Problem · wdrożenie AI
Decyzja o wdrożeniu AI zapada, zanim ktokolwiek wskaże zadanie.
Wdrożenie AI w firmie sprzedaje się dziś w procentach oszczędności podanych przed obejrzeniem czegokolwiek. Piszę o rzeczy odwrotnej niż większość takich stron: do czego sztuczna inteligencja się nie nadaje, mimo że demo wygląda dobrze.
Bogusław Tolarz · aktualizacja: 20 sierpnia 2026
Kiedy to dotyczy właśnie Ciebie
- Wiesz, że „trzeba coś zrobić z AI”, ale nikt w firmie nie potrafi wskazać konkretnego miejsca, w którym miałoby to pomóc.
- Dostajesz oferty, które mówią o procentach oszczędności, zanim ktokolwiek zobaczył, jak pracuje Twoja firma.
- Ktoś w zespole już używa czatu AI do swojej roboty, prywatnie, i nikt nie wie, jakie dane tam wkleja.
- Byliście na demo, wyglądało świetnie, a po spotkaniu nadal nie wiadomo, co konkretnie miałoby się zmienić w poniedziałek.
- Masz wrażenie, że konkurencja już to ma — bo tak pisze na stronie.
Dlaczego tak trudno się w tym połapać
Bo w tej chwili opłaca się mówić o AI głośno i nie opłaca się mówić o jej granicach. Oferty podają procenty oszczędności, terminy w tygodniach i zwroty z inwestycji — zwykle bez jednego zdania o tym, na jakiej próbie, w jakim okresie i jak liczone. Trudno na tej podstawie ocenić cokolwiek, bo wszyscy brzmią tak samo.
Druga rzecz: demo prawie zawsze wygląda dobrze. Model językowy jest dobry w brzmieniu przekonująco — to dokładnie ta umiejętność, którą trenowano. Różnica między „działa na pokazie” a „działa na Twoich danych, w poniedziałek, przy nietypowym zamówieniu” nie jest widoczna na spotkaniu i tam się jej nie da sprawdzić.
Dlatego na tej stronie nie znajdziesz ode mnie żadnego procentu. Znajdziesz podział na zadania, w których to realnie działa, i takie, w których kosztuje więcej, niż daje.
Do czego to się realnie nadaje
Wspólny mianownik: zadanie jest powtarzalne, wynik da się sprawdzić, a błąd nie kosztuje od razu pieniędzy albo reputacji.
Zamiana tekstu w dane
Wyciąganie konkretnych pól z maila, faktury czy zamówienia napisanego prozą i zamiana ich w rekord, który da się wprowadzić do systemu. To zadanie, w którym modele językowe są dziś realnie dobre — i takie, które w małej firmie zwykle wykonuje człowiek.
Wstępna segregacja
Rozpoznanie, do kogo trafia zgłoszenie, czy jest pilne, czy to reklamacja, zapytanie ofertowe czy spam. Nie musi być bezbłędna — wystarczy, że zdejmuje z człowieka pierwszy przebieg przez skrzynkę.
Odpowiedzi na powtarzalne pytania
Tam, gdzie odpowiedź istnieje i jest ta sama od lat, a mimo to ktoś pisze ją ręcznie po raz setny. Warunek: musi być z czego odpowiadać — model ma sięgać do Twoich dokumentów, a nie do własnej pamięci.
Streszczanie i przygotowanie materiału
Skrócenie długiego wątku, złożenie notatki, przygotowanie pierwszej wersji dokumentu, którą człowiek potem poprawia. Sensowne wszędzie tam, gdzie i tak ktoś by to przeczytał i przepisał.
Do czego bym tego nie użył
To nie jest lista wad technologii. To lista miejsc, w których koszt sprawdzania wyniku zjada całą oszczędność — albo w których pomyłka wychodzi poza firmę.
Decyzje, za które ktoś odpowiada
Przyznanie rabatu, ocena zdolności kontrahenta, kwalifikacja prawna. Nie dlatego, że model „nie umie” — tylko dlatego, że gdy wyjdzie źle, odpowiedzialności nie da się przenieść na oprogramowanie. To musi zostać przy człowieku.
Liczenie
Model językowy potrafi podać liczbę, która wygląda dobrze i jest nieprawdziwa. Sumowanie, rozliczanie, przeliczanie stawek — to robota dla zwykłego kodu albo arkusza, gdzie wynik jest powtarzalny i sprawdzalny.
Zadania, których wyniku nikt nie umie zweryfikować
Jeśli nie ma sposobu, żeby stwierdzić, czy odpowiedź jest poprawna, to nie jest automatyzacja — to generowanie treści, w które trzeba uwierzyć. W procesie firmowym to zwykle gorsze niż stan wyjściowy.
Procesy zdarzające się rzadko
Koszt wdrożenia i stałej obsługi nie maleje proporcjonalnie do tego, jak rzadko proces się uruchamia — samo użycie modelu owszem, ale budowa i utrzymanie już nie. Przy zadaniach zdarzających się raz na kwartał człowiek wychodzi po prostu taniej i nikt tego nie powinien owijać w bawełnę.
Czego muszę się dowiedzieć, zanim policzę
Czasem kończą temat i to też jest wynik.
Jakie zadanie ma zniknąć z czyjegoś dnia?
Nie „gdzie wdrożyć AI”, tylko: która konkretna czynność, wykonywana dziś przez konkretną osobę, ma przestać być robiona ręcznie. Jeśli nie da się jej nazwać, jest za wcześnie na wycenę.
Skąd model ma wiedzieć to, co ma wiedzieć?
Odpowiedzi o Twojej firmie muszą pochodzić z Twoich dokumentów, cennika, procedur. Bez tego dostajesz coś, co brzmi wiarygodnie i bywa wymyślone. To zwykle większa część roboty niż samo podłączenie modelu.
Co się dzieje, gdy odpowiedź jest błędna?
Źle rozpoznane zgłoszenie w skrzynce to inna klasa kosztu niż źle wystawiony dokument. Ta odpowiedź decyduje, czy w ogóle warto — i ile kontroli trzeba wbudować.
Jakie dane wyjdą poza firmę?
Część zastosowań wymaga wysłania treści do zewnętrznego dostawcy. Czasem to bez znaczenia, czasem wyklucza rozwiązanie. Ustalam to na początku, bo potrafi przesądzić o wyborze technologii — łącznie z modelem działającym lokalnie.
Kto zauważy, że jakość spadła?
Model może zacząć odpowiadać gorzej po zmianie wersji u dostawcy, bez żadnej awarii i bez komunikatu o błędzie. Musi istnieć ktoś albo coś, co to wychwyci — inaczej dowiesz się od klienta.
Czy to samo da się zrobić bez AI?
Zadaję to pytanie zawsze i regularnie okazuje się, że tak: zwykłą regułą, formularzem albo funkcją, która już jest w systemie. Wtedy jest taniej, szybciej i nie psuje się przy aktualizacji modelu.
Co jest w tym trudne
Nie podłączenie modelu. To jest dziś kwestia konfiguracji i każdy dostawca zrobi to sprawnie. Trudne jest zaprojektowanie tego, co się dzieje, gdy model się pomyli — bo pomyli się, a w odróżnieniu od zwykłego programu nie zgłosi błędu. Poda odpowiedź w tym samym, pewnym siebie tonie co zawsze.
Z tego bierze się koszt, którego nie widać w ofercie: żeby wynik był użyteczny, trzeba zbudować sposób jego sprawdzania. Czasem to reguła odrzucająca nieprawdopodobne przypadki, czasem próg pewności, poniżej którego sprawa idzie do człowieka, czasem porównanie z danymi z systemu. Ta część zwykle jest większa niż samo „wdrożenie AI” — i to ona decyduje, czy rozwiązanie przetrwa pół roku.
Dlatego zaczynam od obejrzenia konkretnego zadania i powiedzenia wprost, czy to jest przypadek na AI, na zwykłą automatyzację, czy w ogóle na nic.
Najczęstsze pomyłki przy starcie
Nie zaczynałbym od wyboru narzędzia
Rozmowa, która zaczyna się od nazwy modelu albo platformy, kończy się rozwiązaniem szukającym problemu. Najpierw zadanie do usunięcia z czyjegoś dnia, potem dobór narzędzia — nigdy odwrotnie.
Nie wdrażałbym asystenta odpowiadającego klientom bez oparcia w dokumentach
Model bez dostępu do Twoich treści będzie odpowiadał z ogólnej wiedzy i prędzej czy później obieca klientowi coś, czego firma nie oferuje. To ryzyko, którego nie widać na demo.
Nie kupowałbym wdrożenia wycenionego przed obejrzeniem procesu
Jeśli ktoś podaje cenę i obiecuje efekt, zanim zobaczył, jak wygląda Twoja praca, wycenia własny szablon, a nie Twój problem. Nie znaczy to, że jest nieuczciwy — znaczy, że nie wie jeszcze, co wycenia.
Nie budowałbym tego jako osobnej wyspy
Rozwiązanie, do którego trzeba wejść osobno, zalogować się i skopiować wynik z powrotem do systemu, zostanie porzucone w trzecim tygodniu. Musi działać w miejscu, w którym ludzie już pracują.
Kiedy nie warto zaczynać.
Gdy zadania, o którym mówimy, nie da się nazwać. „Chcemy wykorzystać AI” nie jest zadaniem — to kierunek. Dopóki nie wiadomo, która czynność ma zniknąć z czyjegoś dnia, każda wycena jest zgadywaniem, a każdy termin wzięty z sufitu.
Gdy proces zdarza się rzadko. Utrzymanie kosztuje tyle samo przy zadaniu codziennym i kwartalnym, więc przy rzadkim po prostu się nie zwraca — niezależnie od tego, jak dobrze wygląda na pokazie.
I gdy dane, które musiałyby wyjść poza firmę, są tego rodzaju, że nie powinny. Wtedy zostaje rozwiązanie działające lokalnie — droższe i wolniejsze — albo rezygnacja. Uważam, że lepiej powiedzieć to na początku niż po podpisaniu.
Opisz jedno zadanie, które ma zniknąć z czyjegoś dnia.
Nie musisz wiedzieć, czy to przypadek na AI. Napisz, co się dzieje i kto to robi — odpowiem, czy to zadanie z pierwszej listy, z drugiej, czy takie, w którym zwykła reguła zrobi to samo taniej.
Jeśli zadanie jest powtarzalne, ale niekoniecznie wymaga AI: automatyzacja procesów w małej firmie → A tu wdrożenie, w którym model działa lokalnie, bez wysyłania danych do chmury: Zastanawiasz się nad chatbotem i chcesz wiedzieć, od czego zależy cena? ile kosztuje chatbot AI dla firmy → obieg dokumentów u operatora logistycznego →