AI rozpočet na zamestnanca: limit nestačí, merajte cenu hotovej práce

Aktualizácia 20. októbra 2026: rátajte ladenie aj oddelené kredity

Jirka Herník 19. októbra zverejnil pokus s AI avatarom. Verejný popis oddeľuje finálny obrazový render za 4,81 USD od skúšok a ladenia za 6,08 USD, spolu 10,89 USD. Obrázky a jeho čas v sume nie sú. Je to spotreba jedného účtu pri jednom pokuse, nie cenník HeyGen ani náš benchmark.

Pre obsahové workflow je to užitočnejšie než cena jediného úspešného renderu. Viedol by som jedno ID zákazky, všetky pokusy a jasne označený prijatý variant. Hlas už zahrnutý v ladení nemožno pripočítať druhýkrát. Rovnaké pravidlo platí pre dabing, produktové videá aj reklamné varianty.

Notion v oznámení z 19. októbra pridáva ďalšiu rozpočtovú otázku: Business a Enterprise dostávajú mesačne 1 500 Standard kreditov pre Auto a 500 Select pre ručnú voľbu modelu či Custom Agents. Noví zákazníci prechádzajú hneď, existujúci 2. novembra. AI Command Center je v texte stále pripravované.

Správca by mal pred zmenou rozdeliť skutočné používanie na bežnú osobnú prácu a automatické behy. Pridelené kredity nie sú peňažná cena úlohy. Overujte spotrebu na prijaté výsledky a pravidlá konkrétneho workspace; deklarovaná úspora routingu nezaručuje rovnaký výsledok vo firme.

V pilote otestujte aj vyčerpanie rozpočtu. Má vzniknúť stav „čaká na rozhodnutie vlastníka“, nie nekonečné opakovanie alebo tichý prechod na iný platený účet. Rozpočet, kvalita a obnovenie behu patria do spoločného prevádzkového reportu.

Aktualizácia 10. 10. 2026: čas agenta nie je odpracovaná hodina

Filip Oborník v AI s rozumem z 9. októbra otvára otázku naceňovania a odmeňovania pri súbežnej práci s agentmi. Podľa verejného popisu epizódy neponúka hotové riešenie. Je to užitočný podnet na doplnenie článku: spotrebu nástroja, prácu človeka a hodnotu výsledku by som evidoval oddelene.

Nasledujúci postup je môj návrh pilotu, nie výsledok merania z videa. Na dva týždne vyberte jeden proces, napríklad triedenie prichádzajúcich dopytov v n8n alebo Make. Každý dopyt dostane jedno ID. Priraďte k nemu všetky pokusy agenta, opravy aj ľudské schválenie. Opakovaný pokus nesmie v reporte vytvoriť ďalšiu „hotovú úlohu“.

Pri každom prípade by som evidoval priamu spotrebu API a nástrojov, aktívny čas človeka na zadanie a kontrolu, čas do prijatia výsledku a prípadné opätovné otvorenie pre chybu. Dvaja agenti bežiaci súbežne hodinu nepredstavujú dve hodiny ľudskej práce. Čakanie ovplyvňuje rýchlosť služby, ale do nákladov práce patrí skutočná obsluha.

Pre pilot možno počítať:

Náklad na prijatý prípad = (API + nástroje + náklady na ľudskú obsluhu + pridelená časť prípravy a licencií) / počet prijatých prípadov.

Do čitateľa patria aj neúspešné pokusy. Spoločné licencie a prípravu rozdeľujte podľa vopred zvoleného pravidla; ten istý náklad nezapočítajte raz z faktúry a druhýkrát z odhadu tokenov. Popri cene sledujte správnosť triedenia, počet opráv a čas vybavenia. Lacnejší proces môže inak iba presunúť prácu na obchodníka.

Táto metrika nie je cenník pre klienta ani automatický rebríček zamestnancov. Dopyty najprv rozdeľte do skupín s porovnateľnou náročnosťou. Odmenu a cenu zákazky dohodnite podľa rozsahu, kritérií prijatia a zodpovednosti za opravy. Prevádzkové údaje majú ukázať, či automatizácia funguje, nie odmeňovať počet spustených agentov.

AI nástroje sa vo firmách presúvajú zo zaujímavého benefitu do bežného prevádzkového nákladu. Lupa.cz vo svojom prehľade českých technologických firiem uvádza, že Apify hradí AI nástroje približne vo výške 3 000 Kč na zamestnanca a používa interný limit 20 000 Kč na vývojára mesačne. Inde môžu byť sumy výrazne vyššie.

Tieto čísla nie sú univerzálny benchmark ani oficiálny cenník toho, koľko „má AI stáť“. Ide o hodnoty reportované v jednom redakčnom prieskume. Sú však dobrým signálom, že mesačné predplatné za seat už nestačí ako jediná finančná kontrola.

Od licencií k prevádzkovej spotrebe

GitHub už v apríli oznámil usage-based billing pre prémiové požiadavky Copilotu. Podobnú ekonomiku majú Claude Code, Codex, modelové API aj agentné platformy.

Autocomplete je krátka interakcia. Agent, ktorý číta repozitár, plánuje zmeny, spúšťa testy, pracuje s browserom a iteruje, patrí do inej nákladovej kategórie. Použiť silný model na architektúru nie je to isté ako použiť ho na rutinný nákup.

Firemný rozpočet preto musí odlíšiť základný prístup k nástrojom, variabilnú spotrebu modelov a agentov a náklady na integrácie, logy, validáciu a ľudské review.

Prečo pevný limit nestačí

Strop zabráni neobmedzenému účtu, ale môže vytvoriť dva zlé extrémy. Príliš nízky limit odrádza od použitia AI tam, kde by reálne pomohla. Príliš vysoký limit odmeňuje aktivitu bez ohľadu na výsledok.

Lepšia metrika je cena za dokončenú a prijatú úlohu.

Pri coding agentovi merajte náklady na zmenu, ktorá prešla testami a review. V supporte náklady na správne klasifikovaný a vyriešený ticket. Pri CRM enrichment cenu záznamu, ktorý prešiel validáciou. Pri dokumentovej extrakcii cenu faktúry, pri ktorej sedia sumy, dodávateľ aj účtovná kontrola.

Lacnejší model, ktorý potrebuje tri opravné kolá, môže byť drahší než silnejší model, ktorý úlohu dokončí na prvýkrát.

Router namiesto zákazu

Silné modely by som nezakazoval. Definoval by som triedy práce.

Lacná vrstva rieši tagovanie, prvý routing, jednoduchý JSON, deduplikáciu a normalizáciu. Hlavný worker zvláda bežné e-maily, CRM obohatenie, faktúry, support a content drafty. Najsilnejší model patrí na drahé výnimky: zložitý bug, spornú zmluvu, nejasný dokument alebo plán, podľa ktorého budú pracovať ďalší agenti.

Sledujte model a effort, tokeny a cache hits, tool cally a iterácie, dôvod eskalácie, výsledok validácie a cenu hotovej úlohy—nielen samotného requestu.

Rozpočet podľa rizika a hodnoty

Rovnaký mesačný limit pre všetky roly sa jednoducho spravuje, ale často nedáva zmysel. Vývojár s dlhými agentnými behmi má iný profil než človek, ktorý raz denne zhrnie schôdzku. Enrichment stoviek leadov sa líši od právnej analýzy niekoľkých citlivých zmlúv.

Rozpočet nastavte podľa tímov a use caseov. K tomu pridajte malý osobný experimentálny limit. Ľudia potrebujú priestor na skúšanie, ale produkčné workflow musí mať vlastníka, metriku a audit.

Minimálne firemné nastavenie

Určte schválené nástroje a dátové triedy, ktoré do nich smú vstupovať.
Nastavte limity podľa tímov alebo projektov.
Zaveďte router medzi lacnú, hlavnú a specialistickú vrstvu.
Agentom definujte stop podmienky, maximálny počet krokov a rozpočet na task.
Ukladajte výsledok validácie, nie iba účet za tokeny.
Pravidelne vyraďujte workflow, ktoré spotrebu majú, ale hodnotu nepreukazujú.

Môj záver

Tri tisíce alebo dvadsaťtisíc korún nie je odpoveď na otázku, koľko má firma minúť na AI. Je to užitočný začiatok debaty.

Dobrá governance nerozdáva neobmedzené účty ani nezakazuje silné modely. Rozlišuje rutinu, hlavnú prácu a drahé výnimky. Meria cenu prijatého výsledku, pridáva validáciu a vie, kedy sa agent musí zastaviť pre človeka.

AI coding a automatizácia sa tak začínajú riadiť podobne ako cloud: limity sú nutné, ale bez unit economics, observability a zodpovednosti sú len číslom v administrácii.

Zdroje: Lupa.cz: koľko AI stojí technologické firmy v Česku, Jirka Herník: koľko firmy platia zamestnancom za AI, GitHub Blog: Copilot is moving to usage-based billing a GitHub Docs: Copilot billing.