Automatyzacja policzona od procesu, nie od hype'u

Wyzwanie

Rynek AI pełen jest obietnic “zautomatyzujemy wszystko”. Problem w tym, że taka oferta przenosi całe ryzyko na klienta: to on płaci za wdrożenie, zanim ktokolwiek policzy, czy dane zadanie w ogóle warto automatyzować.

Alderson Labs - agencja, która sama pracuje projektowo - przeszła przez kilka takich rozmów. Każdy zespół zaczynał od technologii: jaki model, jaka platforma, jakie integracje. Żaden nie zaczął od pytania, które dla agencji jest jedyne istotne: które z naszych powtarzalnych zadań faktycznie opłaca się zautomatyzować, a które nie?

W agencji koszt błędnej decyzji jest podwójny. Płacisz za wdrożenie, a potem płacisz drugi raz - czasem zespołu, który musi obsługiwać narzędzie generujące więcej pracy, niż oszczędza.

Co zbudowaliśmy

Odwróciliśmy typową kolejność wdrożeń AI - najpierw rachunek, potem kod:

Mapowanie procesów - warsztaty z zespołem: co się powtarza, ile realnie trwa, kto to robi i jak często. Bez tego każda dalsza liczba jest zgadywaniem
Rachunek per proces - dla każdego zadania zestawiliśmy dzisiejszy koszt (czas × stawka × częstotliwość) z kosztem zbudowania i utrzymania automatyzacji, i z tego wyszedł realny okres zwrotu
Selekcja, w tym odradzanie - do wdrożenia weszły tylko procesy z jednoznacznym zwrotem. Przy pozostałych powiedzieliśmy wprost, że automatyzacja się nie opłaca - mimo że każdy z nich był technicznie wykonalny i można było go sprzedać
Wdrożenie iteracyjne - automatyzacje uruchamiane pojedynczo, każda mierzalna od pierwszego tygodnia, żeby założenia z audytu dało się zweryfikować na danych, a nie na deklaracjach

Dlaczego odradzaliśmy część zakresu

To najczęściej pomijany element wdrożeń AI. Automatyzacja procesu, który wykonuje się dwa razy w miesiącu i zajmuje kwadrans, nie zwróci się nigdy - koszt utrzymania integracji przewyższy oszczędność. Sprzedanie takiego wdrożenia jest łatwe, bo klient nie ma jak tego zweryfikować przed zapłaceniem.

Wskazanie tych procesów i wykreślenie ich z zakresu obniżyło naszą fakturę. Uznaliśmy, że to najtańszy sposób na zbudowanie relacji, w której klient wierzy również w to, co rekomendujemy.

Dlaczego zbudowaliśmy własne serwery MCP

Automatyzacje w n8n składa się z gotowych nodów i dopóki proces dotyka popularnych narzędzi, jest to najtańsza droga. Problem zaczyna się tam, gdzie system nie ma swojego noda albo ma taki, który pokrywa ułamek tego, co potrzebne. Klasyczne obejście to węzeł z surowym zapytaniem HTTP: działa, ale każda zmiana po stronie API wraca jako zgłoszenie serwisowe, a model dostaje wywołanie, którego nie rozumie.

Zamiast tego opakowaliśmy te integracje we własne serwery MCP. Dla modelu to nie jest surowy endpoint, tylko nazwany zestaw operacji z opisanymi parametrami - wie, co może zrobić, a czego nie. Dla nas to jedna warstwa utrzymywana w jednym miejscu, zamiast tej samej poprawki nanoszonej w każdym workflow z osobna.

Koszt: kilka dni więcej na starcie. Zysk: automatyzacje, które nie sypią się przy pierwszej zmianie po drugiej stronie integracji - a to właśnie ten koszt utrzymania decydował w audycie, które procesy w ogóle opłaca się automatyzować.

Wyniki

Dowieźliśmy dokładnie to, co wynikało z audytu - bez rozszerzania zakresu i bez automatyzowania na siłę. Alderson Labs ma dziś nie tylko działające automatyzacje, ale też dokument, który mówi, dlaczego zautomatyzowano akurat te procesy, a nie inne - i który zostaje aktualny przy kolejnej rundzie decyzji.

Co to znaczy dla Ciebie

Zanim zapytasz wykonawcę “co możecie zautomatyzować”, zapytaj “co odradzacie i dlaczego”. Zespół, który nie ma na to odpowiedzi, prawdopodobnie nie policzył zwrotu - a wtedy ryzyko wdrożenia w całości jest po Twojej stronie.