„Potrebujeme AI chatbota." Túto vetu počúvame od klientov stále častejšie. Problém je, že polovica z nich ho nepotrebuje a druhá polovica netuší, čo to reálne obnáša — koľko stojí, ako sa udržiava a kedy sa vráti. Tento článok je praktický sprievodca z pohľadu firmy, ktorá chatboty nasadzuje: kedy dávajú zmysel, koľko stoja a ako spočítať návratnosť.
Kedy AI chatbot reálne dáva zmysel
Chatbot nie je samoúčel ani magické tlačidlo „viac predaja". Dáva zmysel, keď platí aspoň jedno:
- Veľa opakovaných otázok — podpora odpovedá na to isté dookola (otváracie hodiny, cena, dostupnosť, ako niečo funguje)
- Vysoká návštevnosť — aspoň stovky relevantných návštev mesačne, inak nie je čo automatizovať
- Rozsiahla znalostná báza — máte veľa dokumentácie/FAQ, v ktorej je ťažké hľadať
- Lead kvalifikácia — chcete predfiltrovať dopyty skôr, než sa dostanú k obchodníkovi
- 24/7 dostupnosť — zákazníci píšu mimo pracovných hodín a vy strácate leady
Kedy NEMÁ zmysel
Buďme féroví — väčšine malých firemných webov chatbot nepomôže. Ak máte málo návštev, málo opakovaných otázok alebo dopyty vyžadujúce ľudský úsudok, lepšie a lacnejšie poslúži kvalitné FAQ a dobrý kontaktný formulár. Chatbot, ktorý mesačne odbaví 5 konverzácií, je drahá hračka. Najlepšia rada, akú vieme dať, je niekedy „toto teraz nepotrebujete".
Tri typy chatbotov — a prečo na tom záleží pri cene
1. Rule-based (rozhodovací strom)
Vopred definované tlačidlá a vetvy („Vyberte tému → Vyberte podtému → odpoveď"). Lacný, predvídateľný, nikdy nehalucinuje. Ale rigidný — nerozumie voľnému textu. Vhodný na jednoduché scenáre (rezervácie, navigácia, FAQ s pevnou štruktúrou).
2. LLM chatbot (GPT, Claude, Gemini)
Rozumie prirodzenému jazyku, odpovedá flexibilne. Ale ak ho nenapojíte na vaše dáta, odpovedá zo všeobecných znalostí — a tam vznikajú halucinácie a nepresnosti o vašej firme.
3. RAG chatbot (LLM + vaše dáta)
Najlepšia voľba pre firmy. LLM napojený na vašu znalostnú bázu (dokumenty, FAQ, produktový katalóg) cez retrieval-augmented generation. Odpovedá na základe vašich reálnych dokumentov, nie všeobecných znalostí. Detailne sme RAG aj API integrácie rozobrali v článku AI integrácie do PHP webu.
Koľko to stojí — vývoj aj prevádzka
Cena má dve zložky: jednorazový vývoj a priebežná prevádzka. Orientačné rozsahy z reálnych projektov:
| Typ | Vývoj | Prevádzka / mesiac |
|---|---|---|
| Rule-based chatbot | 1 500 – 4 000 € | 0 – 30 € (hosting) |
| LLM chatbot (bez RAG) | 3 000 – 8 000 € | 20 – 100 € (API) |
| RAG chatbot (na vaše dáta) | 6 000 – 20 000 € | 30 – 200 € (API + infra) |
Prevádzkové API náklady sa dajú výrazne stlačiť prompt cachingom — pri opakovanom systémovom prompte platíte za cachovanú časť len ~10 %. Pri správnej architektúre je mesačný účet za API u stredného B2B chatbota typicky do 100 €.
Ako vypočítať ROI
Návratnosť chatbota stojí na dvoch pilieroch — ušetrený čas podpory a získané leady. Modelový príklad pre RAG chatbot za 10 000 €:
- Úspora podpory: odbaví 40 % opakovaných otázok = ušetrí ~20 hodín mesačne. Pri 15 €/hod = 300 €/mesiac
- Dodatočné leady: zachytí 2 leady mesačne mimo pracovných hodín. Pri priemernej hodnote zákazky a konverzii povedzme 500 €/mesiac prisúdenej hodnoty
- Spolu: ~800 €/mesiac prínos − ~80 €/mesiac prevádzka = 720 €/mesiac čistý prínos
- Návratnosť investície: 10 000 € / 720 € ≈ 14 mesiacov
Čísla si dosaďte vlastné. Kľúčové je merať od prvého dňa — počet konverzácií, mieru vyriešenia bez človeka, počet zachytených leadov. Bez merania je ROI len dohad.
Skryté náklady, na ktoré si dať pozor
- Údržba znalostnej bázy — dokumenty treba aktualizovať, inak chatbot odpovedá zastarané info
- Moderovanie prvé týždne — reálne konverzácie odhalia diery, treba ladiť odpovede
- API náklady pri špičke — bez cachingu a limitov vie účet vyskočiť (píšeme o tom v článku o AI integráciách)
- Integrácie — napojenie na CRM, ticketing alebo objednávkový systém je práca navyše
- GDPR a EU data residency — konverzácie môžu obsahovať osobné údaje, treba ošetriť kde tečú dáta
Halucinácie — najväčšia obava firiem
„Čo ak chatbot povie zákazníkovi nezmysel?" Oprávnená obava. Pri správnej architektúre je riziko minimálne:
- RAG — odpovede iba z overených firemných dokumentov, nie z „pamäte" modelu
- Jasné inštrukcie — model dostane pravidlo „odpovedaj iba na základe poskytnutého kontextu"
- Fallback pri nízkej istote — „toto presne neviem, spojím vás s kolegom" namiesto vymýšľania
- Eskalácia na človeka — pri citlivých témach (reklamácie, ceny na mieru) chatbot odovzdá konverzáciu
Halucinácie sú problém zle postaveného chatbota — preto na architektúre záleží viac než na výbere modelu.
Ako vyzerá nasadenie u nás
- Use case workshop — zistíme, či a kde chatbot dáva zmysel (a povieme aj keď nie)
- Príprava znalostnej bázy — pozbierame a štruktúrujeme dokumenty, FAQ, produktové dáta
- Vývoj a integrácia — RAG pipeline, napojenie na web a prípadne CRM, dizajn widgetu
- Supervised launch — prvé 2 týždne sledujeme reálne konverzácie a dolaďujeme
- Meranie a optimalizácia — reporting metrík, priebežné vylepšovanie
Časté otázky
- Koľko stojí AI chatbot pre firemný web?
- Jednoduchý rule-based chatbot (rozhodovací strom) 1 500–4 000 €. LLM chatbot s napojením na vašu znalostnú bázu (RAG) 6 000–20 000 € podľa rozsahu. Prevádzka: API náklady (typicky 20–200 €/mesiac pri strednej premávke vďaka prompt cachingu) + voliteľný servisný retainer. Konkrétnu cenu vieme dať po krátkej konzultácii o use case.
- Aký má AI chatbot návratnosť (ROI)?
- ROI sa počíta z ušetreného času podpory a získaných leadov. Príklad: ak chatbot odbaví 40 % opakovaných otázok a ušetrí 20 hodín práce podpory mesačne (pri 15 €/hod = 300 €/mes) a prinesie 2 dodatočné leady mesačne, návratnosť 10 000 € investície je zvyčajne 6–18 mesiacov. Kľúčové je merať od prvého dňa.
- Aký je rozdiel medzi rule-based a AI (LLM) chatbotom?
- Rule-based chatbot funguje na vopred definovaných tlačidlách a rozhodovacom strome — lacný, predvídateľný, ale rigidný. LLM chatbot (GPT, Claude) rozumie prirodzenému jazyku a odpovedá flexibilne. RAG chatbot je LLM napojený na vaše dokumenty — odpovedá na základe vašich reálnych dát, nie všeobecných znalostí.
- Bude chatbot „vymýšľať" nesprávne odpovede?
- Pri správnej architektúre minimálne. Používame RAG (odpovede iba z overených firemných dokumentov), jasné inštrukcie modelu, a fallback „toto neviem, spojím vás s človekom" pri nízkej istote. Halucinácie sú riziko pri zle postavenom chatbote — preto na architektúre záleží viac než na výbere modelu.
- Na aké skryté náklady si mám dať pozor?
- Príprava a údržba znalostnej bázy (dokumenty treba aktualizovať), API náklady pri vysokej premávke bez cachingu, moderovanie a kontrola odpovedí prvé týždne, integrácia na CRM/ticketing, a GDPR/EU data residency. Dobrý dodávateľ ich povie vopred — nie až vo faktúre.
- Kedy AI chatbot NEMÁ zmysel?
- Ak máte málo opakovaných otázok, veľmi špecifické dopyty vyžadujúce ľudský úsudok, alebo nízku návštevnosť (pod pár stoviek relevantných návštev mesačne). V takom prípade je lacnejšie a lepšie dobré FAQ a kontaktný formulár. Chatbot nie je samoúčel.
- Koľko trvá nasadenie AI chatbota?
- Rule-based 1–2 týždne. LLM/RAG chatbot 3–6 týždňov vrátane prípravy znalostnej bázy, testovania a ladenia odpovedí. Pridávame fázu „supervised launch" — prvé 2 týždne sledujeme reálne konverzácie a dolaďujeme.
Záver
AI chatbot môže byť výborná investícia — alebo drahá hračka. Rozhoduje o tom, či máte reálny use case (veľa opakovaných otázok, dostatok návštev), či je dobre postavený (RAG, fallback, eskalácia) a či meriate návratnosť. Nepredávame chatboty každému — najprv si overíme, či sa vám oplatí. Ak zvažujete AI chatbota alebo asistenta na firemný web, napíšte nám a poctivo zhodnotíme, či a v akej forme má pre vás zmysel.