Audyt gotowości AI

Po co robić audyt przed wdrożeniem

Najdroższy błąd w projektach AI nie polega na wyborze złego narzędzia. Polega na wdrożeniu poprawnego rozwiązania do procesu, który się do tego nie nadawał, albo na oparciu go o dane, które okazały się nieaktualne dopiero w trakcie budowy.

Skala tego zjawiska jest udokumentowana: według raportu MIT NANDA The GenAI Divide (2025) mierzalny wpływ na wynik finansowy osiąga mniej więcej co dwudziesty pilotaż generatywnej AI. Liczby i zastrzeżenia raportu omawiam w tekście o ROI wdrożeń.

Kluczowa jest jednak podana tam przyczyna. Autorzy raportu wskazują, że rozstrzyga sposób podejścia: brak integracji z systemami, w których naprawdę toczy się praca, i brak dopasowania do kontekstu organizacji. Jakość modelu i regulacje schodzą przy tym na dalszy plan. To są dokładnie te rzeczy, które widać przed napisaniem pierwszej linijki kodu, o ile ktokolwiek na nie spojrzy.

Audyt przesuwa moment odkrycia tych problemów przed wydanie głównego budżetu. Kosztuje ułamek wdrożenia, a rozstrzyga o tym, czy wdrożenie w ogóle ma sens. Orientacyjne widełki rynkowe dla takiej usługi zebrałem w tekście ile kosztuje konsultant AI.

Czym ten audyt nie jest

Nie jest przeglądem narzędzi dostępnych na rynku ani prezentacją możliwości modeli językowych. Punktem wyjścia jest twój proces i twoje dane. Jeśli wynik analizy brzmi „ten proces nie nadaje się do automatyzacji, a te dane wymagają najpierw pół roku porządków”, to jest to pełnoprawny wynik audytu.

Co sprawdzam: procesy, dane, systemy, ludzi

Przegląd procesów

Rozmowy z osobami, które wykonują pracę, a dopiero w drugiej kolejności z ich przełożonymi. Dla każdego kandydata: objętość, czas jednostkowy, odsetek przypadków wymagających wyjątkowej obsługi, koszt błędu.

Ocena stanu danych

Gdzie fizycznie leżą informacje potrzebne do procesu, w jakim są formacie, kto ma dostęp, jak często się zmieniają, co jest nieaktualne, ile wiedzy nie zostało nigdzie zapisane. To najważniejsza część audytu i zwykle ta, która najbardziej zaskakuje.

Przegląd systemów

Które systemy mają API, które trzeba obsłużyć obejściem, gdzie leżą ograniczenia licencyjne i gdzie bariery dostępowe.

Ocena organizacyjna

Kto mógłby być właścicielem wdrożenia, czy ma na to czas, jak zespół reaguje na perspektywę automatyzacji. Ten ostatni punkt bywa bagatelizowany, a jest częstą przyczyną cichej porażki wdrożeń.

Klasyfikacja pod kątem AI Act

Ustalenie, czy planowane zastosowania są systemami wysokiego ryzyka w rozumieniu załącznika III do AI Act. Dla większości typowych wdrożeń odpowiedź brzmi „nie”, ale zgodność z rozporządzeniem wymaga w praktyce, żeby ocena była wykonana świadomie i udokumentowana przed wprowadzeniem systemu do użytku; odtwarzanie jej po fakcie nie spełnia wymogu. Przestrzeganie AI Act w Polsce od 28 października 2026 roku kontroluje KRiBSI. Aktualne terminy opisałem w tekście o nowych terminach AI Act.

Produkt końcowy

Raport zawierający:

1. Listę procesów-kandydatów uszeregowaną według stosunku spodziewanego efektu do nakładu.
2. Dla każdego: zmierzony lub oszacowany stan obecny, przeszkody, wstępny rząd wielkości kosztu.
3. Ocenę stanu danych z listą rzeczy do uporządkowania przed wdrożeniem.
4. Klasyfikację zastosowań pod kątem AI Act.
5. Rekomendację: od czego zacząć, czego nie robić i co odłożyć. Z uzasadnieniem.

Raport jest omawiany z zespołem. Dokument, który trafia do skrzynki i tam zostaje, nie zmienia niczego. Cenę i model rozliczenia tej pracy opisuję w cenniku.

Kiedy audyt nie jest potrzebny

Powiem to przed przyjęciem zlecenia, jeśli będzie dotyczyło:

• Firmy bez zasobów na wdrożenie. Raport bez kogokolwiek, kto poprowadzi projekt, niczego w firmie nie zmieni. Najpierw człowiek i budżet, potem analiza.
• Firmy z jednym oczywistym procesem. Jeśli wiadomo, co automatyzować, idź od razu do wdrożenia; audyt doda koszt i kilka tygodni. Próg budżetowy, poniżej którego analiza zjada wdrożenie, opisałem przy cenach doradztwa.