Category: AI w małej firmie

Praktyczne wdrożenia AI w małych firmach: wybór procesu, rachunek kosztów, pilotaż i utrzymanie.

  • AI Act w Polsce: od 28 października komisja może ukarać firmę za AI

    Przez trzy miesiące ustawa o systemach sztucznej inteligencji obowiązywała, ale nie miała czym egzekwować. Od dziś ma kontrole, skargi i kary. Dla małej firmy zmienia się jedno: z obowiązku, którego nikt nie sprawdzał, robi się procedura z terminem i adresem.


    Co weszło w życie 28 października

    Ustawa z 3 lipca 2026 roku o systemach sztucznej inteligencji trafiła do Dziennika Ustaw 27 lipca, pod pozycją 1003. Art. 127 dzieli jej wejście w życie na dwa etapy: czternaście dni od ogłoszenia dla całości, czyli 11 sierpnia, i trzy miesiące dla art. 8 do 18 oraz rozdziałów 3, 4, 5, 8 i 9. Trzy miesiące od 27 lipca to 28 października i to jest właśnie ta data.

    W odłożonych rozdziałach siedzi cała maszyneria: opinie indywidualne, kontrola, postępowanie w sprawie naruszenia, kary administracyjne i możliwość zawarcia układu. Powołanie Komisji Rozwoju i Bezpieczeństwa Sztucznej Inteligencji, w skrócie KRiBSI, oraz lista jej zadań obowiązują od sierpnia. Organ więc istniał, ale dopiero dziś dostał narzędzia i terminy, w których musi ich użyć.

    Przewodniczącą komisji jest Pamela Krzypkowska, powołana przez Sejm 18 września. W rozmowie z „Rzeczpospolitą” powiedziała zdanie, które warto zapamiętać przy każdej firmowej dyskusji o AI: każda skarga musi być rozpatrzona.

    Kto jest kim

    Rozporządzenie 2024/1689 rozdziela role. Dostawca wprowadza system na rynek albo oddaje go do użytku pod własną nazwą. Podmiot stosujący, po angielsku deployer, używa systemu w swojej działalności. Salon, który wykupuje subskrypcję asystenta do odpowiedzi na wiadomości, jest podmiotem stosującym. Firma, która zleca napisanie chatbota i sprzedaje go dalej pod swoją marką, jest dostawcą i odpowiada za dokumentację techniczną, zgodność i nadzór nad modelem.

    Polska ustawa nie dokłada nowych obowiązków merytorycznych. Dokłada organ, procedurę i kary za obowiązki, które były w rozporządzeniu od sierpnia. To rozróżnienie ma praktyczne znaczenie, bo wiele porad w sieci opisuje obowiązki dostawcy i straszy nimi właściciela salonu, który nigdy nie wystawił systemu AI na sprzedaż.

    Co obowiązywało już wcześniej

    Trzy rzeczy działały przed dzisiejszą datą i nie znikają z listy tylko dlatego, że dziś doszła czwarta.

    Zakazy z art. 5 obowiązują od 2 lutego 2025 roku. Nie wolno używać AI do oceny lub klasyfikacji ludzi na podstawie ich zachowania w sposób, który prowadzi do krzywdzącego traktowania, do rozpoznawania emocji w miejscu pracy i w szkole, do technik podprogowych ani do wykorzystywania słabości wynikających z wieku, niepełnosprawności czy sytuacji społecznej. Kamera w gabinecie, która ocenia nastrój pracownika, należy do praktyk zakazanych.

    Obowiązek kompetencji z art. 4 obowiązuje od tego samego dnia. Dostawca i podmiot stosujący mają podjąć środki, żeby personel miał wystarczający poziom wiedzy o AI, z uwzględnieniem jego doświadczenia i kontekstu użycia. Nie ma certyfikatu, nie ma egzaminu, nie ma wymaganej liczby godzin. Jest wymóg, żeby dało się pokazać, że firma coś zrobiła.

    Przejrzystość z art. 50 obowiązuje od 2 sierpnia 2026 roku. Kto publikuje deepfake, czyli wygenerowany obraz, głos albo wideo przedstawiające rzeczy, które się nie wydarzyły, musi ujawnić, że powstało inaczej. Przy tekście obowiązek jest węższy i dotyczy publikacji, które informują o sprawach interesu publicznego. Post na Instagramie salonu fryzjerskiego nie jest taką publikacją. Reklama z wygenerowaną twarzą klientki, która wygląda jak zdjęcie, już jest problemem.

    Gdzie to dotyka strony internetowej

    Trzy miejsca w zwykłej firmowej stronie są dziś bardziej narażone na pytanie ze skargi niż reszta.

    Pierwsze to czat na stronie. Jeśli widget udaje człowieka i nie mówi, że jest botem, obowiązek informowania ma przede wszystkim dostawca systemu, ale to twoja strona jest miejscem, w którym klient tego nie widzi. Sprawdzenie zajmuje minutę: otwórz czat w trybie incognito i przeczytaj pierwsze zdanie. Drugie to formularze i pliki, które trafiają do narzędzia AI. Jeśli pracownik wkleja treść zapytania klienta do modelu, żeby szybciej napisać odpowiedź, dane wychodzą z firmy bez podstawy i bez umowy powierzenia. Trzecie to zdjęcia i wideo w reklamach, bo to one najczęściej przechodzą przez generator i najmocniej udają rzeczywistość.

    Jak wygląda skarga

    Skargę może złożyć każdy: osoba fizyczna, osoba prawna i jednostka bez osobowości prawnej. Klient, były pracownik, konkurent, dziennikarz. Art. 59 ustawy wymaga trzech rzeczy: nazwy lub opisu systemu, opisu faktów i powodów, dla których autor uważa, że doszło do naruszenia. Skargę składa się elektronicznie, a papierowo tylko wtedy, gdy elektronicznie się nie da.

    Dalej idzie procedura, którą warto znać, bo ma terminy. Kontrola nie może się zacząć wcześniej niż siedem dni po doręczeniu zawiadomienia o jej wszczęciu. Domyślnie jest prowadzona zdalnie. Kontrolujący ma prawo żądać dokumentów, korespondencji mailowej, dostępu do systemów i do chmury, w zakresie, w jakim firma ma do nich dostęp, oraz wyjaśnień ustnych i pisemnych. W trakcie postępowania komisja może wydać ostrzeżenie z listą działań naprawczych, a firma ma 21 dni na informację, że je wykonała. Osobno, jeśli komisja stwierdzi naruszenie i nie dojdzie do układu, wydaje decyzję, która nakazuje usunięcie skutków naruszenia w 14 dni od doręczenia. Całe postępowanie nie może trwać dłużej niż sześć miesięcy od doręczenia postanowienia o jego wszczęciu.

    Ten układ jest łagodniejszy, niż brzmi w nagłówkach. Pierwszym narzędziem jest ostrzeżenie, nie kara, a wykonanie zaleceń komisja bierze pod uwagę przy ustalaniu wysokości kary.

    Ile to kosztuje

    Kary wynikają z art. 99 rozporządzenia, do którego odsyła art. 105 ustawy. Trzy progi: do 35 mln euro albo 7 proc. obrotu za praktyki zakazane z art. 5, do 15 mln euro albo 3 proc. za naruszenie między innymi obowiązków przejrzystości z art. 50, do 7,5 mln euro albo 1 proc. za podanie organowi nieprawdziwych lub niepełnych informacji. Przy MŚP kara wynosi tyle, ile niższa z tych dwóch wartości, więc dla małej firmy w praktyce liczy się procent obrotu, a nie kwota w euro. Kwoty przelicza się na złote po kursie NBP z 28 stycznia danego roku.

    Przykład, nie benchmark: firma z obrotem 1,2 mln złotych. Trzy procent to 36 tysięcy złotych, siedem procent to 84 tysiące. Przygotowanie do pierwszej kontroli to inwentarz narzędzi, jedna strona zasad i szkolenie. Osiem godzin pracy po 150 złotych to 1200 złotych, czyli trzydzieści razy mniej niż najniższy z tych progów.

    Kara jest mało prawdopodobna, ale koszt przygotowania jest mały wobec ceny sporu o to, czy firma w ogóle wie, czego używa.

    Opinia za 150 złotych

    Najciekawszym mechanizmem w tej ustawie jest opinia indywidualna. Firma może złożyć wniosek o pisemną odpowiedź, czy jej konkretne zastosowanie AI jest zgodne z przepisami. Opłata wynosi 150 złotych. Komisja ma 30 dni, a w sprawach szczególnie skomplikowanych 60. Opinia wiąże komisję i inne organy państwowe w opisanym stanie faktycznym, a zastosowanie się do niej przed jej zmianą nie może firmie zaszkodzić.

    Jest jeszcze jedno zdanie, które warto znać: jeżeli komisja nie wyda opinii w terminie, uznaje się ją za wydaną zgodnie ze stanowiskiem, które firma przedstawiła we wniosku. Wniosek musi więc zawierać własną ocenę prawną, a nie tylko opis sytuacji.

    Dla małej firmy to najtańszy sposób, żeby dostać wiążącą odpowiedź na pytanie, które i tak prędzej czy później zada klient albo pracownik, i znacznie tańszy niż spór po kontroli.

    Czego ta ustawa nie wymaga

    Nie ma obowiązkowego oficera AI. Nie ma certyfikatu, który trzeba wykupić. Nie ma obowiązku zgłaszania każdego użycia ChatGPT do żadnego rejestru: rejestr z art. 6 ustawy prowadzi komisja i wpisuje do niego skargi, a nie narzędzia firm. Nie ma oceny zgodności dla systemu, który nie jest wysokiego ryzyka, a ChatGPT do pisania opisów usług takim systemem nie jest. Obowiązki dla systemów wysokiego ryzyka z załącznika III wchodzą 2 grudnia 2027 roku, a z załącznika I 2 sierpnia 2028 roku.

    Ustawa nie zdejmuje też RODO. Jeśli narzędzie przetwarza dane klientów, działa ustawa o ochronie danych osobowych i UODO, a komisja ma z nim współpracować. Wpisanie danych klienta do darmowego czatu pozostaje tym samym problemem co przed 28 października, tylko teraz ma dodatkową ścieżkę skargi.

    Co zrobić w tym tygodniu

    1. Wypisz narzędzia AI, których naprawdę używa firma, razem z tymi na prywatnych kontach pracowników. Kolumny: narzędzie, do czego, jakie dane, kto używa.
    2. Sprawdź, czy któreś nie robi rzeczy z art. 5. Ocena emocji, scoring zachowań, techniki podprogowe. Jeśli tak, wyłącz je dziś, nie w przyszłym kwartale.
    3. Napisz jedną stronę zasad: co wolno wrzucać do modelu, czego nie wolno, kto zatwierdza treści wychodzące na zewnątrz.
    4. Oznacz to, co wygląda jak prawdziwe, a nie jest: wideo, głos, zdjęcia w reklamach.
    5. Zostaw ślad po szkoleniu. Data, lista osób, zakres. Art. 4 nie wymaga certyfikatu, wymaga środków.
    6. Zapisz, gdzie leżą umowy z dostawcami narzędzi. To pierwszy dokument, o który poprosi kontrolujący.

    Szósty punkt jest nudny i właśnie dlatego zostaje na koniec. Cała reszta zależy od osoby, która przejrzy narzędzia, porówna je z tym, co firma robi naprawdę, i zapisze, co ustaliła. W dydlak.cloud prowadzę taki przegląd u klientów: spis narzędzi AI, jednostronicowe zasady korzystania i odpowiedź na pytanie, co z tych przepisów dotyczy właśnie tej firmy, a nie korporacyjnego działu zgodności.

  • AI w małej firmie: od czego zacząć, żeby nie przepalić budżetu

    Wdrożenie AI nie polega na dopisaniu kolejnego narzędzia do listy subskrypcji. Polega na znalezieniu pracy, która powtarza się co tydzień, i oddaniu jej maszynie tak, żeby efekt dało się policzyć.


    Wdrożenie zaczyna się od procesu, nie od modelu

    W praktyce „wdrożenie AI” sprowadza się do jednego pytania: które zadania w Twojej firmie ktoś wykonuje w kółko, ręcznie, i które z nich model może przejąć bez psucia jakości? Jeśli odpowiesz na to pytanie, wybór narzędzia zajmuje godzinę. Jeśli nie odpowiesz, kupisz platformę, przeszkolisz zespół i po dwóch miesiącach nikt nie będzie umiał powiedzieć, co się właściwie zmieniło.

    Dlatego kolejność jest zawsze taka sama: proces, koszt tego procesu, dopiero potem technologia. Model językowy dobrze radzi sobie z czytaniem i pisaniem tekstu, klasyfikowaniem wiadomości, streszczaniem dokumentów i wyszukiwaniem informacji w firmowych zbiorach. Nie prowadzi rozmowy sprzedażowej, nie podejmuje decyzji kredytowej i nie zastąpi osoby, która zna klienta od dziesięciu lat. Rozróżnienie tych dwóch list jest połową roboty.

    Subskrypcja ChatGPT rozdana zespołowi to nie wdrożenie. To wydatek, który czasem przynosi efekty, a czasem tylko rachunek.

    Małe firmy mają tu przewagę, nie handicap

    Dane Eurostatu za 2025 rok pokazują skalę luki: AI używało 17% małych firm w Unii, 30% średnich i 55% dużych. W Polsce odsetek wszystkich firm z co najmniej dziesięcioma pracownikami wyniósł 8,4%, czyli jeden z najniższych w Europie. Łatwo z tego wyciągnąć wniosek, że małe firmy są zapóźnione. Moim zdaniem to odwrotne czytanie danych.

    Duża organizacja ma problem, którego mała nie ma: żeby cokolwiek zmienić, musi przejść przez działy, budżety, IT, compliance i dwa komitety. Mała firma ma proces, który mieści się w jednej głowie, i osobę, która może powiedzieć „robimy to w poniedziałek”. To dokładnie ten układ, w którym pilotaż trwa tygodnie, a nie kwartały.

    Przewaga jest jednak warunkowa. Znika, gdy właściciel traktuje AI jak zakup, a nie jak zmianę sposobu pracy.

    Gdzie to się zwraca najszybciej

    Cztery obszary wracają w niemal każdym wdrożeniu, które widziałem u mniejszych klientów.

    Obsługa powtarzalnych zapytań. Asystent odpowiadający na pytania z Twojej bazy wiedzy: godziny otwarcia, dostępność, status zamówienia, warunki zwrotu, zakres usług. Wartość nie polega na tym, że odpowiada 24/7, choć to też. Polega na tym, że klient dostaje odpowiedź w minutę, a Ty nie przerywasz pracy nad wyceną, żeby napisać po raz czterdziesty, gdzie zaparkować.

    Dokumenty. Faktury, umowy, formularze, zgłoszenia reklamacyjne. Wyciągnięcie kilku pól z PDF-a i wpisanie ich do arkusza to praca, której nikt nie lubi, a która zjada godziny w tygodniu. Tu AI działa dobrze, bo zadanie jest wąskie i sprawdzalne: albo kwota się zgadza, albo nie.

    Treści, których i tak nie piszesz od zera. Opisy produktów, warianty tekstów reklamowych, pierwsze wersje ofert. Model daje szkic, człowiek robi z niego tekst. Jeśli liczysz na gotowy materiał do publikacji bez redakcji, rozczarujesz się.

    Porządkowanie zgłoszeń. Klasyfikacja maili, tagowanie leadów, streszczanie długich wątków, wyciąganie z rozmów tego, co trzeba zrobić i do kiedy.

    Wspólny mianownik: powtarzalność i objętość. Jeśli coś zdarza się raz w miesiącu, automatyzacja tego się nie zwróci. Jeśli zdarza się trzydzieści razy dziennie, zwróci się szybko.

    RAG i agent, czyli dwa pojęcia, które warto znać

    Dwa terminy wracają w każdej rozmowie o wdrożeniach, więc rozłóżmy je na części.

    RAG (retrieval-augmented generation) to sposób pracy, w którym model najpierw szuka właściwego fragmentu w Twoich dokumentach, a dopiero potem na nim odpowiada. Bez tego odpowiada z pamięci, czyli z ogólnej wiedzy, i potrafi z pełnym przekonaniem podać nieprawdę. Z RAG-iem asystent „zna” Twój cennik, regulamin i procedury, bo za każdym razem je czyta. To nie eliminuje błędów, ale zmienia ich charakter: z wymyślonych na takie, które wynikają z nieaktualnego dokumentu, a to dużo łatwiej naprawić.

    Agent robi więcej niż odpowiadanie: sprawdza status w systemie, tworzy rekord, wysyła maila, przechodzi do następnego etapu. Agent jest mocniejszy i kosztowniejszy w utrzymaniu, bo każda akcja wymaga uprawnień, obsługi błędów i zabezpieczenia przed sytuacją, w której model robi coś, czego nie powinien. W małej firmie pierwszy projekt prawie nigdy nie powinien być agentem. Najpierw asystent, który czyta i podpowiada, potem ewentualnie automatyzacja, która działa.

    Jak policzyć, czy to się opłaca

    Rachunek jest prosty i nie wymaga modelu finansowego. Policz, ile godzin miesięcznie pochłania proces, ile kosztuje godzina pracy osoby, która go wykonuje, i jaką część tej pracy przejmie automatyzacja. Realnie to 60 do 80%, nie 100%, bo zawsze zostaje obsługa wyjątków.

    Przykład. Trzydzieści zapytań klientów dziennie, średnio siedem minut na jedno. To trzy i pół godziny dziennie, przy 21 dniach roboczych około 73 godzin miesięcznie. Przy koszcie godziny 60 złotych daje 4410 złotych. Jeśli asystent przejmie 70% zapytań, uwalnia około 51 godzin, czyli 3087 złotych miesięcznie. Koszt utrzymania takiego rozwiązania (API, hosting, aktualizacja bazy wiedzy) to zwykle kilkaset złotych miesięcznie. Reszta jest zyskiem albo czasem, który możesz przeznaczyć na coś innego.

    Uwaga na uproszczenie: nie licz tego jako „oszczędności na etacie”. W małej firmie nikt nie zwalnia osoby po wdrożeniu asystenta. Wartość bierze się z trzech miejsc, które trudniej wpisać do tabeli: szybkości odpowiedzi, powtarzalności komunikatu i możliwości obsłużenia szczytu bez dokładania rąk. To nadal pieniądze, tylko mniej widoczne.

    Pilotaż w trzydzieści dni

    Zamiast „transformacji cyfrowej” zrobiłbym jedną rzecz w skali, którą da się cofnąć.

    Tydzień 1. Wybierz jeden proces i zmierz go tak, jak jest dziś. Nie „dużo czasu”, tylko liczba zdarzeń i minut. Zapisz punkt odniesienia, bo bez niego nie udowodnisz efektu nawet sam sobie.

    Tydzień 2. Zbierz dokumenty, z których asystent ma korzystać, i sprawdź, czy są aktualne. To najnudniejszy etap i miejsce, w którym pada najwięcej projektów. Model nie naprawi cennika z 2023 roku.

    Tydzień 3. Uruchom wąsko: jeden kanał, jedna grupa klientów albo jeden typ dokumentu. Zostaw człowieka w pętli. Niech ktoś przegląda odpowiedzi, zanim pójdą do klienta.

    Tydzień 4. Porównaj z punktem odniesienia. Jeśli 70% odpowiedzi idzie bez poprawek, skaluj na kolejny kanał. Jeśli 30%, problem jest w danych albo w zakresie, nie w modelu.

    Przed startem ustal kryterium porażki. „Jeśli po miesiącu ludzie nadal poprawiają większość odpowiedzi, wyłączamy i wracamy do rozmowy o procesie.” Projekt bez takiego warunku kończy się przywiązaniem do narzędzia, które nie działa.

    Ryzyka, o których trzeba powiedzieć wprost

    Zmyślanie. Model potrafi odpowiedzieć pewnym tonem na pytanie, którego nie powinien dotykać. W obsłudze klienta to ryzyko wizerunkowe. Ograniczają je trzy rzeczy: RAG na aktualnych dokumentach, jasny zakres tematów, na które asystent odpowiada, i eskalacja do człowieka przy wątpliwości.

    Dane. Zanim wkleisz umowę albo dane klienta do zewnętrznego narzędzia, sprawdź, gdzie trafiają i czy masz podstawę do ich powierzenia. W UE to rozmowa o RODO, nie o dobrych intencjach. Część zadań lepiej rozwiązać na modelu hostowanym u Ciebie albo w chmurze z umową powierzenia i wyłączonym trenowaniem na danych.

    AI Act. Większość przepisów rozporządzenia obowiązuje od 2 sierpnia 2026 roku, a obowiązki dla systemów wysokiego ryzyka wchodzą etapami w 2027 i 2028. Dla małej firmy praktyczne znaczenie mają dwie rzeczy: przezroczystość (klient ma wiedzieć, że rozmawia z AI, a treści generowane przez model bywają oznaczone) oraz kompetencje zespołu, bo obowiązek zapewnienia podstawowej wiedzy o AI obowiązuje od lutego 2025. Większość wdrożeń w małej firmie nie jest systemem wysokiego ryzyka, ale warto to sprawdzić, a nie zakładać.

    Koszt utrzymania. Wdrożenie to nie jednorazowy wydatek. Baza wiedzy się starzeje, model się zmienia, pojawiają się nowe pytania. Budżet na utrzymanie to część projektu, nie dodatek.

    Nadmiar automatyzacji. Nie wszystko warto oddawać maszynie. Reklamacja po trzech tygodniach oczekiwania albo rozmowa o zwrocie dużego zamówienia powinny trafić do człowieka, i to szybko. Asystent ma odciążać, nie odgradzać.

    Czego nie robić

    Nie kupuj platformy przed wyborem procesu. Nie licz „liczby promptów” ani „liczby wdrożonych narzędzi” jako miary sukcesu. Nie zaczynaj od przebudowy wszystkich systemów, bo pierwszy projekt ma dowieźć wynik, a nie architekturę. I nie wdrażaj AI dlatego, że konkurencja gdzieś o tym wspomniała.

    Co zrobić w tym tygodniu

    1. Wypisz trzy zadania, które Twój zespół robi najczęściej i najmniej chętnie.
    2. Dla każdego oszacuj liczbę zdarzeń w miesiącu i minuty na jedno zdarzenie.
    3. Sprawdź, czy dokumenty potrzebne do ich obsługi są aktualne i w jednym miejscu.
    4. Wybierz to jedno, które ma największy iloczyn powtarzalności i czasu, i zaplanuj dla niego miesięczny pilotaż.

    Jeśli po tym kroku nadal nie wiesz, od czego zacząć, to też jest odpowiedź: problem nie leży w technologii, tylko w tym, że proces nie został nigdy opisany. Wtedy pierwsza godzina pracy idzie na wypisanie zdarzeń i minut, a nie na porównywanie modeli. Czasem wystarczy jedno popołudnie z kimś, kto zada niewygodne pytania o to, co naprawdę zajmuje zespółowi czas.

    W dydlak.cloud robię dokładnie to, co opisuje ten tekst: przegląd procesów, wybór jednego kandydata, pilotaż z punktem odniesienia i kryterium porażki ustalonym przed startem, a potem utrzymanie, kiedy rozwiązanie już działa. Pracuję bezpośrednio z właścicielem, więc decyzje zapadają w trakcie rozmowy, a nie w kolejnym sprintcie. Jeśli chcesz sprawdzić, czy w Twojej firmie jest co automatyzować, napisz kilka zdań o tym, co zajmuje najwięcej czasu. Odpowiem, czy to dobry kandydat na pilotaż, czy strata pieniędzy.