Jak wybrać wykonawcę wdrożenia AI - 15 pytań, sygnały ostrzegawcze i zapisy w umowie

W sierpniu 2025 roku zespół NANDA z MIT opublikował raport, który szybko obiegł branżę: około 95% firmowych pilotaży generatywnej AI nie przyniosło mierzalnego wpływu na wynik finansowy. W tym samym raporcie jest jednak mniej cytowana liczba. Wdrożenia oparte na narzędziach kupionych od wyspecjalizowanych dostawców i na partnerstwach kończyły się sukcesem w około 67% przypadków, a projekty budowane w całości wewnątrz firmy udawały się mniej więcej trzy razy rzadziej. To, kto i jak wdraża AI, w dużej mierze przesądza o wyniku - często bardziej niż wybór modelu czy narzędzia.

Według MIT NANDA 95% pilotaży AI nie daje efektu finansowego, ale wdrożenia z partnerami udają się w 67% przypadków. Zespół wewnętrzny, partner czy hybryda, 15 pytań do wykonawcy, sygnały ostrzegawcze, zapisy w umowie i pilotaż z kryteriami sukcesu.

Rynek nie ułatwia tego wyboru. Gartner prognozuje, że ponad 40% projektów opartych na agentach AI zostanie zamkniętych do końca 2027 roku z powodu rosnących kosztów i niejasnej wartości, a wśród tysięcy firm reklamujących „agentów" tylko około 130 oferuje rzeczywiste możliwości agentowe. W tym wpisie pokazuję, kiedy budować AI samemu, a kiedy zlecić, jakie 15 pytań zadać wykonawcy, po czym poznać, że coś jest nie tak, co musi znaleźć się w umowie i jak zaplanować pilotaż z jasnymi kryteriami sukcesu. Te same pytania możesz zadać mnie.

Trzy modele: zespół wewnętrzny, partner albo hybryda

Firma, która chce wdrożyć AI, ma w praktyce trzy drogi: zbudować kompetencje u siebie, zlecić projekt agencji, software house'owi lub freelancerowi albo połączyć oba podejścia.

Wynik MIT nie oznacza, że wiedza wewnątrz firmy jest zbędna. Raport wskazuje też, że lepiej radziły sobie firmy, w których wdrożenia napędzali menedżerowie z biznesu, a nie tylko centralny zespół AI. Najczęściej najlepiej działa hybryda: partner buduje pierwsze wdrożenia i przekazuje wiedzę, a w firmie od początku jest właściciel procesu, który przejmie system.

Kiedy budować samemu, a kiedy zlecić

Zespół wewnętrzny ma sens, gdy AI jest częścią Twojego produktu, gdy planujesz wiele wdrożeń rocznie i gdy jesteś w stanie zatrudnić co najmniej dwie osoby, żeby wiedza nie zależała od jednej. Zlecenie wygrywa, gdy chcesz szybko sprawdzić jeden proces, nie masz doświadczenia z modelami językowymi albo potrzebujesz kogoś, kto widział podobny projekt w innej firmie. Freelancer sprawdzi się przy małym, dobrze opisanym zadaniu, ale przy systemie, od którego zależy praca działu, ryzyko odejścia jednej osoby jest realne.

Zanim zdecydujesz, policz koszt całkowity, a nie tylko cenę wdrożenia: utrzymanie, koszty modeli, czas Twoich ludzi i zmiany po starcie. Jak liczyć koszty i zwrot, pokazuję we wpisach o kosztach wdrożenia AI i o ROI z automatyzacji. Jeśli dopiero szukasz pierwszego procesu do automatyzacji, zacznij od wpisu o tym, od czego zacząć wdrażanie AI.

15 pytań do wykonawcy

Większość rozmów z wykonawcami kręci się wokół funkcji i ceny. Poniższe pytania dotyczą rzeczy, o które rzadko ktoś pyta, a które decydują o tym, czy system będzie działał po roku.

Problem i dane

1. 1.Jaki problem biznesowy rozwiązujemy i jak zmierzymy sukces? Dobra odpowiedź zawiera konkretny wskaźnik, na przykład czas obsługi zgłoszenia, i jego wartość przed wdrożeniem.
2. 2.Jakich danych potrzebujecie i co, jeśli są w złym stanie? Gartner szacuje, że do końca 2026 roku firmy porzucą 60% projektów AI, które nie mają danych gotowych do pracy z AI. O porządkowaniu danych piszę we wpisie o przygotowaniu danych pod AI.
3. 3.Czy możecie pokazać podobne wdrożenie i dać kontakt do klienta? Rozmowa z klientem mówi więcej niż prezentacja.

Jakość i kontrola

1. 4.Jak będziecie mierzyć jakość odpowiedzi? Szukaj odpowiedzi o zbiorze testowym przygotowanym przed startem, a nie o wrażeniach z demo. Jak buduje się takie testy, opisuję we wpisie o testowaniu aplikacji AI.
2. 5.Co się stanie, gdy model się pomyli? Wykonawca powinien wskazać punkty zatwierdzeń, eskalacje i bezpieczny stan domyślny - więcej we wpisie o human-in-the-loop.
3. 6.Jak monitorujecie system po wdrożeniu? Logi, alerty i regularny przegląd jakości to warunek, a nie dodatek - szczegóły we wpisie o monitoringu AI na produkcji.

Koszty

1. 7.Ile będzie kosztować utrzymanie miesięcznie przy naszym wolumenie? Koszty modeli, hostingu i narzędzi powinny być policzone na Twoich liczbach. Jak je obniżać, pokazuję we wpisie o optymalizacji kosztów API.
2. 8.Co jest w cenie, a co jest zmianą? Poprawki promptów po starcie, nowe kategorie, zmiana modelu - warto wiedzieć z góry, jak są rozliczane.
3. 9.Ile kosztuje przejście na innego dostawcę modelu? Dobrze zaprojektowany system pozwala zmienić model bez przepisywania całości.

Bezpieczeństwo i zgodność

1. 10.Gdzie trafiają nasze dane i kto je przetwarza? Jeśli wykonawca lub dostawca modelu przetwarza dane osobowe, potrzebna jest umowa powierzenia zgodna z art. 28 RODO - opisuję to we wpisie o RODO a AI.
2. 11.Czy dostawca modelu może trenować na naszych danych? Odpowiedź zależy od usługi i planu, więc poproś o wskazanie konkretnych warunków.
3. 12.Jak system wpisuje się w AI Act? Wykonawca powinien umieć ocenić, czy system nie jest systemem wysokiego ryzyka, i jakie obowiązki ma Twoja firma - więcej w przewodniku po AI Act.

Własność i wyjście

1. 13.Do kogo należą prompty, workflow, kod i dane? Odpowiedź musi znaleźć się w umowie, a nie tylko w rozmowie.
2. 14.Jak wygląda przekazanie systemu? Dokumentacja, dostępy, szkolenie Twoich ludzi i okres wsparcia po starcie.
3. 15.Co się stanie, jeśli zakończymy współpracę? To pytanie o plan wyjścia: eksport danych i konfiguracji, czas przejściowy i pomoc w przekazaniu systemu.

Wykonawca, który na pytania 7, 9, 13 i 15 odpowiada ogólnikami, prawdopodobnie liczy na to, że zostaniesz z nim na długo - niezależnie od wyników.

Sygnały ostrzegawcze

• Demo zamiast rozmowy o procesie. Efektowna prezentacja w pierwszym tygodniu, zanim ktokolwiek zobaczył Twoje dane i zrozumiał proces.
• Brak pytań o dane. Wykonawca, który nie pyta, skąd będą dane i w jakim są stanie, nie wie jeszcze, co buduje.
• Obietnica dokładności bez testów. „99% skuteczności" bez zbioru testowego i bez definicji, co jest błędem, nic nie znaczy.
• Agent do wszystkiego. Gartner nazywa to agent washingiem: zwykły chatbot albo asystent sprzedawany jako autonomiczny agent.
• Zamknięta platforma bez eksportu. Jeśli prompty, workflow i dane można trzymać tylko u wykonawcy, zmiana partnera oznacza budowę od nowa.
• Cena wdrożenia bez kosztów utrzymania. Milczenie o miesięcznych kosztach modeli i wsparcia to zwykle niespodzianka po starcie.
• Brak osoby po Twojej stronie w planie projektu. Wdrożenie bez właściciela procesu w firmie rzadko przeżywa pierwszy rok.

Umowa: co musi się w niej znaleźć

Umowa wdrożeniowa dla AI różni się od zwykłej umowy na oprogramowanie, bo jej przedmiotem są też prompty, konfiguracje workflow, zbiory testowe i dane. Kilka zapisów warto sprawdzić szczególnie uważnie.

Najważniejsza rzecz dotyczy praw autorskich. Zgodnie z art. 53 ustawy o prawie autorskim umowa o przeniesienie autorskich praw majątkowych wymaga formy pisemnej pod rygorem nieważności, a według art. 41 ust. 2 obejmuje tylko pola eksploatacji wyraźnie w niej wymienione. Krótki prompt może w ogóle nie być utworem, więc jego ochronę trzeba zapewnić umową: wpisać prompty do rezultatów prac, przenieść prawa tam, gdzie to możliwe, a resztę objąć licencją i zobowiązaniem do poufności.

Jeśli wykonawca dostarcza system jako usługę w chmurze, część zasad zmiany dostawcy wynika wprost z unijnego Data Act. Od 12 września 2025 roku dostawcy usług przetwarzania danych muszą umożliwić zmianę usługodawcy z okresem wypowiedzenia nie dłuższym niż dwa miesiące, a od 12 stycznia 2027 roku nie mogą pobierać opłat za samą zmianę, w tym za transfer danych. Plan wyjścia warto jednak opisać w umowie niezależnie od tego, czy przepisy obejmują Twój przypadek.

Pilotaż z kryteriami sukcesu

Pilotaż ma odpowiedzieć na jedno pytanie: czy warto inwestować dalej. Żeby odpowiedź była uczciwa, kryteria trzeba spisać przed startem, a nie po zobaczeniu wyników. Dobry pilotaż obejmuje jeden proces, trwa zwykle od czterech do ośmiu tygodni, ma stałą cenę i kończy się decyzją: wdrożenie, poprawki albo zamknięcie projektu.

Proces: klasyfikacja maili przychodzących do działówPunkt wyjścia: 4 godziny pracy ręcznej dziennie, 6% błędnych przypisańCzas pilotażu: 6 tygodni, stała cenaKryteria sukcesu (przykładowe):- trafność na zbiorze 300 maili: co najmniej 92%- czas obsługi: spadek o co najmniej 50%- koszt modeli: do 300 zł miesięcznie przy obecnym wolumenieDecyzja po pilotażu: wdrożenie, poprawki albo zamknięcie

Liczby w przykładzie są ilustracją, a nie normą. Twoje kryteria wynikają z punktu wyjścia i z tego, ile musi się zmienić, żeby inwestycja się opłaciła. Pilotaż bez zapisanych wcześniej kryteriów prawie zawsze kończy się „obiecującymi wynikami", które niczego nie rozstrzygają. Kryterium kosztowe warto sprawdzić na prawdziwym wolumenie, bo koszt modeli rośnie razem z liczbą zapytań.

Plan wyboru wykonawcy krok po kroku

1. 1.Opisz proces i wskaźnik, który chcesz poprawić, z jego obecną wartością.
2. 2.Zdecyduj o modelu współpracy: zespół wewnętrzny, partner czy hybryda.
3. 3.Wyznacz właściciela procesu po swojej stronie.
4. 4.Porozmawiaj z dwoma-trzema wykonawcami i zadaj każdemu te same 15 pytań.
5. 5.Poproś o kontakt do klienta przy podobnym wdrożeniu.
6. 6.Sprawdź projekt umowy: prawa, rezultaty prac, dane, powierzenie, koszty zmienne i plan wyjścia.
7. 7.Zacznij od płatnego pilotażu z kryteriami sukcesu spisanymi przed startem.
8. 8.Podejmij decyzję na podstawie kryteriów, a nie wrażeń z prezentacji.

---

Pomagam firmom wybrać i wdrożyć AI tak, żeby po roku system nadal działał i należał do nich - od opisu procesu i kryteriów sukcesu, przez pilotaż, po umowę z jasnymi prawami i planem wyjścia. Robię to w ramach doradztwa AI i automatyzacji AI. Napisz do mnie - i zadaj mi te same 15 pytań. Działające demo z zatwierdzaniem przez człowieka i śladem audytowym znajdziesz w portfolio: AI Document Automation.

Warto przeczytać:

• Od czego zacząć wdrażanie AI w firmie?
• Ile kosztuje wdrożenie AI w firmie? Obalam mity o milionowych fakturach
• ROI z automatyzacji AI - jak policzyć zwrot zanim podpiszesz umowę
• Przygotowanie danych pod AI - co uporządkować w firmie, zanim wydasz złotówkę na wdrożenie