Od pilotażu AI do systemu w codziennej pracy: dla szefów cyfryzacji i pełnomocników ds. AI

Wyników operacyjnych ze strategii AI, która już istnieje. W badaniu KPMG z 2026 roku wśród 480 decydentów w niemieckich firmach 98% ma wstępną strategię AI, ale tylko 39% mówi, że najwyższe kierownictwo aktywnie nią steruje, a 37% ma jasno określone odpowiedzialności i zasady nadzoru. Zadanie przesunęło się od pisania strategii do pokazania systemów, z których ludzie korzystają codziennie.

Luka leży w przejściu od pilotażu do eksploatacji. W badaniu Lünendonk z 2026 roku wśród 180 CIO, szefów IT i kierowników działów biznesowych z regionu DACH, opisanym przez CIO.de, 58% firm pilotuje agentów AI, 19% używa ich produkcyjnie w pojedynczych obszarach, a 1% w całym procesie; 66% mówi, że mniej niż jedna czwarta pilotowanych agentów wychodzi z laboratorium testowego. Autor badania podsumował to słowami „Was fehlt, ist die operative Konsequenz”, czyli brakuje konsekwencji operacyjnej.

• Krótka lista zastosowań, każde z właścicielem w biznesie, zmierzonym punktem wyjścia i oczekiwanym efektem, zamiast długiej listy pomysłów.
• Pilotaże, które albo trafiają do produkcji, albo kończą się według kryterium uzgodnionego na początku.
• Fundamenty, z których skorzysta kolejne zastosowanie: dostęp do danych z uprawnieniami, jedna bramka przed wszystkimi modelami, testy i monitoring.
• Zasady, których ludzie przestrzegają, bo zatwierdzone narzędzie im to ułatwia.
• Obraz czytelny dla zarządu: co działa, ile kosztuje jedna sprawa i jak często system ma rację.

Praca pełnomocnika ds. AI zaczyna się od wiedzy, jaka AI jest w użyciu. AI Act nie przewiduje obowiązkowego pełnomocnika ds. AI porównywalnego z inspektorem ochrony danych, na co zwróciła uwagę w 2026 roku firma szkoleniowa skill-sprinters. Jego artykuł 4 wymaga działań na rzecz odpowiednich kompetencji AI u osób, które pracują z AI, a po pakiecie Digital Omnibus pozostaje to obowiązkiem podejmowania takich działań, jak podsumowała kancelaria Lewis Silkin w lipcu 2026 roku. Wiele firm i tak kogoś wyznacza: w badaniu bezpieczeństwa AI przeprowadzonym w 2026 roku przez BSI i TÜV-Verband 63% firm korzystających z AI ma wyznaczoną odpowiedzialność za AI, a 59% wiążące zasady wewnętrzne, przy czym 71% czuje się słabo poinformowanych o wymaganiach AI Act. Jak twoja firma wypełnia te obowiązki, decyduje ona sama, z pomocą prawników. My opisujemy stronę techniczną.

Inwentaryzacja zaczyna się zwykle od shadow AI, czyli narzędzi używanych bez zgody firmy. W badaniu IW Köln z 2026 roku 29,1% pracowników używających AI w pracy korzysta z narzędzi, których pracodawca nie udostępnił, a wśród osób, których pracodawca mocno promuje kompetencje AI, odsetek ten sięga 44,5%. Wniosek instytutu: „Wer fördert, ohne bereitzustellen, macht die Nutzung unkontrollierbar”, czyli kto zachęca, nie udostępniając narzędzi, traci kontrolę nad użyciem. W badaniu Bitkom z 2025 roku 23% firm miało zasady korzystania z AI, wobec 15% rok wcześniej, a 31% je planowało.

• Inwentaryzacja: jakie narzędzia, modele i agenci są używane, w których zespołach, z jakimi danymi i za ile. Nasz bezpłatny przegląd wykorzystania AI zaczyna ją od twoich eksportów rozliczeń i użycia, zagregowanych według zespołów.
• Klasyfikacja: które zastosowania mogą trafić na listę wysokiego ryzyka AI Act, na przykład przesiewanie i ranking CV kandydatów albo scoring kredytowy. To zastosowania wysokiego ryzyka według załącznika III, z dodatkowymi obowiązkami dla podmiotu stosującego od 2 grudnia 2027 roku. Tam decydują ludzie, a my tych decyzji nie automatyzujemy.
• Kompetencje AI: krótkie, udokumentowane wprowadzenie dla każdego zespołu do narzędzi, z których korzysta: co narzędzie robi, gdzie zawodzi i kiedy trzeba sprawdzić wynik. Dla każdego systemu, który budujemy, piszemy ten opis razem z tobą.
• Zasady egzekwowane przez platformę: zatwierdzone modele za jedną bramką, klasy danych, które nie mogą trafiać do zewnętrznych modeli, i logowanie uzgodnione z radą zakładową, żeby polityka była czymś więcej niż dokumentem.
• Przejrzystość: tam, gdzie asystent rozmawia z klientami, informacja, że mają do czynienia z AI. Według podsumowania Lewis Silkin z 2026 roku obowiązki z artykułu 50 AI Act obowiązują od 2 sierpnia 2026 roku.

Padają ze strony zarządu, dyrektora finansowego, IT i działów biznesowych, a w takim brzmieniu pojawiają się w prasie branżowej, badaniach i forach praktyków:

• „Co już działa produkcyjnie, a co jest jeszcze pilotażem albo placem zabaw?”
• „Z jakim celem zaczynaliście i co z tego faktycznie wyszło?”
• „Dlaczego projekty AI upadają mimo dobrych narzędzi?”
• „Według jakich kryteriów ustalasz priorytety?”, gdy lista pomysłów na AI jest dłuższa niż budżet
• „Czy zarząd jest na pokładzie, czy walczycie w pojedynkę?”
• „Jakie narzędzia AI są już używane w firmie, także prywatnie przez pracowników?”, pierwsze pytanie pełnomocnika ds. AI

Każde z tych pytań wymaga odpowiedzi, którą da się zmierzyć, dlatego kolejność zaczyna się od procesu i jego punktu wyjścia. Narzędzie przychodzi później.

• Który proces najpierw. Wybieraj według wolumenu, dzisiejszego kosztu jednej sprawy i powtarzalności pracy, i sprawdź, czy w ogóle potrzeba AI, czy wystarczą reguły, zmiana procesu albo lepsze dane. Nasz przewodnik o wyborze pierwszego procesu zawiera metodę punktacji.
• Kupić, zbudować czy jedno i drugie. Tam, gdzie standardowy produkt już obejmuje dany krok, na przykład asystent w Microsoft 365 albo funkcje AI w systemie zgłoszeń, CRM czy systemie dokumentów, którego już używasz, skorzystaj z niego. Buduj tam, gdzie praca przechodzi przez kilka systemów, takich jak SAP, SharePoint i ServiceNow, gdzie dane muszą zostać na własnych serwerach albo gdzie żaden produkt nie pasuje do procesu.
• Gdzie to działa. Narzędzie SaaS, własne konto w chmurze albo własne serwery, wybrane dla każdej klasy danych razem z inspektorem ochrony danych.
• Jak oceniana jest jakość. Kryteria akceptacji i przypadki testowe z twojej własnej pracy, uzgodnione z właścicielem w biznesie przed budową, żeby o starcie decydował pomiar.
• Kto odpowiada za system po starcie. Wskazany właściciel w biznesie, utrzymanie w IT albo w Cloudsail, budżet na koszty bieżące i kryteria przerwania.
• Co wykorzysta drugie zastosowanie. Bramka, konektory, uprawnienia i zestaw testów zostają, więc kolejny system nie zaczyna od zera.

Większości firm brakuje właśnie tych fundamentów. W Enterprise AI Maturity Index 2026 firmy ServiceNow tylko 16% niemieckich firm ma ustalone procesy testów, audytu i ryzyka dla AI, a 72% wskazuje poprawność danych, dostęp do danych i zarządzanie danymi jako największe przeszkody. W badaniu Lünendonk z 2026 roku na szczycie planów inwestycyjnych na najbliższe dwa lata są jakość i integracja danych (98%), platformy orkiestracji i infrastruktura (94%), szkolenia i zmiana (87%) oraz zgodność AI (87%).

Budujemy te fundamenty przy okazji pierwszego zastosowania: konektory, które przenoszą uprawnienia z SharePoint, udziałów plików i ERP, jedną bramkę z kluczami, budżetami i logami dla każdego zespołu oraz zestaw testów z twoich własnych przypadków, który uruchamia się ponownie po każdej zmianie modeli, promptów albo danych. Na twoim koncie w chmurze albo na własnych serwerach, zależnie od danych.

• Demo, które działa i nigdy nie idzie dalej. Kryteria akceptacji, właściciela w biznesie i regułę kontynuacji albo przerwania uzgadnia się przed startem pilotażu.
• Zbyt wiele równoległych inicjatyw bez business case. Prowadź jeden portfel, w którym każde zastosowanie ma punkt wyjścia, oczekiwany efekt i kryterium przerwania, i omawiaj go z zarządem.
• Dane, które nie są gotowe. Zinwentaryzuj źródła dla jednego, konkretnego zastosowania, zamiast zaczynać projekt danych dla całej firmy.
• Pracownicy nie używają narzędzia. Wbudowujemy je w pracę, którą ludzie już wykonują, zespół współtworzy z nami przypadki testowe, a użycie mierzymy według zespołów, nigdy według osób.
• Shadow AI i wydatki bez właściciela. Zatwierdzona platforma za jedną bramką, budżety dla zespołów i przegląd wykorzystania pozwalają nad jednym i drugim zapanować.
• Dostawcy zmieniający albo wycofujący modele. Przed każdą zmianą wersji modelu uruchamiamy testy regresji z twoich przypadków, a bramka pozwala wymienić model bez przepisywania aplikacji.
• Niespodzianki ze strony AI Act albo rady zakładowej. Wcześnie nazwij zastosowania wysokiego ryzyka, włącz radę zakładową przed pilotażem z udziałem prawdziwych pracowników i zaprojektuj logowanie tak, żeby dało się dotrzymać porozumienia zakładowego.

Żądaj dowodów, które obronią się przed zarządem, od nas i od każdego innego dostawcy:

• Zmierzony punkt wyjścia procesu przed projektem i ten sam pomiar po nim.
• Kryteria akceptacji i odsetek zaliczonych przypadków na twoich danych, z przekazaniem zestawu testowego tobie.
• Architektura, która pokazuje, dokąd płyną dane i gdzie są przechowywane oraz jak egzekwowane są uprawnienia asystentów i agentów.
• Koszt jednej obsłużonej sprawy, podzielony na budowę, utrzymanie i zużycie modelu.
• Kto utrzymuje system po starcie, z instrukcjami utrzymania, z których twój zespół skorzysta bez dostawcy.
• Ścieżkę wyjścia: kod, konfiguracja i testy w twoich repozytoriach oraz modele, które wymienisz za jedną bramką.
• Jeśli dostawca nie ma referencji dla twojej sytuacji: mały test na twoich danych i metodę, która za nim stoi, zamiast slajdu.

Zacznij od tego, co już istnieje. Jeśli pracownicy używają ChatGPT, Copilota albo innych płatnych narzędzi AI, bezpłatny przegląd wykorzystania AI zamienia twoje eksporty użycia i rozliczeń w jedną stronę: dokąd idą pieniądze, jakie trzy zmiany zrobilibyśmy najpierw i co mierzyć dalej. Dla pełnomocnika ds. AI to pierwsza wersja inwentaryzacji.

Jeśli pilotaż utknął, przynieś go na bezpłatną 30-minutową rozmowę z inżynierem. Sprawdzimy, czego potrzebuje, żeby przejść test akceptacyjny i działać produkcyjnie. Ani rozmowa, ani przegląd nie wymagają dostępu do twoich systemów czy danych. Jeśli pójdziesz dalej, każdy krok dostaje stałą cenę uzgodnioną na piśmie po pierwszej rozmowie.