Gdy znasz problem: testujemy asystenta, automatyzację lub bazę wiedzy na uzgodnionych przykładach. Przed rozszerzeniem projektu porównujesz wynik z kryteriami ustalonymi na starcie.
Zanim podpiszesz umowę z wykonawcą albo kupisz licencje dla całego zespołu, odpowiedz sobie na trzy pytania. Od którego procesu zacząć? Jak sprawdzić, że AI naprawdę pomaga? Kiedy przerwać projekt, jeśli nie pomaga? Bez tych odpowiedzi wdrożenie AI w firmie zamienia się w zakup narzędzia, którego nikt nie rozlicza. Ten poradnik pokazuje, jak wdrożyć AI w firmie krok po kroku. Zaczynasz od wyboru jednego procesu, potem przechodzisz przez dane i pilotaż, a kończysz decyzją opartą na liczbach, nie na wrażeniach.
Prowadzę audyty, wdrożenia i szkolenia AI, więc piszę z perspektywy wykonawcy. Dlatego sporo tu o tym, kiedy nie zaczynać i kiedy zamknąć pilotaż. Kwestie prawne, wybór narzędzi i szkolenia rozwijają inne teksty z serii poradniki AI dla firm.
Schemat 5 kroków
Gotowość na AI nie zależy od tego, czy firma ma dział IT albo budżet na innowacje. Zależy od tego, czy potrafisz wskazać konkretny problem, zmierzyć go i wyznaczyć osobę, która za niego odpowiada. Poniższe pytania to prosty audyt gotowości organizacji na AI, który przeprowadzisz sam w godzinę. Najlepiej zrób to razem z osobami, które wykonują pracę, a nie tylko w gronie zarządu.
Jeśli na 8 lub więcej pytań odpowiadasz „tak”, możesz przejść do wyboru procesu. Przy 5-7 odpowiedziach twierdzących najpierw uzupełnij luki: zmierz punkt wyjścia, wyznacz właściciela, uporządkuj dostęp do danych. Poniżej 5 lepiej zacząć od uporządkowania procesów niż od narzędzi.
Gdy nie wiesz, który proces wybrać, albo pracownicy korzystają z AI bez wspólnych zasad, sensownym pierwszym krokiem jest audyt procesów pod kątem AI. W audycie rozmawiam z osobami, które wykonują pracę, nie tylko z zarządem, i przeglądam procesy. Na koniec dostajesz trzy rzeczy: mapę procesów z oceną potencjału każdego z nich, raport z priorytetami i szacunkami ROI z pokazaną metodologią liczenia oraz plan wdrożenia z podziałem na szybkie wygrane i projekty strategiczne. Audyt trwa zwykle 1-2 tygodnie od startu do raportu. Raport należy do Ciebie i nie zobowiązuje do wdrożenia: możesz go zrealizować z tym samym wykonawcą, z własnym działem IT albo z kimś innym.
Wdrożenie AI w organizacji ma sens tylko wtedy, gdy jest co mierzyć i jest ktoś, kto rozlicza wynik. Odłóż projekt albo zmień jego zakres, gdy:
Nie każda firma potrzebuje chatbota, agentów AI czy rozbudowanych automatyzacji. Czasem większy efekt da przeszkolenie zespołu w pracy z narzędziami, które już ma. Czasem uczciwa rekomendacja brzmi: tego procesu nie automatyzować. Odłożenie projektu to też decyzja i bywa lepsza niż pilotaż, którego nikt potem nie rozliczy.
Pierwszy pilotaż dotyczy jednego procesu, nie całego działu. Jeden proces da się zmierzyć, przetestować w kilka tygodni i uczciwie ocenić. Kilka równoległych pilotaży rozprasza uwagę zespołu i utrudnia ocenę, co właściwie zadziałało, a co nie.
Dobry kandydat na pierwszy pilotaż spełnia większość z tych warunków:
Na start odpuść procesy, w których AI miałaby samodzielnie podejmować decyzje wobec ludzi (np. ocena kandydatów do pracy czy decyzje o warunkach współpracy), oraz te, które wymagają integracji z kilkoma systemami naraz. Na nie przyjdzie czas później, gdy zespół będzie miał za sobą pierwsze rozliczone wdrożenie i wypracowane zasady kontroli.
Bez punktu wyjścia nie da się ocenić pilotażu. Przed startem zapisz cztery rzeczy:
Weźmy biuro rachunkowe na 12 osób, w którym dwie osoby odpowiadają na powtarzalne pytania klientów o terminy, wymagane dokumenty i status rozliczeń. Jeśli przez dwa tygodnie zapiszą liczbę takich wiadomości i czas przygotowania odpowiedzi, biuro będzie miało punkt odniesienia do oceny asystenta, który przygotowuje szkice odpowiedzi na podstawie wewnętrznej bazy wiedzy. Specjalny system nie jest do tego potrzebny. Wystarczy prosty arkusz z kolumnami: data, typ pytania, czas, czy odpowiedź wymagała konsultacji.
Bezpieczeństwo danych ustala się przed rozmową o funkcjach, a nie po wyborze narzędzia. Dla wybranego procesu odpowiedz na trzy pytania: jakie informacje są potrzebne do wykonania zadania, gdzie będą przetwarzane i kto będzie miał do nich dostęp. Te trzy odpowiedzi zawężają wybór rozwiązań bardziej niż jakiekolwiek porównanie funkcji.
Rozwiązanie w chmurze może przesyłać dane do dostawcy usługi, na przykład do modelu OpenAI albo do Claude przez API. Przed wyborem sprawdź dla konkretnej usługi i konkretnego planu: zasady wykorzystania danych, czas przechowywania, lokalizację przetwarzania i uprawnienia. Brak wykorzystania danych do trenowania modeli nie oznacza, że dostawca ich nie przechowuje. To dwie osobne kwestie w warunkach usługi i każdą trzeba sprawdzić oddzielnie.
Wariant na własnej infrastrukturze firmy (lokalny, on-premise) ma sens, gdy uzasadniają go wymagania firmy, możliwości techniczne i koszty. Wymaga ustalenia zasad aktualizacji, logów i kopii zapasowych, czyli zadań, którymi w chmurze zajmuje się dostawca. Gdzie ostatecznie trafiają dane, zależy od zlecenia i uzgodnionej architektury, dlatego te ustalenia powinny być spisane przed pilotażem.
Przed pilotażem spisz krótko:
Ocena zgodności z RODO i przepisami o AI, w tym z AI Act, to osobny temat. Szczegóły znajdziesz w tekście AI w firmie a RODO: co musisz wiedzieć przed wdrożeniem. Jeśli wykonawca ma dostać próbki dokumentów, umowę o poufności (NDA) można podpisać przed przekazaniem materiałów. Do pierwszej rozmowy wystarczy ogólny opis procesu, bez przekazywania danych.
Pilotaż sprawdza jedno: czy na Twoich danych, w Twoim procesie, rozwiązanie daje wynik lepszy od punktu wyjścia. Prezentacja na przykładach przygotowanych przez dostawcę tego nie sprawdzi. Pokazuje możliwości narzędzia, a nie jego zachowanie na dokumentach Twojej firmy.
Przed pierwszym testem uzgodnij na piśmie warunki pilotażu:
Kryteria ustalone po teście zawsze da się dopasować do wyniku. Dlatego spisuje się je wcześniej, a po pilotażu tylko porównuje. Taki dokument przydaje się też wewnątrz firmy: zarząd i zespół od początku wiedzą, co będzie oznaczało sukces.
Przygotuj zestaw prawdziwych przypadków z ostatnich tygodni: typowych, trudnych i nietypowych. Kilkadziesiąt dobrze dobranych przykładów powie więcej niż kilkaset podobnych do siebie. Jeśli zestaw zawiera wyłącznie łatwe przypadki, pilotaż wypadnie dobrze, a problemy wyjdą dopiero po wdrożeniu, kiedy poprawki są droższe.
Testy prowadzą osoby, które na co dzień wykonują tę pracę. To one wiedzą, który wynik jest „prawie dobry”, a który trzeba przepisać od nowa. Właściciel procesu powinien zarezerwować na pilotaż kilka godzin tygodniowo. Jeśli rozwiązanie łączy się z systemami firmy, potrzebna jest też osoba, która zna te systemy i może uzgodnić dostępy.
Jeśli wybierasz wdrożenie AI z prototypem na Waszych danych, najpierw powstaje prototyp testowany na uzgodnionych przykładach z firmy, a dopiero potem zapada decyzja o pełnym wdrożeniu. Ta decyzja należy do Ciebie. Prototyp planuję na 2-6 tygodni od uzgodnienia zakresu i udostępnienia potrzebnych materiałów. Może to być asystent AI, wewnętrzna baza wiedzy z AI albo automatyzacja przepływu w n8n, Make czy Zapier, wpięta w systemy firmy, a nie działająca obok nich.
Po pilotażu porównujesz wynik z punktem wyjścia i z kryteriami spisanymi przed startem. Możliwe są trzy decyzje. Każda jest poprawna, jeśli wynika z liczb, a nie z entuzjazmu albo zmęczenia projektem.
| Kryterium | Rozszerzyć | Poprawić | Zamknąć |
|---|---|---|---|
| Jakość wyników | Spełnia próg ustalony przed startem | Blisko progu, błędy są powtarzalne i da się je nazwać | Daleko od progu, błędy przypadkowe |
| Czas pracy człowieka | Sprawdzenie i poprawka zajmują wyraźnie mniej niż praca od zera | Oszczędność jest, ale dużą jej część zjada kontrola | Kontrola trwa tyle co samodzielne wykonanie albo dłużej |
| Koszty dalszego działania | Mieszczą się w budżecie przy realnym wolumenie | Do ograniczenia zmianą zakresu albo modelu | Przekraczają wartość odzyskanego czasu |
| Bezpieczeństwo i dane | Przepływ danych uzgodniony z IT i osobą odpowiedzialną za ochronę danych | Wymaga zmiany architektury albo zawężenia danych | Wymagań nie da się spełnić w rozsądnym koszcie |
| Zespół | Korzysta z rozwiązania bez przymusu i zgłasza poprawki | Korzysta wybiórczo, potrzebuje instrukcji lub szkolenia | Omija rozwiązanie i wraca do starego sposobu |
| Integracja | Działa w systemach, w których zespół pracuje | Wymaga dopięcia jednego połączenia | Wymaga przebudowy systemów nieproporcjonalnej do korzyści |
| Właściciel | Jest osoba odpowiedzialna za utrzymanie | Właściciel do wyznaczenia | Nikt nie przejmie odpowiedzialności |
Rozszerzenie oznacza pełne wdrożenie w tym samym procesie albo objęcie nim większej liczby osób. Zanim to zrobisz, potwierdź koszty dalszego działania przy docelowym wolumenie, bo pilotaż na kilkudziesięciu przypadkach nie pokazuje kosztu przy kilku tysiącach. Przed rozszerzeniem projektu wynik prototypu porównuje się z kryteriami ustalonymi na starcie, a nie z tym, jak dobrze wyglądał na pokazie.
Poprawka ma sens, gdy błędy są powtarzalne i potrafisz je nazwać: brakuje dokumentu w bazie wiedzy, instrukcja jest niejasna, zakres jest za szeroki. Ustal jedną, ograniczoną w czasie rundę poprawek i oceniaj ją według tych samych kryteriów. Kolejne rundy bez wyraźnej poprawy to sygnał do zamknięcia.
Zamknięcie nie jest porażką, jeśli kosztowało kilka tygodni zamiast roku utrzymywania nietrafionego narzędzia. Gdy korzyść jest za mała, koryguje się zakres albo rezygnuje z pomysłu. Zapisz, czego zespół się nauczył: jakie dane były potrzebne, gdzie model się mylił, ile czasu zajmowała kontrola. Ta wiedza przyda się przy wyborze następnego procesu.
Wdrożone rozwiązanie działa dokładnie tak dobrze, jak zespół z niego korzysta. Narzędzie, którego nikt nie otwiera, kosztuje tyle samo co narzędzie używane codziennie. W rozliczeniu wygląda jednak jak wydatek bez efektu.
Szkolenie przed uruchomieniem ma pokazać pracę na prawdziwych zadaniach zespołu, a nie ogólne możliwości modeli. Na co zwrócić uwagę przy wyborze takiego szkolenia i jak potem sprawdzić jego efekt, opisuje tekst Szkolenie AI dla pracowników: czego wymagać i jak sprawdzić efekt.
Wdrożenie, które prowadzę, obejmuje dokumentację i przeszkolenie zespołu z obsługi, a po uruchomieniu 30 dni wsparcia i optymalizacji. Po tym okresie rozwiązanie, dokumentacja i dostępy należą do firmy. Niezależnie od tego, z kim pracujesz, dopilnuj tego samego: hasła i wiedza o tym, jak rozwiązanie działa, nie powinny zależeć od jednej osoby z zewnątrz.
W pierwszych tygodniach przeglądaj wyniki co tydzień, później co miesiąc: ile razy zespół użył rozwiązania, ile wyników wymagało poprawek, jakie błędy się powtarzają. Spadek użycia to sygnał, który trzeba wyjaśnić z zespołem, zanim rozwiązanie zamieni się w porzucone narzędzie. Zmiany w procesie, nowe dokumenty czy nowe typy spraw też wymagają aktualizacji instrukcji albo bazy wiedzy.
Na czas i koszt wdrożenia składają się elementy, które da się zaplanować z góry, oraz takie, które łatwo przeoczyć. Poniżej oba rodzaje, bez kwot, bo te zależą od zakresu, wolumenu i wymaganego wsparcia.
Termin może się wydłużyć niezależnie od pracy wykonawcy, gdy materiały, dostępy albo przykłady testowe czekają na kogoś w firmie. To czas Twojego zespołu i trzeba go zaplanować tak samo jak budżet.
Rzetelna wycena pokazuje dwie części: koszt wdrożenia i koszty dalszego działania. Ta druga część decyduje o tym, czy rozwiązanie zwróci się w skali roku.
Wysokość kosztów dalszego działania zależy od ruchu, rodzaju zadań i wymaganego wsparcia. Poproś wykonawcę, żeby pokazał je w dwóch wariantach wolumenu: obecnym i wyraźnie większym.
Zwrot liczy się na założeniach, które da się sprawdzić, a pilotaż służy właśnie do ich zweryfikowania. Prosty rachunek wygląda tak:
Załóżmy, że w firmie handlowej trzy osoby odpowiadają na powtarzalne zapytania klientów i łącznie spędzają na tym ok. 10 godzin tygodniowo. Jeśli pilotaż pokaże, że sprawdzanie szkiców przygotowanych przez asystenta zajmie ok. 4 godziny tygodniowo, zespół odzyska ok. 6 godzin tygodniowo, czyli ok. 270 godzin rocznie przy 45 tygodniach pracy. Tę liczbę mnożysz przez własny koszt godziny pracy i porównujesz z kosztami dalszego działania. Gdyby kontrola zajmowała 9 z 10 godzin, rachunek nie wyjdzie niezależnie od ceny narzędzia.
Odzyskany czas ma wartość tylko wtedy, gdy wiesz, na co go przeznaczysz: obsługę większej liczby klientów, zadania odkładane od miesięcy, mniej nadgodzin. Więcej o liczeniu efektów znajdziesz w tekście Automatyzacja procesów AI: od czego zacząć i jak to policzyć?. Przykładowa struktura raportu z audytu, z macierzą wpływ/nakład i sposobem liczenia ROI na danych poglądowych, jest podlinkowana w źródłach pod artykułem.
Firma ma kilka dróg podejścia do AI i każda ma swoje warunki. Wybór zależy od tego, czy znasz problem, czy masz ludzi z czasem i kompetencjami oraz jak głęboko rozwiązanie ma wejść w systemy firmy.
| Droga | Kiedy ma sens | Na co uważać |
|---|---|---|
| Odłożenie projektu | Proces się zmienia, brakuje właściciela albo mierzalnego problemu | Odłożenie nie powstrzyma pracowników przed używaniem narzędzi na własną rękę, więc ustal zasady |
| Test we własnym zespole | Proste zadania na narzędziach takich jak ChatGPT czy Claude, jest osoba z czasem i zapałem | Bez punktu wyjścia i kryteriów test zamienia się w zabawę bez wniosków |
| Kurs online dla zespołu | Ludzie mają narzędzia, brakuje im podstaw pracy z nimi | Ogólny kurs nie zna Waszych procesów i dokumentów |
| Zespół IT lub software house | Potrzebna jest głęboka integracja, firma ma programistów albo stałego dostawcę oprogramowania | Potrzebna jest osoba po stronie biznesu, która zdefiniuje proces i kryteria oceny |
| Zewnętrzny wykonawca lub konsultant | Znasz problem, ale brakuje czasu albo doświadczenia w doborze rozwiązania | Sprawdź, kto po zakończeniu współpracy ma rozwiązanie, dokumentację i dostępy |
Jeśli chcesz omówić jeden konkretny proces, zanim wybierzesz drogę, moje konsultacje AI dla firm zaczynają się od bezpłatnej, 20-minutowej rozmowy, która nie zobowiązuje do zakupu. Omawiamy na niej jeden proces i wybieramy następny krok: audyt, gdy nie wiadomo, od czego zacząć, wdrożenie, gdy problem jest znany, albo szkolenie, gdy zespół ma narzędzia, a brakuje mu sposobu pracy. Zakres pierwszego etapu i kryteria oceny ustala się na starcie, a kolejne kroki dobiera się do wyników.
Te błędy łączy jedno: decyzje zapadają przed pomiarem. Każdy da się wyłapać na etapie planowania, zanim zespół poświęci czas na testy.
Zacznij od jednego zadania: wybierz proces z listy kandydatów i przez dwa tygodnie zapisuj w arkuszu, ile razy się wykonuje i ile trwa. To Twój punkt wyjścia do każdej kolejnej decyzji.
Przejdź przez 10 pytań o gotowość i wypisz zadania, które zabierają zespołowi najwięcej powtarzalnej pracy. Wybierz jedno, którego wynik łatwo sprawdzić i które ma właściciela. Jeśli kandydatów jest kilku albo żaden nie jest oczywisty, uporządkuje to audyt procesów, który daje mapę procesów z oceną potencjału i listę priorytetów.
To zależy od zakresu i od tego, jak szybko firma udostępni materiały. Prototyp planuję na 2-6 tygodni od uzgodnienia zakresu i udostępnienia potrzebnych materiałów, a termin pełnego wdrożenia ustala się osobno, po decyzji o kontynuacji. Do tego dolicz czas po stronie firmy na pomiar punktu wyjścia i udział w testach.
W moich projektach do rozmowy i szkolenia dział IT nie jest potrzebny, a rozwiązanie może obsługiwać zespół nietechniczny. Przy integracjach z systemami firmy potrzebna jest osoba, która zna te systemy i może uzgodnić dostępy: administrator, dostawca systemu albo pracownik odpowiedzialny za oprogramowanie. Przepływ danych uzgodnij też z osobą odpowiedzialną za ochronę danych.
Sprawdź, czy błędy są powtarzalne i da się je nazwać. Jeśli tak, zaplanuj jedną ograniczoną w czasie rundę poprawek, ocenianą według tych samych kryteriów. Jeśli nie, zamknij projekt i zapisz wnioski. Skorygowanie zakresu albo rezygnacja z pomysłu kosztuje mniej niż utrzymywanie narzędzia, które się nie zwraca.
Licencje dają dostęp do narzędzia, a nie sposób pracy z nim. Bez wskazania zadań, zasad dotyczących danych i pomiaru efektu trudno ocenić, czy płacisz za realną pomoc. Jeśli zespół ma już narzędzia, a brakuje mu nawyków, większy efekt niż kolejne wdrożenie może dać szkolenie na jego własnych zadaniach i dokumentach.
To zależy od zlecenia i uzgodnionej architektury. Rozwiązanie w chmurze może przesyłać dane do dostawcy usługi, dlatego przed wyborem sprawdza się zasady wykorzystania danych, czas przechowywania, lokalizację przetwarzania i uprawnienia dla konkretnej usługi. Gdy wymagania są wysokie, rozważa się wariant na własnej infrastrukturze firmy, z ustalonymi zasadami aktualizacji, logów i kopii zapasowych.
48,2% polskich firm zwiększy wydatki na AI w ciągu roku, a zwrot z inwestycji mierzy 11,5%. Co pokazuje badanie BGR Quantic zlecone przez Microsoft i jak uniknąć tej pułapki.
Sześć kryteriów wyboru, macierz wpływ-nakład liczona z karty ocen i prosty arkusz czasu. Tak wybierzesz pierwszy proces do automatyzacji AI przed rozmową z wykonawcą.
Signal Group i PCSS podpisały umowę na model AI, który na danych z tysięcy obiektów ma prognozować zużycie energii w sieciach. Co już wiadomo, a czego brak danych?
Automatyzacja czy prawdziwa AI? Sprawdzamy, jak Jira, Motion i Asana wykorzystują sztuczną inteligencję w PM oraz na co uważać przy wdrożeniu.
Platformy, integracje i najlepsze praktyki wdrożenia chatbotów AI nowej generacji. Przewodnik dla firm, które chcą zautomatyzować obsługę bez utraty jakości kontaktu.
Chatboty zakupowe, dynamiczne ceny, opisy produktów pisane przez AI. Sprawdź, jak sklepy internetowe wdrażają sztuczną inteligencję i ile to kosztuje w praktyce.
