Trójwymiarowe renderowanie serwera w chmurze nad płytką drukowaną, otoczonego abstrakcyjnymi prostokątnymi kształtami na szarym tle.

Ile naprawdę kosztuje anonimizacja 1000 godzin nagrań? Ręczna praca, API w chmurze czy rozwiązanie on-premise

Mateusz Zimoch
Opublikowano: 19.09.2026
Zaktualizowano: 24.09.2026

W skrócie: w przypadku 1000 godzin nagrań wideo ręczna anonimizacja zwykle kosztuje od 120 000 do 240 000 EUR w czasie pracy operatorów. Chmurowe API rozliczane za minutę to wydatek od 6000 do 30 000 EUR przed uwzględnieniem kosztów transferu i weryfikacji, natomiast oprogramowanie on-premise, takie jak Gallio PRO, kosztuje łącznie od 8000 do 17 000 EUR. To zestawienie przygotowano z myślą o menedżerach bezpieczeństwa, osobach odpowiedzialnych za dokumentację oraz specjalistach ds. zgodności, którzy muszą uzasadnić pozycję w budżecie.

Dlaczego koszt za godzinę to jedyna porównywalna jednostka?

Dostawcy podają ceny w nieporównywalnych jednostkach. Praca ręczna jest wyceniana według liczby osób, usługi chmurowe według minut materiału, a licencjonowane oprogramowanie według stanowisk lub miesięcy. Jedynym sposobem na ich rzetelne porównanie jest przeliczenie wszystkiego na koszt przetworzenia jednej godziny nagrania oraz uwzględnienie ręcznej kontroli, której wymagają wszystkie trzy modele.

Poniższy przykład dotyczy 1000 godzin nagrań z monitoringu CCTV lub kamer nasobnych, przy całkowitym koszcie pracy operatora wynoszącym 30 EUR za godzinę i horyzoncie 36 miesięcy. Możesz podstawić własną stawkę oraz wolumen materiału. Struktura kalkulacji pozostanie taka sama.

Czarno-biały obraz klepsydry leżącej na łóżku z małych kamieni, z przesypującym się przez nią piaskiem, sugerującym upływ czasu.

Model 1: ręczna anonimizacja we własnym zespole

Zespoły, które maskują dane ręcznie w programach do edycji wideo, zazwyczaj potrzebują od 4 do 8 godzin pracy operatora na każdą godzinę materiału. Zależy to od zagęszczenia osób w kadrze, liczby poruszających się obiektów oraz liczby ujęć z kamer, które muszą zachować spójność.

Przy założeniu 5 godzin pracy na godzinę nagrania, 1000 godzin materiału wideo oznacza 5000 godzin pracy operatorów. Przy całkowitym koszcie 30 EUR za godzinę daje to 150 000 EUR, a realistyczny przedział wynosi od 120 000 do 240 000 EUR. Oznacza to również zaangażowanie około trzech etatów przez rok, co zwykle jest trudniejszą pozycją do zatwierdzenia niż sam koszt finansowy.

Ręczna praca ma jedną rzeczywistą zaletę: ludzką ocenę sytuacji. Ma jednak dwie strukturalne słabości. Jakość efektów pogarsza się wraz ze zmęczeniem operatora, a dla całej partii materiałów nie powstaje spójny rejestr tego, co zostało zanonimizowane. Nasze porównanie ręcznej i automatycznej anonimizacji wideo pokazuje, w jakich sytuacjach sprawdza się każde z tych podejść.

Osoba stojąca przy stanowisku pracy z zamazaną twarzą, otoczona maszynami w fabryce. Zdjęcie czarno-białe.

Model 2: chmurowe API rozliczane za minutę

Usługi anonimizacji w chmurze są rozliczane za minutę przetworzonego materiału, najczęściej w przedziale od 0,10 do 0,50 EUR za minutę, zależnie od rozdzielczości i pakietu. Tysiąc godzin to 60 000 minut, dlatego sam koszt przetwarzania wynosi od 6000 do 30 000 EUR.

Pod tą kwotą kryją się trzy koszty, których zwykle brakuje w pierwszej wycenie:

  • Transfer. Tysiąc godzin nagrań w rozdzielczości 1080p to około 2-5 TB danych, a materiał 4K zwielokrotnia tę wartość. Czas wysyłania, przepustowość łącza oraz opłaty za transfer wychodzący są rzeczywistymi i powtarzalnymi kosztami.
  • Nadzór nad dostawcą. Przekazanie nagrań umożliwiających identyfikację osób podmiotowi zewnętrznemu sprawia, że staje się on podmiotem przetwarzającym w rozumieniu art. 28 ust. 3 RODO, który wymaga pisemnej umowy powierzenia przetwarzania danych. Jeżeli usługa lub jej podwykonawcy działają poza EOG, zastosowanie ma rozdział V, art. 44-49 RODO, a organizacja potrzebuje udokumentowanego mechanizmu transferu danych.
  • Ponowne przetwarzanie. Każda nieudana partia materiału jest rozliczana ponownie.

Kompromis między bezpieczeństwem a wygodą omawiamy szerzej w artykule o anonimizacji on-premise i w chmurze.

Czarno-białe zdjęcie stojaka serwerowego z poukładanymi kablami, oświetlone minimalnym światłem, tworzące wysokokontrastową, nastrojową atmosferę.

Model 3: licencja on-premise

Oprogramowanie on-premise przenosi koszt z modelu zmiennego do stałego. Licencja Gallio PRO Standard kosztuje 89 EUR miesięcznie lub 1068 EUR rocznie po uwzględnieniu rabatu rocznego, a wolumen przetwarzanych danych nie wpływa na tę kwotę. Gallio PRO wskazuje, że przy porównywalnych wolumenach przetwarzanie lokalne jest około sześć razy tańsze niż przetwarzanie w chmurze.

Należy również uwzględnić sprzęt. Stacja robocza z kartą GPU odpowiednią do przyspieszonego przetwarzania kosztuje około 2000-4000 EUR. Przy amortyzacji przez trzy lata daje to około 700-1300 EUR rocznie. Akceleracja GPU pozwala przetwarzać materiał nawet dziesięć razy szybciej niż na samym procesorze.

Następnie trzeba doliczyć etap kontroli, którego nie da się uniknąć w żadnym modelu. Wyrywkowa weryfikacja automatycznych wyników oraz poprawianie pominiętych obiektów we wbudowanym edytorze zajmuje zazwyczaj od 0,2 do 0,5 godziny na godzinę nagrania. Dla 1000 godzin materiału oznacza to 200-500 godzin pracy przy stawce 30 EUR, czyli od 6000 do 15 000 EUR.

Układ scalony z ikoną chmury, otoczony liniami obwodów, symbolizujący technologię chmury obliczeniowej.

Porównanie kosztów anonimizacji 1000 godzin nagrań

Pozycja kosztowa

Praca ręczna

API w chmurze

On-premise

Przetwarzanie

120 000-240 000 EUR

6000-30 000 EUR

1068 EUR rocznie

Sprzęt

Istniejąca stacja robocza

Brak

700-1300 EUR rocznie

Transfer i ruch wychodzący

Brak

500-5000 EUR

Brak

Kontrola jakości i korekty

Uwzględnione powyżej

6000-15 000 EUR

6000-15 000 EUR

Nadzór nad dostawcą

Brak

Umowa powierzenia, ocena transferu

Jednorazowy przegląd bezpieczeństwa

Szacunkowy koszt całkowity

120 000-240 000 EUR

12 500-50 000 EUR

8000-17 000 EUR

Koszt za godzinę

120-240 EUR

12-50 EUR

8-17 EUR

Osoba używająca kalkulatora podczas przeglądania dokumentów finansowych na biurku z laptopami i okularami.

Cztery pozycje kosztowe pomijane w większości budżetów

  1. Przechowywanie oryginałów. Zgodnie z art. 5 ust. 1 lit. e RODO zasada ograniczenia przechowywania dotyczy niezanonimizowanego materiału źródłowego w takim samym stopniu jak wyeksportowanego pliku. Retencja oraz bezpieczne usuwanie oryginałów generują koszty w każdym modelu.
  2. Drugi etap kontroli. Pominięte detekcje są wykrywane podczas weryfikacji, a nie podczas samego przetwarzania. Jeśli nie uwzględnisz czasu na korekty w budżecie, kalkulacja nie będzie wiarygodna.
  3. Obiekty, których automatyka nie wykrywa. Twarze i tablice rejestracyjne wykrywa automat. Identyfikatory imienne, ekrany, dokumenty, tatuaże oraz logotypy wymagają jednak ręcznej pracy niezależnie od użytego narzędzia, dlatego należy policzyć klatki, w których się pojawiają.
  4. Dług zgodności. Art. 32 ust. 1 RODO wymaga wykazania wdrożenia odpowiednich środków technicznych, a art. 83 ust. 5 RODO przewiduje za naruszenia karę do 20 mln EUR lub 4% całkowitego światowego rocznego obrotu. Zestawiliśmy te ryzyka z kosztami wdrożenia w artykule o koszcie naruszenia RODO a koszcie wdrożenia anonimizacji.
Wiele białych zegarów analogowych z czarnymi wskazówkami pokazujących różne godziny na jasnoszarym tle.

Jak obliczyć własny koszt w sześciu krokach

  1. Zmierz rzeczywisty wolumen. Przeanalizuj wnioski o eksport materiałów z ostatnich dwunastu miesięcy i przelicz je na liczbę godzin nagrań miesięcznie. Większość zespołów znacząco zawyża ten wolumen.
  2. Zmierz czas jednego rzetelnego zadania ręcznego. Wybierz reprezentatywny dziesięciominutowy klip, właściwie go zanonimizuj, a następnie przemnóż wynik. Otrzymany wskaźnik będzie bazą dla kalkulacji ręcznej pracy.
  3. Uzyskaj pisemną wycenę chmury. Poproś o jeden dokument zawierający cenę za minutę, opłaty za transfer wychodzący, przechowywanie danych, minimalne zobowiązanie oraz listę podwykonawców przetwarzania.
  4. Przetestuj wydajność na własnym sprzęcie. Przepuść własne nagrania przez bezpłatną wersję demo Gallio PRO, którą pobierzesz ze strony produktu: nie ma limitu użycia, dodaje znak wodny i obsługuje rozdzielczość do 720p. Zmierz czas przetwarzania, aby uzyskać rzeczywistą przepustowość zamiast wartości deklarowanej w materiałach marketingowych.
  5. Dodaj etap kontroli do wszystkich trzech kolumn. Porównywanie automatycznego przetwarzania z pracą ręczną bez uwzględnienia kontroli jakości to najczęstszy błąd w tego typu analizach biznesowych.
  6. Podziel wynik i wykonaj prognozę na 36 miesięcy. Porównaj koszt jednej przetworzonej godziny, a następnie koszt skumulowany. Modele ze stawkami zmiennymi i stałymi osiągają punkt przecięcia szybciej, niż oczekuje większość zespołów.
Osoba w koszuli z guzikami pracuje przy szafie serwerowej, regulując kable w pokoju sieciowym. Twarz jest celowo zamazana dla prywatności.

Kiedy każdy z modeli nadal wygrywa?

Praca ręczna jest najlepszym wyborem przy wolumenie poniżej około 20 godzin nagrań rocznie, gdy żadne narzędzie nie zwróci kosztów konfiguracji. Chmura sprawdza się, gdy wolumen jest rzeczywiście nieprzewidywalny, nagrania są już przechowywane u tego dostawcy, a dane mają niską wrażliwość. Rozwiązanie on-premise wygrywa w pozostałych przypadkach, a jego przewaga jest zdecydowana, gdy nagrania w ogóle nie mogą opuścić infrastruktury organizacji.

Gallio PRO działa w całości na własnym komputerze lub serwerze, nie przechowuje dzienników detekcji ani danych osobowych oraz obsługuje obrazy JPG i PNG, a także pliki wideo MP4 i MOV. Jest dostępne jako aplikacja desktopowa dla systemów Windows, macOS i Linux, kontener Docker oraz REST API. Automatyczne wykrywanie obejmuje twarze i tablice rejestracyjne, a wbudowany edytor ręczny pozwala maskować wszystkie pozostałe elementy. Narzędzie przetwarza zapisane pliki, a nie transmisje na żywo. W przypadku dużych partii materiałów zobacz rozwiązanie do anonimizacji nagrań wideo Gallio PRO.

Jeżeli Twoja organizacja potrzebuje indywidualnej konfiguracji on-premise, wdrożenia korporacyjnego lub konsultacji dotyczącej zgodności, warto skontaktować się z zespołem.

Trójwymiarowy znak zapytania na tle cyfrowego obwodu w odcieniach szarości, symbolizujący technologię i niepewność.

FAQ

Ile kosztuje zamazanie twarzy w jednej godzinie nagrania wideo?

Ręczna anonimizacja kosztuje około 120-240 EUR za godzinę nagrania. W przypadku chmurowego API, po uwzględnieniu transferu i kontroli, koszt wynosi około 12-50 EUR za godzinę. Oprogramowanie on-premise przy wolumenie 1000 godzin oznacza koszt około 8-17 EUR za godzinę.

Czy anonimizacja wideo w chmurze jest tańsza niż oprogramowanie on-premise?

Tylko przy niskim wolumenie. Ceny w chmurze są zmienne i rosną z każdą przetworzoną minutą, podczas gdy koszt licencji jest stały. Przy 1000 godzin nagrań rocznie model ze stałą opłatą jest zwykle tańszy, a różnica rośnie wraz z wolumenem.

Ile czasu zajmuje ręczna anonimizacja jednej godziny nagrania?

Zespoły najczęściej wskazują od 4 do 8 godzin pracy operatora na każdą godzinę materiału wideo, w zależności od zagęszczenia osób w kadrze, liczby poruszających się obiektów oraz liczby ujęć z kamer, które muszą pozostać spójne.

Czy automatycznie zanonimizowany materiał nadal wymaga kontroli człowieka?

Tak. Należy zaplanować od 0,2 do 0,5 godziny kontroli na każdą godzinę nagrania - na wyrywkową weryfikację oraz zamazanie obiektów, które nie zostały wykryte automatycznie, takich jak identyfikatory, ekrany i dokumenty.

Czy wysłanie nagrań do usługi anonimizacji w chmurze wymaga umowy powierzenia przetwarzania danych?

Tak. Dostawca działa jako podmiot przetwarzający, dlatego art. 28 ust. 3 RODO wymaga zawarcia pisemnej umowy powierzenia przetwarzania danych. Transfery poza EOG wymagają dodatkowo zastosowania mechanizmu określonego w rozdziale V, art. 44-49 RODO.

Mateusz Zimoch

Lider i współzałożyciel Gallio PRO. Posiada rozległą wiedzę z zakresu informatyki, analityki danych, robotyki i sztucznej inteligencji. Absolwent dwóch kierunków studiów na Politechnice Wrocławskiej. Założył dwa startupy skupione na opracowywaniu rozwiązań Computer Vision opartych na sztucznej inteligencji i konstruowaniu pojazdów zdalnie sterowanych (ROV).