | ~38 600 zł | łącznie |
Oszczędności — co realnie się zdarzyło
Proces 1: analiza rysunków
Przed wdrożeniem: inżynier oferent poświęcał średnio 47 minut na rysunek, ofertowano około 22 rysunków tygodniowo. Po wdrożeniu: AI generuje wstępną analizę w 1 minutę 40 sekund, inżynier weryfikuje i poprawia w 11 minut średnio. Łączny czas spadł o 35 minut na rysunek, czyli 22 × 35 = 770 minut tygodniowo = około 12,8 godzin/tydz. = 51 godzin/mies.
Koszt godziny inżyniera (pełen koszt pracodawcy): 142 zł. Oszczędność: 51 × 142 = 7 242 zł/mies.
Proces 2: korespondencja PL/EN/DE
Przed: 2 osoby w biurze + 1 w sprzedaży poświęcały łącznie około 38 godzin tygodniowo na korespondencję. Po: AI generuje 80% szkiców, ludzie edytują. Czas spadł do około 14 godzin tygodniowo. Oszczędność: 24 godziny/tydz. = 96 godzin/mies.
Pełen koszt pracodawcy osoby biurowej: 78 zł/h. Oszczędność: 96 × 78 = 7 488 zł/mies.
Proces 3: raporty jakości
Przed: kierownik jakości i jego asystent w piątki tracili 6-8 godzin na zebranie danych z 4 stanowisk i przygotowanie raportu. Po: dane wpadają automatycznie do bazy, AI generuje raport tygodniowy w piątek 14:00, ludzie weryfikują w 45 minut. Oszczędność: 6 godzin/tydz. = 24 godziny/mies.
Pełen koszt pracodawcy kierownika jakości: 98 zł/h. Oszczędność: 24 × 98 = 2 352 zł/mies.
Suma oszczędności miesięcznych
7 242 + 7 488 + 2 352 = 17 082 zł/mies. brutto oszczędności
Minus koszty miesięczne (API + abonament): około 17 082 - 3 800 = ~13 200 zł/mies. netto oszczędności.
Czego nie udało się zoptymalizować
Bądźmy uczciwi — dwie rzeczy nie wyszły:
- Negocjacje z dostawcami stali — chcieliśmy by AI pomagało w analizie ofert dostawców, ale ofert jest mało i każda jest specyficzna. AI dawało generyczne porady, kupiec mówił "tak, wiem, dziękuję". Po 2 miesiącach wyłączyliśmy.
- Analiza odpadu produkcyjnego — dane z czujników były zbyt zaszumione, AI generowało wnioski które inżynier określał "to są oczywistości". Wymagałoby dużo większego datasetu treningowego.
Break-even i 12-miesięczny ROI
| Miesiąc | Skumulowany koszt | Skumulowana oszczędność | Saldo |
|---|---|---|---|
| Marzec 2025 (start) | ~32 000 zł | ~6 000 zł (1/2 mies. produkcji) | -26 000 zł |
| Czerwiec 2025 (po 4 mies.) | ~38 600 zł | ~46 000 zł | +7 400 zł |
| Wrzesień 2025 (po 7 mies., projekcja) | ~50 000 zł | ~89 000 zł | +39 000 zł |
| Marzec 2026 (rok od startu, projekcja) | ~80 000 zł | ~204 000 zł | +124 000 zł |
Break-even: 4 miesiąc. ROI 12-miesięczny: 2,55× zwrot. W tym przypadku — średni jak na nasze wdrożenia. Mieliśmy dwa wdrożenia z lepszym ROI (biuro księgowe, kancelaria), jedno z gorszym (sklep e-commerce, gdzie procesy były już zoptymalizowane przed nami).
Co decydowało o sukcesie
- Wybór 3 procesów, nie 12 — klient chciał wszystko od razu, my upieraliśmy się przy starcie z trzema. Słuszne.
- Inżynier-szampion w firmie — był jeden inżynier, który "uwierzył" i pociągnął resztę. Bez niego adopcja by była katastrofą.
- Iteracje co 2 tygodnie — nie "wdrożenie na 6 miesięcy", tylko sprintami. Pierwszy MVP (proces 2 — korespondencja) ruszył po 11 dniach.
- Nie zmienialiśmy procesów na siłę — AI wpasowane w istniejący workflow, nie odwrotnie.
Jeśli chcecie zobaczyć podobny rachunek dla Waszej firmy (godzina rozmowy, wyliczenia bez prezentacji marketingowej) — umówmy 30 minut.
Chcesz przetestować, jak AI rozwiąże to u Ciebie?
30 minut rozmowy + pokaz działającego wdrożenia u klienta. Bez NDA.
Umów demo