Agencja od automatyzacji AI może być wygodnym źródłem dochodu albo firmą, którą da się kiedyś sprzedać. To dwie różne ścieżki i pokażę ci, czym się różnią. Punktem odniesienia jest tu playbook (czyli zestaw sprawdzonych w praktyce zagrań) na zbudowanie dużej firmy z myślą o sprzedaży jej w przyszłości — w tle pada nawet kwota „100 milionów dolarów”. Traktuję ją jako cel i sposób myślenia, nie obietnicę wyniku. Poniżej spokojny przegląd głównych założeń, bez liczb wziętych z sufitu.
Najpierw dwa pojęcia, bo wracają w całym tekście. Agencja automatyzacji AI to firma, która buduje dla klientów systemy oparte na sztucznej inteligencji — na przykład obsługę zapytań, przetwarzanie dokumentów czy wsparcie sprzedaży. Lead to potencjalny klient, który dał sygnał zainteresowania. Retainer (po polsku abonament) to stała miesięczna opłata za bieżącą współpracę, a nie za jednorazowy projekt. Nisza to wąsko określona grupa odbiorców lub typ problemu, na którym firma się skupia.
Najpierw decyzja: styl życia czy firma do sprzedaży
Punktem wyjścia jest rozróżnienie, które większość ludzi w branży pomija. Można prowadzić agencję jako biznes „pod styl życia”: kilku klientów, automatyzacje za parę tysięcy, wygodny dochód. Można też budować firmę z realną wartością do sprzedaży — taką, którą da się komuś odsprzedać. Oba warianty są w porządku, ale wymagają zupełnie innej pracy, więc wybierz świadomie i trzymaj się tego.
Dlaczego akurat teraz? Do AI „dołącza” właśnie szeroki rynek zwykłych firm. Dzięki narzędziom takim jak Claude i Claude Code z możliwości modeli korzystają już nie tylko entuzjaści, ale i zarządy oraz kadra kierownicza — pod presją, by wreszcie coś z AI zrobić. To, moim zdaniem, otwiera okno dla osób, które potrafią dostarczyć konkretne rozwiązania i dać klientowi jasność.
Dlaczego „samo budowanie” traci na wartości
Mocna teza, którą podzielam: większość tego, co dziś sprzedaje się jako „pracę nad AI”, nie przetrwa do 2027 roku. Powód jest prosty — samo wytwarzanie oprogramowania tanieje w oczach. Obrazuje to przykład z rynku: 67-letni prawnik potrafi dziś sam „skleić” sobie przyzwoitą aplikację z pomocą AI. Skoro tak, to model „przyjdź do mnie, ja to dla ciebie zbuduję i policzę za godziny” się sypie.
Wniosek nie jest taki, że AI to przesada, lecz odwrotny: efekty bywają realne i duże. Znany jest przykład wdrożenia dla firmy e-commerce (handlu internetowego), gdzie system AI zajął się obsługą zwrotów. Wskaźnik zwrotów spadł z 21 do 16 procent — a przy tamtej skali nawet jeden–dwa punkty procentowe oznaczały miliony na wyniku. To dane z jednego konkretnego projektu; warto je czytać jako pojedynczy przypadek, nie jako regułę dla każdej firmy.
Stąd rozróżnienie, do którego będę tu wracać: dodatki i „bajery” doklejane do istniejących narzędzi będą tracić sens, bo same przepływy pracy się zwiną. Trwałe jest to, co ma jasne przełożenie na wynik finansowy klienta.
Prawdziwa przewaga: znajomość branży, nie technologia
Skoro budowanie tanieje, gdzie zostaje wartość? Moim zdaniem w wiedzy o konkretnym biznesie i o tym, co realnie boli klienta. Sam fakt, że „wiem, jak to zakodować”, przestaje wyróżniać. Liczy się umiejętność zrozumienia, czego firma naprawdę potrzebuje, i ułożenia tego w spójny plan.
Padają tu dwie myśli, które warto zapamiętać. Pierwsza: klient tak naprawdę nie kupuje „systemu AI” — kupuje spokój. Kupuje to, że może powiedzieć zarządowi, pracownikom i sobie samemu: „mamy strategię AI, jesteśmy do przodu”. Druga to unikalny mechanizm — własny, rozpoznawalny sposób dostarczania usługi, który odróżnia od dziesiątek firm oferujących „to samo”.
Do kogo mówić: średni rynek
Playbook celuje w średni rynek (mid-market) — firmy, które mają od około 10 do 250 milionów dolarów rocznych przychodów. Powód jest praktyczny: takie firmy musiały już spisać procedury, zatrudniać ludzi i pilnować wskaźników. Mają więc jasne miary sukcesu, do których można przyłożyć wynik systemu AI.
Mniejsze firmy i samodzielni założyciele częściej finansują „projekty z pasji”, które nie dokładają się do wyniku. Duże korporacje bywają z kolei mniej uporządkowane, niż się sądzi — rzucają do problemów kolejnych ludzi i są zbyt rozproszone, by ułożyć całościową strategię. Średni rynek to punkt, w którym efekty łatwiej zmierzyć i obronić.
Drabina usług: od warsztatu po partnerstwo
Sercem tego podejścia jest pomysł, by usługę opakować w nazwany, powtarzalny proces — tak jak robią to duże firmy doradcze. Zamiast mówić „robię, co chcesz”, oferujesz własny framework. W tym playbooku to „agentowy system operacyjny” — w uproszczeniu układ, który rozpoznaje zdarzenia i kieruje je do możliwie przewidywalnych przepływów pracy, a model językowy włącza tylko tam, gdzie jest naprawdę potrzebny.
Na tej podstawie buduje się drabinę ofert, którą można przechodzić krok po kroku:
- Warsztat AI — tańsza usługa na wejście, godzina–dwie, by ustalić wspólny obraz sytuacji i zbudować zaufanie.
- Blueprint, czyli etap odkrywczy — płatna analiza i plan (w praktyce widełki 15–35 tys. dolarów), z konkretnym dokumentem na końcu.
- Projekt na zamówienie — zbudowanie systemu i przekazanie go zespołowi klienta.
- Partnerstwo technologiczne — model z udziałem w efekcie, gdy da się jasno wskazać wskaźnik (KPI) i jego przełożenie na wynik.
Pamiętaj, że nie każda firma dojrzeje do rozliczania za efekt — potrzebny jest jeden, uzgodniony wskaźnik z bezpośrednią linią do wyniku finansowego, a nie domysł.
Arytmetyka wartości firmy
Osobna kwestia to, ile firma może być warta przy sprzedaży. Działa tu znana zasada wyceny opartej na wartości: powyżej pewnego progu przychodów (okolice 5–6 mln dolarów rocznie) mnożnik, według którego wycenia się firmę, wyraźnie rośnie — z typowych przykładów wynika skok od mniej więcej jedno- do około pięciokrotności zysku. Innymi słowy: firma zarabiająca 2 mln rocznie sprzedaje się raczej za zbliżoną kwotę, a przy 6 mln rocznie wycena potrafi sięgnąć wielokrotności. To liczby ilustrujące mechanizm i cel, nie gwarancja.
Drugi argument dotyczy ekonomii. Klasyczne oprogramowanie zgarniało drobny wycinek budżetu klienta — opłatę za licencję. AI, jako częściowe zastąpienie pracy, pozwala sięgnąć po większy kawałek: po część budżetu, który dotąd szedł na wynagrodzenia. To, moim zdaniem, zupełnie inna ekonomia niż w tradycyjnym oprogramowaniu.
Pięć rzeczy, które warto wiedzieć wcześniej
Na koniec pięć wniosków, które uważam za najważniejsze:
- Zdecyduj, kim chcesz być, i trzymaj się tego. Styl życia, produkt czy duża firma do sprzedaży — wybierz jedno i nie skacz co tydzień między pomysłami.
- Opakuj usługę. Pierwsze projekty zwykle powstają „na zamówienie, cokolwiek chcecie” — i sporej części z nich nikt potem nie używa. Lepiej ułożyć ofertę pod realną wartość.
- Wyceniaj według wartości, nie godzin. Rozliczanie godzinowe dąży do zera. Rozliczanie za efekt staje się możliwe, ale wymaga, by systemy naprawdę działały.
- Zbuduj „lejek”, zanim będzie potrzebny. Zaczynaj od warsztatów, potem etapy odkrywcze, później budowa, na końcu partnerstwa — dopracowując każdy krok po kolei i pielęgnując relacje.
- Zatrudniaj pod firmę, jaką chcesz mieć. Najpierw przejdź cały proces samodzielnie, spisz go, naucz kogoś — a potem wyjdź z bieżącej pracy. I szukaj ludzi o talentach innych niż twoje.
Uczciwe zastrzeżenia
Ten playbook nie jest obietnicą szybkiego bogactwa — i muszę to wyraźnie podkreślić. Większość ludzi nie powinna zakładać własnej firmy: rynek jest konkurencyjny, a większość prób kończy się porażką. Potrzeba apetytu na ryzyko, wcześniejszego doświadczenia i szczerej ciekawości tematu — bez niej trudna praca po prostu wypala. Najważniejsza myśl na koniec: budować warto z myślą o reputacji i o tym, z czego chce się być znanym, a nie wyłącznie pod kwotę na końcu. Traktuj to jako ramę do oceny własnej sytuacji, nie gotowy przepis dla każdego.