AI jest sprzedawane jako odpowiedź na wszystko. Nie jest. Czasem skrypt jest lepszy, tańszy i bardziej niezawodny. Oto jak to odróżnić.
Jest jedno pytanie, które zadaję w każdym projekcie zanim napiszę linię kodu: czy dane, które chcesz przetworzyć, mają przewidywalną strukturę?
Od odpowiedzi zależy wszystko: narzędzie, koszt, czas wdrożenia, niezawodność.
Dane ustrukturyzowane: tu skrypt wygrywa
Dane ustrukturyzowane to dane, których format znasz z góry. Kolumna A zawiera datę, kolumna B kwotę, kolumna C numer zamówienia. Eksport z ERP wygląda tak samo co miesiąc. API zwraca JSON z tymi samymi polami.
W takim przypadku skrypt robi robotę lepiej niż AI: jest deterministyczny (zawsze robi to samo), szybki, tani w działaniu i prosty do debugowania, gdy coś pójdzie nie tak.
Przykłady, gdzie wystarczy skrypt:
- Codzienny eksport danych z bazy do arkusza
- Synchronizacja zamówień między sklepem a systemem magazynowym
- Generowanie raportów z danych, które już są w CRM
- Alerty mailowe, gdy wartość w bazie przekroczy próg
Żadnego AI. Kilkadziesiąt linii Pythona, harmonogram w cronie, gotowe.
Dane nieustrukturyzowane: tu AI zarabia na siebie
Dane nieustrukturyzowane to dane, których format jest niespójny, zmienny lub wymaga zrozumienia kontekstu. Paragony z różnych terminali. Maile od klientów. Opisy produktów w różnych językach. Zdjęcia dokumentów.
Żaden skrypt nie odczyta paragonu, na którym pola mogą być w dowolnym miejscu. Żaden skrypt nie zdecyduje, czy mail klienta to reklamacja czy pytanie o produkt. Do tego potrzebujesz modelu, który rozumie treść, a nie tylko strukturę.
Przykłady, gdzie AI uzasadnia swój koszt:
- Czytanie dokumentów bez ustalonego szablonu (paragony, faktury od wielu dostawców)
- Klasyfikacja maili, zgłoszeń, komentarzy
- Dopasowywanie produktów, które nie mają wspólnego identyfikatora
- Wyciąganie informacji z tekstu (umowy, oferty, specyfikacje)
Hybrydy: skrypt woła AI tylko tam, gdzie trzeba
Najlepsze i najtańsze rozwiązania często mieszają oba podejścia. Skrypt robi całą logistykę procesu: pobiera dane, zarządza kolejką, zapisuje wyniki, obsługuje błędy. AI jest wywoływane tylko dla konkretnego kroku, gdzie struktury nie ma.
W projekcie monitorowania cen, który robiliśmy dla klienta e-commerce: skrypt odpytuje strony produktowe, parsuje dane cenowe, porównuje i zapisuje. AI jest wywoływane tylko raz, do dopasowania, czy produkt klienta i produkt konkurencji to naprawdę to samo, gdy nie ma wspólnego EAN-u. Jeden krok z AI zamiast całego procesu opartego na modelu.
Efekt: koszt wywołań AI jest minimalny, bo model jest używany precyzyjnie, a nie do wszystkiego.
Tabela decyzyjna
| Sytuacja | Rekomendacja |
|---|---|
| Dane mają stały, znany format | Skrypt |
| Dane są zmienne, ale ilość przypadków jest ograniczona | Skrypt z obsługą wariantów |
| Dane wymagają rozumienia treści lub obrazu | AI |
| Większość procesu jest ustrukturyzowana, jeden krok nie | Skrypt + AI dla tego jednego kroku |
| Duży wolumen, niski koszt jednostkowy jest priorytetem | Skrypt (lub AI z tanim modelem) |
| Mały wolumen, dokładność jest priorytetem | AI z weryfikacją człowieka |
Jedno zdanie, które pomaga podjąć decyzję
Jeśli możesz opisać regułę, którą stosuje człowiek robiąc to zadanie, skrypt wystarczy. Jeśli człowiek musi "pomyśleć" albo "zobaczyć", potrzebujesz AI.
Narzędzie pasujące do problemu kosztuje mniej w budowie i mniej w utrzymaniu. Jeśli wdrażasz AI tam, gdzie wystarczy skrypt, płacisz za efekt, którego nie potrzebujesz.
Najczęściej zadawane pytania
Kiedy warto użyć AI zamiast zwykłego skryptu?
Gdy dane są nieustrukturyzowane: różne formaty dokumentów, maile klientów, opisy produktów w różnych językach, zdjęcia. Jeśli człowiek musi "pomyśleć" albo "zobaczyć", żeby wykonać zadanie, potrzebujesz AI. Jeśli możesz opisać regułę, skrypt wystarczy.
Czy AI jest droższe od skryptu?
Tak, zarówno we wdrożeniu, jak i w utrzymaniu (koszty wywołań API). Dlatego najlepsze automatyzacje to hybrydy: skrypt obsługuje logistykę procesu, AI jest wywoływane tylko do jednego kroku, gdzie struktura się kończy.
Czym jest podejście hybrydowe w automatyzacji?
Skrypt pobiera dane, zarządza kolejką, zapisuje wyniki, obsługuje błędy. AI jest wywoływane precyzyjnie, do jednego kroku — np. dopasowania produktów bez wspólnego identyfikatora. Koszt wywołań AI jest minimalny, bo model pracuje punktowo.
Jak zdecydować, czy mój proces wymaga AI?
Odpowiedz na jedno pytanie: czy dane wejściowe mają stały, znany format? Jeśli tak — skrypt. Jeśli dane są zmienne lub wymagają rozumienia treści — AI. Jeśli większość procesu jest ustrukturyzowana, a jeden krok nie — skrypt + AI dla tego jednego kroku.