Audyt AI w firmie — co realnie sprawdzamy?

„Robicie audyt AI?" — pytanie, które słyszymy od polskich firm coraz częściej. Ale za tym pytaniem kryją się różne oczekiwania. Niektórzy klienci spodziewają się 200-stronicowej prezentacji „AI strategy" pełnej buzzwordów. Inni — gotowej rekomendacji „kup chatbota X". My robimy coś trzeciego — konkretne mapowanie procesów Twojej firmy z wyceną ROI per potencjalny use case. W tym artykule pokazujemy, co realnie zawiera audyt i czego się po nim spodziewać. Czym audyt AI nie jest? To nie ogólnikowa „strategia AI" Większość prezentacji „AI strategy" od konsultingu wygląda tak: 50 slajdów o trendach AI, 20 slajdów o tym, że „AI zmieni biznes", 10 ogólnych rekomendacji w stylu „rozważcie chatbota". Po przeczytaniu wiesz tyle samo, co przed. Nasz audyt to inny format: 50-80 stron, w których 80% to konkretne use case'y w Twojej firmie, każdy z opisem technicznym, kosztorysem wdrożenia, szacunkiem oszczędności, oceną ryzyka. To nie sprzedaż konkretnego rozwiązania Audyt jest neutralny. Jeśli okaże się, że dla Twojej firmy AI nie ma sensu — piszemy to. Jeśli najlepsze rozwiązanie to gotowy SaaS (Intercom, Zendesk, HubSpot AI) zamiast custom build u nas — polecamy ten SaaS. Klient, który po audycie wie, że nie potrzebuje naszych usług, jest dla nas wartościowy — bo nie traci 200 000 zł na nietrafionym wdrożeniu. Trzy etapy audytu Etap 1: Kick-off i definicja zakresu (tydzień 1) Spotkanie z zarządem (CEO, CTO, COO — kto ma decyzję). Pytania, które zadajemy: Co byście chcieli, żeby AI rozwiązało? (oszczędność czasu, redukcja kosztów, lepsza jakość) Jaki budżet jesteście gotowi przeznaczyć w roku 1? Jakie są ograniczenia? (RODO, sektor regulowany, dane wrażliwe) Czy są procesy, których AI nie może dotknąć? Z tej rozmowy powstaje plan wywiadów: z kim rozmawiamy, w jakich tematach, ile godzin per dział. Etap 2: Wywiady i mapowanie procesów (tygodnie 2-3) Rozmawiamy z liderami działów: sprzedaż, support, HR, marketing, finanse, operacje, IT. Każda rozmowa 60-90 minut, prowadzona według wystandaryzowanej struktury: 1. Mapa procesów — co robi dział, jakie zadania powtarzalne, ile osób je wykonuje, ile czasu zajmują. 2. Pain pointy — gdzie zespół traci czas, gdzie są błędy, gdzie spada satysfakcja klientów. 3. Dane — jakie dane przepływają, gdzie są (CRM, ERP, Excel), kto ma do nich dostęp. 4. Próby AI — co próbowaliście wcześniej, co działało, co nie. Po wywiadach mamy 30-50 potencjalnych use case'ów AI. Każdy zwięźle opisany. Etap 3: Analiza, wycena, raport (tydzień 4) Każdy use case oceniamy na 4 wymiarach: Czy AI realnie go automatyzuje? Jakość modelu wystarczy? Dane potrzebne są dostępne? Wymagania compliance pozwalają? Jaki ROI? Konkretnie: ile godzin pracy zaoszczędzimy, ile to kosztuje miesięcznie (API + utrzymanie), jaki break-even. Jakie ryzyko? RODO, AI Act EU, ryzyko reputacyjne (np. jeśli AI da głupią odpowiedź klientowi), ryzyko techniczne (zależność od konkretnego modelu). Jakie tempo wdrożenia? Quick win (4-8 tygodni) vs duża inwestycja (6+ miesięcy). Z tych ocen powstają trzy deliverables: Co dostajesz w raporcie 1. Lista 10-30 use case'ów z opisem Każdy use case na 1-2 stronach: problem biznesowy, jak AI go rozwiązuje, jakie dane potrzebne, jakie modele, ile kosztuje wdrożenie, ile miesięcznie, jakie ROI w roku 1, jakie ryzyka, alternatywy. Przykład: „Asystent supportu pierwszej linii" — opis: chatbot na stronie odpowiadający na FAQ. Dane: top 100 ticketów z ostatniego roku. Model: GPT-4 + RAG na Twojej bazie wiedzy. Wdrożenie: 50 000 zł, 6 tygodni. Miesięcznie: 1 500 zł (API). ROI: 60% automatyzacji ticketów, oszczędność 8 000 zł/mies, zwrot 7 miesięcy. Ryzyko: średnie (odpowiedzi mogą być niedokładne — wymagana ludzka weryfikacja). 2. Macierz priorytetyzacji Wszystkie use case'y na jednym wykresie 2x2 — oś X „ROI w roku 1", oś Y „łatwość wdrożenia". Cztery ćwiartki: Quick wins (wysokie ROI, łatwe) — robić w pierwszych 3 miesiącach Big bets (wysokie ROI, trudne) — robić w roku 2-3 Fillers (niskie ROI, łatwe) — robić, jak będzie czas Avoid (niskie ROI, trudne) — nie robić wcale 3. Roadmap konkretną Pierwszy quartal: które 1-2 use case'y robimy, jaki budżet, kto odpowiada, jakie KPI sukcesu. Drugi quartal: kolejne 2-3 use case'y wybierane na podstawie wyników pierwszego quartalu. Trzeci-czwarty quartal: skalowanie tego, co działa, plus eksperymenty z bigger bets. Plus: wykres „kumulatywne oszczędności w czasie" — kiedy AI zaczyna się zwracać, kiedy generuje pozytywny cash flow dla firmy. Jak długo trwa audyt? Skala Czas Koszt Mini (do 50 osób, 1 dział) 1-2 tyg. 6 000 - 12 000 zł Standard (do 200 osób, 3-5 działów) 2-4 tyg. 15 000 - 30 000 zł Enterprise (200+, cała firma) 4-8 tyg. 40 000 - 100 000 zł Czas zależy od skali firmy i ilości działów. Większe firmy = więcej wywiadów, więcej procesów do zmapowania. Co po audycie? Trzy opcje, klient wybiera: 1. Realizujemy z nami — koszt audytu odejmujemy od pierwszej faktury wdrożeniowej. 2. Realizujesz z innym dostawcą — przekazujemy pełny brief, ułatwiamy onboarding nowego software house'u. 3. Realizujesz wewnętrznie — szkolimy Twój zespół IT (osobny payment). Audyt nigdy nie zamyka klienta na nas. To inwestycja w wiedzę, nie w nas. Co dalej? Pełen opis usługi mamy w poradniku audytu AI . Pierwsza 30-minutowa rozmowa jest bezpłatna — sprawdzamy, czy w ogóle warto robić audyt. Czasem mówimy „nie, dla Was AI to za wcześnie", oszczędzając klientom 20 000 zł.

Najczęstsze pytania

Po co audyt, skoro już wiem, że chcę chatbota?

Bo chatbot to nie produkt — to klasa rozwiązań. Audyt pokaże, czy chatbot dla klientów, czy raczej asystent wewnętrzny dla pracowników. Często to drugie ma 5x większe ROI.

Ile kosztuje audyt AI?

Mini (do 50 osób, 1 dział) — od 6 000 zł, 1-2 tygodnie. Standardowy (do 200 osób) — 15 000-30 000 zł, 2-4 tygodnie. Enterprise (200+) — 40 000-100 000 zł, 4-8 tygodni.

Co jeśli okaże się, że AI nie ma sensu?

Mówimy to wprost w raporcie. Czasem firma jest za mała, dane zbyt wrażliwe, koszty API > oszczędności. Zaoszczędzisz potencjalnie setki tysięcy złotych na nietrafionym wdrożeniu.