„Audyt AI w firmie” to dziś nazwa trzech różnych usług, a kto sprzedaje Ci jedną z nich, nie mówiąc której, sprzedaje Ci przede wszystkim tę niejasność. Pierwsza to audyt gotowości albo audyt procesów: który proces zautomatyzować jako pierwszy i czy w ogóle. Druga to audyt zgodności z AI Act: czego wymaga od Ciebie prawo i jak to wykazać. Trzecia to audyt widoczności w AI: czy ChatGPT albo Gemini wymieniają Twoją markę — czyli praca z pogranicza SEO. Wyszukiwarka dokłada do tego teksty o AI w audycie finansowym, a to już czwarta, zupełnie inna rzecz.
Ten tekst jest o pierwszej z nich — o audycie jako pierwszej fazie każdego wdrożenia AI w firmie — i patrzy na nią od strony kupującego: co jest sprawdzane, czego wymaga od Twojego zespołu, ile trwa, jaki dokument dostajesz, od czego zależy koszt i kiedy jest wydatkiem bez sensu. Tam, gdzie porównujemy się z rynkiem, opieramy się na tym, co polskie firmy doradcze publikują o własnych audytach (odczyt z 6 września 2026 r.).
Czym jest audyt AI — i czym nie jest
Audyt AI w rozumieniu tego tekstu — nazywany też audytem procesów pod AI albo audytem sztucznej inteligencji — to krótki przegląd o ustalonym z góry zakresie: jak dziś wykonywana jest praca w jednym dziale albo jednej grupie procesów. Kończy się uszeregowaną listą procesów kandydujących, wskazaniem jednego na początek wraz z uzasadnieniem oraz mierzalnymi kryteriami sukcesu ustalonymi przed budową czegokolwiek. Nie ma w nim wyboru narzędzia — to ostatnia decyzja w projekcie, a audyt służy podjęciu pierwszych.
To nie praca nad zgodnością z AI Act
Zgodność z AI Act odpowiada na inne pytanie: jakich systemów AI już używasz, jakie obowiązki przypisał Twojej roli prawnik i co trzeba wdrożyć, żeby dało się to wykazać. Stronę techniczną opisujemy osobno, na stronie o technicznym sprincie zgodności z AI Act. Jedno może ujawnić potrzebę drugiego, ale nie są tym samym dokumentem i żadne nie jest opinią prawną: klasyfikacja systemów i interpretacja przepisów należą do Twojego prawnika, my wdrażamy to, co inżynierskie, w zakresie, który wskaże.
To nie audyt widoczności w AI
Audyt widoczności w AI sprawdza, czy ChatGPT albo Gemini wymieniają Twoją markę. To praca z obszaru SEO, której nie wykonujemy, a słowo „AI” w jej nazwie odnosi się do miejsca, w którym pojawia się Twoja marka, nie do tego, jak pracuje Twoja firma.
To nie strategia AI
Strategia napisana przed pierwszym wdrożeniem opiera się na założeniach, których nikt jeszcze nie sprawdził. Audyt, który trwa dwa miesiące i kończy się prezentacją o kierunkach, jest zwykle strategią pod inną nazwą. Nasza faza pierwsza jest celowo krótka, bo jej wynikiem ma być decyzja, nie wizja: pilotaż konkretnego procesu albo uzasadnione „nie teraz”.
Co obejmuje audyt AI w firmie: trzy rzeczy, które sprawdzamy
Audyt gotowości na AI — bo tak też można go nazwać — patrzy na trzy warstwy: procesy, dane i systemy. Każda z nich potrafi sama zatrzymać projekt.
Procesy
Podstawą są rozmowy z osobami, które wykonują pracę, a nie wyłącznie z kierownictwem. Kierownik wie, jak proces powinien wyglądać; osoba, która go wykonuje, wie, jak wygląda naprawdę i gdzie łata go arkuszem. Rozmowy mają ustalony przebieg, więc wiesz zawczasu, jakie pytania usłyszy Twój zespół:
- Które czynności zajmują najwięcej czasu w tygodniu i ile razy w miesiącu się powtarzają?
- Skąd bierze się informacja wejściowa — mail, PDF, system, telefon — i gdzie ma trafić wynik?
- Kto rozstrzyga przypadki wątpliwe i według jakiej reguły?
- Jak wygląda błąd w tym procesie, kto go zauważa i po jakim czasie?
- Czy potrafisz dziś wyeksportować ostatnie sto przypadków tego procesu jako jedną tabelę?
- Czy w tych danych są dane osobowe, a jeżeli tak — czyje i kto jest ich administratorem?
- Czy istnieje gotowe narzędzie, które już to robi, i dlaczego go nie używacie?
- Jakich narzędzi AI zespół używa dziś na własną rękę?
Ostatnie pytanie bywa najbardziej pouczające: narzędzia wprowadzone przez zespoły samodzielnie pokazują, gdzie ludzie sami zdiagnozowali problem.
Dane
Test jest jeden i pochodzi z tekstu o tym, jak wdrożyć AI w firmie: eksport ostatnich stu przypadków procesu jako jednej tabeli. Nie opis, jak można by to zrobić — próba zrobienia tego. Próbę wykonuje ktoś z Twojej firmy, a my sprawdzamy jej wynik: format, kompletność pól i to, czy z historii da się odczytać regułę, według której zapadały decyzje. Jeżeli sto przypadków ma sto układów, właśnie zobaczyłeś pierwszy etap ewentualnego projektu. Jeżeli w próbce są dane osobowe, zostaje zminimalizowana, zanim trafi gdziekolwiek poza Twoją firmę — jak do tego podchodzimy, opisujemy na stronie o bezpieczeństwie danych i RODO.
Systemy
Trzecia warstwa to spis systemów, z których pochodzi informacja wejściowa i do których ma trafić wynik. Interesuje nas jedna cecha każdego z nich — czy ma API albo import plikowy. Jeżeli ma, integracja jest kwestią zakresu, nie możliwości; jeżeli nie ma, zakres rośnie o obejście, które ktoś będzie musiał utrzymywać. Licząc przyszły koszt, liczymy więc integracje, nie funkcje.
Jak oceniamy procesy: karta oceny
Strona o wdrożeniu obiecuje listę kandydatów „uszeregowaną według stosunku efektu do kosztu”. Tak wygląda karta oceny z fazy pierwszej. Każdy proces z rozmów dostaje pięć kryteriów w skali 0–2 — częstotliwość, stałość reguł, dostępność danych, wykrywalność i odwracalność błędu oraz właściciel — i oszacowanie efektu: godziny miesięcznie, czyli liczba wykonań razy minuty na sztukę.
Kilka reguł czyta się z karty bez sumowania. Zero przy danych oznacza „najpierw dane, nie AI”. Zero przy regułach albo przy właścicielu oznacza zadanie organizacyjne: dopóki dwie osoby robią to inaczej i obie mają rację, technologia utrwali spór. Efekt poniżej kilku godzin miesięcznie oznacza, że stały koszt modelu, integracji i monitorowania nie ma z czego się zwrócić; ujmujemy to zdaniem „Jeżeli proces zajmuje dwie godziny miesięcznie, prawie na pewno nie warto”, a wszystkie warunki, przy których odradzamy projekt, zebraliśmy na stronie czego nie robimy.
Przykład ilustracyjny, nie opis klienta. Liczby służą pokazaniu struktury, nie rynku. Fikcyjny dystrybutor B2B, czterdzieści osób, rozmowy w trzech działach:
| Proces | Efekt (godz./mies.) | Systemy | Częstotliwość | Dane | Reguły | Błąd | Właściciel | Wynik | Rekomendacja |
|---|---|---|---|---|---|---|---|---|---|
| Ręczne wprowadzanie zamówień z maili do ERP | 600 × 6 min = 60 | poczta → ERP (API) | 2 | 2 | 1 | 2 | 2 | 9/10 | pilotaż jako pierwszy |
| Przygotowanie ofert na zapytania | 80 × 25 min = 33 | poczta, arkusz, CRM | 2 | 1 | 0 | 1 | 2 | 6/10 | najpierw spisać reguły wyceny |
| Przewidywanie opóźnień dostaw | — | brak historii | — | 0 | — | — | — | odpada | nie sprzedajemy predykcji bez historii danych |
| Miesięczne zestawienie dla zarządu | 1 × 120 min = 2 | ERP, arkusz | 0 | 2 | 2 | 2 | 2 | 8/10 | za rzadki; koszt stały się nie zwróci |
Proces pierwszy wygrywa nie dlatego, że ma najwyższy wynik, tylko dlatego, że sześćdziesiąt godzin miesięcznie ma z czego pokryć stały koszt utrzymania, a błąd wychodzi na jaw tego samego dnia w magazynie. Proces czwarty ma niemal równie dobrą kartę i mimo to odpada: dwie godziny raz w miesiącu nie zwrócą żadnej integracji. Proces drugi wróci, gdy dział handlowy spisze reguły wyceny. Proces trzeci odpada z innego powodu: przewidywanie bez historii to projekt zbierania danych sprzedawany pod nazwą predykcji, a takich nie prowadzimy.
Dla wybranego procesu, jeszcze przed pilotażem, powstaje kryterium sukcesu w jednym zdaniu — w przykładzie: „Dziś zamówienie z maila trafia do ERP średnio po 4 godzinach; po wdrożeniu — po 30 minutach, przy odsetku błędów nie wyższym niż dzisiejsze 2%.” Do tego jedno ustalenie, które nie podlega ocenie punktowej: „Każde wdrożenie startuje w trybie, w którym system przygotowuje, a człowiek zatwierdza.” W przykładzie: system tworzy zamówienie w ERP jako projekt, a osoba z obsługi zatwierdza je — od pierwszego dnia; poluzowanie nadzoru to decyzja na danych z pilotażu.
Co dostajesz po audycie AI
Trzy rezultaty fazy pierwszej są opublikowane w metodyce wdrożenia i brzmią dokładnie tak: „Lista procesów kandydujących z oszacowaniem czasu i kosztu, wskazanie jednego procesu na początek wraz z uzasadnieniem, oraz mierzalne kryteria sukcesu ustalone przed budową czegokolwiek.” Audyt kończy się dokumentem i decyzją, nie prezentacją.
Dokument ma stały układ — poniżej szablon, nie raport konkretnego klienta:
- Strona pierwsza: decyzja i kryteria. Jedno z dwóch zdań — „pilotaż procesu X” albo „nie warto teraz, ponieważ…” — i kryteria sukcesu, według których pilotaż będzie oceniany.
- Karty oceny wszystkich przejrzanych procesów, również odrzuconych, z powodem.
- Wybrany proces z uzasadnieniem i przybliżonym zakresem pilotażu: co wchodzi, co zostaje poza nim i jaką wątpliwość ma rozstrzygnąć.
- Lista rzeczy do przygotowania przed pilotażem: dostępy, eksport danych, osoba, która będzie zatwierdzać wyniki.
- Sygnały regulacyjne do przekazania prawnikowi — tam, gdzie w procesie są dane osobowe albo narzędzie, którego użycie może podlegać AI Act. To wskazanie, co sprawdzić, nie ocena prawna — nie doradzamy prawnie.
- Lista tego, co odradziliśmy, i dlaczego.
Rekomendacja negatywna jest przewidzianym wynikiem audytu, nie jego porażką — projekt może się skończyć po fazie pierwszej i tak jest zaprojektowany. A jeżeli okaże się, że istnieje gotowe narzędzie, które robi to samo w abonamencie, napiszemy to również wtedy, gdy oznacza to brak zlecenia.
Ile trwa audyt AI — i dlaczego dłuższy nie znaczy lepszy
Od jednego do dwóch tygodni dla jednego działu albo grupy procesów — to liczba z metodyki. Ilustracyjnie: pierwszy tydzień to rozmowy i próba eksportu danych, drugi — karty oceny, dokument i spotkanie, na którym omawiamy decyzję.
Dla porównania: polskie firmy doradcze publikują dla swoich audytów czasy od „2–5 dni roboczych”, przez „2–4 tygodnie”, po „od kilku tygodni do kilku miesięcy” dla całej organizacji, a jedna z nich podaje na tej samej stronie „1–2 tygodnie” we wstępie i „2–4 tygodnie” w pytaniach i odpowiedziach (stan na 6 września 2026 r.). Z takich deklaracji trudno wyczytać, co kupuje się za tydzień.
Audyt, który trwa dwa miesiące, jest strategią, a strategia przed pierwszym pilotażem to zgadywanie na papierze. Cały pierwszy projekt — audyt, pilotaż (dwa do czterech tygodni) i wdrożenie produkcyjne (cztery do dwunastu) — zajmuje zwykle od dwóch do czterech miesięcy; ośmiotygodniowy audyt zjadłby czas, w którym pilotaż mógł już dać twarde liczby. Terminy wydłuża zresztą nie praca inżynierska, tylko dostęp do danych i decyzje po stronie klienta.
Ile godzin zabiera Twoim ludziom
Tej pozycji nie znaleźliśmy w żadnej z ofert, które przeczytaliśmy, a to ona decyduje, czy audyt czegokolwiek ustali. W metodyce wymieniamy, czego potrzebujemy od Ciebie: jednej osoby, która zna proces i może decydować o zmianach w nim; dostępu do prawdziwych danych, nie do próbki demonstracyjnej; kontaktu po stronie IT do spraw dostępów; oraz zgody na to, że wynik może być negatywny.
Ilustracyjnie, dla dystrybutora z przykładu wyżej: sześć rozmów po około godzinie z osobami z trzech działów, dwie godziny na eksport danych, godzina osoby od IT na dostępy i pytania o systemy, godzina decydenta na omówienie wyniku i drugie tyle na lekturę dokumentu. Razem kilkanaście godzin w ciągu dwóch tygodni, rozłożonych na cztery–sześć osób. Te godziny muszą istnieć.
Audyt zawodzi najczęściej nie przez metodę, tylko przez kalendarz: nikt nie miał tych godzin, więc rozmowy odbyły się z kierownikiem zamiast z wykonawcą pracy, a eksport zastąpił opis, jak można by go zrobić. Powstaje dokument o procesach, których nikt nie opisał — i decyzja oparta na domysłach.
Ile kosztuje audyt AI
Nie podamy tu widełek, bo koszt audytu zależy od czterech rzeczy, których nie znamy przed rozmową z Tobą: liczby działów i procesów do przejrzenia, liczby systemów, z których trzeba pobrać dane, tego, czy w zakresie jest praca na próbce danych, czy tylko rozmowy, oraz tego, czy dane osobowe w próbce wymagają dodatkowej obsługi. Wycenę przedstawiamy po bezpłatnej konsultacji. To najtańszy i najściślej ograniczony etap całego projektu właśnie dlatego, że ma wbudowane zakończenie: może się skończyć wnioskiem, że nie warto.
Dla porządku, stan na 6 września 2026 r.: większość polskich firm publikuje przy audycie „wycenę indywidualną”. Jedyna publiczna kwota, jaką znaleźliśmy, to jedna opublikowana lista cen z 18 lutego 2026 r. z pozycją „4–6 tys. zł netto” za audyt procesów — bez opisu, co za tę kwotę powstaje, więc nie da się jej z niczym porównać.
Zanim zamówisz audyt, zrób jego bezpłatną wersję: pięć kroków samodzielnego szacowania z tekstu o tym, ile kosztuje wdrożenie AI. Jeżeli przyjdziesz z nazwanym procesem, zmierzoną liczbą i udanym eksportem stu przypadków, audyt skraca się i kosztuje mniej, bo zostaje z niego to, czego samodzielnie zrobić się nie da: porównanie kilku procesów i decyzja.
Kiedy audyt AI nie ma sensu
Osiem sytuacji, w których audyt jest wydatkiem bez sensu:
- Masz już proces, liczbę i wyeksportowane dane. Audyt skróciłby się do potwierdzenia kryteriów — przejdź od razu do zakresu pilotażu.
- Chcesz dokumentu dla zarządu, nie decyzji. To strategia — radzimy pisać ją po pierwszym pilotażu, na prawdziwych liczbach.
- Potrzebujesz klasyfikacji prawnej. Najpierw prawnik; techniczne przygotowanie do wymogów AI Act to ten drugi audyt z początku tekstu.
- Chodzi o widoczność marki w ChatGPT. Inna usługa, inni dostawcy.
- Nikt nie ma dla nas kilkunastu godzin. Audyt udokumentuje domysły.
- Proces wykonuje się kilka razy w miesiącu. Stały koszt każdej integracji nie ma z czego się zwrócić.
- Istnieje gotowe narzędzie. Audyt może się skończyć zdaniem „kup abonament” — powiemy to również wtedy, gdy kosztuje nas to zlecenie — ale jeżeli już to wiesz, nie potrzebujesz nas.
- Firma jest tak mała, że proces mieści się w jednej głowie. Wystarczy pięć bezpłatnych kroków samodzielnego szacowania; audyt jest po to, żeby zestawić kilka procesów z kilku działów.
Jak przygotować firmę do audytu AI
Sześć rzeczy, które możesz zrobić przed pierwszą rozmową; każda skraca audyt i poprawia decyzję na końcu:
- Wskaż jedną osobę decyzyjną dla każdego procesu, który chcesz przejrzeć — kogoś, kto może powiedzieć, jak proces ma wyglądać, a nie tylko jak wygląda.
- Spisz systemy, z których pochodzą dane i do których ma trafić wynik, razem z tym, kto nimi administruje.
- Spróbuj samodzielnie wyeksportować ostatnie sto przypadków jednego procesu jako jedną tabelę. To, co Cię przy tym zatrzyma, jest informacją cenniejszą niż sam plik.
- Zmierz przez dwa tygodnie jedną liczbę, która ma się zmienić: czas obsługi sprawy, odsetek poprawek, opóźnienie.
- Wypisz narzędzia AI, których zespół już używa na własną rękę — bez oceniania, po prostu listę.
- Uzgodnij wewnętrznie, że „nie warto” jest dopuszczalnym wynikiem. Bez tego audyt zamienia się w formalność poprzedzającą decyzję, która już zapadła.
Co dalej
Audyt jest pierwszą z czterech faz wdrożenia AI w firmie — po nim następują pilotaż, wdrożenie produkcyjne i przekazanie, a po każdej z nich możesz się zatrzymać. Opisz nam jeden proces: co się w nim powtarza, skąd biorą się dane i kto za niego odpowiada. Odpowiemy, czy audyt ma u Ciebie sens — również wtedy, gdy odpowiedź brzmi „jeszcze nie warto”.