# Audyt gotowości AI

> Audyt gotowości AI odpowiada na dwa pytania przed wydaniem budżetu na wdrożenie: które procesy w tej firmie realnie nadają się do automatyzacji i czy dane są w stanie, który to umożliwia. Ma to znaczenie, bo według raportu MIT NANDA z 2025 roku około 95% pilotaży generatywnej AI nie przynosi mierzalnego efektu finansowego, a przyczyna leży zwykle w dopasowaniu do procesu i danych, rzadziej w jakości modelu. Produktem końcowym audytu jest lista zastosowań uszeregowana według stosunku efektu do nakładu, z rekomendacją rezygnacji włącznie.

Autor: Robert Marczyński · Opublikowano: 2026-06-23 · Aktualizacja: 2026-06-23
Kanoniczny URL: https://ekspertodsztucznejinteligencji.pl/uslugi/audyt-gotowosci-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](/blog/roi-wdrozen-ai-rok-rozliczenia).

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](/odpowiedzi/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. Aktualne terminy opisałem w tekście o [nowych terminach AI Act](/blog/ai-act-digital-omnibus-nowe-terminy).

## 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](/odpowiedzi/od-czego-zaczac-wdrozenie-ai), 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](/cennik).

## 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](/odpowiedzi/ile-kosztuje-konsultant-ai).

## Najczęstsze pytania

**Co zawiera raport z audytu AI?**

Listę procesów-kandydatów uszeregowaną według stosunku spodziewanego efektu do nakładu, ocenę stanu danych dla każdego z nich, wskazanie przeszkód technicznych i organizacyjnych, klasyfikację zastosowań pod kątem AI Act oraz rekomendację, od którego procesu zacząć i dlaczego.

**Ile trwa audyt gotowości AI?**

Zwykle 2–4 tygodnie, zależnie od liczby analizowanych procesów i liczby osób do przepytania. Audyt jednego działu jest krótszy niż audyt całej firmy i przy pierwszym podejściu zwykle bardziej użyteczny.

**Czy audyt kończy się rekomendacją wdrożenia?**

Niekoniecznie. Rekomendacja może brzmieć „nie wdrażać w tym zakresie” albo „najpierw uporządkować dane, wdrożenie za pół roku”. Przy około 95% pilotaży bez mierzalnego zwrotu (MIT NANDA, 2025) rzetelne odradzenie bywa najwartościowszą częścią raportu. To dopuszczalny wynik i często najtańsza informacja, jaką firma może kupić. Droższa jest wiedza zdobyta na nieudanym wdrożeniu.

**Czym audyt gotowości AI różni się od bezpłatnej konsultacji u firmy wdrożeniowej?**

Celem bezpłatnej konsultacji jest doprowadzenie do zlecenia wdrożenia i jej wynik jest z góry przewidywalny. Audyt płatny kupuje się wtedy, gdy potrzebna jest ocena niezależna od tego, kto będzie wykonawcą. Łącznie z możliwym wnioskiem, że wdrażać nie warto.


## Źródła

- MIT NANDA / MIT Media Lab — The GenAI Divide: State of AI in Business 2025: https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
- Rada UE — Artificial intelligence: Council gives final green light to simplify and streamline rules (29.06.2026): https://www.consilium.europa.eu/en/press/press-releases/2026/06/29/artificial-intelligence-council-gives-final-green-light-to-simplify-and-streamline-rules/