Większość poradników o wdrażaniu AI zaczyna się od wyboru narzędzia. To najgorszy możliwy początek — nie dlatego, że narzędzie nie ma znaczenia, tylko dlatego, że jest ostatnią decyzją, która je ma. Zanim do niej dojdziesz, musisz rozstrzygnąć cztery rzeczy, których żadne narzędzie nie rozstrzygnie za Ciebie: który proces, jak wygląda sukces, skąd wezmą się dane i kto odpowiada za wynik, kiedy system się pomyli.
Poniżej opisujemy siedem kroków w kolejności, w jakiej trzeba je wykonać. To przewodnik dla osoby po stronie firmy — przydatny niezależnie od tego, czy poprowadzisz projekt samodzielnie, czy z wykonawcą. Jak taki projekt wygląda od strony wykonawcy, z podziałem na etapy i konkretnym rezultatem na końcu każdego z nich, opisaliśmy osobno w metodyce wdrożenia.
Krok 1. Wybierz jeden proces, a nie „AI w firmie”
„Wdrożenie AI” nie jest projektem, tylko kategorią projektów. Dopóki nie zawęzisz go do jednego procesu z nazwą i właścicielem, nie da się ani wycenić prac, ani stwierdzić, czy się udały.
Dobry pierwszy kandydat spełnia pięć warunków naraz:
- Powtarza się często — kilkadziesiąt razy w miesiącu lub więcej. Proces wykonywany pięć razy w miesiącu rzadko uzasadnia koszt integracji, bo ten koszt jest w dużej mierze stały.
- Ma w miarę stałe reguły. Jeżeli dwie osoby wykonują go dziś inaczej i obie uważają, że poprawnie, najpierw trzeba rozstrzygnąć, która ma rację — automatyzacja tego za Ciebie nie zrobi.
- Dane wejściowe istnieją w formie, którą da się przetworzyć maszynowo.
- Pomyłka jest wykrywalna i odwracalna. Na pierwszy projekt nie wybieraj procesu, w którym błąd wychodzi na jaw dopiero u klienta albo w urzędzie.
- Ma właściciela — konkretną osobę, która może rozstrzygać wątpliwości i której zależy na wyniku.
Jeżeli żaden proces nie spełnia wszystkich pięciu, wybierz ten, któremu brakuje wyłącznie punktu trzeciego. Brak danych to zadanie do wykonania. Brak właściciela albo brak zdefiniowanych reguł to problem, którego technologia nie rozwiąże, tylko utrwali.
Krok 2. Nazwij liczbę, która ma się zmienić
Zanim cokolwiek powstanie, zapisz jedno zdanie w formie: „Dziś ta wartość wynosi X. Po wdrożeniu ma wynosić Y.”
Liczba musi być mierzalna dzisiaj, przed rozpoczęciem projektu. To brzmi banalnie, a bywa najtrudniejszym krokiem w całym przedsięwzięciu: bardzo często okazuje się, że nikt nie wie, ile naprawdę trwa obsługa jednej sprawy ani ile z nich wraca do poprawki. Jeżeli tak jest u Ciebie, zmierz to przez dwa tygodnie, zanim ruszysz dalej. Bez punktu odniesienia nie da się później odróżnić działającego rozwiązania od wrażenia, że jest lepiej.
Unikaj celów, których nie da się sfalsyfikować — „usprawnić obsługę klienta” nie jest celem, tylko intencją. „Skrócić średni czas odpowiedzi na zapytanie ofertowe z 26 do 8 godzin” jest celem, ponieważ po trzech miesiącach można sprawdzić, czy został osiągnięty.
Krok 3. Sprawdź dane, zanim cokolwiek zbudujesz
Test jest jeden i zajmuje popołudnie: spróbuj wyeksportować ostatnie sto przypadków tego procesu jako jedną tabelę. Nie opisać, jak to zrobić — zrobić.
To, na co natrafisz przy tej próbie, jest realnym zakresem pierwszego etapu projektu. Jeżeli dane są w jednym systemie i eksport zajmuje kwadrans, jesteś w dobrym miejscu. Jeżeli są rozrzucone po skrzynkach pocztowych, skanach i arkuszach z lokalnych dysków, właśnie zobaczyłeś, na co pójdzie pierwsza — i często największa — część budżetu. To nie jest koszt zbędny, ale bywa zaskoczeniem, bo nikt nie nazywa go „wdrożeniem AI”.
Przy tej samej okazji rozstrzygnij, czy w tych danych są dane osobowe, i jeżeli tak, kto jest ich administratorem. Ta jedna informacja zmienia zakres projektu bardziej niż wybór modelu; opisaliśmy to szerzej w tekście o bezpieczeństwie i RODO.
Krok 4. Zdecyduj, gdzie w tym procesie stoi człowiek
To decyzja, która najmocniej wpływa na koszt, harmonogram i ryzyko — a bywa podejmowana przypadkowo, dopiero na etapie wdrożenia. Warianty są w praktyce trzy:
- Człowiek zatwierdza każdy wynik. System przygotowuje, człowiek akceptuje lub poprawia. Model najtańszy i najszybszy do uruchomienia, a przy okazji jedyny, który od pierwszego dnia dostarcza Ci danych o jakości działania systemu.
- Człowiek zatwierdza wyjątki. System działa samodzielnie tam, gdzie jest pewny, a resztę kieruje do człowieka. Wymaga zdefiniowania, co znaczy „niepewny”, i tego, żeby ktoś naprawdę obsługiwał kolejkę wyjątków.
- Człowiek nadzoruje statystycznie. System działa bez udziału człowieka w pojedynczej sprawie, a nadzór polega na monitorowaniu wskaźników i okresowych kontrolach próbek. Najtańszy w eksploatacji i najdroższy w budowie, bo wymaga zbudowania tego monitorowania.
Zacznij od pierwszego wariantu, nawet jeżeli celem jest trzeci. Przejście między nimi jest znacznie łatwiejsze niż cofnięcie się po incydencie — a kilka tygodni pracy z akceptacją człowieka da Ci dane, których inaczej nie zdobędziesz.
Osobna uwaga: jeżeli rozstrzygnięcie ma istotny skutek dla konkretnej osoby — dotyczy zatrudnienia, kredytu, dostępu do usługi — w grę wchodzą dwa odrębne reżimy i warto ich nie mylić, bo mają różne przesłanki.
RODO ogranicza podejmowanie decyzji wyłącznie w sposób zautomatyzowany, jeżeli wywołuje ona skutki prawne lub podobnie istotnie na kogoś wpływa. Kluczowe jest słowo „wyłącznie”: jeżeli człowiek realnie rozważa sprawę i może rozstrzygnąć inaczej, przepis ten nie znajduje zastosowania — ale akceptacja „na klik”, bez faktycznej oceny, nie czyni decyzji nieautomatyczną.
AI Act nakłada obowiązki — rejestrowanie zdarzeń, nadzór człowieka, dokumentację techniczną — w zależności od klasyfikacji systemu, a nie od wagi pojedynczej decyzji. Rekrutacja i ocena zdolności kredytowej osób fizycznych należą do zastosowań wysokiego ryzyka; wiele innych zastosowań, w tym spora część automatyzacji wewnętrznej, nie należy. Klasyfikację trzeba rozstrzygnąć osobno, a nie wywodzić z tego, że decyzja wydaje się ważna.
Co z tego wynika w praktyce, rozpisaliśmy przy audycie gotowości na AI Act.
Krok 5. Zbuduj najwęższą wersję, która rozstrzyga wątpliwość
Pilotaż nie służy do oszczędzania pieniędzy. Służy do odpowiedzi na pytanie, czy ten proces i te dane w ogóle nadają się do automatyzacji — zanim wydasz na to wielokrotność jego kosztu.
Z tego wynika bardzo praktyczna zasada zakresu: pilotaż powinien zawierać dokładnie te elementy, co do których masz wątpliwość, i nic poza tym. Jeżeli nie wiesz, czy model poprawnie odczyta Twoje dokumenty, zbuduj odczyt dokumentów — bez integracji, bez interfejsu, z wynikiem w arkuszu. Jeżeli wątpliwość dotyczy integracji z ERP, zbuduj integrację na jednym, najprostszym przypadku.
Zapisz z góry, jaki wynik uznasz za wystarczający i jaki za dyskwalifikujący. Pilotaż bez zdefiniowanego progu zawsze kończy się wnioskiem „wygląda obiecująco”, a to nie jest wynik, na podstawie którego można podjąć decyzję.
Krok 6. Uruchom równolegle, zanim uruchomisz zamiast
Kiedy rozwiązanie działa, przez pierwsze tygodnie niech działa obok dotychczasowego procesu, a nie w jego miejsce. Ludzie pracują jak dotąd, system przetwarza to samo w tle, a Ty porównujesz wyniki.
Ten okres nie jest darmowy: każda sprawa przechodzi przez system po raz drugi, więc opłaty za model i infrastrukturę naliczają się tak samo jak przy pracy produkcyjnej. W zamian dostajesz dwie rzeczy, których nie da się kupić później: rzeczywisty wskaźnik zgodności na Twoich danych oraz listę przypadków, na których system się myli. Ta lista jest zwykle najcenniejszym produktem całego pilotażu, bo z niej wynika, gdzie naprawdę postawić granicę między tym, co system robi sam, a tym, co trafia do człowieka.
Przełączenie na pracę produkcyjną zrób etapami — najpierw jeden zespół albo jedna kategoria spraw. Zaplanuj też, jak wrócić do poprzedniego trybu, gdyby coś poszło nie tak. Jeżeli powrót nie jest możliwy, nie jesteś jeszcze gotowy do przełączenia.
Krok 7. Zaplanuj utrzymanie, zanim ogłosisz sukces
Uruchomienie nie jest końcem projektu, tylko początkiem jego eksploatacji. Zanim uznasz wdrożenie za zamknięte, ustal cztery rzeczy:
- kto patrzy na wyniki i jak często;
- po czym poznacie, że jakość spadła — czyli jaki wskaźnik i jaki próg alarmowy;
- kto odpowiada za poprawki, kiedy zmieni się system, z którym rozwiązanie jest zintegrowane;
- co się dzieje, gdy dostawca modelu wycofa wersję, na której to zbudowano.
Ostatni punkt zaskakuje najczęściej. Dostawcy modeli wycofują starsze wersje, a rozwiązanie zbudowane i przetestowane na wersji, która przestaje być dostępna, trzeba przetestować od nowa. Moment tego zdarzenia wyznacza dostawca, nie Ty — dlatego utrzymanie należy planować jako stałą pozycję budżetu, a nie jako margines błędu. Rozpisaliśmy te koszty w tekście o tym, ile kosztuje wdrożenie AI.
Kto musi być przy tym obecny
Wdrożenia rzadko rozbijają się o technologię. Znacznie częściej o to, że w projekcie brakowało jednej z czterech ról:
| Rola | Za co odpowiada | Kiedy jest potrzebna |
|---|---|---|
| Właściciel procesu | Rozstrzyga, jak proces ma wyglądać i co jest błędem | Od kroku 1, przez cały projekt |
| Osoba od systemów | Dostępy, integracje, limity i zgody techniczne | Od kroku 1 — dostępy trwają najdłużej |
| Decydent | Budżet i decyzja o przejściu z pilotażu do produkcji | Kroki 2 i 5 |
| Osoba od danych osobowych | Podstawa prawna, zakres danych, umowa powierzenia | Krok 3, jeżeli w procesie są dane osobowe |
W mniejszej firmie te role zbiegają się w dwóch–trzech osobach i to jest w porządku. Problemem nie jest liczba osób, tylko sytuacja, w której którejś z tych odpowiedzialności nikt nie przyjął.
Samodzielnie, gotowym narzędziem czy z wykonawcą
Kolejność rozważania jest zawsze ta sama i zaczyna się od najtańszej opcji:
- Gotowe narzędzie, jeżeli istnieje produkt dla Twojego procesu i integruje się z systemami, których już używasz. Nie buduj tego, co możesz kupić w abonamencie.
- Samodzielnie, jeżeli proces da się obsłużyć bez integracji z systemami wewnętrznymi, a w zespole jest ktoś, kto to utrzyma. Uwaga: „ktoś to poskłada po godzinach” to nie jest plan utrzymania.
- Z wykonawcą, kiedy w grę wchodzą integracje z systemami wewnętrznymi, dane osobowe albo wymagania dotyczące nadzoru — czyli wtedy, gdy koszt błędu przewyższa koszt zrobienia tego porządnie.
Jeżeli rozważasz trzecią drogę, poproś o coś więcej niż wycenę: o zakres z rozbiciem na etapy, o przewidywany koszt miesięczny po uruchomieniu przy Twoim wolumenie oraz o warunki, przy których wykonawca sam zarekomenduje przerwanie prac. Wykonawca, który nie potrafi nazwać takich warunków, prawdopodobnie nie doprowadził wcześniej wdrożenia do etapu utrzymania.
Cztery powody, dla których wdrożenia się nie udają
- Zakres był kategorią, a nie procesem. „Wdrożymy AI w obsłudze klienta” nie ma warunku zakończenia, więc projekt nie kończy się nigdy — po prostu w pewnym momencie się urywa.
- Nie było punktu odniesienia. Bez liczby zmierzonej przed startem dyskusja o efekcie sprowadza się do wrażeń, a wrażenia zależą od tego, kto je opisuje.
- Nikt nie odpowiadał za wynik po zakończeniu projektu. System bez właściciela degraduje się cicho: zmienia się format dokumentu, jakość spada, nikt tego nie zauważa przez kwartał.
- Wąskim gardłem było co innego. Bywa, że sprawy nie stoją dlatego, że ktoś ich nie przetwarza, tylko dlatego, że czekają na decyzję albo na formularz, którego nikt nie wypełnia. Automatyzacja przyspieszy wtedy fragment, który i tak nie był problemem.
Ostatni punkt warto sprawdzić najwcześniej, bo jest najtańszy do zweryfikowania: prześledź jedną sprawę od początku do końca i zapisz, gdzie faktycznie czekała najdłużej.
Co dalej
Jeżeli przeszedłeś kroki 1–3 i masz wybrany proces, zmierzoną liczbę i wiedzę o stanie danych, masz komplet informacji potrzebnych do rozmowy o zakresie i koszcie. Co składa się na taki projekt po stronie wykonawczej — zakres, kolejne etapy i to, co powstaje na każdym z nich — opisaliśmy na stronie wdrożenie AI w firmie.