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.