Notatka z pierwszych dziesięciu minut rozmowy
Właściciel firmy: „Chcemy wdrożyć AI do przygotowywania ofert”.
Konsultant: „Który fragment przygotowania oferty jest dziś najwolniejszy?”
Właściciel: „Trudno powiedzieć. Każda wygląda trochę inaczej”.
To jedno zdanie zmieniło kierunek pracy. Zamiast porównywać modele, zaczęliśmy odtworzyć sposób podejmowania decyzji. W opisanym niżej anonimowym przykładzie diagnoza firmy przed wdrożeniem AI zakończyła się zaleceniem, aby narzędzia na razie nie wdrażać.
Nie dlatego, że AI nie potrafiło przygotować poprawnie brzmiącej oferty. Firma nie miała jeszcze jednego procesu, aktualnego źródła zasad ani uzgodnionej odpowiedzialności. Gdyby diagnoza mimo tego zakończyła się zakupem licencji, byłaby częścią sprzedaży, a nie diagnozą.
Klient przychodzi po AI. My zaczynamy od pracy, którą AI ma przejąć
Rozmowa o wdrożeniu często zaczyna się od nazwy technologii: asystent AI, agent, chatbot, automatyczne przygotowywanie ofert, analiza dokumentów albo obsługa wiadomości. Taka nazwa brzmi konkretnie, ale nie opisuje problemu.
„Chcemy agenta AI do ofert” może oznaczać, że:
- przygotowanie odpowiedzi trwa zbyt długo;
- wiedza o cenach i warunkach jest rozproszona;
- handlowcy tworzą oferty na kilka różnych sposobów;
- właściciel musi zatwierdzać każdy wyjątek;
- firma chce odpowiadać poza godzinami pracy;
- ktoś zobaczył podobne rozwiązanie u konkurencji i obawia się, że zostaje w tyle.
Dlatego każda z tych sytuacji wymaga innej odpowiedzi. Niekiedy będzie nią AI. W innych przypadkach wystarczy uporządkowanie dokumentów, zmiana odpowiedzialności, prosty formularz albo zwykły szablon. Innymi słowy, technologia jest jedną z możliwych interwencji, nie punktem wyjścia.
To kontynuacja zasady opisanej w artykule „Klient przychodzi po reklamę. My najpierw sprawdzamy, czy reklama jest problemem”. Prośba o AI także jest hipotezą klienta, a nie gotową diagnozą.
Właściciel firmy: „Chcemy, żeby AI przygotowywało oferty i odpowiadało klientom”.
Konsultant: „Pokażmy najpierw jedną ofertę od początku do końca. Skąd biorą się warunki, ceny i wyjątki?”
Właściciel: „To zależy. Najczęściej trzeba zapytać mnie”.
W rezultacie rozmowa przestaje dotyczyć modelu językowego. Zaczyna dotyczyć procesu, wiedzy i odpowiedzialności.
Co właściwie diagnozujemy przed wdrożeniem AI?
Diagnoza nie ma udowodnić, że firma jest „gotowa” albo „niegotowa” w sposób ogólny. Na przykład firma może nie być gotowa do autonomicznego agenta, a jednocześnie dobrze przygotowana do ograniczonego asystenta, który porządkuje notatki bez wysyłania czegokolwiek do klienta.
Dlatego nie wystawiamy firmie ogólnej oceny „gotowa” albo „niegotowa”. Śledzimy jeden przypadek użycia i szukamy miejsca, w którym logika przestaje być jednoznaczna. Poniższe pytania nie tworzą sześciu równych etapów. Jedna odpowiedź może zakończyć diagnozę albo otworzyć kilka kolejnych wątków.
Najpierw: jaka zmiana ma być widoczna?
Czas odpowiedzi, jakość oferty, liczba obsłużonych spraw, dostęp do wiedzy, koszt procesu czy liczba błędów? „Chcemy używać AI” nie jest celem, ponieważ nie pozwala ocenić wyniku.
Potem odtwarzamy rzeczywistą drogę zadania
Kto rozpoczyna pracę, z jakich informacji korzysta, gdzie pojawiają się wyjątki i kto zatwierdza rezultat? Nie pytamy wyłącznie o procedurę. Prosimy o pokazanie ostatniej prawdziwej sprawy, ponieważ deklarowany proces często różni się od praktyki.
Szukamy źródła, któremu ludzie naprawdę ufają
Gdzie znajdują się aktualne dokumenty, cenniki, warunki, instrukcje i historia decyzji? Które źródło wygrywa w razie sprzeczności? Sprawdzamy również, czy firma może legalnie i bezpiecznie przekazać te dane wybranemu systemowi.
Pytamy o błąd, zanim zapytamy o możliwości
Co się stanie, gdy system wybierze nieaktualną cenę, pominie warunek, ujawni informację niewłaściwej osobie albo wyśle zbyt pewną odpowiedź? Im wyższy koszt błędu, tym mniejsza powinna być autonomia pierwszego wdrożenia.
Wskazujemy osobę, a nie abstrakcyjnego „człowieka”
Kto zatwierdza wynik, kto może zatrzymać działanie i kto analizuje incydent? „Człowiek sprawdzi” nie wystarcza, dopóki nie wiadomo, który człowiek, co sprawdzi i w jakim czasie.
Na końcu ustalamy, co obali pomysł
Jaki jest wynik procesu bez AI i z czym porównamy pilotaż? Jakie zdarzenie zatrzyma test? Bez wartości bazowej nawet efektowna demonstracja nie odpowie, czy firma rzeczywiście coś zyskała.
Prześledźmy jedną decyzję od początku do końca
Przypadek złożony i zanonimizowany
Narzędzie było dostępne. Proces nie był gotowy. Poniższy zapis łączy powtarzalne elementy kilku diagnoz firm usługowych. Branża, role i szczegóły procesu zostały uogólnione. Pokazuje logikę decyzji, ale nie przedstawia danych ani wyników konkretnego klienta.
Założenie na wejściu: AI skróci przygotowanie oferty
Firma usługowa B2B otrzymuje zapytania pocztą elektroniczną i przez formularz. Właściciel chce skrócić czas odpowiedzi. Rozważane rozwiązanie ma czytać wiadomość, rozpoznawać potrzebę, przygotowywać zakres, dobierać cenę i tworzyć szkic odpowiedzi. Następnie system miałby również wysyłać część prostych ofert bez udziału człowieka.
Na prezentacji taki proces wygląda logicznie: wiadomość wchodzi, AI analizuje treść, pobiera wiedzę i zwraca gotową ofertę. Jednak diagnoza zaczyna się tam, gdzie kończy się slajd.
Moment, w którym proste demo przestaje wystarczać
- Skąd handlowiec wie, którą usługę zaproponować?
- Gdzie znajduje się aktualny cennik i kto go zatwierdza?
- Które warunki są stałe, a które negocjowane?
- Jak rozpoznawany jest klient, którego nie należy obsługiwać standardowo?
- Które informacje z wiadomości są danymi osobowymi lub poufnymi?
- Czy każda osoba używa tych samych nazw usług?
- Ile ofert wymaga poprawki i dlaczego?
- Kto odpowiada za błędną cenę albo obietnicę terminu?
- Po czym poznamy, że system poprawił wynik, a nie tylko przyspieszył wysyłkę?
Punkt zwrotny: firma nie ma jednej wersji zasad
Co istotne, najważniejszym problemem nie był brak integracji. Przede wszystkim firma nie posiadała jednego, aktualnego źródła zasad ofertowania. Ponadto ceny występowały w kilku plikach. Jednocześnie nazwy usług różniły się pomiędzy stroną, ofertami i rozmowami. Wyjątki nie były zapisane, ponieważ właściciel rozstrzygał je na podstawie doświadczenia.
System mógłby wygenerować poprawnie brzmiącą ofertę. Nie miałby jednak podstaw, aby rozpoznać, która wersja warunków jest obowiązująca. W efekcie automatyzowałby nie wiedzę firmy, lecz jej niespójność.
Właściciel: „Czyli potrzebujemy lepszego modelu?”
Konsultant: „Nie. Potrzebujemy jednej wersji zasad, zanim damy modelowi prawo z nich korzystać”.
Właściciel: „A jeśli wdrożymy narzędzie tylko do szkiców?”
Konsultant: „Dopiero gdy wiemy, kto sprawdza szkic i według jakiego źródła”.
Decyzja, której nie było w pierwotnym planie
Firma nie wdraża planowanego narzędzia do tworzenia i wysyłania ofert. Ponadto nie rozpoczyna pilotażu na prawdziwych danych klientów. Jednocześnie decyzja nie zamyka tematu AI. Zamiast tego zmienia kolejność pracy.
- Ujednolicić nazwy usług, zakresy i reguły cenowe.
- Wskazać właściciela wiedzy ofertowej i proces aktualizacji.
- Opisać wyjątki oraz sytuacje wymagające decyzji właściciela.
- Oddzielić dane potrzebne do oferty od informacji, których system nie powinien otrzymywać.
- Zmierzyć czas przygotowania, liczbę korekt i powody odrzucenia ofert.
- Dopiero później ocenić ograniczony pilotaż: AI tworzy szkic, człowiek zatwierdza, nic nie jest wysyłane automatycznie.
Co zostaje, skoro nie ma wdrożenia?
W rezultacie firma nie otrzymuje demonstracji narzędzia. Otrzymuje mapę zależności, listę brakujących decyzji i kryteria, po których spełnieniu można wrócić do pomysłu. Dlatego najważniejszym efektem jest uniknięcie wdrożenia, którego jakości nie dałoby się ocenić ani obronić.
Po rozmowie narzędzie miało 5/5. Fundamenty — najwyżej 2/5
Ocena przypadku przed decyzją — skala 0–5
To autorska, jakościowa ilustracja opisanego przykładu, a nie wynik badania ani uniwersalny certyfikat gotowości. Wysoka dostępność technologii nie kompensuje braku procesu, źródła wiedzy i pomiaru.
Jak zapada decyzja: wdrażać, ograniczyć czy zatrzymać?
| Sygnał z diagnozy | Właściwa odpowiedź | Czego nie robić |
|---|---|---|
| Proces jest powtarzalny, dane aktualne, błąd łatwo odwracalny | Ograniczony pilotaż z pomiarem | Skalować przed porównaniem z wartością bazową |
| Proces działa, ale zawiera kosztowne wyjątki | AI przygotowuje propozycję, człowiek zatwierdza | Oddawać systemowi decyzję końcową |
| Wiedza jest rozproszona lub sprzeczna | Najpierw uporządkować źródła i odpowiedzialność | Budować bazę wiedzy przez bezkrytyczne wgranie wszystkich plików |
| Brakuje zgody, podstawy lub zasad użycia danych | Zatrzymać projekt i wyjaśnić warunki | Testować na prawdziwych danych „tylko wewnętrznie” |
| Nie wiadomo, kto odpowiada za rezultat | Wyznaczyć właściciela procesu i ścieżkę eskalacji | Zakładać, że dostawca narzędzia przejmie odpowiedzialność biznesową |
| Nie ma mierzalnego problemu | Nie wdrażać; wrócić do celu biznesowego | Uzasadniać zakup samą presją rynku |
Im droższy błąd, tym mniej swobody dla systemu
Rekomendowany poziom autonomii w pierwszym wdrożeniu
Skala jest modelem redakcyjnym dla opisanego przypadku, nie regułą prawną. Poziom autonomii zależy od odwracalności działania, danych, uprawnień, nadzoru i skutków błędu.
Więcej o punktach akceptacji i sytuacjach, w których system musi przekazać decyzję człowiekowi, piszemy w artykule „Człowiek w pętli: gdzie automatyzacja musi poprosić o decyzję”.
Trendy 2026: firmy nie potrzebują więcej pilotaży bez właściciela
Od generatorów do agentów wykonujących działania
Jednocześnie ryzyko rośnie, gdy AI przestaje tylko tworzyć tekst, a zaczyna pobierać dane, uruchamiać narzędzia, aktualizować systemy i komunikować się na zewnątrz. OWASP Top 10 for Agentic Applications 2026 koncentruje się właśnie na systemach, które planują, działają i podejmują decyzje w złożonych przepływach. Diagnoza musi więc obejmować nie tylko jakość odpowiedzi, ale też zakres uprawnień i możliwość cofnięcia działania.
Gotowość organizacji staje się ważniejsza od demonstracji modelu
ISACA AI Pulse Poll 2026, oparty na odpowiedziach ponad 3400 specjalistów zaufania cyfrowego, pokazuje, że użycie AI rośnie szybciej niż zasady, szkolenia, reakcja na incydenty i pewność zwrotu z inwestycji. Nie jest to jednak argument przeciw AI. To argument za sprawdzeniem procesu przed zakupem.
Governance przesuwa się z dokumentu do działania
NIST AI Risk Management Framework organizuje zarządzanie ryzykiem wokół czterech funkcji: govern, map, measure i manage. Dla mniejszej firmy praktyczne tłumaczenie brzmi: ustal odpowiedzialność, zrozum kontekst, zmierz ryzyko i wynik, a następnie zarządzaj systemem przez cały cykl życia. Dlatego sam regulamin użycia AI nie zastąpi tych czynności.
Kompetencje muszą odpowiadać roli i kontekstowi
Aktualne materiały Komisji Europejskiej dotyczące kompetencji AI podkreślają uwzględnienie wiedzy technicznej, doświadczenia, szkolenia i kontekstu użycia systemu. W praktyce jedno ogólne szkolenie z promptów nie przygotuje handlowca do zatwierdzania warunków oferty ani administratora do oceny dostępu do danych.
Gdzie diagnoza niepostrzeżenie zamienia się w sprzedaż narzędzia
- rozpoczynanie od prezentacji narzędzia zamiast od obserwacji procesu;
- traktowanie wszystkich plików firmy jako gotowej bazy wiedzy;
- mylenie płynnej odpowiedzi z odpowiedzią zgodną z zasadami firmy;
- brak wartości bazowej, przez co nie wiadomo, czy pilotaż coś poprawił;
- testowanie na danych klientów bez ustalenia celu, zakresu i dostępu;
- brak właściciela procesu oraz punktu zatrzymania;
- automatyzowanie wyjątków, których firma nigdy nie opisała;
- ocena wyłącznie kosztu licencji, bez utrzymania wiedzy, kontroli i integracji;
- kontynuowanie projektu tylko dlatego, że rozpoczęto już rozmowy z dostawcą.
Sygnał do zatrzymania
Jeżeli zespół nie potrafi wskazać jednego źródła prawdy, właściciela wyniku i kosztu błędu, demo narzędzia nie jest następnym krokiem. Następnym krokiem jest decyzja organizacyjna.
Co firma otrzymuje, gdy rekomendacją jest „nie wdrażamy”?
Brak wdrożenia nie powinien oznaczać raportu kończącego się zdaniem „firma nie jest gotowa”. Dobra diagnoza pozostawia materiał do działania:
- opis celu i procesu, którego dotyczył pomysł;
- mapę źródeł danych oraz ich właścicieli;
- listę brakujących reguł i wyjątków;
- ocenę kosztu błędu i wymaganych punktów akceptacji;
- warunki bezpiecznego pilotażu;
- mierniki bazowe i kryteria zatrzymania;
- kolejność prac, które mają sens bez kupowania AI.
Po uporządkowaniu procesu może się okazać, że prosta automatyzacja wystarczy. Niekiedy potrzebny będzie ograniczony asystent. W innych przypadkach AI rzeczywiście stanie się kolejnym etapem. Jednak każdy z tych wyników jest lepszy niż wdrożenie technologii tylko po to, aby firma mogła powiedzieć, że ją ma.
O roli i granicach systemu piszemy również w materiale „Agent AI w firmie. Nie zatrudniaj algorytmu bez zakresu obowiązków”, a o kolejności porządkowania procesów we wpisie „Automatyzacja procesów w firmie. Nie automatyzuj chaosu”.
FAQ: diagnoza firmy przed wdrożeniem AI
Ile trwa diagnoza przed wdrożeniem AI?
Zależy od zakresu decyzji. Prosty przypadek użycia można ocenić podczas krótkiej analizy procesu i danych. Projekt obejmujący kilka działów, dane klientów, integracje oraz działania autonomiczne wymaga rozmów, dokumentacji i testów. Czas powinien wynikać z ryzyka i złożoności, nie z jednego pakietu dla każdej firmy.
Czy mała firma potrzebuje audytu AI?
Nie zawsze potrzebuje rozbudowanego audytu. Potrzebuje jednak odpowiedzi na podstawowe pytania: jaki problem rozwiązuje, jakie dane wykorzystuje, kto odpowiada, co może pójść źle i jak zmierzyć wynik. Skala dokumentacji może być mniejsza, ale logika decyzji pozostaje ta sama.
Czy decyzja o niewdrażaniu oznacza rezygnację z AI?
Nie. Może oznaczać zmianę kolejności, zawężenie przypadku użycia albo odłożenie projektu do czasu uporządkowania danych i odpowiedzialności. W opisanym przykładzie odrzucono automatyczną wysyłkę ofert, ale pozostawiono możliwość późniejszego pilotażu szkiców zatwierdzanych przez człowieka.
Od czego zacząć diagnozę gotowości do AI?
Od jednego procesu i jednego oczekiwanego wyniku. Warto obserwować rzeczywistą pracę, a nie tylko deklarowany schemat. Następnie trzeba sprawdzić źródła wiedzy, wyjątki, dane, uprawnienia, koszt błędu, właściciela procesu i sposób pomiaru.
Kiedy można szybko rozpocząć pilotaż?
Gdy zadanie jest jasno ograniczone, dane są dozwolone i aktualne, rezultat sprawdza właściwa osoba, błąd jest odwracalny, a firma zna wynik bazowy. Pierwszy pilotaż nie powinien otrzymywać większych uprawnień, niż wymaga sprawdzenie hipotezy.
Jeżeli chcesz pójść dalej, wybierz następne pytanie
Nie każdy czytelnik jest w tym samym miejscu, dlatego zamiast jednej ścieżki proponujemy trzy różne:
- Jeżeli podejrzewasz, że zamawiana usługa nie odpowiada prawdziwemu problemowi, przeczytaj „Klient przychodzi po reklamę. My najpierw sprawdzamy problem”.
- Jeżeli wiesz już, gdzie AI ma pomagać, ale nie gdzie powinno się zatrzymać, przejdź do tekstu „Człowiek w pętli”.
- Jeżeli proces jest opisany i potrzebujesz połączyć go z narzędziami, zobacz zakres „Technologia, CRM i AI”.
Źródła i dalsza lektura
Jedno pytanie na zakończenie
AP Market Cell: „Gdybyśmy dziś nie mogli kupić żadnego narzędzia AI, co i tak należałoby uporządkować w tym procesie?”
Firma: „Zasady, dane i to, kto podejmuje decyzję”.
AP Market Cell: „W takim razie od tego zaczynamy”.
Jeżeli chcesz sprawdzić własny przypadek, możesz rozpocząć od autodiagnozy firmy. Jeśli wolisz przejść przez konkretny proces wspólnie, opisz nam decyzję, którą rozważasz. Wynikiem rozmowy może być pilotaż, zmiana zakresu albo świadome „jeszcze nie”.
