Przecięcie kosztów: 6–8 dolarów za agenta AI wobec około 10 dolarów za offshore

Badanie a16z wyraźnie pokazuje hierarchię kosztów. Pełny koszt godziny pracy agenta AI to obecnie 6–8 dolarów, a w zależności od konfiguracji (częstotliwość zrzutów ekranu, długość kontekstu, wykorzystanie kodu deterministycznego) zakres wynosi od 3 do 15 dolarów . Dla porównania:

• Pracownik offshore BPO (Indie): około 10 dolarów za godzinę (zakres 8–15 dolarów)
• BPO na Filipinach: około 10–12 dolarów za godzinę
• Praca biurowa/obsługa klienta w Wielkiej Brytanii: około 25–35 dolarów za godzinę
• Praca biurowa w USA: 30–45 dolarów za godzinę

Oznacza to, że agenci AI są obecnie o około 20–40% tańsi niż pracownicy offshore BPO w Indiach i o 73–82% tańsi niż amerykańscy pracownicy biurowi .

Koszty agentów oszacowano na podstawie danych od założycieli startupów, zweryfikowanych z cenami tokenów i ekonomiką wnioskowania . Stawki BPO w Indiach pochodzą z danych branżowych z 2026 roku od firm Globalify, HiveDesk i 1840 & Company . Koszty w USA oparto na medianie godzinowej wynagrodzenia pracowników obsługi klienta z amerykańskiego Biura Statystyki Pracy (20,59 dolara) plus około 30% na świadczenia i koszty ogólne .

Przełom w dokładności: AI przewyższa ludzką bazę

Jeszcze bardziej uderzająca niż oszczędności kosztów jest poprawa dokładności. Badanie a16z śledzi wyniki w teście OSWorld-Verified – standardowym benchmarku mierzącym zdolność agenta do obsługi rzeczywistego pulpitu w systemach Ubuntu, Windows i macOS .

• Najlepszy model AI (Claude Fable 5): 85% skuteczności w OSWorld-Verified (poprawne wykonanie 85 z 100 zadań)
• Bazowe wyniki ludzi: około 72% w tych samych zadaniach
• Postęp rok do roku: na początku 2025 roku najlepszy model osiągał jedynie 42% w OSWorld-Verified. W ciągu około 18 miesięcy wydajność ponad dwukrotnie wzrosła

Ten skok wydajności nie jest ewolucyjny – to jakościowa zmiana w możliwościach agentów. Jak ujął to jeden z komentatorów: granica przesunęła się z pytania „czy agent potrafi obsługiwać komputer?” na „czy może niezawodnie wykonać tę pracę?”

Zmiana strategiczna: przewaga przenosi się wyżej

Badanie a16z dowodzi, że najważniejszym wnioskiem nie są same liczby kosztów i dokładności, ale ich implikacje dla strategii konkurencyjnej. Sama umiejętność nawigacji po interfejsie użytkownika staje się towarem – koszty wnioskowania wciąż spadają, a modele open-source doganiają czołówkę . Trwała przewaga konkurencyjna, zdaniem autorów, przenosi się z warstwy modeli na warstwę aplikacji .

Nowe źródło przewagi obejmuje:

• Znajomość kontekstu i procesów: zrozumienie, jak faktycznie przebiega praca w danej organizacji
• Infrastrukturę walidacji i obsługi błędów: sprawianie, by agenci byli wystarczająco niezawodni do działania bez nadzoru człowieka w produkcyjnych przepływach pracy
• Zarządzanie uprawnieniami, eskalacją i buforowaniem: „trudno zdobytą wiedzę” o tym, gdzie agenci zawodzą i jak budować zabezpieczenia
• Mapowanie kompleksowych przepływów pracy: zdolność do niezawodnego wykonania całego zadania, a nie tylko pojedynczych akcji

Pierwsza fala infrastruktury dla agentów skupiała się na tym, by agenci byli zdolni do działania. Kolejna fala polega na tym, by byli użyteczni w rzeczywistych firmach .

Co to oznacza dla branży BPO

Konsekwencje dla globalnej branży outsourcingowej są bezpośrednie. Przewaga kosztowa, która uczyniła Indie „biurem świata” – arbitraż między zachodnimi a indyjskimi pensjami – jest obecnie niwelowana przez agentów AI, którzy kosztują mniej i osiągają lepsze wyniki w standardowych zadaniach .

Jak zauważają autorzy a16z: „Matematyka działa tylko na korzyść – wnioskowanie staje się coraz tańsze, a modele open-source są coraz lepsze w rosnącej liczbie tych przepływów pracy” .

Firmy, które dotąd polegały na offshore BPO w przypadku procesów biurowych, stają przed strategicznym wyborem: czy nadal płacić premię za ludzką pracę, czy zainwestować w infrastrukturę warstwy aplikacji, by wdrażać agentów na dużą skalę w sposób niezawodny? Badanie sugeruje, że to firmy, które zbudują najlepszy kontekst przepływów pracy, pętle walidacji i zabezpieczenia – a nie te z najlepszymi modelami – przechwycą najwięcej wartości z tej transformacji.

Przecięcie kosztów: 6–8 dolarów za agenta AI wobec około 10 dolarów za offshore

Badanie a16z wyraźnie pokazuje hierarchię kosztów. Pełny koszt godziny pracy agenta AI to obecnie 6–8 dolarów, a w zależności od konfiguracji (częstotliwość zrzutów ekranu, długość kontekstu, wykorzystanie kodu deterministycznego) zakres wynosi od 3 do 15 dolarów . Dla porównania:

• Pracownik offshore BPO (Indie): około 10 dolarów za godzinę (zakres 8–15 dolarów)
• BPO na Filipinach: około 10–12 dolarów za godzinę
• Praca biurowa/obsługa klienta w Wielkiej Brytanii: około 25–35 dolarów za godzinę
• Praca biurowa w USA: 30–45 dolarów za godzinę

Oznacza to, że agenci AI są obecnie o około 20–40% tańsi niż pracownicy offshore BPO w Indiach i o 73–82% tańsi niż amerykańscy pracownicy biurowi .

Koszty agentów oszacowano na podstawie danych od założycieli startupów, zweryfikowanych z cenami tokenów i ekonomiką wnioskowania . Stawki BPO w Indiach pochodzą z danych branżowych z 2026 roku od firm Globalify, HiveDesk i 1840 & Company . Koszty w USA oparto na medianie godzinowej wynagrodzenia pracowników obsługi klienta z amerykańskiego Biura Statystyki Pracy (20,59 dolara) plus około 30% na świadczenia i koszty ogólne .

Przełom w dokładności: AI przewyższa ludzką bazę

Jeszcze bardziej uderzająca niż oszczędności kosztów jest poprawa dokładności. Badanie a16z śledzi wyniki w teście OSWorld-Verified – standardowym benchmarku mierzącym zdolność agenta do obsługi rzeczywistego pulpitu w systemach Ubuntu, Windows i macOS .

• Najlepszy model AI (Claude Fable 5): 85% skuteczności w OSWorld-Verified (poprawne wykonanie 85 z 100 zadań)
• Bazowe wyniki ludzi: około 72% w tych samych zadaniach
• Postęp rok do roku: na początku 2025 roku najlepszy model osiągał jedynie 42% w OSWorld-Verified. W ciągu około 18 miesięcy wydajność ponad dwukrotnie wzrosła

Ten skok wydajności nie jest ewolucyjny – to jakościowa zmiana w możliwościach agentów. Jak ujął to jeden z komentatorów: granica przesunęła się z pytania „czy agent potrafi obsługiwać komputer?” na „czy może niezawodnie wykonać tę pracę?”

Zmiana strategiczna: przewaga przenosi się wyżej

Badanie a16z dowodzi, że najważniejszym wnioskiem nie są same liczby kosztów i dokładności, ale ich implikacje dla strategii konkurencyjnej. Sama umiejętność nawigacji po interfejsie użytkownika staje się towarem – koszty wnioskowania wciąż spadają, a modele open-source doganiają czołówkę . Trwała przewaga konkurencyjna, zdaniem autorów, przenosi się z warstwy modeli na warstwę aplikacji .

Nowe źródło przewagi obejmuje:

• Znajomość kontekstu i procesów: zrozumienie, jak faktycznie przebiega praca w danej organizacji
• Infrastrukturę walidacji i obsługi błędów: sprawianie, by agenci byli wystarczająco niezawodni do działania bez nadzoru człowieka w produkcyjnych przepływach pracy
• Zarządzanie uprawnieniami, eskalacją i buforowaniem: „trudno zdobytą wiedzę” o tym, gdzie agenci zawodzą i jak budować zabezpieczenia
• Mapowanie kompleksowych przepływów pracy: zdolność do niezawodnego wykonania całego zadania, a nie tylko pojedynczych akcji

Pierwsza fala infrastruktury dla agentów skupiała się na tym, by agenci byli zdolni do działania. Kolejna fala polega na tym, by byli użyteczni w rzeczywistych firmach .

Co to oznacza dla branży BPO

Konsekwencje dla globalnej branży outsourcingowej są bezpośrednie. Przewaga kosztowa, która uczyniła Indie „biurem świata” – arbitraż między zachodnimi a indyjskimi pensjami – jest obecnie niwelowana przez agentów AI, którzy kosztują mniej i osiągają lepsze wyniki w standardowych zadaniach .

Jak zauważają autorzy a16z: „Matematyka działa tylko na korzyść – wnioskowanie staje się coraz tańsze, a modele open-source są coraz lepsze w rosnącej liczbie tych przepływów pracy” .

Firmy, które dotąd polegały na offshore BPO w przypadku procesów biurowych, stają przed strategicznym wyborem: czy nadal płacić premię za ludzką pracę, czy zainwestować w infrastrukturę warstwy aplikacji, by wdrażać agentów na dużą skalę w sposób niezawodny? Badanie sugeruje, że to firmy, które zbudują najlepszy kontekst przepływów pracy, pętle walidacji i zabezpieczenia – a nie te z najlepszymi modelami – przechwycą najwięcej wartości z tej transformacji.