Ponude za AI automatizaciju često obećavaju „20 sati uštede nedeljno” ili „duplo bržu obradu”. Vlasnik male firme retko može da proveri odakle te brojke dolaze i da li važe za njegov posao. Ovaj tekst pokazuje kako da isplativost grubo procenite sami, iz sopstvenih podataka, pre razgovora sa bilo kojim dobavljačem.
Najčešća greška u takvoj proceni je jednostavna. Računa se vreme koje AI štedi, a zaboravlja se vreme koje troše provera rezultata, podešavanje i održavanje. Kada se te stavke uračunaju, slika je obično skromnija, ali i mnogo korisnija za odluku.
Zašto „nejasna vrednost” obara AI projekte
Gartner je sredinom 2025. godine prognozirao da će do kraja 2027. biti ugašeno više od 40% projekata zasnovanih na AI agentima. AI agenti su sistemi koji samostalno obavljaju niz koraka, na primer pročitaju mejl, pronađu podatke u sistemu i pripreme odgovor, umesto da samo odgovaraju na pitanja. Kao glavne razloge Gartner je naveo rastuće troškove, nejasnu poslovnu vrednost i slabu kontrolu rizika. Upozorio je i na pojavu koju naziva „agent washing”, kada se postojeći čet-botovi i alati za automatizaciju samo preimenuju u AI agente.
Ovo je prognoza, a ne izmeren rezultat, i odnosi se na kompanije uopšte, ne posebno na male firme. Ipak, razlozi koje navodi relevantni su za svaku firmu. Projekat koji se ugasi zbog „nejasne vrednosti” najčešće nikada nije ni imao jasno definisanu vrednost. Niko pre početka nije zapisao koliko posao sada košta i koliko bi trebalo da košta posle. Iz toga sledi praktičan zaključak: pre nego što se potpiše ugovor, procenu treba napraviti na papiru.
Tri broja koja treba znati unapred
Za grubu procenu potrebna su tri podatka o procesu koji želite da automatizujete.
Prvi je obim posla, odnosno koliko se puta posao ponavlja nedeljno ili mesečno: broj upita, faktura, ponuda ili porudžbina. Drugi je vreme po jedinici, koliko u proseku traje jedan takav posao danas. Treći je trošak sata rada ljudi koji ga obavljaju, uključujući doprinose, a ne samo neto platu.
Ove brojke se ne moraju meriti savršeno. Dovoljno je da tim dve nedelje beleži, makar u običnoj tabeli, koliko upita je obradio i koliko je vremena na to otišlo. To je ujedno i polazna tačka bez koje kasnije nećete moći da utvrdite da li je automatizacija pomogla.
Korisno je zapisati i četvrti podatak, iako ga je teže izmeriti: koliko često se dešavaju greške i koliko koštaju. Pogrešna cena u ponudi ili propušten rok isporuke mogu da koštaju više od sati koje bi AI uštedeo.
Računica na primeru
Pogledajmo kako to može da izgleda na izmišljenom primeru. Brojevi ispod nisu podaci iz istraživanja, već pretpostavke koje služe da se pokaže način računanja.
Recimo da firma nedeljno dobije 40 upita kupaca i da priprema jedne ponude traje 20 minuta. Uz AI alat priprema nacrta traje 8 minuta, ali komercijalista mora da potroši još 4 minuta na proveru. Ukupno vreme po ponudi pada sa 20 na 12 minuta, pa je ušteda 8 minuta po ponudi, a ne 12 kako bi se moglo pomisliti.
Na 40 upita nedeljno to je oko 5,3 sata nedeljno, odnosno oko 23 sata mesečno. Ako je trošak sata rada 12 evra, mesečna ušteda je oko 277 evra.
Sa druge strane su troškovi. Mesečni troškovi obuhvataju pretplatu na alate, recimo 60 evra, i dva sata mesečno za održavanje: ažuriranje cenovnika, ispravke uputstava i proveru da sve radi. To je još 24 evra, pa mesečni trošak iznosi 84 evra. Jednokratni trošak uvođenja čine spoljni partner koji povezuje sistem, recimo 1.500 evra, i 20 sati internog rada na pripremi pravila i testiranju, odnosno još 240 evra.
| Stavka | Iznos |
|---|---|
| Mesečna ušteda vremena | oko 277 € |
| Mesečni troškovi | 84 € |
| Neto mesečna korist | oko 193 € |
| Jednokratni trošak uvođenja | 1.740 € |
| Povrat ulaganja | oko 9 meseci |
U ovom primeru automatizacija se isplati, ali ne za mesec dana. Ako bi provera trajala 8 umesto 4 minuta, neto korist bi pala sa oko 193 na oko 55 evra mesečno, a povrat bi se produžio na skoro tri godine. Upravo zato je vreme provere ključna stavka koju treba realno proceniti, a najbolje i izmeriti kroz kratak test.
Šta ovakva računica ne hvata
Računica zasnovana samo na uštedi vremena ima jasna ograničenja. Neke koristi se teže izražavaju u novcu, a neke pretpostavke su nesigurnije nego što deluju.
Prvo, ušteda vremena vredi samo ako se to vreme iskoristi za nešto drugo. Ako komercijalista uštedi pet sati nedeljno, a ti sati odu u čekanje, firma nije dobila ništa. Ako ih iskoristi za pozive postojećim kupcima ili za brže odgovore u sezoni, korist može da bude veća od same uštede.
Drugo, brzina odgovora može da utiče na prodaju, a ne samo na troškove. U B2B prodaji ponuda koja stigne istog dana može da ima veće šanse od one koja stigne posle tri dana. Taj efekat je teško unapred proceniti, ali vredi pratiti udeo upita koji postaju porudžbine pre i posle uvođenja.
Treće, korist zavisi od toga ko koristi alat. Istraživanje Erika Brinjolfsona, Danijele Li i Lindzi Rejmond, objavljeno 2025. u časopisu Quarterly Journal of Economics, pratilo je 5.172 agenta korisničke podrške u jednoj velikoj kompaniji. AI asistent je u proseku povećao broj rešenih slučajeva po satu za 15%. Manje iskusni zaposleni su ubrzali rad i poboljšali kvalitet, dok su najiskusniji dobili malo na brzini, a kvalitet im je blago opao.
Za našu računicu to znači da prosečna ušteda može da sakrije velike razlike. Ako posao u vašoj firmi radi jedan veoma iskusan čovek, korist može da bude manja nego što obećava dobavljač. Ako radi i nekoliko novijih zaposlenih, može da bude veća. To je dodatni razlog da se procena proveri na sopstvenom timu, a ne preuzme iz tuđe prezentacije.
Pitanja koja vredi postaviti dobavljaču
Kada dobavljač ponudi automatizaciju, nekoliko pitanja može brzo da pokaže koliko je ponuda zasnovana na vašem poslu, a koliko na opštim obećanjima.
Na čemu se zasniva procena uštede i da li je merena kod firme slične vašoj? Koliko vremena vaši ljudi treba da troše na proveru rezultata i kako se to vidi u računici? Šta se dešava kada AI pogreši i ko to primećuje? Koliki su mesečni troškovi posle uvođenja, uključujući licence, korišćenje AI modela i održavanje? Da li možete da počnete kraćim testom na jednom procesu, pre punog uvođenja?
Dobar partner obično nema problem sa ovim pitanjima, jer i njemu odgovara da projekat ima jasno definisanu vrednost. Ako odgovori ostanu na nivou opštih procenata bez veze sa vašim brojkama, to je koristan signal.
Kada automatizacija verovatno nije isplativa
Postoje situacije u kojima je razumno sačekati ili odustati, čak i kada je tehnologija dostupna.
Mali obim je najčešći razlog. Ako se posao ponavlja nekoliko puta mesečno, ušteda teško može da pokrije jednokratne troškove uvođenja. Tu je verovatno korisnije da zaposleni povremeno koriste opšti AI alat nego da se gradi namenska automatizacija.
Drugi razlog su neuređeni podaci. Ako cenovnik ne postoji u ažurnom obliku ili se pravila menjaju od kupca do kupca, AI nema na čemu da radi pouzdano. U takvoj firmi prvi korisni korak je sređivanje podataka, a automatizacija dolazi posle.
Treći razlog je visoka cena greške. U procesima gde jedna greška može da napravi ozbiljnu finansijsku ili pravnu štetu, provera mora da bude temeljna. Tada ušteda vremena može da bude mnogo manja nego što izgleda na prvi pogled.
Procena kao deo projekta
Računica iz ovog teksta je gruba i namerno jednostavna. Ne može tačno da predvidi koliko će firma uštedeti. Ono što može jeste da pokaže koje pretpostavke su najosetljivije, da li se projekat isplati za šest meseci ili za tri godine i koje brojeve treba pratiti posle uvođenja.
U primeru iz teksta, razlika između četiri i osam minuta provere po ponudi menja povrat ulaganja sa devet meseci na skoro tri godine. Tu brojku ne zna ni dobavljač ni konsultant. Može da se sazna samo kroz kratak test na stvarnim upitima vaše firme, i to je možda najjači argument da svaki AI projekat počne baš tako.
