Wybór partnera do wdrożenia AI rządzi się innymi regułami niż wybór zespołu do zwykłej aplikacji. Ładne demo na spotkaniu sprzedażowym nie mówi nic o tym, czy system przetrwa pierwszy miesiąc pracy na prawdziwych danych. Poniżej pokazujemy, na co patrzeć zamiast na slajdy — i jakich pytań nie warto pomijać, bo od nich zależy, czy projekt skończy się na etapie „ciekawego pilotażu”, czy realnie wejdzie do codziennej pracy firmy.

Demo to nie to samo, co produkcja

Każdy zespół potrafi w kilka dni skleić demo, w którym model odpowiada na pytania z gotowego zestawu przykładów. Problem zaczyna się dzień później — gdy do systemu trafiają prawdziwe, brudne dane: skany słabej jakości, nietypowe formaty faktur, klienci piszący w sposób, którego żaden przygotowany scenariusz nie przewidział. Pisaliśmy o tym szerzej w tekście o tym, co właściwie znaczy, że AI „działa na produkcji” — różnica między pokazem a działającym systemem jest fundamentalna, a większość ofert na rynku tej różnicy w ogóle nie adresuje.

Dlatego pierwsze pytanie, jakie warto sobie zadać przy wyborze partnera, nie brzmi „czy zrobią demo”, tylko „co się stanie miesiąc po starcie, gdy pojawią się dane, których nikt nie przewidział”.

Pytania, które warto zadać potencjalnemu partnerowi

Zamiast pytać ogólnie „czy znacie się na AI”, warto zadać kilka konkretnych pytań, które szybko odsłaniają, czy partner myśli o produkcji, czy tylko o pokazie.

Czy macie własny produkt, w którym AI działa na produkcji — nie tylko projekty realizowane dla klientów? To pytanie jest ważniejsze, niż się wydaje. Firma, która sama utrzymuje produkt oparty na AI, na własnej skórze zna koszty błędów, wsparcia i utrzymania modelu w czasie. Firma, która robi wyłącznie projekty na zlecenie, często kończy pracę w dniu odbioru — a to właśnie po odbiorze zaczynają się prawdziwe problemy.

Co się dzieje, gdy model się myli? Dobry partner ma na to gotową odpowiedź: jakie mechanizmy wychwytują błędne odpowiedzi, gdzie kończy się automat, a zaczyna człowiek, jak wygląda logowanie i możliwość cofnięcia decyzji. Jeśli odpowiedzią jest wzruszenie ramionami albo zapewnienie, że „model rzadko się myli” — to sygnał ostrzegawczy.

Gdzie dokładnie kończy się propozycja AI, a zaczyna decyzja systemu? W dobrze zaprojektowanym wdrożeniu te dwie role są rozdzielone i nazwane wprost. Jeśli partner nie potrafi jasno wskazać tej granicy, prawdopodobnie jej nie zaprojektował — a to oznacza, że model podejmuje decyzje, które powinien podejmować deterministyczny kod.

Jak zabezpieczone są dane trafiające do modelu? Pytanie szczególnie istotne, gdy w grę wchodzą dane finansowe, osobowe albo dokumenty klientów. Warto zapytać wprost, gdzie fizycznie przetwarzane są dane, kto ma do nich dostęp i co się dzieje z danymi po zakończeniu przetwarzania zapytania.

Kto utrzymuje system po starcie i jak wygląda to utrzymanie? Wdrożenie AI, w odróżnieniu od klasycznej strony czy prostej integracji, wymaga stałej uwagi — modele się zmieniają, dane się zmieniają, a wraz z nimi zmienia się zachowanie systemu. Partner, który nie ma planu na utrzymanie, planuje w praktyce jednorazowy projekt, nie długoterminową współpracę.

Czerwone flagi

Kilka sygnałów, które w rozmowach z potencjalnym partnerem powinny zapalać ostrzegawcze światło:

  • „AI zrobi to wszystko samo” — bez wzmianki o nadzorze, eskalacji do człowieka czy mechanizmach kontrolnych. Odpowiedzialne wdrożenie zawsze zakłada gdzieś granicę automatyzacji.
  • Brak konkretnej odpowiedzi na pytanie o obsługę błędów — ogólniki zamiast opisu mechanizmu.
  • Wycena obejmująca wyłącznie „zbudowanie”, bez żadnej wzmianki o utrzymaniu, monitoringu czy aktualizacji modelu w czasie.
  • Brak własnego doświadczenia z AI na produkcji — partner, który sam nigdy nie utrzymywał produktu opartego na modelach językowych, uczy się kosztem Twojego projektu.
  • Nacisk wyłącznie na technologię, zero na proces — brak mowy o audycie procesu, pilotażu, kryteriach sukcesu.

Dlaczego to jest dla nas ważne

Sami stosujemy się do kryteriów, które opisujemy powyżej — bo wdrażamy AI nie tylko dla klientów, ale też we własnych produktach, które działają na produkcji na co dzień. Qkwit, nasza księgowość z AI dla jednoosobowych działalności gospodarczych, korzysta z Claude do czytania dokumentów księgowych, podczas gdy same wyliczenia podatków i ZUS wykonuje deterministyczny silnik — nie model. Brokik, nasza platforma do zarządzania najmem działająca w 25 krajach, wykorzystuje AI do dostosowywania dokumentów i wyceny, zawsze w oparciu o lokalne prawo najmu danego rynku. To nie są case studies napisane pod klienta — to systemy, które sami utrzymujemy i za które sami odpowiadamy każdego dnia.

Dzięki temu, gdy mówimy klientom, jak zaprojektować wdrożenie AI, nie opieramy się na teorii — wskazujemy rozwiązania, które sami przetestowaliśmy na własnym ryzyku.

Czego oczekiwać od dobrego partnera

Dobrze poprowadzone wdrożenie AI zwykle wygląda podobnie, niezależnie od branży: zaczyna się od audytu konkretnego procesu (nie od ogólnej rozmowy o „AI w firmie”), przechodzi przez pilotaż na realnych, choć ograniczonych danych, a dopiero po potwierdzeniu, że system działa stabilnie, trafia do pełnego wdrożenia — z jasno ustalonym planem utrzymania. Partner, który proponuje przeskoczenie od razu do pełnej automatyzacji całego procesu, bez etapu pilotażu, najczęściej nie planuje, jak zareagować, gdy coś pójdzie nie tak.

Najczęstsze pytania

Czy mniejszy zespół może dobrze wdrożyć AI, czy trzeba wybierać dużą firmę? Wielkość firmy nie jest tu głównym kryterium. Ważniejsze jest, czy zespół ma realne doświadczenie z utrzymaniem systemów AI na produkcji — niezależnie od tego, czy to duża organizacja, czy mały, wyspecjalizowany zespół.

Jak długo powinien trwać sam etap audytu procesu przed wdrożeniem? To zależy od złożoności procesu, ale dobry audyt zawsze kończy się konkretnym wnioskiem: co da się zautomatyzować bezpiecznie, a co wymaga nadzoru człowieka — nie ogólnym „tak, da się to zrobić z AI”.

Czy warto oczekiwać od partnera gwarancji, że model nigdy się nie pomyli? Nie — taka gwarancja jest sygnałem ostrzegawczym, nie zaletą. Odpowiedzialny partner mówi wprost, że modele się mylą, i pokazuje, jak system jest na to przygotowany.

Czy partner musi mieć własny produkt oparty na AI, żeby dobrze wdrożyć AI u nas? Nie jest to warunek konieczny, ale jest silnym pozytywnym sygnałem — pokazuje, że partner zna koszty i pułapki utrzymania takich systemów z własnego doświadczenia, a nie tylko z projektów zlecanych przez innych.

Czy warto porównywać oferty wyłącznie po cenie wdrożenia? Nie warto — cena samego wdrożenia mówi niewiele, jeśli w ofercie brakuje słowa o utrzymaniu, monitoringu i reagowaniu na błędy modelu po starcie. Dwie pozornie podobne wyceny mogą się bardzo różnić, gdy dopiszemy do nich koszt i zakres wsparcia w pierwszych miesiącach pracy systemu.

Od czego zacząć rozmowę z potencjalnym partnerem? Od konkretnego procesu, który chcecie usprawnić, a nie od ogólnego hasła „wdrożenie AI”. Im bardziej konkretny punkt wyjścia, tym łatwiej ocenić, czy partner faktycznie rozumie problem, czy tylko sprzedaje technologię.

Jeśli zastanawiacie się, jak wygląda taki audyt w praktyce i od czego zacząć rozmowę o wdrożeniu AI w Waszej firmie, napiszcie do nas — chętnie opowiemy, jak wygląda to od strony zespołu, który sam utrzymuje produkty AI na produkcji.