Kiedy polecamy AI, a kiedy wystarczy zwykła automatyzacja
Model językowy jest drogi w utrzymaniu i nie zawsze przewidywalny, więc nie dokładamy go tam, gdzie nie jest potrzebny. Pierwsze pytanie na każdym warsztacie brzmi: czy ten proces da się opisać regułami?
Polecamy AI, gdy:
- dane wejściowe są nieustrukturyzowane: e-maile pisane przez ludzi, skany, umowy, notatki, zdjęcia,
- pracownicy szukają odpowiedzi w setkach dokumentów rozrzuconych po dyskach, poczcie i intranecie,
- proces ma zbyt wiele wariantów, żeby opisać go sztywnym scenariuszem,
- aplikacja ma rozpoznawać obraz - skórę, paznokcie, produkty, dokumenty.
Odradzamy AI, gdy:
- proces da się opisać zdaniem „gdy zdarzy się X, ma się stać Y” - wtedy automatyzacja procesów będzie tańsza i w pełni przewidywalna,
- błąd jest nieakceptowalny, a nikt nie może zweryfikować wyniku przed jego użyciem,
- danych nie ma albo są złej jakości, a firma nie planuje ich uporządkować,
- oszczędność nie pokrywa kosztu wdrożenia i miesięcznych opłat za model.
W każdym projekcie stosujemy tę samą zasadę: AI przygotowuje, człowiek zatwierdza - dopóki pomiary na Twoich danych nie pokażą, że dany krok można bezpiecznie oddać maszynie.
Sześć typów wdrożeń AI - model i poziom kosztów
Najczęstsze wdrożenia AI w firmach, od najprostszego do najbardziej złożonego. Koszty porównujemy względnie, bo zależą od zakresu, liczby dokumentów i zapytań. Koszt miesięczny (model i hosting) płacisz bezpośrednio dostawcom. Ceny „od” dla poszczególnych zakresów znajdziesz w cenniku.
| Typ wdrożenia | Typowy model | Poziom kosztu wdrożenia | Poziom kosztu miesięcznego |
|---|---|---|---|
| Asystent na dokumentach firmowych (RAG) | GPT, Claude lub Gemini przez API; open-source dla danych wrażliwych | najniższy | najniższy |
| Klasyfikacja i odczyt dokumentów | OCR i model językowy z wymuszonym formatem danych | niski | niski |
| Chatbot obsługi klienta | model przez API z bazą wiedzy i przekazaniem rozmowy do człowieka | niski | niski |
| Wsparcie sprzedaży w CRM | model przez API połączony z CRM | średni | średni |
| Prognozowanie w ERP | modele uczenia maszynowego na danych historycznych | wyższy | wyższy |
| Agent wykonujący zadania w systemach | model z wywoływaniem narzędzi, orkiestracja w kodzie lub w n8n | najwyższy | najwyższy |
Wiele wdrożeń zaczyna się od pilota na Twoich danych: od 5 000 zł netto i 4–7 dni pracy. Wdrożenia z integracją z systemami firmy zaczynają się od 12 000 zł, a z ERP lub CRM kosztują zwykle od 30 000 zł.
Etapy, ceny dla poszczególnych zakresów i przebieg projektu opisujemy na stronie wdrożenie AI w firmie, a pełne zestawienie kosztów w artykule ile kosztuje wdrożenie AI w firmie.
Jak budujemy rozwiązania AI
Modele
Nie przywiązujemy się do jednego dostawcy. Korzystamy z modeli OpenAI, Anthropic i Google przez API, a przy danych wrażliwych z modeli open-source uruchamianych na Twoim serwerze albo w chmurze w Unii Europejskiej. Model wybieramy po testach na próbce Twoich danych: porównujemy jakość, czas odpowiedzi i koszt na 1000 zapytań.
RAG, czyli odpowiedzi z Twoich dokumentów
Dokumenty dzielimy na fragmenty, zamieniamy na wektory i przechowujemy w bazie wektorowej. Asystent odpowiada wyłącznie na podstawie znalezionych fragmentów i podaje źródło - plik i miejsce w dokumencie. Uprawnienia przenosimy z Twoich systemów, żeby nikt nie zobaczył dokumentu, do którego nie ma dostępu.
Agenci i n8n
Agent to model, który może wywoływać narzędzia: sprawdzić status w CRM, założyć zgłoszenie, przygotować odpowiedź. Zakres jego uprawnień ustalamy na piśmie, a każde działanie jest logowane. Proste przepływy z krokiem AI budujemy w n8n na Twoim serwerze, złożone - w kodzie, w Pythonie albo Node.js.
Jakość, koszty i zgodność
Przed wdrożeniem przygotowujemy zestaw testowych pytań i dokumentów z oczekiwanymi odpowiedziami i mierzymy na nim każdą zmianę modelu lub instrukcji. Po uruchomieniu monitorujemy błędy i koszty. Przetwarzanie danych opisujemy w umowie powierzenia, a obowiązki wynikające z AI Act analizujemy już na etapie projektu.
Po zmianach wprowadzonych w lipcu 2026 r. rozporządzeniem (UE) 2026/1744 wymagania dla systemów wysokiego ryzyka z załącznika III obowiązują od 2 grudnia 2027 r., a dla AI wbudowanej w produkty regulowane (załącznik I) - od 2 sierpnia 2028 r.
Oznaczanie treści generowanych przez AI w systemach wprowadzonych na rynek przed 2 sierpnia 2026 r. obowiązuje od 2 grudnia 2026 r. Szczegóły opisujemy w artykule AI Act dla firm.
Realizacje z AI i uczeniem maszynowym
Wdrożenia, które możemy pokazać publicznie.
BIOFARM: aplikacja mobilna, która z pomocą AI wspiera pracowników firmy farmaceutycznej w codziennej pracy. DermoSI: aplikacja połączona z urządzeniem do badania skóry, analizująca cechy skóry twarzy. Nails Room: rozszerzona rzeczywistość i uczenie maszynowe do nakładania kolorów i zdobień paznokci w czasie rzeczywistym.
Dlaczego możesz nam zlecić wdrożenie AI
Od 2010 roku na rynku, ponad 300 zrealizowanych projektów
AI i uczenie maszynowe w realizacjach dla farmacji i branży beauty
Modele OpenAI, Anthropic, Google i open-source - bez uzależnienia od jednego dostawcy
Dane mogą zostać w Unii Europejskiej albo na Twoim serwerze
Najczęściej zadawane pytania o AI w firmie
Zaktualizowano: