AI w aplikacji mobilnej działa dziś w dwóch miejscach: na telefonie, gdzie od iOS 26 i z Gemini Nano zapytania są bez opłat, albo w chmurze, gdzie rachunek za model rośnie z liczbą zapytań i ilością wysyłanego tekstu. Wybór zależy od funkcji, wrażliwości danych i tego, na jakich telefonach pracują użytkownicy.
Poniżej porównujemy AI na urządzeniu i w chmurze, pokazujemy funkcje, które mają sens w aplikacji firmowej, wyjaśniamy, czym agent różni się od chatbota, i pokazujemy, od czego zależy koszt modelu przy 1000 użytkowników. Na końcu znajdziesz przepisy i plan wdrożenia w 7 krokach.
Jak AI działa w aplikacji mobilnej - na telefonie czy w chmurze?
Model AI może działać bezpośrednio na telefonie albo na serwerze, do którego aplikacja wysyła zapytanie. Coraz częściej stosuje się oba naraz: proste zadania obsługuje telefon, trudniejsze trafiają do chmury.
AI na urządzeniu
Od iOS 26 Apple udostępnia deweloperom model językowy działający na iPhonie, o wielkości około 3 mld parametrów, bez opłat za zapytania i bez połączenia z internetem. Na Androidzie podobną rolę pełni Gemini Nano dostępny przez interfejsy ML Kit GenAI. Do tego dochodzą własne, mniejsze modele, np. do rozpoznawania obrazu.
AI w chmurze
Duże modele językowe i wizyjne działają na serwerach dostawców. Aplikacja nie powinna łączyć się z nimi bezpośrednio: zapytanie przechodzi przez backend, który trzyma klucz dostępu, pilnuje limitów i dokłada dane firmy. Klucz API wpisany w kod aplikacji to jeden z najczęstszych błędów bezpieczeństwa.
| Kryterium | Na urządzeniu | W chmurze |
|---|---|---|
| Koszt zapytania | Bez opłat - płacisz tylko za budowę funkcji | Opłata za tokeny, rośnie z liczbą użytkowników |
| Prywatność | Dane nie opuszczają telefonu | Dane trafiają do dostawcy - potrzebna umowa i region przetwarzania |
| Działanie offline | Tak | Nie |
| Jakość i wiedza modelu | Dobra w zadaniach wąskich: streszczenie, korekta, klasyfikacja | Najwyższa, także w złożonym rozumowaniu i długich dokumentach |
| Dostępność | Tylko nowsze telefony obsługujące dany model | Każdy telefon z internetem |
| Czas odpowiedzi | Bez opóźnień sieci | Zależny od sieci i obciążenia dostawcy |
| Aktualizacja modelu | Razem z systemem telefonu | Po stronie dostawcy lub Twojego serwera, bez aktualizacji aplikacji |
Najważniejszy trade-off to dostępność. Model Apple działa tylko na iPhone’ach obsługujących Apple Intelligence, od iPhone’a 15 Pro, a Gemini Nano na wybranych, zwykle flagowych Androidach. Funkcja oparta wyłącznie na AI na urządzeniu nie zadziała u części użytkowników, więc zwykle potrzebny jest wariant zapasowy w chmurze.
Drugie ograniczenie to rozmiar zadania. Model na telefonie ma krótkie okno kontekstu, około 4 tys. tokenów (u Apple 4096 tokenów na sesję, w Gemini Nano wejście poniżej 4000 tokenów), więc nie przeanalizuje długiego regulaminu ani historii zamówień z kilku lat. Takie zadania i tak trafiają do chmury.
Jakie funkcje AI mają sens w aplikacji firmowej?
Najlepiej bronią się funkcje, które oszczędzają użytkownikowi pisania, szukania albo przepisywania. Poniżej te, które najczęściej mają mierzalny efekt, z typowym miejscem działania modelu:
- analiza zdjęć - rozpoznanie usterki, produktu, stanu skóry; na urządzeniu lub w chmurze,
- odczyt dokumentów - faktury, paragony, protokoły zamieniane na dane w formularzu; na urządzeniu,
- streszczenia i korekta tekstu - notatki z wizyt, zgłoszenia, komentarze; na urządzeniu,
- dyktowanie - pracownik mówi, aplikacja wypełnia raport; na urządzeniu,
- wyszukiwanie w dokumentach firmy - procedury, cenniki, instrukcje; w chmurze,
- rekomendacje - produkty, terminy, kolejne kroki; w chmurze, na danych firmy,
- asystent wykonujący zadania - umawianie, zamawianie, zgłoszenia; w chmurze, z potwierdzeniem użytkownika.
Przykłady z naszych realizacji
DermoSI łączy aplikację we Flutterze z urządzeniem do badania skóry: algorytm AI analizuje wynik i rekomenduje kosmetyki, które można kupić w aplikacji. Nails Room wykorzystuje uczenie maszynowe i rozszerzoną rzeczywistość, by nakładać kolory lakieru na paznokcie w obrazie z kamery na żywo.
Trzeci przykład to aplikacja mobilna AI dla branży farmaceutycznej, która wspiera codzienną pracę pracowników firmy. Wspólny mianownik: AI robi jedną konkretną rzecz w ścieżce użytkownika, a nie jest osobną zakładką „z czatem”.
Czym agent AI w aplikacji różni się od chatbota?
Chatbot odpowiada na pytania. Agent wykonuje zadania: sprawdza dostępne terminy i przekłada wizytę, składa ponownie ostatnie zamówienie, przygotowuje zgłoszenie serwisowe ze zdjęciem i opisem. Technicznie model nie tylko generuje tekst, ale wywołuje funkcje aplikacji i systemów firmy.
Gartner prognozuje, że do końca 2026 roku 40% aplikacji firmowych będzie mieć wbudowanych agentów AI do konkretnych zadań, wobec mniej niż 5% w 2025 roku. W aplikacji mobilnej agent ma dodatkowy atut: zna kontekst - lokalizację, zdjęcie, historię w aplikacji - więc użytkownik pisze mniej.
Czego agent potrzebuje, żeby był bezpieczny
- listy dozwolonych działań - agent może tylko to, co jawnie mu udostępnisz,
- potwierdzenia przed każdym działaniem nieodwracalnym: płatnością, anulowaniem, wysłaniem dokumentu,
- uprawnień użytkownika - agent widzi tylko dane, które widzi osoba, w której imieniu działa,
- ochrony przed złośliwymi instrukcjami ukrytymi w treściach, które agent czyta,
- dziennika działań, żeby dało się sprawdzić, co i dlaczego zrobił.
Szerzej o tym, co agenci robią w firmach, od czego zależy ich koszt i gdzie zawodzą, piszemy w tekście agenci AI dla firm. Jeśli asystent ma odpowiadać na podstawie dokumentów firmy, zobacz też, jak działa chatbot firmowy na własnych dokumentach (RAG).
Od czego zależy koszt AI w aplikacji na 1000 użytkowników?
Koszt ma dwie części: jednorazową budowę funkcji i miesięczną opłatę za model. Czas budowy modułu AI zależy głównie od tego, czy model działa na telefonie, czy w chmurze, i z iloma systemami firmy funkcja musi się połączyć, a aktualne ceny AppCreo znajdziesz w cenniku. Opłata miesięczna zależy od liczby zapytań, ich długości i klasy modelu.
Przykład dla 1000 aktywnych użytkowników miesięcznie, z których każdy wysyła 20 zapytań. Jedno zapytanie to 1 500 tokenów wejścia - instrukcje i kontekst - oraz 300 tokenów odpowiedzi. Modele porównujemy w trzech klasach, jak w tekście o agentach AI.
| Wariant | Tokeny miesięcznie (wejście / wyjście) | Względny koszt modelu |
|---|---|---|
| Model na urządzeniu | bez opłat | brak opłat za zapytania |
| Mały model w chmurze | 30 mln / 6 mln | najniższy z modeli w chmurze |
| Średni model | 30 mln / 6 mln | kilkukrotnie wyższy niż mały model |
| Największy model | 30 mln / 6 mln | najwyższy - kilkanaście razy wyższy niż mały model |
| Średni model z dokumentami firmy (6 000 tokenów wejścia) | 120 mln / 6 mln | taki sam jak przy największym modelu |
Ostatni wiersz pokazuje, co naprawdę podbija rachunek: nie liczba użytkowników, tylko ilość tekstu wysyłanego do modelu. Fragmenty dokumentów dołączane do każdego pytania czterokrotnie zwiększają tokeny wejściowe, a koszt średniego modelu rośnie do poziomu największego modelu bez dokumentów.
Jak policzyć koszt dla własnej aplikacji
- Oszacuj liczbę aktywnych użytkowników miesięcznie i zapytań na osobę - z analityki albo z pilotażu.
- Policz tokeny na zapytanie: instrukcje, kontekst, dane firmy i odpowiedź. Tysiąc tokenów to w przybliżeniu kilkaset polskich słów.
- Pomnóż użytkowników × zapytania × tokeny, osobno dla wejścia i wyjścia.
- Przelicz przez cenę za milion tokenów wybranej klasy modelu.
- Dodaj 30–50% zapasu na dłuższe rozmowy, ponowienia i wzrost użycia po premierze.
- Sprawdź, które zapytania da się przenieść na telefon - każde takie zapytanie nie generuje opłaty za model.
Do opłaty za model dolicz serwer z bazą i logami oraz czas na nadzór jakości odpowiedzi. Od czego zależą koszty wdrożeń AI - od prostych funkcji po agentów - opisujemy w tekście ile kosztuje wdrożenie AI w firmie.
Opisz jeden proces - powiemy, czy AI ma sens i ile kosztuje. Napisz, co dziś robią użytkownicy Twojej aplikacji ręcznie, a wskażemy, czy lepiej zrobić to na telefonie, czy w chmurze, i jaki będzie miesięczny rachunek. wypełnij formularz, napisz na biuro@appcreo.pl albo zadzwoń: +48 783 477 243.
Jakie przepisy dotyczą AI w aplikacji mobilnej?
Dwa akty mają znaczenie niemal zawsze: RODO i AI Act. Trzeci - rozporządzenie o wyrobach medycznych - wchodzi w grę, gdy aplikacja diagnozuje albo wspiera decyzje terapeutyczne.
RODO i dane wysyłane do modelu
Wysyłając dane użytkowników do dostawcy modelu, powierzasz mu ich przetwarzanie. Potrzebujesz umowy powierzenia, przetwarzania w UE lub na podstawie odpowiednich zabezpieczeń oraz zapisu, że dane nie posłużą do trenowania modelu. AI na urządzeniu omija ten problem, bo dane zostają w telefonie.
AI Act
Od 2 sierpnia 2026 roku art. 50 AI Act wymaga, by użytkownik wiedział, że rozmawia z systemem AI, a treści generowane były oznaczane. Dla systemów wprowadzonych na rynek przed tą datą oznaczanie treści obowiązuje od 2 grudnia 2026 roku.
Obowiązki dla systemów wysokiego ryzyka - np. oceniających kandydatów do pracy czy zdolność kredytową - rozporządzenie (UE) 2026/1744 przesunęło na 2 grudnia 2027 roku, a dla AI wbudowanej w produkty regulowane na 2 sierpnia 2028 roku. Typowy asystent w aplikacji firmowej nie jest systemem wysokiego ryzyka.
Pełny kalendarz i listę obowiązków znajdziesz w tekście o AI Act dla firm. Aplikacje medyczne i farmaceutyczne mają dodatkowe wymogi, które opisujemy na stronie o branży farmacji i medycyny.
Jak wdrożyć AI w aplikacji krok po kroku?
Najczęstszy błąd to zaczynanie od technologii: „dodajmy czat z AI”. Skuteczniej jest zacząć od jednej czynności, którą użytkownicy wykonują często i nie lubią. Kolejność, która sprawdza się w praktyce:
- Wybierz jedną funkcję z mierzalnym efektem - np. czas wypełnienia raportu albo liczba zgłoszeń bez kompletu danych.
- Zbierz 20–50 prawdziwych przykładów: zdjęć, dokumentów, pytań, na których sprawdzisz jakość.
- Zbuduj prototyp na backendzie i porównaj wyniki kilku klas modeli, także modelu na urządzeniu.
- Wybierz architekturę: telefon, chmura albo hybryda z wariantem zapasowym.
- Zabezpiecz integrację: klucze na serwerze, limity zapytań na użytkownika, potwierdzenia działań.
- Wdróż funkcję u części użytkowników i mierz jakość, koszt i wykorzystanie.
- Rozszerzaj na kolejne procesy dopiero wtedy, gdy pierwsza funkcja się obroniła.
Etapy i zakres usługi opisuje strona wdrożenia AI w firmie, a technologie - strona AI i uczenia maszynowego. Szerszy kontekst zmian w aplikacjach na lata 2026–2027 zebraliśmy w przeglądzie trendów w aplikacjach mobilnych.
