„Potřebujeme AI chatbota." Tuhle větu slýcháme od klientů čím dál častěji. Problém je, že polovina z nich ho nepotřebuje a druhá polovina netuší, co to reálně obnáší — kolik stojí, jak se udržuje a kdy se vrátí. Tento článek je praktický průvodce z pohledu firmy, která chatboty nasazuje: kdy dávají smysl, kolik stojí a jak spočítat návratnost.
Kdy AI chatbot reálně dává smysl
Chatbot není samoúčel ani magické tlačítko „více prodejů". Dává smysl, když platí alespoň jedno:
- Hodně opakovaných dotazů — podpora odpovídá na totéž dokola (otevírací doba, cena, dostupnost, jak něco funguje)
- Vysoká návštěvnost — alespoň stovky relevantních návštěv měsíčně, jinak není co automatizovat
- Rozsáhlá znalostní báze — máte hodně dokumentace/FAQ, ve které se těžko hledá
- Kvalifikace leadů — chcete předfiltrovat poptávky dřív, než se dostanou k obchodníkovi
- 24/7 dostupnost — zákazníci píší mimo pracovní dobu a vy ztrácíte leady
Kdy NEMÁ smysl
Buďme féroví — většině malých firemních webů chatbot nepomůže. Pokud máte málo návštěv, málo opakovaných dotazů nebo poptávky vyžadující lidský úsudek, lépe a levněji poslouží kvalitní FAQ a dobrý kontaktní formulář. Chatbot, který měsíčně odbaví 5 konverzací, je drahá hračka. Nejlepší rada, jakou umíme dát, je někdy „tohle teď nepotřebujete".
Tři typy chatbotů — a proč na tom záleží u ceny
1. Rule-based (rozhodovací strom)
Předem definovaná tlačítka a větve („Vyberte téma → Vyberte podtéma → odpověď"). Levný, předvídatelný, nikdy nehalucinuje. Ale rigidní — nerozumí volnému textu. Vhodný pro jednoduché scénáře (rezervace, navigace, FAQ s pevnou strukturou).
2. LLM chatbot (GPT, Claude, Gemini)
Rozumí přirozenému jazyku, odpovídá flexibilně. Ale pokud ho nenapojíte na vaše data, odpovídá z obecných znalostí — a tam vznikají halucinace a nepřesnosti o vaší firmě.
3. RAG chatbot (LLM + vaše data)
Nejlepší volba pro firmy. LLM napojený na vaši znalostní bázi (dokumenty, FAQ, produktový katalog) přes retrieval-augmented generation. Odpovídá na základě vašich reálných dokumentů, ne obecných znalostí. Detailně jsme RAG i API integrace rozebrali v článku AI integrace do PHP webu.
Kolik to stojí — vývoj i provoz
Cena má dvě složky: jednorázový vývoj a průběžný provoz. Orientační rozsahy z reálných projektů:
| Typ | Vývoj | Provoz / měsíc |
|---|---|---|
| Rule-based chatbot | 19 000 – 50 000 Kč | 0 – 750 Kč (hosting) |
| LLM chatbot (bez RAG) | 38 000 – 100 000 Kč | 500 – 2 500 Kč (API) |
| RAG chatbot (na vaše data) | 75 000 – 250 000 Kč | 750 – 2 500 Kč (API + infra) |
Provozní API náklady se dají výrazně stlačit prompt cachingem — u opakovaného systémového promptu platíte za cachovanou část jen ~10 %. Při správné architektuře je měsíční účet za API u středního B2B chatbota typicky do 2 500 Kč.
Jak spočítat ROI
Návratnost chatbota stojí na dvou pilířích — ušetřený čas podpory a získané leady. Modelový příklad pro RAG chatbot za 125 000 Kč:
- Úspora podpory: odbaví 40 % opakovaných dotazů = ušetří ~20 hodin měsíčně. Při 375 Kč/hod = 7 500 Kč/měsíc
- Dodatečné leady: zachytí 2 leady měsíčně mimo pracovní dobu. Při průměrné hodnotě zakázky a konverzi řekněme 12 500 Kč/měsíc přisouzené hodnoty
- Celkem: ~20 000 Kč/měsíc přínos − ~2 000 Kč/měsíc provoz = 18 000 Kč/měsíc čistý přínos
- Návratnost investice: 125 000 Kč / 18 000 Kč ≈ 7 měsíců
Čísla si dosaďte vlastní. Klíčové je měřit od prvního dne — počet konverzací, míru vyřešení bez člověka, počet zachycených leadů. Bez měření je ROI jen dohad.
Skryté náklady, na které si dát pozor
- Údržba znalostní báze — dokumenty je třeba aktualizovat, jinak chatbot odpovídá zastaralé informace
- Moderování první týdny — reálné konverzace odhalí díry, je třeba ladit odpovědi
- API náklady ve špičce — bez cachingu a limitů umí účet vyskočit (píšeme o tom v článku o AI integracích)
- Integrace — napojení na CRM, ticketing nebo objednávkový systém je práce navíc
- GDPR a EU data residency — konverzace mohou obsahovat osobní údaje, je třeba ošetřit, kudy tečou data
Halucinace — největší obava firem
„Co když chatbot řekne zákazníkovi nesmysl?" Oprávněná obava. Při správné architektuře je riziko minimální:
- RAG — odpovědi pouze z ověřených firemních dokumentů, ne z „paměti" modelu
- Jasné instrukce — model dostane pravidlo „odpovídej pouze na základě poskytnutého kontextu"
- Fallback při nízké jistotě — „tohle přesně nevím, spojím vás s kolegou" místo vymýšlení
- Eskalace na člověka — u citlivých témat (reklamace, ceny na míru) chatbot předá konverzaci
Halucinace jsou problém špatně postaveného chatbota — proto na architektuře záleží víc než na výběru modelu.
Jak vypadá nasazení u nás
- Use case workshop — zjistíme, jestli a kde chatbot dává smysl (a řekneme i když ne)
- Příprava znalostní báze — posbíráme a strukturujeme dokumenty, FAQ, produktová data
- Vývoj a integrace — RAG pipeline, napojení na web a případně CRM, design widgetu
- Supervised launch — první 2 týdny sledujeme reálné konverzace a dolaďujeme
- Měření a optimalizace — reporting metrik, průběžné vylepšování
Časté otázky
- Kolik stojí AI chatbot pro firemní web?
- Jednoduchý rule-based chatbot (rozhodovací strom) 19 000–50 000 Kč. LLM chatbot s napojením na vaši znalostní bázi (RAG) 75 000–250 000 Kč podle rozsahu. Provoz: API náklady (typicky 500–2 500 Kč/měsíc při středním provozu díky prompt cachingu) + volitelný servisní retainer. Konkrétní cenu umíme dát po krátké konzultaci o use case.
- Jakou má AI chatbot návratnost (ROI)?
- ROI se počítá z ušetřeného času podpory a získaných leadů. Příklad: pokud chatbot odbaví 40 % opakovaných dotazů a ušetří 20 hodin práce podpory měsíčně (při 375 Kč/hod = 7 500 Kč/měs) a přinese 2 dodatečné leady měsíčně, návratnost investice 125 000 Kč je obvykle 4–12 měsíců. Klíčové je měřit od prvního dne.
- Jaký je rozdíl mezi rule-based a AI (LLM) chatbotem?
- Rule-based chatbot funguje na předem definovaných tlačítkách a rozhodovacím stromu — levný, předvídatelný, ale rigidní. LLM chatbot (GPT, Claude) rozumí přirozenému jazyku a odpovídá flexibilně. RAG chatbot je LLM napojený na vaše dokumenty — odpovídá na základě vašich reálných dat, ne obecných znalostí.
- Bude si chatbot „vymýšlet" nesprávné odpovědi?
- Při správné architektuře minimálně. Používáme RAG (odpovědi pouze z ověřených firemních dokumentů), jasné instrukce modelu a fallback „tohle nevím, spojím vás s člověkem" při nízké jistotě. Halucinace jsou riziko špatně postaveného chatbota — proto na architektuře záleží víc než na výběru modelu.
- Na jaké skryté náklady si mám dát pozor?
- Příprava a údržba znalostní báze (dokumenty je třeba aktualizovat), API náklady při vysokém provozu bez cachingu, moderování a kontrola odpovědí první týdny, integrace na CRM/ticketing a GDPR/EU data residency. Dobrý dodavatel je řekne předem — ne až ve faktuře.
- Kdy AI chatbot NEMÁ smysl?
- Pokud máte málo opakovaných dotazů, velmi specifické poptávky vyžadující lidský úsudek, nebo nízkou návštěvnost (pod pár stovek relevantních návštěv měsíčně). V takovém případě je levnější a lepší dobré FAQ a kontaktní formulář. Chatbot není samoúčel.
- Jak dlouho trvá nasazení AI chatbota?
- Rule-based 1–2 týdny. LLM/RAG chatbot 3–6 týdnů včetně přípravy znalostní báze, testování a ladění odpovědí. Přidáváme fázi „supervised launch" — první 2 týdny sledujeme reálné konverzace a dolaďujeme.
Závěr
AI chatbot může být výborná investice — nebo drahá hračka. Rozhoduje o tom, jestli máte reálný use case (hodně opakovaných dotazů, dostatek návštěv), jestli je dobře postavený (RAG, fallback, eskalace) a jestli měříte návratnost. Neprodáváme chatboty každému — nejdřív si ověříme, jestli se vám vyplatí. Pokud zvažujete AI chatbota nebo asistenta na firemní web, napište nám a poctivě zhodnotíme, jestli a v jaké formě má pro vás smysl.