Strategia wdrożenia AI

Kiedy to jest właściwy moment

Strategię wdrożenia AI robię dla firm, które mają już za sobą pierwsze wdrożenie. Powód jest praktyczny: dopiero po pierwszym projekcie firma zna własne rzeczywiste tempo, wie, gdzie leżą jej dane, i wie, jak jej zespół reaguje na zmianę sposobu pracy. Strategia pisana przed tym doświadczeniem opiera się na założeniach zapożyczonych z cudzych prezentacji.

Sygnały, że moment nadszedł: kilka projektów toczy się równolegle i konkurują o czas tych samych osób; te same dane są potrzebne w dwóch miejscach w niespójnych formatach; każdy dział negocjuje z dostawcami osobno; nikt nie potrafi odpowiedzieć, ile firma łącznie wydaje miesięcznie na API modeli.

Co powstaje: kolejność, budżet, imienni właściciele

Kolejność wdrożeń na 12 miesięcy

Nie lista życzeń, tylko sekwencja z uzasadnieniem, dlaczego akurat w tej kolejności. Z uwzględnieniem zależności (jedno wdrożenie porządkuje dane potrzebne kolejnemu) i dostępności ludzi.

Budżet w rozbiciu na dwie pozycje

Koszt jednorazowy wdrożeń i narastający koszt bieżący. Ta druga pozycja jest kluczowa i najczęściej pomijana: po roku wdrożeń suma miesięcznych opłat za API i utrzymanie potrafi przekroczyć koszt kolejnego projektu.

Imienni właściciele

Dla każdego wdrożenia: kto po stronie biznesu odpowiada za wynik i kto za utrzymanie po uruchomieniu.

Zasady postępowania z danymi

Które kategorie danych firmowych mogą trafić do dostawcy zewnętrznego, na jakich warunkach umownych, które muszą zostać w infrastrukturze firmy. Ta decyzja ogranicza listę dopuszczalnych narzędzi, więc musi zapaść raz, na poziomie całej firmy.

Klasyfikacja zastosowań pod kątem AI Act

Dla każdego zastosowania kategoria ryzyka i wynikające z niej obowiązki, z uwzględnieniem terminów po nowelizacji Digital Omnibus.

Kryteria przerwania

Dla każdego wdrożenia warunek, po którego wystąpieniu projekt zatrzymujemy. Element, którego prawie nigdy nie ma w dokumentach strategicznych, a który jako jedyny chroni przed dokładaniem budżetu do projektu, o którym wszyscy już wiedzą, że nie zadziała.

Model rozliczenia znajdziesz w cenniku.

Dlaczego strategia przed pierwszym wdrożeniem zwykle się marnuje

Kolejność ma tu znaczenie większe niż jakość samego dokumentu.

Kontekstu organizacji nie da się opisać w dokumencie z wyprzedzeniem, a to właśnie jego brak, obok integracji z realnym przepływem pracy, raport MIT NANDA (2025) wskazuje jako główną przyczynę nieudanych pilotaży. Firma poznaje ten kontekst dopiero, przechodząc przez jeden projekt od początku do końca.

Stąd zasada, którą stosuję: strategia po pierwszym wdrożeniu opisuje firmę, która istnieje. Strategia przed pierwszym wdrożeniem opisuje firmę wyobrażoną, a jej najbardziej kosztowna część, czyli harmonogram i budżet na kolejne lata, opiera się wtedy na tempie, którego nikt jeszcze nie zmierzył.

Drugi powód jest regulacyjny. Harmonogram AI Act zmienił się w 2026 roku po nowelizacji Digital Omnibus, a każda strategia napisana pod poprzednie terminy wymaga przeliczenia. Aktualny stan opisuję w tekście o nowych terminach AI Act.

Czego nie obejmuję

Nie piszę dokumentów strategicznych, które opisują potencjał sztucznej inteligencji w branży. Taki materiał można dziś wygenerować w kilka minut i jego wartość jest odpowiednia do nakładu.

Nie planuję w horyzoncie dłuższym niż rok bez przeglądu śródokresowego. W dziedzinie, w której ceny modeli i ich możliwości zmieniają się w cyklu kilkumiesięcznym, plan trzyletni jest deklaracją, nie planem.

Nie przyjmuję zleceń na strategię od firm bez zakończonego pierwszego wdrożenia. W takiej sytuacji rekomenduję audyt gotowości AI i pilotaż. Wyjdzie taniej i da lepszy materiał do późniejszej strategii.