Pytania, które firmy zadają przed wdrożeniem AI, i odpowiedzi zaczynające się od konkretu: koszty, kolejność kroków, wybór wykonawcy i sytuacje, w których lepiej nie zaczynać.
Wdrożenie AI w firmie to suma trzech składników: pracy wdrożeniowej (jednorazowo), kosztu modelu i infrastruktury (co miesiąc) oraz integracji z systemami, które firma już ma. Ten trzeci składnik najczęściej decyduje o tym, czy projekt zamknie się w kilku tysiącach złotych, czy w kilkuset tysiącach.
Chatbot AI dla firmy kosztuje w Polsce, według cenników i ofert z 2026 roku, najczęściej od 3 do 15 tys. zł jednorazowo plus 100–1000 zł miesięcznie za utrzymanie. O cenie decyduje przede wszystkim to, do ilu systemów bot musi się podłączyć i czy odpowiada klientowi bez nadzoru człowieka.
Agent AI do jednego procesu kosztuje w Polsce według publicznych cenników z 2026 roku od 8 do 250 tys. zł netto wdrożenia plus koszty miesięczne od kilkuset złotych do kilkudziesięciu tysięcy. Oferty na agenta z integracjami CRM, poczty i kalendarza mieszczą się zwykle w przedziale 15–45 tys. zł, a górny kraniec to 120–250 tys. zł za agenta spiętego z ERP lub WMS, bo firmy nazywają agentem bardzo różne rzeczy. Zanim porównasz ceny, sprawdź, czy oferta dotyczy agenta, który wykonuje pracę w twoich systemach, czy przemianowanego chatbota.
Za dzień pracy konsultanta AI publiczny cennik jednego z polskich konsultantów podaje na 2026 rok 1500–3000 zł; audyt w wersji lekkiej to 2000–4000 zł, strategia z roadmapą 5000–12 000 zł, a abonament doradczy 1500–3000 zł miesięcznie. Kwota mówi mniej niż to, czy konsultant zarabia na rekomendacji, czy na wdrożeniu, które sam sobie zarekomenduje.
Miesięczny koszt utrzymania rozwiązania AI dzieli się na pozycję rosnącą z użyciem, czyli opłaty za API modelu, i pozycje względnie stałe: hosting, monitoring oraz aktualizację bazy wiedzy. Prosty chatbot przy typowym ruchu na stronie firmowej zamyka się według polskich cenników z 2026 roku w 200–1000 zł miesięcznie.
Na 4 września 2026 roku w Polsce nie trwa żaden duży otwarty nabór dotacyjny dedykowany wdrożeniom AI. ARP planuje drugi nabór Dig.IT na przełom trzeciego i czwartego kwartału, ale nadal uzgadnia jego harmonogram i zasady. Tegoroczne nabory Ścieżki SMART oraz Pilotaż AI są zakończone. Dostępne od ręki pozostają ulgi podatkowe: B+R i ulga na robotyzację, dla której 2026 to ostatni rok obowiązywania.
Efekt wdrożenia AI liczy się przez porównanie z linią bazową zebraną przed uruchomieniem, a nie przez ocenę wrażeń zespołu po. Potrzebna jest jedna liczba docelowa, którą wdrożenie ma poprawić, oraz dwa pomiary kontrolne pilnujące, żeby poprawa nie okazała się pozorna: odsetek spraw domkniętych bez udziału człowieka i liczba wyników, które trzeba było poprawić. Po stronie kosztu liczy się nie tylko wdrożenie i abonamenty, ale też czas ludzi na nadzór, koszt poprawek i przestojów oraz koszt przejścia przez podmianę wersji modelu, a po stronie korzyści oszczędność jest realna dopiero wtedy, gdy odzyskany czas został na coś przeznaczony albo przełożył się na wykonanie pracy, której wcześniej nie robiono.
Wdrożenie AI w firmie udaje się wtedy, gdy jest projektem biznesowym z właścicielem po stronie działu, którego proces dotyczy. Porażki biorą się zwykle z braku osoby odpowiedzialnej za to, żeby ludzie faktycznie zaczęli z rozwiązania korzystać.
Punktem wyjścia wdrożenia AI jest jeden proces: powtarzalny, mierzony już dziś i o niekosztownym błędzie.
Najpierw sprawdź stan danych, dopiero potem wybieraj narzędzia — pominięcie tego kroku to najczęstszy powód przekroczenia budżetu. Całe wdrożenie AI w jednym procesie rozkłada się na siedem etapów, z których każdy ma własny produkt końcowy i własny warunek przejścia dalej.
Trzy cechy zadania decydują o tym, czy AI sprawdzi się w firmie: powtarzalność, oparcie na tekście lub dokumentach i wiele poprawnych rozwiązań zamiast jednego właściwego.
Model językowy odpowiada z tego, co dostanie w zapytaniu, więc jakość wdrożenia zależy od tego, czy da się w firmowych zasobach znaleźć właściwy fragment, a nie od wyboru modelu. Przygotowanie danych do wdrożenia sprowadza się do pięciu sprawdzeń w obrębie jednego procesu: gdzie dane fizycznie są, czy są aktualne, czy da się je odczytać maszynowo, czy mają jednoznaczne identyfikatory i czy wolno ich użyć w tym celu. Żadne z nich nie wymaga hurtowni danych ani porządkowania całej firmy.
Od czerwca 2026 Google udostępnia w Search Console kontrolkę wykluczającą treść z Przeglądu od AI, Trybu AI i funkcji generatywnych w Discover — na sierpień 2026 wciąż etapami, dla części usług. Dla większości stron firmowych to strata bez zysku: wykluczenie nie przywraca kliknięć sprzed ery przeglądów, tylko oddaje miejsce w odpowiedzi konkurencji, która się nie wykluczyła. Opt-out ma sens głównie tam, gdzie treść jest produktem samym w sobie i każde jej streszczenie zastępuje wizytę, za którą ktoś płaci.
Od 2 sierpnia 2026 stosuje się obowiązki przejrzystości z art. 50 AI Act: użytkownik musi wiedzieć, że rozmawia z systemem AI, a treści generowane maszynowo muszą być oznaczone w formacie czytelnym dla maszyn. Nowelizacja Digital Omnibus tego terminu nie przesunęła, z jednym wyjątkiem: systemy wprowadzone do obrotu przed 2 sierpnia 2026 mają na sam obowiązek maszynowego oznaczania czas do 2 grudnia 2026. Za naruszenie art. 50 grozi kara do 15 mln euro lub 3% światowego obrotu, zależnie od tego, która kwota jest wyższa.
Wklejenie danych osobowych klienta do publicznej wersji narzędzia AI jest przekazaniem ich zewnętrznemu dostawcy, zwykle bez umowy powierzenia i bez podstawy prawnej. Zgodne z RODO korzystanie z modeli językowych udostępnianych przez zewnętrznego dostawcę opiera się na czterech decyzjach: wersja z umową powierzenia, wyłączone trenowanie na danych klienta, ograniczenie zakresu danych i uregulowany transfer poza Europejski Obszar Gospodarczy.
Obowiązek kompetencji w zakresie AI z art. 4 AI Act obowiązuje od 2 lutego 2025 i dotyczy nie tylko dostawców systemów AI, ale też podmiotów stosujących, czyli każdej firmy, która wykorzystuje system AI w działalności zawodowej. Digital Omnibus (rozporządzenie 2026/1744, w mocy od 27 lipca 2026) zmienił jego treść: zamiast zapewniać odpowiedni poziom kompetencji, dostawcy i podmioty stosujące mają podejmować środki, które wspierają rozwój tych kompetencji, a przepis wprost nie wymaga osiągnięcia określonego poziomu przez konkretną osobę. Art. 4 nie ma własnej pozycji w katalogu kar z art. 99 ust. 4, więc wobec typowego podmiotu stosującego sankcja idzie z prawa krajowego. Inaczej jest wobec operatorów objętych wyłączną kompetencją Urzędu ds. AI: dodany przez Digital Omnibus art. 75c ust. 4 poddaje karom z art. 99 ust. 4 naruszenie każdego stosowanego przepisu, wprost także tych w art. 99 ust. 4 niewymienionych.
Polskie prawo autorskie chroni przejaw działalności twórczej o indywidualnym charakterze (art. 1 ust. 1 ustawy o prawie autorskim), a prawo autorskie przysługuje twórcy (art. 8 ust. 1). Według dominującej wykładni, której nie potwierdził dotąd żaden polski wyrok, twórcą może być wyłącznie człowiek, więc sam wynik pracy modelu nie spełnia tego warunku i nikt nie nabywa do niego praw autorskich: firma może go używać, ale na gruncie prawa autorskiego nie może zakazać używania go innym. Niezależnie od prawa autorskiego mogą wchodzić w grę inne podstawy, w szczególności rejestracja znaku towarowego oraz przepisy o zwalczaniu nieuczciwej konkurencji. Osobną sprawą jest legalność trenowania modeli na cudzych treściach, którą reguluje art. 26 ze znacznikiem 3 ustawy o prawie autorskim, dodany nowelizacją z 26 lipca 2024: eksploracja tekstów i danych jest dozwolona, chyba że uprawniony zastrzegł inaczej, a przy utworach udostępnionych publicznie zastrzeżenie ma być w formacie do odczytu maszynowego.
Umowa na wdrożenie AI różni się od zwykłej umowy na oprogramowanie w trzech punktach: dane wychodzą poza firmę i wymagają umowy powierzenia w rozumieniu art. 28 RODO, przedmiot umowy zmienia się bez udziału stron, bo dostawca modelu wycofuje i podmienia wersje, a koszt jest zmienny i rośnie razem z użyciem. Do tego art. 25 ust. 1 AI Act, który zacznie się stosować 2 grudnia 2027 dla systemów z załącznika III i 2 sierpnia 2028 dla systemów wbudowanych w produkty, przeniesie obowiązki dostawcy na klienta w trzech sytuacjach: gdy ten umieści swoją markę na systemie wysokiego ryzyka (chyba że strony umówią się inaczej, na co przepis wprost pozwala), gdy dokona w takim systemie istotnej zmiany albo gdy zmieni przeznaczenie dowolnego systemu tak, że ten dopiero staje się systemem wysokiego ryzyka.
Najlepszy test na konsultanta AI: poproś o opis wdrożenia, które się nie powiodło, i o sytuacje, w których odradza wdrażanie. Rynek doradztwa jest w większości zintegrowany ze sprzedażą wdrożeń, więc głównym ryzykiem przy wyborze jest konflikt interesów, a deklarowane kompetencje mówią o konsultancie mniej niż jego stosunek do porażek.
Każdy, kto ogłasza się „najlepszym ekspertem od AI w Polsce”, powołuje się na tytuł, którego nikt nie nadaje: żadna instytucja nie prowadzi obiektywnego rankingu, więc takie deklaracje to marketing. Sensowne jest pytanie węższe — kto jest właściwym ekspertem do konkretnego zadania — i to da się rozstrzygnąć na podstawie pięciu weryfikowalnych kryteriów.
Pod nazwą „specjalista od sztucznej inteligencji” kryje się co najmniej pięć różnych stanowisk o rozłącznych kompetencjach — od inżyniera budującego systemy po doradcę wybierającego zastosowania — bo zawód nie jest regulowany i nie ma jednej definicji. Firma, która ogłasza nabór na „specjalistę od AI” bez wskazania roli, zwykle dostaje kandydatów z zupełnie innej półki niż potrzebuje.
Według publicznych ofert pracy z No Fluff Jobs (kwiecień 2026) inżynier AI w Polsce zarabia na poziomie mid około 15–20 tys. zł miesięcznie, senior od 20 tys. wzwyż, doświadczony inżynier uczenia maszynowego 28,5–33,6 tys. zł, a początkujący zaczynają od około 10–18 tys. zł, zależnie od roli.
Nie istnieje egzamin, licencja ani tytuł, który robi z kogoś eksperta od AI: do zawodu wchodzi się jedną z trzech ścieżek (od programowania, od danych albo od znajomości branży), a o pozycji eksperta decyduje portfolio zweryfikowanych wdrożeń. Rynek 2026 premiuje kompetencje wokół systemów agentowych i pracy z wiedzą firmową, a tytuł prompt engineera praktycznie zniknął z ogłoszeń.
Gdy asystent AI nie wymienia firmy w odpowiedziach, przyczyna leży zwykle po stronie jej strony internetowej, a nie po stronie modelu. W moim pomiarze 60 spółek z WIG20 i mWIG40 z sierpnia 2026 najczęstszym brakiem nie były blokady, których w plikach robots.txt nie znalazłem ani jednej dla botów odpowiadających, lecz brak tożsamości maszynowej: 26 z 60 stron nie miało żadnych danych strukturalnych. Kolejność diagnozy: dane strukturalne, treść w kodzie, zapora, dopiero na końcu robots.txt.
Znacznik Organization dodaje się jednym blokiem JSON-LD w sekcji head strony głównej: to formalne oświadczenie dla maszyn, jak firma się nazywa, czym się zajmuje i jak ją znaleźć. W moim pomiarze z sierpnia 2026 miało go tylko 23 z 60 największych spółek giełdowych, a 26 z 60 nie miało żadnych danych strukturalnych — to najtańsza do zamknięcia luka widoczności w AI, bo koszt to kilkadziesiąt linii kodu wklejanych raz. Warunek działania: blok musi stać w kodzie wysyłanym przez serwer, nie być dokładany skryptem.
Dla większości firm blokada GPTBota nie ma uzasadnienia: zbiera on wyłącznie dane treningowe, a obecność strony w odpowiedziach ChatGPT budują OAI-SearchBot i ChatGPT-User, których blokada nie dotyczy. Decyzja wymaga jednak rozdzielenia trzech typów botów, bo blokada każdego odbiera co innego, a w dwóch miejscach działa inaczej, niż sugeruje intuicja: token Google-Extended steruje jednocześnie treningiem i groundingiem odpowiedzi Gemini, a przy ChatGPT-User dokumentacja OpenAI zastrzega, że przy pobraniach inicjowanych przez użytkownika reguły robots.txt „may not apply”, więc wobec tego bota blokada może nie zadziałać. W moim pomiarze z sierpnia 2026 boty treningowe blokowały 2 z 56 spółek GPW, boty odpowiadające — żadna.
Poprawny robots.txt dla botów AI opiera się na jednej zasadzie z RFC 9309: ograniczenie powstaje wyłącznie przez regułę Disallow, a grupa z samą regułą Allow niczego nie zabrania. W moim pomiarze 56 plików spółek GPW z sierpnia 2026 jedyna własnoręcznie napisana polityka dla botów AI wyglądała na obowiązującą, a nie ograniczała niczego — dlatego wzór ma trzy gotowe warianty do skopiowania: otwarty, blokujący wyłącznie trening i zamknięty dla botów AI, każdy z poprawną pisownią tokenów.
Content-Signal to ogłoszona przez Cloudflare 24 września 2025 konwencja: jedna linia w robots.txt z trzema sygnałami — search, ai-input i ai-train — deklarującymi, do czego wolno użyć treści strony. To deklaracja preferencji, nie techniczna blokada, ale adopcja jest realna: Cloudflare dopisuje sygnał ai-train=no w zarządzanych plikach robots.txt ponad 3,8 mln domen, a w moim pomiarze z sierpnia 2026 własny Content-Signal miały już 4 z 56 spółek GPW — w tym jedna deklarująca pełną zgodę.
Anthropic dokumentuje trzy aktywne boty o różnych zadaniach: ClaudeBot zbiera treści do trenowania modeli, Claude-SearchBot buduje indeks wyszukiwania Claude'a, a Claude-User pobiera strony na żądanie użytkownika w trakcie rozmowy. Blokada ClaudeBota nie usuwa strony z odpowiedzi; blokada dwóch pozostałych wycina ją z cytowań. W moim pomiarze z sierpnia 2026 żadna z 56 spółek GPW nie blokowała botów odpowiadających, a amerykańskie zestawienie ze snapshotu z czerwca 2026 pokazuje tam odwrotny obraz: ClaudeBota blokuje 38 ze 107 serwisów.
Artykuł 50 AI Act rozdziela dwa obowiązki oznaczania, które w komentarzach zlewają się w jeden: dostawca systemu generującego treść ma od 2 sierpnia 2026 oznaczać wyniki w formacie czytelnym maszynowo, a firma używająca systemu ma ujawniać deepfake i teksty publikowane w sprawach interesu publicznego, a nie ogół tekstów pisanych z pomocą AI. Systemy wprowadzone do obrotu przed 2 sierpnia 2026 mają na maszynowe oznaczanie czas do 2 grudnia 2026. Za naruszenie przejrzystości grozi do 15 mln euro lub 3% obrotu.
Grounding to mechanizm, w którym model językowy dostaje treści ze źródeł zewnętrznych w chwili budowania odpowiedzi, zamiast polegać wyłącznie na wiedzy z treningu — tak Google definiuje go w dokumentacji jako podawanie treści z indeksu wyszukiwania modelowi w momencie zapytania. Dla właściciela strony to rozróżnienie ma skutek praktyczny: o cytowaniu firmy decyduje dostęp botów groundingu do strony dziś, a nie to, czy model widział ją w treningu. Stąd pułapka tokenu Google-Extended, który wbrew nazwie steruje oboma kanałami naraz.
Zdjęcie wyników badań można pokazać ChatGPT, ale na trzech warunkach, o których większość osób nie wie: wydruk z laboratorium łączy dane identyfikacyjne, w tym PESEL, z danymi o zdrowiu, które art. 9 RODO obejmuje szczególną ochroną; na kontach prywatnych ustawienie pozwalające trenować modele na rozmowach jest domyślnie włączone, a Sam Altman przyznał w lipcu 2025, że rozmowy z ChatGPT nie mają prawnej poufności. Skala: według raportu zdrowotnego OpenAI ze stycznia 2026 ponad 5 proc. wszystkich wiadomości w ChatGPT dotyczy zdrowia.
Raz zapłacił: 9 września 2026 BLIK ogłosił pierwszą pilotażową transakcję, w której agent firmy Juo samodzielnie domknął zakup za 19,99 zł w sklepie Your KAYA przez bramkę PayU, na podstawie zgody potwierdzonej wcześniej kodem BLIK i zatwierdzonej w aplikacji banku. Sprzedawca nie może dziś zamówić tej ścieżki u operatora: komunikat nie podaje ani nazwy mechanizmu, ani limitów, ani terminu udostępnienia. Wcześniej, 12 sierpnia 2026, PPRO i BLIK zapowiedziały wspólne prace nad płatnościami agentowymi, opisane jako budowa i testy. Dla polskiego sklepu waga tego wątku bierze się z udziału metody: według komunikatu PPRO BLIK obsługuje około 71 procent transakcji w polskim handlu internetowym.
AI slop to treść generowana maszynowo niskim nakładem i w dużej ilości, bez weryfikacji przez człowieka, a widoczności firmy szkodzi znacznie mniej, niż sugerują nagłówki. Merriam-Webster, który uznał „slop” słowem roku 2025, definiuje go jako cyfrową treść niskiej jakości wytwarzaną zwykle masowo przez sztuczną inteligencję. Skala produkcji jest realna: w próbie 55 400 artykułów z Common Crawl udział tekstów głównie maszynowych sięgnął w pierwszym kwartale 2026 blisko połowy. Dystrybucja wygląda inaczej — w odrębnym badaniu tej samej firmy treści maszynowe stanowiły 14 procent wyników Google i 18 procent cytowań ChatGPT.
OpenAI nie publikuje pomiaru energii zużywanej przez ChatGPT, więc nie ma jednej zweryfikowanej wartości dla tej usługi. Epoch AI oszacował typowe pytanie tekstowe do GPT-4o na około 0,3 Wh, zależnie od przyjętych założeń o modelu, sprzęcie i długości odpowiedzi. Osobno Google zmierzył 0,24 Wh, 0,03 grama CO2 i 0,26 mililitra wody na medianowe zapytanie do Gemini; tego wyniku nie można wprost przypisać ChatGPT. Powtarzana w mediach liczba 3 Wh pochodzi ze starszego szacunku z 2023 roku. Skala problemu leży nie w pojedynczym pytaniu, tylko w liczbie zapytań i w budowie centrów danych.
Jedyna regularnie publikowana liczba pochodzi z amerykańskich raportów firmy Challenger, Gray & Christmas: do lipca 2026 sztucznej inteligencji przypisano 112 713 zwolnień, czyli około 24 procent wszystkich cięć w tym roku, wobec 54 836 w całym 2025. Od 2023 roku, odkąd AI jest osobno śledzona, uzbierało się 184 538 takich zapowiedzi. Ta liczba mierzy jednak deklarowany powód, a nie ustaloną przyczynę: firmy same podają, dlaczego zwalniają. W tym samym okresie łączna liczba zapowiedzianych zwolnień w USA spadła o 41 procent rok do roku, więc AI rośnie jako powód w kurczącym się zbiorze. Dla Polski takiego pomiaru nie prowadzi nikt.
Z samego ChatGPT korzystało miesięcznie około 35 procent polskich internautów w marcu 2026, co czyniło go liderem przed Gemini — wynika z badania Mediapanel prowadzonego przez Gemius dla PBI. Osobna, szersza liczba 13 milionów osób miesięcznie oraz 9,2 miliona tygodniowo dotyczy całej kategorii dużych modeli językowych, nie ChatGPT. Przy porównaniach ze starszymi odczytami obowiązuje jedno zastrzeżenie, które w doniesieniach zwykle znika: pomiar aplikacji mobilnej ChatGPT wszedł do badania dopiero 26 lutego 2025, więc wcześniejsze liczby obejmują samą przeglądarkę i zaniżają stan faktyczny.
Napisz, jaki to proces i ile razy w miesiącu się powtarza. Odpowiem, czy nadaje się do automatyzacji, również wtedy, gdy odpowiedź brzmi „nie warto”.
Albo prosto na adres: not-a-bot@