AI rozpočet na zaměstnance: limit nestačí, měřte cenu hotové práce

Aktualizace 20. října 2026: počítejte ladění i oddělené kreditní rozpočty

Jirka Herník 19. října zveřejnil konkrétní pokus s AI avatarem. Ve veřejném popisu rozlišuje finální obrazový render za 4,81 USD a zkoušky s laděním za 6,08 USD, dohromady 10,89 USD. Obrázky a vlastní čas v částce nejsou. Je to útrata jednoho účtu a pokusu, nikoli ceník HeyGen ani náš benchmark.

Pro obsahovou pipeline je to užitečnější údaj než cena jediného úspěšného renderu. V evidenci bych měl jedno ID zakázky, pod ním všechny pokusy a jasně označenou přijatou variantu. Částku za hlas, která už je zahrnutá v ladění, nelze přičíst znovu. To platí stejně pro dabing, produktové video i generování reklamních variant.

Druhý konkrétní posun přináší oznámení Notion z 19. října: Business a Enterprise dostávají měsíčně 1 500 Standard kreditů pro Auto a 500 Select pro ruční volbu modelu či Custom Agents. Noví zákazníci přecházejí hned, stávající 2. listopadu. AI Command Center je v textu stále uvedeno jako připravované.

Z toho bych pro správce odvodil jednoduchý úkol: před změnou rozdělit skutečné použití na běžnou osobní práci a automatické běhy. Přidělené kredity nejsou hotovostní cena úlohy. Kontrolujte skutečnou spotřebu na přijaté výsledky a pravidla konkrétního workspace; marketingový údaj o levnějším routingu není záruka stejné úspory ve firmě.

V pilotu bych navíc otestoval vyčerpání rozpočtu. Má vzniknout stav „čeká na rozhodnutí vlastníka“, ne nekontrolovaný retry nebo tichý přechod na jiný placený účet. Rozpočet, kvalita a způsob obnovy běhu patří do stejného provozního reportu.

Aktualizace 10. 10. 2026: čas agenta není odpracovaná hodina

Filip Oborník v AI s rozumem z 9. října otevírá problém naceňování a odměňování při paralelní práci s agenty. Podle veřejného popisu dílu nepředkládá hotové řešení. Je to užitečný podnět k doplnění tohoto článku: spotřebu nástroje, práci člověka a hodnotu výsledku bych vedl odděleně.

Následující postup je můj návrh pilotu, ne výsledek měření z videa. Vezměte na dva týdny jeden proces, například třídění příchozích poptávek v n8n nebo Make. Každá poptávka dostane jedno ID. Všechny pokusy agenta, opravy i lidské schválení se přiřadí k němu. Retry nesmí v reportu vyrábět další „hotový úkol“.

U každého případu bych ukládal přímou spotřebu API a nástrojů, aktivní čas člověka na zadání a kontrolu, dobu do přijetí výsledku a případné znovuotevření kvůli chybě. Dva souběžní agenti běžící hodinu nejsou dvě odpracované lidské hodiny. Čas čekání je důležitý pro rychlost služby, ale do nákladů lidské práce patří skutečná obsluha.

Pro pilot lze počítat:

Náklad na přijatý případ = (API + nástroje + lidská obsluha v Kč + přidělená část přípravy a licencí) / počet přijatých případů.

Do čitatele patří i neúspěšné pokusy. Náklady na společné licence a přípravu rozdělujte předem zvoleným pravidlem; tentýž náklad nepočítejte zároveň jako fakturu i jako odhad za tokeny. Vedle ceny sledujte správnost routingu, počet oprav a čas do vyřízení. Jinak může levnější proces jen přesunout práci na obchodníka.

Ani tato metrika není ceník pro klienta nebo automatický žebříček zaměstnanců. Různě těžké poptávky nejprve rozdělte do srovnatelných skupin. Odměnu a cenu zakázky sjednávejte podle rozsahu, přijímacích kritérií a odpovědnosti za opravy. Provozní data mají ukázat, zda automatizace funguje, nikoli odměňovat počet spuštěných agentů.

AI nástroje se ve firmách přesouvají ze „zajímavého benefitu“ do běžného provozního nákladu. Lupa.cz ve svém přehledu českých technologických firem uvádí, že Apify hradí AI nástroje zhruba ve výši 3 000 Kč na zaměstnance a pracuje s interním limitem 20 000 Kč na vývojáře za měsíc. Jinde mohou být částky výrazně vyšší.

Neberu tato čísla jako univerzální benchmark. Jsou to hodnoty reportované v jednom redakčním průzkumu, ne oficiální ceník toho, kolik „má AI stát“. Jsou ale dobrým signálem, že měsíční předplatné za seat přestává stačit jako jediná finanční kontrola.

Od licence k provozní spotřebě

GitHub už v dubnu oznámil usage-based billing pro prémiové požadavky Copilotu. Podobnou ekonomiku mají Claude Code, Codex, modelová API i různé agentní platformy.

Autocomplete je krátká interakce. Agent, který čte repozitář, plánuje změny, spouští testy, pracuje s browserem a iteruje, je jiná nákladová kategorie. Stejně tak není stejné použít silný model na architektonický návrh a poslat ho nakoupit kancelářské potřeby.

Firemní rozpočet proto musí rozlišit alespoň tři vrstvy:

základní přístup k nástrojům,
variabilní spotřebu modelů a agentů,
náklady na kontrolu, integrace, logy a lidské review.

Proč pevný limit nestačí

Limit zabrání nekonečnému účtu, ale může vytvořit dva špatné extrémy. Příliš nízký strop vede k tomu, že lidé šetří na úkolech, kde by AI skutečně pomohla. Příliš vysoký strop odměňuje aktivitu bez ohledu na výsledek.

Lepší metrika je cena za dokončený a přijatý úkol.

U coding agenta měřte například náklady na změnu, která prošla testy a review. U supportu náklady na správně klasifikovaný a vyřešený ticket. U CRM enrichmentu cenu záznamu, který prošel validací. U dokumentové extrakce cenu faktury, u níž sedí částky, dodavatel i účetní kontrola.

Pak lze srovnat modely i workflow smysluplně. Levný model, který vyžaduje tři opravy, může být dražší než silnější model, který úkol dokončí napoprvé.

Jak nastavit router místo zákazu

Neomezoval bych firmu pravidlem „silné modely se nesmějí používat“. Nastavil bych jasné třídy práce.

Levná vrstva může řešit tagování, první routing, jednoduchý JSON, deduplikaci a normalizaci. Hlavní worker zvládne běžné e-maily, CRM obohacení, faktury, support nebo obsahové drafty. Nejsilnější model patří na výjimky: složitý bug, spornou smlouvu, nejasný dokument nebo plán, podle kterého budou pracovat další agenti.

Prakticky bych sledoval:

model a effort u každého běhu,
vstupní a výstupní tokeny,
cache hits a opakované kontexty,
tool cally a počet iterací,
důvod eskalace na dražší model,
výsledek validace nebo lidského review,
náklad na hotový úkol, ne jen na request.

Rozpočet má být podle rizika a hodnoty

Stejný měsíční limit pro všechny role je pohodlný, ale často nedává smysl. Vývojář pracující s dlouhými agentními běhy má jiný profil než člověk, který jednou denně shrne schůzku. Obchodník s enrichmentem stovek leadů má jiný profil než právník analyzující několik citlivých smluv.

Rozpočet bych proto stavěl po týmech a use casech. K tomu bych přidal malý osobní experimentální limit. Lidé potřebují prostor zkoušet nové nástroje, ale produkční workflow už musí mít vlastníka, metriku a audit.

Minimální firemní nastavení

Určete schválené nástroje a datové třídy, které do nich smějí vstupovat.
Nastavte limity po týmech nebo projektech, ne pouze globálně.
Zaveďte router mezi levnou, hlavní a specialistickou vrstvou.
U agentů definujte stop podmínky, max počet kroků a rozpočet na task.
Ukládejte výsledek validace, ne jen účet za tokeny.
Jednou měsíčně vyřaďte workflow, která spotřebu mají, ale hodnotu neprokazují.

Můj závěr

Tři tisíce nebo dvacet tisíc korun nejsou odpověď na otázku, kolik má firma utratit za AI. Jsou užitečný začátek debaty.

Dobrá governance nerozdává neomezené účty ani nezakazuje silné modely. Rozlišuje rutinu, hlavní práci a drahé výjimky. Měří náklad na dokončený výsledek, přidává validaci a ví, kdy se agent musí zastavit pro člověka.

AI coding a automatizace se tak začínají řídit podobně jako cloud: limity jsou nutné, ale bez unit economics, observability a odpovědnosti jsou jen číslem v administraci.

Zdroje: Lupa.cz: kolik AI stojí technologické firmy v Česku, Jirka Herník: Kolik firmy platí zaměstnancům za AI, GitHub Blog: Copilot is moving to usage-based billing a GitHub Docs: Copilot billing.