Microsoft 365 Copilot kosztuje 30 USD za użytkownika miesięcznie w wariancie enterprise (przy rocznym zobowiązaniu) albo 21 USD w wariancie dla mniejszych firm do 300 osób. ChatGPT Enterprise nie ma publicznej ceny — dane rynkowe wskazują na około 60 dolarów za stanowisko miesięcznie, przy minimum około 150 stanowisk i przedpłacie rocznej, co daje realny próg wejścia rzędu 108 tysięcy dolarów rocznie. Żadne z tych narzędzi w standardowej konfiguracji nie sięga do plików leżących na lokalnym dysku czy udziale sieciowym firmy.
To ostatnie zdanie brzmi jak drobny szczegół techniczny, ale przy setkach gigabajtów archiwów projektowych rozproszonych po dyskach sieciowych to właśnie ono decyduje, czy narzędzie w ogóle odpowie na pytanie o dokument sprzed trzech lat.
Ile to kosztuje w praktyce
Microsoft 365 Copilot jako dodatek enterprise wymaga kwalifikującego planu bazowego (E3, E5, Business Standard albo Premium) i kosztuje 30 USD na użytkownika miesięcznie przy rocznym zobowiązaniu — 360 USD rocznie na osobę. Wariant Business, dla firm do 300 użytkowników, kosztuje 21 USD miesięcznie jako cena standardowa, obniżona z 30 USD od 1 grudnia 2025 (promocja 18 USD trwa do 30 września 2026). Rabaty wolumenowe dla wariantu enterprise wygasły 30 czerwca 2026.
ChatGPT Business kosztuje 20 USD na użytkownika miesięcznie przy rozliczeniu rocznym, minimum dwa stanowiska. ChatGPT Enterprise to zupełnie inna liga — OpenAI świadomie nie publikuje tej ceny. Raporty rynkowe z 2026 roku podają widełki 45–75 dolarów za stanowisko miesięcznie, przy minimum około 150 stanowisk i przedpłacie za cały rok. To benchmark rynkowy, nie oficjalny cennik — ale dobrze pokazuje rząd wielkości.
Przy zespole stu osób sam Copilot enterprise to 36 tysięcy dolarów rocznie. ChatGPT Enterprise przy podobnej skali zbliża się do sześciocyfrowej kwoty. To koszt stały, rosnący liniowo z liczbą użytkowników — niezależnie od tego, ile faktycznie z narzędzia korzystają.
Problem, o którym mało kto mówi: Copilot nie widzi Twoich plików lokalnych
Dokumentacja Microsoft Learn stawia sprawę wprost: Copilot nie ma dostępu do plików przechowywanych wyłącznie na lokalnym dysku twardym, udziałach sieciowych ani dyskach zewnętrznych. Indeks semantyczny budowany jest z danych M365 — e-maili, czatów, dokumentów — przez Microsoft Graph, i obejmuje wyłącznie pliki, do których zalogowany użytkownik ma już nadane uprawnienia w OneDrive czy SharePoint. Wsparcie techniczne Microsoftu, zapytane wprost, czy Copilot sięga do plików lokalnych lub sieciowych, odpowiedziało krótko: „No, not yet”.
Dla dysków sieciowych istnieje osobny konektor — File Share connector — ale to dodatkowa konfiguracja z realnymi ograniczeniami: limit 100 MB na plik i indeksowanie wyłącznie treści tekstowej, bo z materiałów multimedialnych konektor odczytuje jedynie metadane. Firma, która trzyma rysunki techniczne, skany umów czy archiwa projektowe na NAS-ie zamiast w SharePoincie, musi tę infrastrukturę najpierw dostosować, zanim Copilot w ogóle zobaczy te pliki.
Własny system RAG działający na infrastrukturze firmy nie ma tego ograniczenia strukturalnego — indeksuje bezpośrednio z istniejących folderów sieciowych, skrzynek pocztowych i dysków, bez konieczności migrowania wszystkiego do jednego ekosystemu.
Czego uczciwie nie wiemy
Nie znaleźliśmy wiarygodnego, niezależnego testu porównującego jakość samego wyszukiwania — własnego RAG na danych firmowych kontra wbudowane wyszukiwanie Copilot czy ChatGPT Enterprise. Materiały, które takie porównania publikują, pochodzą niemal wyłącznie od dostawców konkurencyjnych rozwiązań RAG, więc nie spełniają kryterium niezależności. Nie będziemy więc twierdzić, że własny model „szuka lepiej” — to nieudowodnione.
To, co jest udokumentowane wprost przez samego producenta, to zakres dostępu do danych i koszt. Przy tych dwóch kryteriach różnica jest jasna i nie wymaga żadnego niezależnego testu, żeby ją zweryfikować.
Kiedy własny model na serwerze ma sens
Przy kilku, kilkunastu użytkownikach i danych trzymanych głównie w SharePoincie różnica kosztowa i funkcjonalna między Copilotem a własnym systemem może nie uzasadniać wdrożenia od zera. Przewaga własnego modelu rośnie razem ze skalą archiwum i liczbą użytkowników — im więcej danych leży poza ekosystemem M365 (maile w Outlooku, pliki na dyskach sieciowych, skany z lat wcześniejszych) i im większy zespół korzystałby z narzędzia, tym szybciej stały koszt licencji zaczyna przewyższać koszt jednorazowego wdrożenia infrastruktury, która zostaje własnością firmy.
Jeśli zastanawiasz się, czy przy skali Waszych archiwów bardziej opłaca się gotowa licencja czy własny system — opiszcie sytuację w formularzu kontaktowym. Pełny zakres usługi wewnętrznego systemu AI znajdziesz na stronie wewnętrznego systemu AI.