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
- Wypisz trzy zadania, które Twój zespół robi najczęściej i najmniej chętnie.
- Dla każdego oszacuj liczbę zdarzeń w miesiącu i minuty na jedno zdarzenie.
- Sprawdź, czy dokumenty potrzebne do ich obsługi są aktualne i w jednym miejscu.
- 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.
