ChatGPT jako negocjator cen w punkcie ksero – nowy trend

Wycena AI to zjawisko, które coraz częściej pojawia się w małych punktach usługowych w Polsce

W czerwcu 2026 roku Marcin Kusz, współwłaściciel punktu ksero i felietonista Spider’s Web, opisał sytuację, która szybko stała się lustrzanym odbiciem szerszego problemu społecznego: klient przesłał zlecenie druku wartości około 170 złotych i zaproponował zapłatę 110 złotych, powołując się na wycenę wygenerowaną przez model językowy AI (LLM – Large Language Model). To nie był incydent jednostkowy – to sygnał zmieniającego się zachowania konsumenckiego napędzanego przez narzędzia takie jak ChatGPT.

Zjawisko to rodzi pytania nie tylko o kulturę negocjacji, ale też o to, jak bardzo użytkownicy ufają algorytmom w sytuacjach, w których te algorytmy po prostu nie mają dostępu do rzeczywistych danych rynkowych. ChatGPT nie zna cen tonerów w Katowicach z marca 2026 roku ani stawki leasingu konkretnej maszyny do druku formatu A2.

Negocjacje cenowe z pomocą AI oznaczają nowy typ interakcji między klientem a usługodawcą

Tradycyjnie negocjacje cenowe były domeną targów, bazarów i rynków, gdzie cena wywoławcza była celowo zawyżona, by zostawić przestrzeń do rozmowy. Punkt ksero, piekarnia czy zakład krawiecki nigdy nie funkcjonowały w tym modelu – cena była ceną. Tymczasem w 2025 i 2026 roku pojawił się nowy wzorzec: klient przynosi do punktu usługowego wycenę generatywną, czyli wynik promptu wpisanego do chatbota, i traktuje ją jak ekspertyzę niezależnego rzeczoznawcy.

Problem polega na fundamentalnym nieporozumieniu dotyczącym tego, czym są LLM-y. ChatGPT, Gemini od Google czy Claude od Anthropic to modele wytrenowane na danych tekstowych z internetu – nie są podłączone w czasie rzeczywistym do cenników drukarni w Polsce, nie znają lokalnych kosztów energii elektrycznej ani aktualnych stawek ZUS obowiązujących od 1 stycznia 2026 roku (podstawa wymiaru składek wzrosła w 2026 roku do ponad 5 000 złotych miesięcznie).

Skąd AI bierze swoje „wyceny”?

Model językowy generuje odpowiedź na podstawie statystycznego rozkładu tokenów w danych treningowych – czyli uśrednionego obrazu tekstów z internetu sprzed daty odcięcia danych (ang. training cutoff). Dla ChatGPT w wersji GPT-4o training cutoff przypada na początek 2024 roku. Wszelkie podawane przez model ceny usług są więc co najmniej dwuletnie, a do tego uśrednione globalnie lub dla rynku anglojęzycznego.

Gdy chatbot podaje, że „wydruk czarno-biały kosztuje około 25 groszy za stronę”, odtwarza coś, co kiedyś gdzieś przeczytał w sieci. Nie wie, że ceny tonerów wzrosły o kilkadziesiąt procent po zawirowaniach w łańcuchach dostaw w latach 2022–2024, ani że konkretny punkt usługowy płaci wyższy czynsz niż konkurencja z innych regionów Polski.

Anatomia zlecenia z felietonu Kusza

Opisane zlecenie obejmowało: kilkaset stron wydruku czarno-białego, około 40 stron kolorowych, bindowanie drutowe, laminowanie kilku arkuszy oraz dwa plakaty w formacie A2. Właściciel punktu wycenił je na 170 złotych na podstawie własnego cennika i aktualnych kosztów operacyjnych. Klient, powołując się na analizę AI, zaproponował 110 złotych – o ponad 35 procent mniej.

Dla małego punktu usługowego różnica 60 złotych to nie jest abstrakcja – to realna marża, która pokrywa część kosztów stałych. Według danych GUS z 2025 roku mikroprzedsiębiorstwa stanowią ponad 96 procent wszystkich firm w Polsce, a ich średnia rentowność netto wynosi zaledwie kilka procent przychodów. Zejście z ceny o jedną trzecią często oznacza pracę poniżej progu opłacalności.

Transparentność cenowa w sieci to czynnik, który AI próbuje – niezgrabnie – wykorzystać

Kusz w swoim felietonie zauważył gorzką ironię: chatbot może podać „wycenę rynkową” tylko wtedy, gdy usługodawcy sami publikują swoje cenniki w internecie. Punkty ksero, zakłady szewskie, stolarnie i drobne drukarnie rzadko mają rozbudowane strony internetowe z przejrzystymi cennikami – i paradoksalnie to właśnie chroni ich przed tego rodzaju „negocjacjami opartymi na danych”.

Firmy, które zainwestowały w SEO lokalne i opublikowały szczegółowe cenniki online, są bardziej narażone na to, że klient przyjdzie z wydrukiem z ChatGPT i powie: „Ale tu macie napisane 20 groszy za stronę – to czemu teraz mówicie 30?” Transparentność, która miała przyciągać klientów, staje się narzędziem nacisku cenowego.

Porównanie: czego AI nie uwzględnia w wycenie usług poligraficznych

Efekt autorytetu algorytmu to psychologiczny mechanizm stojący za tym zjawiskiem

Efekt autorytetu algorytmu (ang. algorithm aversion/appreciation paradox) to opisane przez badaczy behawioralnych zjawisko, w którym ludzie przypisują decyzjom systemów automatycznych większą obiektywność niż decyzjom ludzkim. Według badania opublikowanego w 2023 roku w czasopiśmie „Computers in Human Behavior” przez zespół z Uniwersytetu Cornell, użytkownicy postrzegają odpowiedzi AI jako „neutralne” i „oparte na faktach” nawet wtedy, gdy dotyczą dziedzin, w których modele wyraźnie nie mają aktualnych danych.

W kontekście małych usług to zjawisko przybiera postać quasi-ekspertyzy: klient nie negocjuje z pozycji „chcę zapłacić mniej”, lecz z pozycji „mam dowód, że wasza cena jest zawyżona”. To fundamentalnie zmienia dynamikę rozmowy i stawia usługodawcę w defensywie, zmuszając go do tłumaczenia własnego cennika zamiast po prostu zatwierdzenia zlecenia.

Jak reagować na klientów z wyceną od chatbota?

Kilku właścicieli małych firm, którzy opisywali podobne sytuacje na forach branżowych w 2025 i 2026 roku, wypracowało różne strategie. Pierwsza to transparentna dekompozycja kosztów – pokazanie klientowi, z czego wynika cena: koszt materiałów, amortyzacja maszyny, czas pracy. Druga to krótkie wyjaśnienie, że ChatGPT nie ma dostępu do aktualnych faktur za tonery. Trzecia – po prostu odmowa realizacji zlecenia po cenie nieopłacalnej.

Żadna z tych strategii nie jest idealna. Pierwsza wymaga czasu i energii, które w punkcie usługowym są na wagę złota. Druga często nie przekonuje klienta głęboko wierzącego w nieomylność algorytmu. Trzecia rozwiązuje problem natychmiastowy, ale nie edukuje rynku.

Skala zjawiska i prognozy na najbliższe lata to obszar, gdzie dane są jeszcze wstępne

Według wstępnych danych z raportu Polskiego Instytutu Ekonomicznego z maja 2026 roku, ponad 34 procent polskich internautów używa narzędzi AI co najmniej kilka razy w tygodniu do zadań związanych z codziennym życiem – w tym wyszukiwania cen i porównywania ofert. Jeśli potwierdzą się obserwacje z branży usługowej, możemy spodziewać się, że zachowanie opisane przez Kusza stanie się normą, a nie wyjątkiem.

OpenAI podało w marcu 2026 roku, że ChatGPT ma ponad 500 milionów aktywnych użytkowników miesięcznie na całym świecie. Nawet jeśli tylko ułamek procenta z nich próbuje używać chatbota do negocjacji cen usług lokalnych, przy takiej skali mówimy o setkach tysięcy takich sytuacji dziennie na całym świecie. Dla małych przedsiębiorców to nie jest abstrakcja – to realne zmiany w codziennej obsłudze klienta.

Problem będzie narastał wraz z rosnącą dostępnością agentów AI (ang. AI agents) – autonomicznych systemów, które będą w stanie samodzielnie porównywać oferty, wysyłać zapytania ofertowe i negocjować warunki bez udziału człowieka. Firmy takie jak Google (z projektem Astra), Anthropic (z Claude Opus 4) i OpenAI (z projektem Operator, uruchomionym w Polsce w 2025 roku) aktywnie rozwijają takie narzędzia.

Odpowiedzialność za edukację użytkowników AI spoczywa na producentach modeli i twórcach treści

ChatGPT, Gemini i inne modele komunikują swoje ograniczenia – ale robią to niewystarczająco wyraźnie i zazwyczaj dopiero po tym, jak podadzą odpowiedź. Komunikat „moje dane mogą być nieaktualne” pojawia się często jako drobny przypis po kilku akapitach pozornie pewnej siebie analizy. To nie jest wystarczające zabezpieczenie przed nadmiernym zaufaniem do wyjść modelu (ang. overtrust in model output).

Organizacje takie jak Partnership on AI czy europejska AI Office, powołana na mocy unijnego rozporządzenia AI Act obowiązującego od sierpnia 2024 roku, pracują nad standardami oznaczania odpowiedzi AI w kontekście danych rynkowych i cenowych. Jednak regulacje doganiają rzeczywistość – a rzeczywistość jest taka, że punkty ksero i inne małe biznesy mierzą się z tym problemem już dziś, bez wsparcia żadnych wytycznych.

Powiązane pojęcia technologiczne

• Large Language Model (LLM) – rodzaj modelu sztucznej inteligencji trenowanego na ogromnych zbiorach danych tekstowych; generuje odpowiedzi na podstawie statystycznych wzorców językowych, a nie dostępu do aktualnych baz danych.
• Training cutoff – data graniczna, po której model AI nie posiada wiedzy o zdarzeniach ze świata; dane zebrane po tym terminie nie są uwzględniane w odpowiedziach modelu.
• AI agent – autonomiczny system oparty na modelu językowym, zdolny do samodzielnego wykonywania wieloetapowych zadań, takich jak wyszukiwanie ofert, wysyłanie wiadomości czy porównywanie cen.
• Efekt autorytetu algorytmu – psychologiczne zjawisko polegające na przypisywaniu decyzjom systemów automatycznych większej wiarygodności i obiektywności niż decyzjom ludzkim, nawet gdy brakuje ku temu podstaw merytorycznych.
• SEO lokalne – zestaw technik optymalizacji obecności firmy w wynikach wyszukiwania dla zapytań geograficznych; obejmuje m.in. aktualizację wizytówki Google Business Profile i publikację lokalnych cenników.

<!– SEO
meta_title: ChatGPT jako negocjator cen usług – czy AI zna realia? | IWD Partner
meta_desc: Klienci przynoszą w