AI w firmie — od czego realnie zacząć w małej i średniej firmie
Gdzie AI daje zwrot w mniejszej firmie
Zwrot pojawia się tam, gdzie zadanie jest wykonywane wielokrotnie, opiera się na tekście i nie wymaga wiedzy, której model nie może otrzymać w treści zapytania.
| Obszar | Co robi AI | Kto zostaje w pętli |
|---|---|---|
| Obsługa zapytań | Klasyfikuje zgłoszenie, proponuje odpowiedź, wyciąga dane z treści | Pracownik zatwierdza przed wysłaniem |
| Dokumenty | Wyciąga pozycje z faktur, umów i zamówień do systemu | Weryfikacja pozycji odbiegających od normy |
| Wiedza wewnętrzna | Odpowiada na pytania na podstawie procedur i dokumentacji firmy | Odpowiedź zawsze ze wskazaniem źródła |
| Sprzedaż | Podsumowuje rozmowy, przygotowuje notatki i wstępne oferty | Handlowiec przed wysłaniem do klienta |
| Treść | Wersje robocze opisów, tłumaczenia, warianty nagłówków | Redakcja merytoryczna |
| Dane | Porządkuje niespójne rekordy, dopasowuje kategorie | Kontrola próbki wyników |
Gdzie AI się nie sprawdza
Rzetelna rozmowa o wdrożeniu obejmuje też przypadki, w których odradzamy ten kierunek.
- Decyzje o wysokim koszcie błędu bez kontroli człowieka — rozliczenia, kwestie prawne, medyczne, kadrowe.
- Zadania wymagające policzalnej precyzji. Do liczenia służy arkusz i baza danych, nie model językowy.
- Procesy wykonywane kilka razy w miesiącu. Koszt wdrożenia i utrzymania nie zwróci się przy takiej częstotliwości.
- Obszary, w których nie masz uporządkowanych danych. Model nie naprawi bałaganu w dokumentacji — powieli go szybciej.
- Sytuacje, w których nie da się sprawdzić poprawności wyniku. Bez możliwości weryfikacji nie da się ocenić, czy system działa.
Zasada, którą stosujemy: jeśli nie potrafisz opisać, jak rozpoznasz błędną odpowiedź systemu, to jeszcze nie jest projekt gotowy do wdrożenia. Najpierw definiujemy kryterium poprawności, potem budujemy.
Jak wybrać pierwszy proces
- Policz częstotliwość. Ile razy dziennie ktoś to robi i ile minut zajmuje jedno wykonanie.
- Oceń koszt błędu. Co się stanie, jeśli system się pomyli i nikt tego nie zauważy od razu.
- Sprawdź dostępność danych. Czy informacje potrzebne do wykonania zadania są zapisane, czy siedzą w czyjejś głowie.
- Ustal miarę sukcesu przed startem. Skrócony czas obsługi, mniej pomyłek, mniej zapytań do wsparcia.
- Zacznij od jednego procesu. Wdrożenie trzech naraz kończy się tym, że żaden nie działa dobrze.
- Zaplanuj kontrolę jakości. Kto i jak często sprawdza próbkę wyników.
Ryzyka, o których trzeba wiedzieć
Dane firmowe i poufność
Wysłanie treści do zewnętrznego dostawcy modelu oznacza przekazanie danych poza firmę. Trzeba ustalić, jakie informacje mogą tam trafić, zawrzeć umowę powierzenia przetwarzania i uwzględnić to w polityce prywatności. Przy danych szczególnie wrażliwych rozważamy modele uruchamiane na własnej infrastrukturze.
Odpowiedzi nieprawdziwe, ale przekonujące
Model językowy generuje tekst prawdopodobny, nie prawdziwy. Przy pytaniach o fakty firmowe rozwiązaniem jest oparcie odpowiedzi wyłącznie na Twoich dokumentach, z obowiązkowym wskazaniem źródła — tak, by pracownik mógł zweryfikować w dwie sekundy.
Koszty, które rosną z użyciem
Rozliczenie za przetworzony tekst oznacza, że rachunek rośnie wraz z liczbą zapytań. Warto od początku ustawić limity, monitorowanie zużycia i alert przy przekroczeniu progu.
Zależność od jednego dostawcy
Architektura pozwalająca podmienić model bez przebudowy systemu jest tańsza niż późniejsza migracja. To decyzja projektowa, którą trzeba podjąć na początku.
Jak wygląda wdrożenie
Pracujemy etapami, tak by po każdym z nich można było podjąć decyzję o kontynuacji.
- Rozpoznanie — przegląd procesów, wybór kandydata, ustalenie miary sukcesu.
- Prototyp na Twoich danych — sprawdzamy jakość wyników na realnych przypadkach, nie na przykładach z prezentacji.
- Pilotaż z częścią zespołu — kilka tygodni pracy równoległej, porównanie z dotychczasowym sposobem.
- Wdrożenie produkcyjne z monitoringiem kosztów i jakości odpowiedzi.
- Utrzymanie — przegląd wyników, aktualizacja bazy wiedzy, reakcja na zmiany po stronie dostawcy modelu.
Jeśli szukasz rozwiązania, które nie tylko odpowiada, ale też wykonuje czynności w Twoich systemach, przeczytaj o tym, czym jest agent AI i jak wygląda jego wdrożenie.
Najczęstsze pytania
Od jednego procesu, który jest powtarzalny, oparty na tekście i ma niski koszt błędu — na przykład klasyfikacji zgłoszeń albo wyciągania danych z dokumentów. Przed startem warto ustalić miarę sukcesu i sposób kontroli jakości, inaczej nie da się ocenić, czy wdrożenie się opłaciło.
Przy modelach działających w chmurze tak, treść zapytania jest przetwarzana po stronie dostawcy. Wymaga to umowy powierzenia przetwarzania, ustalenia jakie kategorie danych mogą tam trafiać i uwzględnienia tego w polityce prywatności. Przy danych szczególnie wrażliwych alternatywą jest model uruchomiony na własnej infrastrukturze.
W projektach, które prowadzimy, AI przejmuje fragmenty zadań, a nie stanowiska — czytanie, klasyfikowanie, przygotowanie wersji roboczej. Decyzja i odpowiedzialność zostają po stronie człowieka, bo tylko wtedy da się kontrolować jakość i reagować na pomyłki systemu.
Na koszt składa się rozliczenie za przetworzony tekst, rosnące wraz z liczbą zapytań, oraz utrzymanie techniczne: aktualizacja bazy wiedzy, monitoring jakości odpowiedzi i reakcja na zmiany po stronie dostawcy modelu. Limity zużycia i alerty warto ustawić od pierwszego dnia.
Przy pytaniach o fakty firmowe odpowiedź powinna być budowana wyłącznie na podstawie Twoich dokumentów, z obowiązkowym wskazaniem źródła. Pracownik widzi wtedy, z którego fragmentu procedury pochodzi odpowiedź, i weryfikuje ją w kilka sekund. Dodatkowo prowadzi się okresową kontrolę próbki wyników.