Poradniki dla zespołów, które wdrażają AI w praktyce

Praktyczne odpowiedzi na pytania, które pojawiają się, gdy firma finansuje, buduje i utrzymuje AI, od wyboru pierwszego procesu i wdrażania agentów kodujących po retrieval, koszty modeli i bezpieczeństwo platformy.

Planowanie i finansowanie projektów AI

Gdzie najpierw wdrożyć AI, co musi wykazać pilotaż, ile naprawdę kosztuje proces, kto odpowiada za wynik i kiedy zmienić kurs.

WpisTemat

Kryteria sukcesu pilotażu AICo pilotaż AI musi wykazać, zanim sfinansujecie kolejny etap, i jak spisać kryteria akceptacji, zanim ktokolwiek wybierze narzędzie.Uzasadnienie biznesowe Wybór pierwszego procesu dla AIJak wybrać pierwszy proces do automatyzacji z AI, oceniając propozycję każdego zespołu pod kątem wolumenu, zmienności, dostępu do systemów, kosztu weryfikacji i znanych wyników.Strategia AI AI: kupić czy zbudowaćJak zdecydować między zakupem produktu AI a budową wokół systemów, które już macie, i co w każdym wariancie należy do waszego zespołu i wymaga utrzymania.Zakupy Gotowość danych do projektu AIWłaściciele danych, dostępy do systemów, reprezentatywne przypadki i czas ekspertów, których projekt AI potrzebuje przed startem, z listą kontrolną i tym, co może poczekać.Realizacja Pełny koszt procesu z AIJak porównywać opcje AI według kosztu obsłużonej sprawy, łącznie z weryfikacją, eskalacjami, poprawkami i utrzymaniem, z przykładem obliczeń i założeniami.Uzasadnienie biznesowe Budżet na weryfikację przez ludziJak zaplanować godziny weryfikacji przed automatyzacją procesu: tryby weryfikacji, arkusz przepustowości z dniami szczytu, szybsze przeglądy i kiedy można zmniejszyć ich udział.Utrzymanie Od pilotażu AI do produkcjiCo musi być gotowe, zanim udany pilotaż AI trafi na produkcję: testy regresji, wersjonowanie i rollback, monitoring, właściciel, przekazanie i wdrożenie etapami.Realizacja Odpowiedzialność za system AIKto odpowiada za prompty, modele, dane, zestaw testowy i błędy systemu AI po odejściu zespołu pilotażu, kto zatwierdza które zmiany i kto może go wyłączyć.Utrzymanie Plan wyjścia od dostawcy AICo trzymać we własnych rękach, żeby zmiana dostawcy AI nie oznaczała zaczynania od zera: testy, prompty, reguły, dane, spis zależności i zapisy w umowie.Zakupy Kiedy zatrzymać projekt AIJak na podstawie zmierzonej jakości i kosztu sprawy zdecydować, czy projekt AI ma trwać dalej, zawęzić zakres, przejść na prostszy projekt czy się zatrzymać.Strategia AI AI w SDLCJak agenci kodujący zmieniają każdą fazę cyklu wytwarzania oprogramowania, kto odpowiada za przekazania i jak mierzyć oraz nadzorować tę zmianę.Proces Fabryka oprogramowania AICzego potrzeba, żeby agenci kodujący prowadzili jasno określone zadania od issue do merge'a, jaka praca się do tego nadaje i gdzie kontrola zostaje po stronie ludzi.Strategia

Wdrażanie agentów kodujących

Pilotaże, przygotowanie repozytorium, review, CI i instrukcje zespołowe dla zespołów, które przekazują coraz więcej pracy agentom kodującym.

WpisTemat

Agentic engineeringCo agentic engineering oznacza dla zespołu inżynierskiego: czym różni się od vibe codingu, dokąd przesuwa się praca, co badania mówią o wynikach i od jakich fundamentów zależy, czy się opłaca.Praktyka inżynierska Projekt pilotażu agentów kodującychJak porównać agentów kodujących na tej samej pracy: losowy przydział zadań, odtworzenie zmergowanych zmian i reguła decyzji ustalona z góry.Wdrożenie Gotowość repozytorium na agentów kodującychCzego potrzebuje repozytorium, żeby agenci kodujący pracowali w nim niezawodnie, i jak zamienić instrukcje konfiguracji w sprawdzenie uruchamiane w CI.Harness Ochrona branchy dla pull requestów agentówUstawienia ochrony branchy i rulesetów na GitHubie, które powinny obowiązywać, gdy agenci kodujący otwierają pull requesty, i jak sprawdzić, czy naprawdę działają.Nadzór Zmiany agentów, które padają w CIJak ustalić, dlaczego zmiana agenta kodującego przeszła w jego własnym środowisku, a padła w CI, i jakie poprawki harnessu zapobiegają powtórce.Harness Instrukcje Claude Code w zespoleJak zespół przypisuje właścicieli do plików CLAUDE.md i reguł, przegląda je i usuwa wpisy, które nie zmieniają już tego, co robi Claude Code.Claude Code Reguły Cursora w monorepoJak utrzymać reguły Cursora adekwatne do każdego pakietu w monorepo: reguły zawężone do ścieżek, zagnieżdżone pliki AGENTS.md i właściciel każdej reguły.Cursor Metryki pilotażu GitHub CopilotCo mierzą metryki użycia Copilota od GitHuba, gdzie się kończą i jak połączyć je z własnymi danymi o review i poprawkach, żeby zdecydować o kontynuacji.GitHub Copilot Przekazywanie zadań agentom chmurowymCo powinno zawierać zadanie, zanim trafi do agenta kodującego w chmurze: szablon opisu, trzy pytania kontrolne i zasady oddawania pracy.Sposób pracy Budżet kontekstu agentów kodującychJak zmniejszyć kontekst, który niesie agent kodujący, nie gubiąc ważnych ograniczeń, i sprawdzić na własnych zadaniach, że jakość się utrzymała.Koszty Testowanie aktualizacji agentów kodującychJak sprawdzić, czy nowy model albo nowa wersja agenta jest lepsza na twoich repozytoriach, zanim stanie się domyślna w zespole, z przypiętymi wersjami i porównaniem parami.Ewaluacja Spec driven developmentJak pisać specyfikacje dla agentów kodujących, przeprowadzić zmianę od specyfikacji do merge'a i wybrać między Spec Kit, OpenSpec, BMad, GSD i Kiro.Praktyka inżynierska Code review z AIJak skonfigurować code review z AI i utrzymać odpowiedzialność człowieka za każdy merge, gdy agenci kodujący piszą coraz więcej kodu.Jakość Workflowy pstackCo zawiera plugin pstack do Cursor, jak działają jego playbooki i role modeli oraz jak zespół wdraża go pod własną kontrolą.Narzędzia

Agenci procesowi w działaniu

Testy, zatwierdzanie, eskalacje, monitoring i odtwarzanie po błędach dla agentów, którzy obsługują sprawy biznesowe i działają w waszych systemach.

WpisTemat

Zestawy testowe dla agentów z dawnych sprawJak wybrać dawne sprawy biznesowe do zestawu testowego agenta procesowego i zachować wydzieloną część, pod którą nikt nie stroi agenta.Agenci AI Ocena wyniku czy śladu wykonaniaDlaczego przebieg agenta może skończyć się bez błędów, a mimo to źle obsłużyć sprawę, i jak sprawdzać wynik biznesowy niezależnie od śladów wykonania.Agenci AI Akceptacja człowieka w workflow agentówKtóre działania agenta na rekordach biznesowych wymagają akceptacji człowieka, co musi zobaczyć akceptujący i jak sprawić, by akceptacje nie blokowały każdej sprawy.Agenci AI Gdy narzędzia agenta zawodząCo powinien zrobić agent procesowy, gdy API przekracza limit czasu albo narzędzie zwraca niepełne dane: typowane błędy, ograniczone ponowienia i czyste przekazanie.Agenci AI Idempotencja działań agentaSkąd w systemach agentowych biorą się podwójne płatności i rekordy, jak nadać kluczem każde działanie biznesowe i dlaczego musi go egzekwować system docelowy.Agenci AI Monitorowanie agenta procesowego na produkcjiSygnały, które pokazują, że agent procesowy na produkcji drożeje albo gorzej obsługuje sprawy, mierzone na sprawę i powiązane z celami ustalonymi z góry.Agenci AI Projektowanie eskalacji agentaKiedy agent procesowy powinien przekazać sprawę człowiekowi, co musi zawierać przekazanie i jak prowadzić kolejkę, która je odbiera.Agenci AI Tryb cienia dla agentów procesowychJak uruchomić agenta procesowego na bieżących sprawach tak, żeby niczego nie zmieniał, porównać jego propozycje z decyzjami ludzi i zdecydować, kiedy może działać.Agenci AI Wersjonowanie agenta procesowegoCo wymaga wersji, gdy zmienia się agent procesowy, jak oznaczać nią każdą sprawę i jak po miesiącach wyjaśnić wynik bez ponownego uruchamiania.Agenci AI Przegląd wyjątków agentaJak przeglądać wyjątki agenta na produkcji w stałym budżecie czasu, przypisywać je właścicielom i zamieniać właściwe z nich w przypadki regresyjne.Agenci AI

Odpowiedzi z waszych dokumentów

Przygotowanie źródeł, zachowanie uprawnień, sprawdzanie cytowań i utrzymanie trafności asystentów opartych na retrievalu, gdy dokumenty się zmieniają.

WpisTemat

Przygotowanie źródeł do RAGJak zdecydować, z których dokumentów ma korzystać asystent oparty na wyszukiwaniu, kto odpowiada za każde źródło i jak znaleźć brakujące odpowiedzi przed indeksowaniem.RAG Uprawnienia w RAGJak reguły dostępu trafiają z systemów źródłowych do indeksu wyszukiwania, gdzie się gubią i które testy negatywne pokazują, że nikt nie pobierze tego, czego nie może otworzyć.RAG Jakość cytowań w RAGJak sprawdzić, czy fragmenty cytowane przez asystenta faktycznie potwierdzają każde jego twierdzenie: weryfikacja pojedynczych twierdzeń, przykład i kryteria odbioru.RAG Wyszukiwanie czy generowanie?Procedura diagnostyczna, która pokazuje, czy błędna odpowiedź RAG zaczęła się w ingestii, wyszukiwaniu, rerankingu czy w modelu, z oznaczonymi dowodami i śladem dla każdego pytania.RAG Nieaktualne dokumenty w RAGJak utrzymać aktualność asystenta, gdy dokumenty są edytowane, przenoszone, ograniczane albo usuwane: projekt synchronizacji i testy kanarkowe, które dowodzą, że stara treść zniknęła.RAG Chunking dokumentów biznesowychJak dzielić umowy, polityki i długie procedury tak, żeby odpowiedź pozostała przy swoich wyjątkach i definicjach, oraz jak wybrać strategię eksperymentalnie na własnych pytaniach.RAG RAG czy fine-tuning?Kryteria wyboru między wyszukiwaniem, fine-tuningiem a połączeniem obu: czy zadanie wymaga zmiennej wiedzy, czy powtarzalnego zachowania, z tabelą przykładów i kolejnością prac.RAG Tabele i arkusze w RAGKiedy asystent powinien pobierać wiersze tabel jako tekst, a kiedy uruchomić zapytanie, z regułami kierowania pytań, formatem wierszy do wyszukiwania i zabezpieczeniami dla generowanego SQL.RAG Testy wielojęzycznego RAGJak sprawdzić, czy asystent znajduje te same dowody, gdy ktoś pyta po angielsku, niemiecku albo polsku: równoległy zestaw testowy, macierz języków i poprawki terminologii.RAG Przekazanie RAG do utrzymaniaCo dostawca RAG powinien przekazać, żeby twój zespół mógł utrzymywać i zmieniać system: konektory źródeł, konfigurację, zasoby ewaluacyjne, runbooki, właścicieli i próbę generalną.RAG

Modele, inferencja i koszty

Kiedy opłaca się fine-tuning albo mniejszy model, jak porównać go z obecnym i skąd biorą się opóźnienia oraz wydatki na modele.

WpisTemat

Jakość danych do fine-tuninguCztery testy, które pokazują, czy twoje przykłady nadają się do fine-tuningu: błędy w etykietach, pokrycie realnego ruchu, pochodzenie danych i przecieki do zbioru testowego.Modele Ocena dostrojonego modeluJak wykazać, że dostrojony model powinien zastąpić obecny: kryteria akceptacji spisane z góry, uczciwe porównanie na odłożonych przypadkach oraz koszt i opóźnienie w tej samej tabeli.Modele Zadania dla małych modeliJak znaleźć zadania o dużym wolumenie, z którymi mały model językowy poradzi sobie niezawodnie: lista kontrolna, test przed jakimkolwiek treningiem i porównanie kosztów przy twoim wolumenie.Modele Kompromisy destylacji modeliKiedy destylacja dużego modelu do mniejszego jest warta pracy: ile kosztuje nauczyciel, czego wymaga każda metoda, jaką jakość można stracić i jak to sprawdzić.Modele Budżet opóźnień LLMJak ustalić, dlaczego funkcja AI działa wolno: rozbij każde zapytanie na kolejkę, retrieval, model i narzędzia, popraw największy element, na który masz wpływ, i mierz ogon rozkładu pod obciążeniem.Wydajność Kontrola jakości routingu LLMJak kierować proste zapytania do tańszych modeli, nie ukrywając spadków jakości: testuj router jak klasyfikator, trzymaj fallbacki osobno i zapisuj, który model naprawdę odpowiedział.Koszty Oszczędności z cache promptówDlaczego cache promptów oszczędza mniej, niż zakładano, i jak to mierzyć: warunki cache'owania, typowe przyczyny chybień, pola użycia w każdej odpowiedzi i uzgodnienie z fakturą.Koszty Planowanie mocy GPU do inferencjiJak dobrać moc GPU dla modelu serwowanego samodzielnie: co ogranicza replikę, jak ją przetestować przy docelowym opóźnieniu, ile replik potrzebuje ruch szczytowy i jak nie płacić za bezczynne godziny.Infrastruktura Jakość po kwantyzacjiKtóre testy powtórzyć, zanim skwantyzowany model zastąpi oryginał: jakość zadania, ustrukturyzowane odpowiedzi, długie wejścia, testy zachowania i wydajność serwowania, z porównaniem kosztu na GPU.Modele Alokacja kosztów LLMJak wyjaśnić rachunek za LLM według zespołu, zadania i zaakceptowanego wyniku: oznaczaj zapytania w bramce, wyceniaj je tak, jak wystawiana jest faktura, rozdzielaj koszty wspólne według jawnej reguły i co miesiąc uzgadniaj wynik z finansami.Koszty

Platforma, integracja i bezpieczeństwo

Łączenie AI z systemami firmowymi przez MCP i tożsamość, ograniczanie prompt injection, obsługa poświadczeń i niezawodne utrzymanie usług AI.

WpisTemat

Uprawnienia serwera MCPJak podłączyć asystenta do systemów wewnętrznych, nie dając każdemu narzędziu MCP szerokiego dostępu: scope'y, kontrole w każdym narzędziu i osobne tożsamości dla systemów docelowych.Bezpieczeństwo Projektowanie narzędzi MCPDlaczego serwer MCP powinien zwykle udostępniać kilka narzędzi zbudowanych wokół działań biznesowych zamiast odwzorowywać każdy endpoint API, z rozpisanym przykładem i kontraktem narzędzia.Integracja MCP i tożsamość w firmieJakiej tożsamości powinno używać narzędzie MCP, gdy wywołuje system biznesowy: delegacji użytkownika, wymiany tokenów czy tożsamości serwisowej, i które granice tokenów sprawdzić.Bezpieczeństwo Plan testów serwera MCPPlan testów serwera MCP przed podłączeniem użytkowników: testy kontraktu, negatywne testy autoryzacji, testy awarii i testy zmian stanu, wraz z kontrolami uruchamianymi w CI.Jakość Granice wobec prompt injectionJak ograniczyć szkody, gdy agent wykona polecenie ukryte w dokumencie, e-mailu lub wyniku narzędzia: zmapuj niezaufane wejścia na akcje, przetnij ścieżki i przetestuj granice.Bezpieczeństwo Własny hosting AI czy zarządzane APIJak zdecydować, czy obciążenie AI powinno działać na własnej infrastrukturze, czy zostać na zarządzanym endpoincie modelu, na podstawie wymagań dostępu, możliwości operacyjnych i zmierzonych kosztów.Infrastruktura Przechowywanie śladów AICo logować, żeby debugować agentów bez przechowywania każdego wrażliwego promptu: trzy poziomy danych śladu, treść domyślnie wyłączona, granice redakcji i okresy przechowywania ustalane przez właścicieli polityk.Utrzymanie Runbooki dla funkcji AICo powinien zrobić dyżurny inżynier, gdy funkcja AI jest wolna, niedostępna, droga, błędna albo działa poza swoimi granicami: klasy objawów, wpisy runbooka, bezpieczne przełączniki i właściciele.Niezawodność Przełączanie dostawcy modeluJak przełączyć się na inny model podczas awarii, nie zmieniając po cichu jakości, uprawnień ani warunków przetwarzania danych: kontrakt zapasowy, wyzwalacze, testy równoważności i powrót.Niezawodność Sekrety i poświadczenia agentówGdzie powinny być przechowywane poświadczenia agentów i integracji z modelami, jak dać każdemu agentowi własną tożsamość, jak rotować je bez psucia trwających procesów i co zrobić po wycieku.Bezpieczeństwo Bezpieczeństwo agentów AIBezpieczeństwo agentów AI do programowania i zarządzanie nimi w praktyce: prompt injection, sekrety, uprawnienia, sandboxing, uruchomienia bez nadzoru i podział odpowiedzialności.Bezpieczeństwo

Daty i źródła

Modele, narzędzia i warunki dostawców często się zmieniają, dlatego każdy poradnik ma datę ostatniego sprawdzenia i listę źródeł, na których się opiera. To, co poradnik mówi o produkcie, dotyczy wersji i dokumentacji, które cytuje.

Jeśli coś się od tego czasu zmieniło, daj nam znać, a zaktualizujemy poradnik.

Porozmawiaj z inżynierem

Przyjdź z jednym zadaniem, które chcesz usprawnić. Rozmowa trwa 30 minut i nie wymaga dostępu do twoich systemów ani danych.

Umów 30-minutową rozmowę

Rezerwacja odbywa się w Kalendarzu Google.

Wolisz najpierw napisać? Zostaw adres e-mail i kilka zdań, a odpowiemy, proponując terminy.