Ile kosztuje agent głosowy AI? Realny rozkład kosztów w 2026 roku

Agent głosowy AI kontra tradycyjne IVR: co właściwie wyceniamy

Zanim policzysz koszt, trzeba rozdzielić dwie różne rzeczy. IVR to sztywne drzewko: naciśnij 1 dla działu sprzedaży, naciśnij 2 dla wsparcia technicznego. Klient, który chce coś nietypowego, i tak trafia do kolejki i czeka na człowieka. Agent głosowy AI działa inaczej, bo rozumie mowę naturalną. Klient może po prostu powiedzieć „chciałbym przełożyć wizytę z wtorku na czwartek po południu”, a agent sam wyłapie intencję, sprawdzi dostępne terminy w kalendarzu i zaproponuje konkretne godziny. Sięga do bazy wiedzy firmy, pamięta kontekst całej rozmowy i sam decyduje, co zrobić dalej: umówić termin, sprawdzić status zamówienia, albo przekazać sprawę człowiekowi, gdy sprawa wykracza poza jego kompetencje.

Cena obu rozwiązań różni się o rząd wielkości, bo agent AI potrzebuje zupełnie innej infrastruktury niż klasyczne IVR. IVR to nagrania głosowe i logika typu „jeśli naciśnięto 1, przejdź do menu 2”, tania w utrzymaniu, ale sztywna jak drut. Agent głosowy AI potrzebuje modelu językowego, który rozumie i generuje odpowiedzi, syntezy mowy brzmiącej naturalnie, rozpoznawania mowy działającego w czasie rzeczywistym oraz integracji z systemami klienta. Każdy z tych elementów kosztuje, i to zarówno na etapie budowy, jak i w codziennej pracy.

Pytanie „ile kosztuje agent głosowy AI” jest więc trochę jak pytanie „ile kosztuje strona internetowa”: zależy od zakresu. Prosty asystent odbierający pytania o godziny otwarcia i adres to inny budżet niż system umawiający wizyty, sprawdzający dostępność w kalendarzu i integrujący się z CRM czy systemem rezerwacji. W tym artykule rozkładam koszt na czynniki pierwsze, żeby dało się realnie oszacować budżet przed rozmową z dostawcą.

Koszt wdrożenia: co płaci się raz

Pierwsza część budżetu to wdrożenie: projekt rozmowy, podłączenie bazy wiedzy klienta, integracje z kalendarzem, CRM albo systemem rezerwacji, testy na prawdziwych zgłoszeniach i dostrojenie głosu tak, żeby brzmiał naturalnie po polsku. Do tego dochodzi obsługa sytuacji nietypowych, czyli co się dzieje, gdy klient poda niejasną datę, zmieni zdanie w połowie rozmowy albo zapyta o coś, czego agent nie ma w bazie wiedzy. To praca jednorazowa. Im więcej integracji i im bardziej nietypowy proces, tym więcej godzin pracy inżynierskiej.

W praktyce wdrożenie da się rozłożyć na etapy: rozmowa o tym, co dziś zajmuje czas zespołu przy telefonie, potem prototyp działający na prawdziwych danych klienta (gotowy zwykle w ciągu dwóch tygodni), a na końcu uruchomienie produkcyjne z logami i kontrolą kosztów od pierwszego dnia. Taki podział pozwala zobaczyć działającego agenta, zanim padnie decyzja o pełnym wdrożeniu. Koszt wejścia jest więc niższy niż przy klasycznym projekcie „najpierw specyfikacja, potem wszystko naraz”, gdzie płaci się za cały zakres, zanim ktokolwiek usłyszy, jak agent naprawdę brzmi.

Koszt utrzymania: co płaci się co miesiąc

Po uruchomieniu dochodzą koszty stałe. Pierwszy to opłata za samą infrastrukturę i opiekę: monitoring, aktualizacje, reagowanie na zmiany w systemach klienta, na przykład gdy firma zmienia system rezerwacji albo dodaje nowy produkt do oferty. Drugi to koszt zmienny, zależny od liczby rozmów. Model językowy (np. Anthropic albo OpenAI) liczy tokeny, czyli fragmenty tekstu przetwarzane w trakcie rozmowy, a synteza i rozpoznawanie mowy (np. ElevenLabs) liczą sekundy albo minuty nagrania.

To rozróżnienie jest ważne przy planowaniu budżetu: firma z dziesięcioma rozmowami dziennie zapłaci za minuty rozmów zupełnie inaczej niż firma z pięciuset. Dlatego w dobrze zaprojektowanym systemie warto mieć limity kosztów ustawione z góry, żeby nagły wzrost ruchu na infolinii, na przykład po kampanii marketingowej albo w sezonie, nie zamienił się w nagły wzrost rachunku bez wcześniejszego ostrzeżenia.

Dobra opieka nad agentem to też panel z logami rozmów, alerty, gdy agent zaczyna „gubić wątek”, i regularny przegląd nagrań, żeby wyłapać scenariusze, których agent jeszcze nie obsługuje dobrze. Te elementy zwykle wchodzą w skład abonamentu utrzymaniowego. Warto więc zapytać dostawcę wprost, co się w nim mieści.

Orientacyjne widełki cenowe na rynku PL i UE w 2026 roku

Poniższe liczby to ogólna orientacja rynkowa, nie cennik konkretnego dostawcy. Każdy projekt wycenia się indywidualnie, po rozmowie o zakresie. Na rynku polskim i unijnym wdrożenie prostego agenta głosowego, obsługującego jeden scenariusz (np. umawianie wizyt), to zwykle rząd kilkunastu do kilkudziesięciu tysięcy złotych jednorazowo. System z integracjami do CRM, ERP albo z wieloma scenariuszami rozmów naraz (na przykład umawianie wizyt, sprawdzanie statusu zamówienia i podstawowa windykacja płatności w jednym agencie) potrafi kosztować kilka razy więcej.

Do tego dochodzi abonament utrzymaniowy (rzędu kilkuset do kilku tysięcy złotych miesięcznie za opiekę i infrastrukturę) oraz koszt zmienny za minuty rozmów, liczony zwykle we frakcjach złotówki za minutę połączenia. Przy niskim wolumenie rozmów koszt zmienny jest pomijalny, przy dużym staje się głównym składnikiem rachunku. Te liczby to punkt startowy do rozmowy, nie gotowa oferta. Ostateczna wycena zależy od liczby integracji, liczby scenariuszy i wymagań dotyczących zgodności z przepisami.

Co realnie podnosi albo obniża cenę

Największy wpływ na cenę ma liczba scenariuszy rozmowy i liczba systemów, z którymi agent musi się integrować. Agent, który tylko odpowiada na pytania z bazy wiedzy, jest tańszy niż agent, który umawia terminy, sprawdza status zamówienia w ERP i wystawia dokument w KSeF. Każda kolejna integracja to dodatkowy koszt podłączenia i dodatkowe testy: trzeba sprawdzić, co się stanie, gdy system klienta odpowie z opóźnieniem albo zwróci błąd.

Drugi czynnik to dane i zgodność: RODO, pseudonimizacja, wymóg przechowywania danych w UE albo wdrożenie on-premise podnoszą koszt infrastruktury, ale bywają nienegocjowalne w branżach regulowanych, jak kadry czy finanse. Trzeci czynnik to liczba kanałów: sam telefon jest tańszy niż telefon plus WhatsApp plus e-mail obsługiwane przez tego samego agenta, bo każdy kanał ma inną specyfikę techniczną i inny sposób prowadzenia rozmowy.

Czwarty czynnik to liczba obsługiwanych języków. Agent działający wyłącznie po polsku jest prostszy i tańszy niż ten sam agent rozszerzony o angielski i ukraiński: trzeba przetłumaczyć scenariusze i sprawdzić, jak model radzi sobie z akcentem oraz typowymi dla danego języka zwrotami grzecznościowymi. Firmy obsługujące klientów zagranicznych powinny od razu ująć wielojęzyczność w zapytaniu ofertowym.

Jak policzyć, czy się opłaca

Najprostszy rachunek to koszt jednej rozmowy obsłużonej przez agenta AI zestawiony z kosztem tej samej rozmowy obsłużonej przez człowieka, czyli z pensją, szkoleniem, rotacją i godzinami poza standardowym czasem pracy. Agent głosowy pracuje 24/7, nie choruje i nie potrzebuje urlopu, a do tego może prowadzić wiele rozmów równolegle, podczas gdy jedna recepcjonistka obsługuje jedną rozmowę na raz. Przy dużej liczbie powtarzalnych rozmów (potwierdzenia wizyt, pytania o status, prosta rekrutacja pierwszego kontaktu) zwrot z inwestycji liczy się zwykle w miesiącach, nie latach.

Warto też policzyć koszt utraconych rozmów, czyli ile telefonów dzwoni po godzinach albo w czasie szczytu i trafia na sygnał zajętości. Każda taka rozmowa to potencjalny klient, który dzwoni do konkurencji, a w branżach usługowych, gdzie decyzja o wyborze firmy zapada w ciągu jednego telefonu, to bezpośrednia strata przychodu. Agent głosowy dostępny całą dobę zamienia część tych utraconych połączeń w umówione terminy, nawet jeśli dzwoniący próbował się połączyć o dwudziestej trzeciej w niedzielę.

Jak wygląda budżetowanie wdrożenia w praktyce

Sam prowadzę wdrożenia agentów głosowych i pilnuję, żeby klient znał orientacyjny budżet zanim zaczną się prace, a rzeczywisty koszt zanim system trafi do produkcji. Proces zaczynam od godzinnej rozmowy, w której klient opowiada, co dziś zajmuje czas zespołu przy telefonie, a ja mówię, co da się zautomatyzować i ile to może kosztować. Już na tym etapie widać, czy mówimy o prostym asystencie, czy o systemie z kilkoma integracjami.

Potem buduję prototyp na prawdziwych danych klienta. To pozwala zweryfikować zakres i cenę, zanim padnie decyzja o pełnym wdrożeniu. Klient słyszy, jak agent naprawdę brzmi i jak radzi sobie z typowymi dla jego branży pytaniami, zanim zapłaci za produkcyjne uruchomienie. Dopiero po tym etapie ustalam finalny budżet uruchomienia i opieki, z limitami kosztów i kontrolą zgodności z RODO ustawionymi od pierwszego dnia produkcji.