Planujesz wdrożenie AI i potrzebujesz zespołu, który przeprowadzi ocenę dostawcy? Poznaj nasze usługi Staff Augmentation.
Zobacz też: Koszt wdrożenia AI: od PoC do produkcji oraz Jak wybrać dostawcę usług IT: lista kontrolna pytań
Dwa wdrożenia AI w podobnych organizacjach, oba rozpoczęte w tym samym kwartale, oba z porządnie przeprowadzonym pilotażem. Pierwsze weszło na produkcję po pięciu miesiącach. Drugie stoi do dziś w dziale prawnym, bo nikt nie potrafi odpowiedzieć na jedno pytanie: czy po dołożeniu własnego interfejsu i wypuszczeniu narzędzia pod własną marką firma jest jeszcze klientem dostawcy, czy sama stała się dostawcą systemu AI ze wszystkimi obowiązkami, które z tego wynikają.
Różnica między tymi dwoma projektami nie leżała w jakości modelu. Model był w obu przypadkach ten sam, kupiony od tego samego producenta. Leżała w tym, że pierwszy zespół zadał pytanie o podział ról regulacyjnych na etapie zapytania ofertowego, a drugi po podpisaniu umowy.
Teza tego przewodnika brzmi i można się z nią spierać: o wyborze dostawcy AI rozstrzyga przede wszystkim to, czy dostawca potrafi jednoznacznie określić swoją rolę regulacyjną wobec waszego przypadku użycia i wydać artefakty, które tę rolę udokumentują — a dopiero potem jakość modelu, cena i mapa produktu. Kryteria techniczne są odwracalne: model wymieniacie w kwartał, bo interfejsy są dziś do siebie podobne, a koszt przełączenia liczy się w tygodniach pracy. Brak dokumentacji nie jest odwracalny w tym samym tempie — jej odtworzenie po fakcie wymaga współpracy dostawcy, który nie ma już żadnego powodu, by wam pomagać.
Kontrargument jest mocny i trzeba go uczciwie postawić: to brzmi jak przesunięcie decyzji technologicznej do działu prawnego, czyli jak recepta na paraliż. Firmy, które kupują AI, chcą wyniku biznesowego, a nie segregatora. Odpowiedź: nie chodzi o to, żeby dział prawny wybierał narzędzie. Chodzi o to, żeby jedno pytanie — kto jest dostawcą i jakie artefakty dostajemy — padło na tym etapie, na którym dostawca jeszcze konkuruje o kontrakt i jest gotów odpowiadać. Po podpisaniu tej dźwigni już nie ma.
Dlaczego kryteria techniczne przestały rozstrzygać o wyborze dostawcy AI?
Trzy lata temu porównanie dostawców AI miało sens techniczny. Różnice w jakości modeli między czołówką a resztą rynku były na tyle duże, że wybór narzędzia faktycznie przesądzał o powodzeniu wdrożenia, a matryca oceniająca dokładność, opóźnienie i przepustowość rozstrzygała przetarg.
Ta przewaga się spłaszczyła. Dla większości zastosowań biznesowych — klasyfikacja dokumentów, ekstrakcja danych z faktur, obsługa zapytań pierwszej linii, streszczanie korespondencji — kilku dostawców daje wyniki w tym samym paśmie, a różnice, które widać na publicznych benchmarkach, znikają na materiale konkretnej firmy. Jednocześnie interfejsy programistyczne upodobniły się do siebie na tyle, że warstwa integracyjna napisana pod jednego dostawcę daje się przełożyć na drugiego w kilka tygodni, o ile ktoś świadomie jej nie przywiązał.
Skoro warstwa techniczna stała się wymienna, decyzja przesunęła się tam, gdzie wymienna nie jest. A tam, gdzie nie jest, siedzą trzy rzeczy: dane, na których model był uczony i których pochodzenia nie odtworzycie; zobowiązania umowne, które zaciągacie na lata; i dokumentacja zgodności, której nie da się wyprodukować wstecz.
Warto zauważyć, że to nie jest wyłącznie zjawisko regulacyjne. Ten sam mechanizm zadziałał wcześniej w chmurze publicznej: kiedy trzej najwięksi dostawcy zrównali się funkcjonalnie, przetargi przestały rozstrzygać się na liście usług, a zaczęły na warunkach wyjścia, lokalizacji przetwarzania i modelu rozliczeń. Rynek AI przechodzi tę samą drogę, tylko szybciej.
Kim jest dostawca w rozumieniu AI Act — i dlaczego sam nie zawsze wie?
Rozporządzenie 2024/1689, znane jako AI Act, weszło w życie 1 sierpnia 2024 roku i wprowadza rozdzielenie ról, które w praktyce zakupowej jest znacznie mniej oczywiste, niż wygląda na slajdzie. Podstawowe rozróżnienie przebiega między dostawcą — podmiotem, który rozwija system AI i wprowadza go do obrotu lub oddaje do użytku pod własną nazwą lub znakiem towarowym — a podmiotem stosującym, czyli tym, kto używa systemu pod własną odpowiedzialnością w ramach swojej działalności.
Rzecz w tym, że granica między tymi rolami jest przesuwalna, i to przesuwalna przez was, często nieświadomie. Rozporządzenie przewiduje sytuacje, w których dystrybutor, importer lub podmiot stosujący staje się dostawcą systemu wysokiego ryzyka — między innymi gdy umieszcza na takim systemie własną nazwę lub znak towarowy, gdy dokonuje istotnej modyfikacji systemu już wprowadzonego do obrotu, albo gdy zmienia przeznaczenie systemu w sposób, który sprawia, że staje się on systemem wysokiego ryzyka.
Przełóżmy to na typowy polski scenariusz. Kupujecie od dostawcy silnik do przetwarzania dokumentów. Opakowujecie go we własny interfejs, nadajecie mu wewnętrzną nazwę handlową, udostępniacie spółkom z grupy i podłączacie do procesu, który ma wpływ na decyzje wobec ludzi — na przykład do wstępnej selekcji zgłoszeń kandydatów. Każdy z tych czterech kroków z osobna wygląda niewinnie. Razem mogą oznaczać, że to wy jesteście dostawcą systemu wysokiego ryzyka, a firma, od której kupiliście silnik, jest wyłącznie waszym poddostawcą komponentu.
Dlaczego dostawcy sami tego nie rozstrzygają? Bo klasyfikacja zależy od przeznaczenia, a przeznaczenie ustala ten, kto system wdraża. Dostawca ogólnego narzędzia nie wie, czy podłączycie je do rekrutacji, do oceny zdolności kredytowej, czy do porządkowania archiwum. Uczciwy dostawca powie wprost: „nasza klasyfikacja zakłada zastosowanie X; jeżeli wasze zastosowanie jest inne, klasyfikacja się zmienia”. Dostawca, który zapewnia, że „nasz produkt jest zgodny z AI Act” bez pytania o wasz przypadek użycia, albo nie rozumie rozporządzenia, albo liczy, że wy go nie rozumiecie. Jedno i drugie jest sygnałem ostrzegawczym o realnej wartości predykcyjnej.
Co konkretnie zmienia się w kolejnych miesiącach dla polskiej firmy?
Harmonogram stosowania AI Act jest rozłożony w czasie i to rozłożenie ma znaczenie zakupowe, bo część obowiązków obowiązuje już dziś, a część dopiero zacznie obowiązywać w trakcie życia umowy, którą właśnie negocjujecie.
Zakazy dotyczące praktyk niedopuszczalnych oraz obowiązek zapewnienia kompetencji w zakresie AI wśród personelu obsługującego systemy stosuje się od 2 lutego 2025 roku. Obowiązki dotyczące modeli ogólnego przeznaczenia — czyli tej warstwy, którą kupuje większość firm — zaczęły być stosowane od 2 sierpnia 2025 roku. Zasadniczy pakiet wymagań dla systemów wysokiego ryzyka wymienionych w załączniku III rozporządzenia zaczyna obowiązywać od 2 sierpnia 2026 roku, a dla systemów będących elementami bezpieczeństwa produktów objętych odrębnym prawodawstwem harmonizacyjnym — od 2 sierpnia 2027 roku.
Kary są ułożone trójstopniowo i ich górne widełki warto znać, zanim zacznie się dyskusja o cenie: za stosowanie praktyk zakazanych do 35 mln EUR albo 7% całkowitego rocznego światowego obrotu, za większość pozostałych naruszeń obowiązków do 15 mln EUR albo 3% obrotu, a za dostarczenie nieprawdziwych, niekompletnych lub wprowadzających w błąd informacji organom do 7,5 mln EUR albo 1% obrotu — w każdym przypadku stosuje się kwotę wyższą, z osobnymi, łagodniejszymi widełkami dla małych i średnich przedsiębiorstw.
Po stronie krajowej trwają prace nad ustawą, która wyznaczy organ nadzoru rynku i doprecyzuje tryb postępowania. W chwili pisania tego tekstu nie należy planować budżetu wokół konkretnego brzmienia przepisów krajowych; należy natomiast zakładać, że organ powstanie i że będzie żądał dokumentacji, której nie da się wyprodukować wstecz. To wystarczający powód, żeby wymagać artefaktów od dostawcy dziś, niezależnie od tego, jak ostatecznie wygląda ustawa.
Praktyczna konsekwencja dla umowy: jeżeli kontrakt jest trzyletni, to co najmniej jedna z tych dat wypadnie w trakcie jego obowiązywania. Umowa musi więc przewidywać, kto ponosi koszt dostosowania i w jakim terminie dostawca ma dostarczyć brakującą dokumentację, gdy jego produkt zostanie objęty nowym obowiązkiem.
Ile kosztuje odtworzenie dokumentacji wstecz
Warto ten koszt oszacować, zanim się go poniesie, bo w rozmowie z zarządem liczba działa lepiej niż argument.
Odtworzenie opisu przepływu danych, klasyfikacji ryzyka i uzasadnienia dla systemu, który działa od dwóch lat i był budowany bez takiej dokumentacji, to w naszej praktyce od czterech do ośmiu tygodni pracy zespołu złożonego z architekta, analityka i prawnika. Znaczna część tego czasu nie idzie na pisanie, tylko na ustalanie faktów: skąd dokładnie płyną dane, kto ma dostęp do logów, która wersja modelu obsługuje który wariant procesu, i czy ktokolwiek zapisał, dlaczego trzy lata temu wybrano taki, a nie inny próg decyzyjny.
Do tego dochodzi koszt, którego nie da się kupić za pieniądze: część informacji jest wyłącznie po stronie dostawcy, a dostawca po podpisaniu umowy nie ma żadnego powodu, by poświęcać na nie czas. Umowa, która nie przewiduje obowiązku współpracy dokumentacyjnej, zostawia was z pytaniami, na które nikt nie odpowie.
Ta sama praca wykonana na etapie zakupu kosztuje kilka dni, bo dostawca jeszcze konkuruje i odpowiada tego samego dnia. Stosunek jest mniej więcej dziesięciokrotny i to jest cała ekonomia argumentu z tego przewodnika.
Jakie artefakty zgodności wyegzekwować, zanim podpiszecie umowę?
Lista jest krótsza, niż sugerują poradniki, i każda pozycja ma jednoznaczne kryterium przyjęcia. Zapytanie ofertowe, które zawiera te pięć punktów, odsiewa więcej niż dwudniowy warsztat techniczny.
Oświadczenie o roli i klasyfikacji. Pisemne, odnoszące się do waszego opisanego przypadku użycia, z uzasadnieniem. Kryterium przyjęcia: dokument nazywa rolę dostawcy, wskazuje klasę ryzyka i wymienia założenia, przy których ta klasyfikacja jest ważna.
Dokumentacja modelu. Przeznaczenie, znane ograniczenia, warunki, w których jakość spada, oraz — w zakresie, w jakim dostawca może to ujawnić — informacje o pochodzeniu danych treningowych i dostrajających. Kryterium przyjęcia: dokument zawiera zdanie o tym, czego model nie potrafi. Materiał, który wymienia wyłącznie mocne strony, jest materiałem marketingowym, nie dokumentacją.
Opis nadzoru człowieka i logowania. Co system zapisuje, przez jaki czas, w jakim formacie i czy zapisy da się wyeksportować bez udziału dostawcy. Kryterium przyjęcia: eksport jest możliwy samodzielnie i został przetestowany podczas pilotażu, a nie opisany w ofercie.
Umowa powierzenia przetwarzania danych osobowych. Z listą podprzetwarzających, lokalizacji przetwarzania i trybu informowania o zmianach. Kryterium przyjęcia: lista jest zamknięta i ma datę, a zmiana podprzetwarzającego wymaga uprzedniego powiadomienia z prawem sprzeciwu.
Plan wyjścia. Format eksportu danych, danych dostrojenia i historii, termin realizacji i cena. Kryterium przyjęcia: cena jest podana liczbą, a nie zapisana jako „według cennika obowiązującego w dniu żądania”.
Jeżeli dostawca odmawia którejkolwiek z tych pozycji, ma to jedną z dwóch przyczyn: albo nie dysponuje materiałem, albo nie chce się nim wiązać. Obie są wystarczającym powodem do odrzucenia oferty i obie są znacznie tańsze do wykrycia teraz niż za dwa lata.
Jak sprawdzić, czy dostawca faktycznie zna pochodzenie swoich danych treningowych?
To pytanie brzmi jak audytorski rytuał, a jest najbardziej diagnostyczne z całej rozmowy — dlatego, że odpowiedź trudno wyreżyserować.
Nie pytajcie „czy dane treningowe są legalne”, bo odpowiedź brzmi zawsze „tak”. Pytajcie o rzeczy operacyjne. Jak wygląda proces dopuszczania nowego zbioru do treningu i kto go zatwierdza? Czy istnieje rejestr zbiorów z podaniem źródła i podstawy wykorzystania? Co się dzieje, gdy okaże się, że jeden ze zbiorów nie powinien był trafić do treningu — czy da się model odtworzyć bez tego zbioru, a jeśli tak, w jakim czasie i czyim kosztem?
Ostatnie pytanie jest kluczowe, bo dotyczy zdolności, a nie deklaracji. Dostawca, który ma powtarzalny proces treningowy z wersjonowanymi zbiorami, odpowie konkretnie: tyle a tyle tygodni, koszt po naszej stronie. Dostawca, który nie ma, zacznie tłumaczyć, dlaczego pytanie jest teoretyczne.
Drugi test dotyczy waszych danych. Czy wasze dane wejściowe i wyjściowe są wykorzystywane do doskonalenia modeli dostawcy? Jeśli tak, czy da się to wyłączyć, czy wyłączenie zmienia cenę i czy dotyczy również danych już przekazanych. To pytanie ma bezpośredni skutek finansowy: dostawcy potrafią oferować niższą cenę w zamian za prawo do wykorzystania danych, co bywa sensownym wyborem — ale musi być wyborem świadomym, wycenionym i zapisanym, a nie ustawieniem domyślnym, które ktoś odkrywa przy audycie.
Dlaczego pilotaż na danych dostawcy nie dowodzi niczego?
Demonstracja na wyselekcjonowanym zbiorze mierzy jakość selekcji. To zdanie warto powtórzyć na spotkaniu zakupowym, bo w praktyce większość decyzji o zakupie AI zapada po prezentacji, w której dostawca pokazuje własny materiał.
Właściwy test ma trzy elementy i wszystkie trzy trzeba ustalić przed uruchomieniem. Po pierwsze, zbiór testowy przygotowany przez was — z waszego archiwum, z zachowanym realnym rozkładem przypadków, łącznie z tymi brzydkimi: skany krzywe, dokumenty niekompletne, korespondencja z literówkami i żargonem branżowym. Po drugie, kryterium sukcesu zapisane liczbą przed startem, wyrażone w kategoriach biznesowych, a nie modelowych: nie „dokładność 92%”, tylko „co najmniej 85% faktur przechodzi bez dotknięcia przez człowieka przy odsetku błędów przepuszczonych poniżej 1%”. Po trzecie — i to jest element, który znika najczęściej — jawne wskazanie wyniku, przy którym rezygnujecie.
Bez trzeciego elementu pilotaż zawsze kończy się sukcesem, bo po trzech miesiącach pracy nikt w zespole nie ma ochoty ogłosić, że kwartał poszedł w koszty. Zapisanie progu rezygnacji przed startem jest jedynym znanym mi sposobem, żeby ta decyzja pozostała decyzją techniczną, a nie decyzją o zachowaniu twarzy.
Płatny pilotaż jest przy tym wart swojej ceny również wtedy, gdy kończy się odmową. Rząd wielkości, jaki obserwujemy w polskich projektach dla sensownie zakrojonego pilotażu na własnych danych, to kilkadziesiąt tysięcy złotych po stronie dostawcy plus dwa do czterech tygodni pracy własnego zespołu na przygotowanie zbioru i ocenę wyników. Wobec kosztu trzyletniego kontraktu, który liczy się w setkach tysięcy, to jest tania opcja wyjścia.
Jak zbudować zbiór testowy, którego nie da się podrasować
Zbiór testowy przygotowany naprędce z pierwszych stu dokumentów z folderu daje wynik zawyżony, bo pierwsze sto dokumentów to zwykle najbardziej typowe sto dokumentów. Rozsądna konstrukcja ma cztery warstwy i zajmuje dwa dni pracy analityka.
Warstwa pierwsza to próba losowa z całego rocznego wolumenu — od dwustu do pięciuset pozycji, w zależności od zróżnicowania materiału. To ona daje liczbę, którą można pokazać zarządowi. Warstwa druga to celowo dobrane przypadki brzegowe, których zbieraniem powinien zająć się ktoś z pierwszej linii procesu, bo tylko ta osoba wie, co naprawdę psuje przetwarzanie: skany przekrzywione, dokumenty dwujęzyczne, załączniki wielostronicowe z jedną istotną tabelą na stronie siódmej. Warstwa trzecia to przypadki, w których poprawna odpowiedź brzmi „nie wiem” — model, który nigdy nie odmawia odpowiedzi, jest w procesie produkcyjnym groźniejszy niż model, który odmawia zbyt często. Warstwa czwarta to kontrola: kilkanaście pozycji, dla których znacie prawidłowy wynik z całą pewnością, wpuszczonych do zbioru bez oznaczenia.
Kluczowa zasada dotyczy tego, kto trzyma odpowiedzi. Zbiór przekazujecie dostawcy bez etykiet, a porównanie z prawidłowymi wynikami robicie u siebie. Przekazanie zbioru razem z odpowiedziami zamienia test na ćwiczenie z dopasowania i jest najczęstszym sposobem, w jaki pilotaż traci wartość dowodową — zwykle bez złej woli po żadnej ze stron.
Jak porównać oferty, skoro każdy dostawca liczy inną jednostkę?
Cenniki AI są nieporównywalne z premedytacją. Jeden dostawca rozlicza tokeny, drugi wywołania, trzeci użytkowników nazwanych, czwarty sprzedaje abonament z limitem i opłatą karną za przekroczenie, piąty liczy przetworzone strony. Każda z tych jednostek jest wewnętrznie logiczna i żadne dwie nie dają się porównać wprost.
Jedyna jednostka, która ma sens po waszej stronie, to koszt jednego zdarzenia biznesowego przy waszym realnym wolumenie. Weźcie dwanaście miesięcy historii — liczbę faktur, zgłoszeń, spraw, dokumentów — i przeliczcie każdą ofertę na koszt obsłużenia tego wolumenu. Do wyniku doliczcie trzy rzeczy, o których cenniki milczą: koszt ponowień przy błędach modelu (przy realistycznym odsetku ponowień rzędu kilku procent to nie jest zaokrąglenie), koszt wersji zapasowej na czas niedostępności usługi, oraz koszt narzutu integracyjnego, czyli własnej pracy potrzebnej do utrzymania połączenia.
Przykład liczbowy na jednym procesie
Załóżmy proces obsługi faktur kosztowych: 18 000 dokumentów rocznie, dziś w całości przetwarzanych ręcznie, średnio siedem minut na dokument.
Oferta A rozlicza się za przetworzoną stronę. Przy średnio dwóch stronach na fakturę i stawce rzędu kilkudziesięciu groszy za stronę koszt roczny wychodzi w dolnych dziesiątkach tysięcy złotych. Oferta B ma abonament roczny z limitem 15 000 dokumentów i opłatą za przekroczenie liczoną trzykrotnie wyżej niż stawka podstawowa — przy waszym wolumenie 18 000 wpadacie w limit w listopadzie i ostatnie dwa miesiące kosztują tyle, co wcześniejsze cztery. Oferta C liczy tokeny, więc rachunek zależy od długości dokumentów; przy waszym materiale, w którym co dziesiąta faktura ma pięć stron załączników, wariant realistyczny wychodzi o połowę wyżej niż wariant z prezentacji dostawcy, liczony na fakturze wzorcowej.
Trzy oferty, trzy zupełnie różne kształty ryzyka. Oferta A jest przewidywalna i najdroższa w wariancie bazowym. Oferta B jest najtańsza, dopóki nie przekroczycie limitu, a przekroczycie go co roku, bo wolumen rośnie. Oferta C jest najtańsza w wariancie optymistycznym i nieprzewidywalna w praktyce.
Wniosek, którego nie widać w arkuszu ze stawkami jednostkowymi: przy tym profilu wolumenu wygrywa oferta A, mimo najwyższej stawki nominalnej, ponieważ jako jedyna daje liczbę, którą można wpisać do budżetu i której nie trzeba korygować w połowie roku. Dla organizacji, w której korekta budżetu wymaga uchwały, sama przewidywalność jest wartością wycenialną.
Do tego dochodzi element, który w polskich warunkach potrafi przewrócić cały rachunek, a który znika w arkuszu prowadzonym w dolarach: przychód macie w złotych, a cennik dostawcy jest zwykle w euro lub dolarach. Trzyletni kontrakt wyceniony w walucie obcej zawiera wbudowaną ekspozycję kursową, której nikt nie wpisuje do modelu TCO. Historyczna zmienność kursu w takim horyzoncie bywa dwucyfrowa, a to jest ten sam rząd wielkości, co deklarowana oszczędność z wdrożenia. Wniosek nie brzmi „nie kupować w walucie”, tylko: policzcie wariant pesymistyczny kursowy w tym samym arkuszu, w którym liczycie oszczędność, i pokażcie oba dyrektorowi finansowemu.
Które klauzule umowne rozstrzygają o kosztach za dwa lata?
Umowa z dostawcą AI ma kilka miejsc, w których cena z pierwszego roku zamienia się w zupełnie inną cenę w trzecim. Warto je znać, bo negocjuje się je raz.
Waloryzacja i zmiana cennika. Prawo dostawcy do jednostronnej zmiany stawek z trzydziestodniowym wyprzedzeniem jest standardem ofertowym i jest zbywalne. Minimum: pułap wzrostu w skali roku i prawo wypowiedzenia bez kary w razie przekroczenia pułapu.
Zmiana modelu bazowego. Dostawcy wycofują starsze wersje modeli szybciej, niż wynikałoby to z cyklu życia oprogramowania. Wycofanie wersji, na której zbudowaliście i przetestowaliście proces, oznacza powtórzenie walidacji na wasz koszt. Zapiszcie minimalny okres utrzymania wersji i tryb powiadamiania.
Poziom usług i skutek jego niedotrzymania. Kara umowna wyrażona jako procent miesięcznej opłaty jest w praktyce symboliczna wobec kosztu przestoju procesu biznesowego. Ważniejsze od wysokości kary jest prawo wyjścia po serii naruszeń i obowiązek wsparcia migracji.
Podprzetwarzający i lokalizacja. Zamknięta lista z datą i obowiązek uprzedniego powiadomienia o zmianie, z prawem sprzeciwu. Bez tego lokalizacja przetwarzania może się zmienić bez waszej wiedzy, co bywa problemem szczególnie w sektorach regulowanych.
Warunki wyjścia. Format eksportu, termin, cena podana liczbą. Do rozważenia jest tu również szerszy kontekst prawny: rozporządzenie 2023/2854 w sprawie danych, stosowane od 12 września 2025 roku, wprowadza wymogi ułatwiające przełączanie się między usługami przetwarzania danych oraz stopniowe znoszenie opłat za zmianę dostawcy. Nie każde narzędzie AI mieści się w tym zakresie, ale warto zapytać dostawcę wprost, czy jego usługa się w nim mieści — sama reakcja na to pytanie jest informacyjna.
Co zrobić, gdy dostawca przetwarza dane osobowe w waszym imieniu?
W większości wdrożeń AI dane osobowe pojawiają się nawet wtedy, gdy nikt tego nie planował: w treści korespondencji, w polach dokumentów, w metadanych zgłoszeń. Rozstrzygnięcie ról z RODO jest więc równoległym torem do rozstrzygnięcia ról z AI Act i nie zastępuje go — to dwa różne podziały, które nie muszą się pokrywać.
Jeśli dostawca przetwarza dane w waszym imieniu, potrzebna jest umowa powierzenia spełniająca wymogi art. 28 RODO, z określeniem przedmiotu, czasu, charakteru i celu przetwarzania, kategorii osób i danych, oraz z warunkami korzystania z dalszych podmiotów przetwarzających. Standardowy wzór dostawcy warto przeczytać w jednym konkretnym miejscu: czy pozwala mu wykorzystywać wasze dane do własnych celów, w tym do doskonalenia modeli. Jeżeli tak, to nie jest już czyste powierzenie i wymaga osobnej analizy.
Drugi punkt dotyczy zautomatyzowanego podejmowania decyzji. Jeśli system AI ma wpływ na decyzje wywołujące skutki prawne wobec osób lub podobnie istotnie na nie wpływające, wchodzą w grę ograniczenia z art. 22 RODO i obowiązki informacyjne. To jest moment, w którym „nadzór człowieka” musi być realnym mechanizmem z zapisem w logach, a nie zdaniem w polityce — bo w razie sporu dowodzicie właśnie logami.
Trzeci punkt jest organizacyjny: ocena skutków dla ochrony danych. Przy wdrożeniach AI o istotnej skali warto ją przeprowadzić nawet wtedy, gdy nie ma pewności, że jest obowiązkowa, ponieważ jej produktem ubocznym jest uporządkowany opis przepływu danych, którego i tak będziecie potrzebować do dokumentacji z AI Act. Jedna praca, dwa zastosowania.
Jak ocenić ryzyko uzależnienia od dostawcy?
Uzależnienie od dostawcy AI ma trzy warstwy o bardzo różnym koszcie odwrócenia i mylenie ich prowadzi do złych decyzji.
Warstwa pierwsza to interfejs programistyczny. Koszt przełączenia: tygodnie. Rozwiązanie znane i tanie — własna warstwa pośrednicząca, przez którą przechodzą wszystkie wywołania, plus testy kontraktowe. Jeśli tego nie macie, to jest to pierwsza rzecz do zbudowania i kosztuje ułamek tego, co oszczędza.
Warstwa druga to dane dostrojenia i wypracowane przez was materiały: zbiory przykładów, reguły, konfiguracje. Koszt przełączenia: miesiące, o ile w ogóle da się je wyeksportować. To jest właśnie ten punkt, w którym plan wyjścia z ceną podaną liczbą przestaje być formalnością.
Warstwa trzecia to proces biznesowy przebudowany wokół konkretnego zachowania modelu — na przykład progi decyzyjne dobrane pod jego charakterystykę błędów. Koszt przełączenia: kwartały, bo wymaga ponownej walidacji całego procesu. Tej warstwy nie da się usunąć, można ją tylko świadomie ograniczyć, projektując proces wokół wyniku, a nie wokół narzędzia.
Praktyczny test, który zajmuje jedno spotkanie: poproście własny zespół o oszacowanie, ile tygodni zajęłoby przełączenie na alternatywnego dostawcę przy zachowaniu obecnej jakości. Jeżeli odpowiedź brzmi „nie wiem”, macie odpowiedź.
Jakie sygnały ostrzegawcze mają realną wartość predykcyjną?
Listy sygnałów ostrzegawczych krążące po branży są długie i w większości bezużyteczne, bo wymieniają rzeczy, które łatwo ukryć. Pięć poniższych ma tę własność, że trudno je zasymulować.
Odmowa pilotażu na waszych danych — najsilniejszy pojedynczy sygnał. Dostawca zna swój produkt lepiej niż wy i wie, na czym on się wykłada.
Deklaracja zgodności bez pytania o wasz przypadek użycia. Jak wyżej: klasyfikacja zależy od przeznaczenia, więc zgodność „w ogóle” nie istnieje.
Brak referencji z waszej branży i skali. Nie chodzi o logo na stronie, tylko o rozmowę telefoniczną z osobą, która to wdrażała. Dostawca, który nie umie takiej rozmowy zorganizować, nie ma zadowolonych klientów w waszym segmencie.
Cennik oparty na niezdefiniowanej „aktywności”. Jeżeli po godzinie rozmowy nie potraficie samodzielnie policzyć rachunku za miniony miesiąc, nie potraficie go też zaplanować na przyszły rok.
Zależność od jednej osoby. W małych dostawcach AI cała wiedza o modelu bywa skupiona w jednej głowie. Pytanie kontrolne: kto poza tą osobą potrafi odtworzyć proces treningowy?
Pojedynczy sygnał jest do przyjęcia i bywa uzasadniony. Trzy naraz oznaczają ryzyko, którego nie zrekompensuje żadna cena.
Rozmowa referencyjna, która faktycznie coś wnosi
Referencje udzielane w obecności handlowca dostawcy nie mają wartości informacyjnej i wszyscy uczestnicy takiej rozmowy o tym wiedzą. Wartość pojawia się przy trzech warunkach: rozmowa jest bez udziału dostawcy, po drugiej stronie siedzi inżynier lub właściciel procesu, a nie dyrektor, i pytania dotyczą zdarzeń, nie wrażeń.
Cztery pytania, które w naszej praktyce dają najwięcej. Co poszło nie tak przy wdrożeniu i ile to kosztowało w tygodniach? Każde wdrożenie ma taki moment; odpowiedź „nic” oznacza, że rozmawiacie z niewłaściwą osobą. Ile trwało od podpisania umowy do pierwszego realnego użycia przez pracownika, a nie do uruchomienia środowiska? Ta różnica bywa kwartalna. Jak wyglądał pierwszy rachunek w porównaniu z ofertą? Pytanie o rozbieżność, nie o kwotę. Gdybyście wybierali dziś jeszcze raz, co zrobilibyście inaczej? Ostatnie pytanie jest najbardziej wartościowe, bo jako jedyne nie ma społecznie poprawnej odpowiedzi.
Jeżeli dostawca nie potrafi zorganizować takiej rozmowy w waszej branży i skali w ciągu dwóch tygodni, jest to informacja o stanie jego bazy klientów, a nie o jego kalendarzu.
Jak zbudować macierz oceny, która nie premiuje najlepszej prezentacji?
Klasyczna matryca z wagami ma znaną wadę: wagi dobiera się po obejrzeniu ofert, więc wynik potwierdza decyzję już podjętą. Dwie proste zmiany usuwają większość tego problemu.
Pierwsza: podziel kryteria na bramki i punkty. Bramka to warunek zero-jedynkowy, którego niespełnienie kończy rozmowę niezależnie od reszty wyniku — należą do nich cztery artefakty z sekcji o dokumentacji, zgoda na pilotaż na waszych danych i wykonalny plan wyjścia. Dopiero oferty, które przeszły wszystkie bramki, podlegają punktacji. To eliminuje uśrednianie, w którym świetna cena maskuje brak dokumentacji.
Druga: wagi ustal i zapisz przed otwarciem ofert, a punkty przyznawaj na podstawie dowodów, nie deklaracji — z jawnym rozróżnieniem, że materiał od dostawcy jest wart mniej niż wynik pilotażu i mniej niż rozmowa z referencją.
Poniższa tabela porządkuje proces wyboru w model dojrzałości. Warto ją potraktować jako narzędzie diagnostyczne: większość organizacji rozpoznaje się w poziomie 1 lub 2, a przeskok na poziom 3 jest tańszy, niż się wydaje, bo nie wymaga nowych narzędzi, tylko innej kolejności pytań.
| Poziom | Jak wygląda wybór dostawcy | Co rozstrzyga decyzję | Typowy skutek po 18 miesiącach | Pierwszy krok wyżej |
|---|---|---|---|---|
| 0 — przypadkowy | Wybór po demonstracji i rekomendacji z konferencji | Wrażenie z prezentacji | Wdrożenie działa, ale nikt nie umie odpowiedzieć na pytania audytu | Spisać przypadek użycia jednym akapitem i wysłać go dostawcy z pytaniem o klasyfikację |
| 1 — techniczny | Porównanie funkcji i cen w arkuszu, pilotaż na materiale dostawcy | Dokładność modelu i stawka jednostkowa | Rachunek w trzecim roku dwukrotnie wyższy od planowanego | Przeliczyć oferty na koszt jednego zdarzenia biznesowego przy własnym wolumenie |
| 2 — zakupowy | Formalne zapytanie ofertowe, negocjacja poziomu usług i kar | Cena całkowita i warunki serwisowe | Wyjście od dostawcy kosztuje więcej niż dwa lata subskrypcji | Wpisać do zapytania plan wyjścia z ceną podaną liczbą |
| 3 — ryzykowy | Bramki zgodności przed punktacją, pilotaż na własnych danych z progiem rezygnacji | Komplet artefaktów i wynik pilotażu | Wdrożenie przechodzi audyt bez projektu naprawczego | Rozdzielić w umowie role z AI Act i z RODO, bo to dwa różne podziały |
| 4 — portfelowy | Jedna macierz dla wszystkich wdrożeń AI, wspólna warstwa pośrednicząca, rejestr systemów | Wpływ na całość portfela, nie na pojedynczy projekt | Zmiana dostawcy jest decyzją kwartalną, nie projektem | Zbudować rejestr systemów AI z rolą, klasą ryzyka i właścicielem biznesowym |
Jak rozłożyć proces wyboru w czasie i kto powinien w nim uczestniczyć?
Rozsądny proces dla wdrożenia średniej wielkości zajmuje od dziesięciu do czternastu tygodni i dzieli się na cztery odcinki, z których żadnego nie da się skrócić bez przeniesienia kosztu w przyszłość.
Tygodnie 1–2: opis przypadku użycia. Jeden akapit opisujący, co system ma robić, na jakich danych i z jakim skutkiem dla ludzi. To jest dokument, na podstawie którego dostawcy odpowiadają o klasyfikacji, więc musi powstać przed rozmowami, nie w ich trakcie. Uczestnicy: właściciel procesu biznesowego i architekt.
Tygodnie 3–5: zapytanie i bramki. Rozesłanie zapytania z pięcioma artefaktami jako warunkami udziału. Zwykle na tym etapie odpada od jednej trzeciej do połowy zainteresowanych, co jest oszczędnością, a nie problemem. Uczestnicy: zakupy, prawnik, inspektor ochrony danych.
Tygodnie 6–10: pilotaż. Na waszych danych, z kryterium sukcesu i progiem rezygnacji zapisanymi przed startem. Uczestnicy: zespół techniczny plus dwie osoby z procesu biznesowego, które będą z narzędzia korzystać na co dzień. Ich ocena bywa trafniejsza od metryki.
Tygodnie 11–14: negocjacje i decyzja. Klauzule waloryzacyjne, utrzymanie wersji modelu, plan wyjścia. Uczestnicy: zakupy i prawnik, z architektem dostępnym na telefon.
Najczęstszy błąd organizacyjny polega na wciągnięciu prawnika dopiero w ostatnim odcinku. Wtedy jego uwagi są kosztowne, bo wymagają cofnięcia decyzji, i dlatego zwykle zostają zignorowane. Prawnik potrzebny jest w odcinku drugim, na jeden dzień, żeby sprawdzić brzmienie bramek.
Jakich błędów unikać najczęściej?
Ocenianie modelu zamiast wdrożenia. Na wynik biznesowy składa się jakość modelu, jakość danych wejściowych i jakość procesu wokół. Model jest zwykle najlepszym z tych trzech elementów i najrzadziej bywa wąskim gardłem.
Traktowanie zgodności jako etapu po wyborze. Artefakty zgodności są elementem oferty, a nie zadaniem wdrożeniowym. Po podpisaniu umowy nie macie już dźwigni, żeby je uzyskać.
Mylenie ról z RODO i ról z AI Act. To dwa niezależne podziały. Można być podmiotem stosującym w rozumieniu AI Act i administratorem w rozumieniu RODO jednocześnie, a te dwie role pociągają zupełnie inne obowiązki.
Pilotaż bez progu rezygnacji. Bez zapisanej z góry granicy każdy pilotaż kończy się rekomendacją zakupu.
Rachunek TCO w walucie obcej dla firmy rozliczającej się w złotych. Ekspozycja kursowa w trzyletnim horyzoncie bywa tego samego rzędu, co planowana oszczędność.
Brak rejestru systemów AI. Przy trzecim wdrożeniu okazuje się, że nikt nie wie, ile systemów AI działa w organizacji, kto jest ich właścicielem i w jakiej roli występuje firma. Odtworzenie tej wiedzy wstecz kosztuje wielokrotnie więcej niż prowadzenie rejestru od pierwszego wdrożenia. Zbliżony problem opisaliśmy przy okazji zarządzania zasobami oprogramowania i zgodności licencyjnej — mechanizm powstawania luki jest identyczny.
Jak ARDURA Consulting wspiera wybór dostawcy AI?
Nasza rola w tym procesie jest po stronie kupującego i sprowadza się do trzech rzeczy, których wewnętrzny zespół zwykle nie ma czasu zrobić równolegle z bieżącą pracą.
Pierwsza to przygotowanie zapytania ofertowego z bramkami zgodności i przypadkiem użycia opisanym tak, żeby dostawcy mogli odpowiedzieć o klasyfikacji. Druga to przeprowadzenie pilotażu na waszych danych — od przygotowania zbioru testowego, przez uruchomienie, po niezależną ocenę wyników wobec kryterium zapisanego przed startem. Trzecia to udostępnienie inżynierów, którzy zbudują warstwę pośredniczącą i utrzymają ją po wdrożeniu, tak żeby zmiana dostawcy pozostała decyzją kwartalną, a nie projektem.
Pracujemy w modelu Staff Augmentation i Time & Materials, więc zespół można powiększyć na czas wyboru i pilotażu, a potem zmniejszyć do utrzymania. W praktyce oznacza to inżyniera danych i architekta na dziesięć do czternastu tygodni procesu wyboru, z opcją przedłużenia na wdrożenie.
Jeżeli planujecie wdrożenie AI w tym roku, najtańszy możliwy pierwszy krok kosztuje jedno popołudnie: spiszcie przypadek użycia jednym akapitem i wyślijcie go trzem dostawcom z jednym pytaniem — w jakiej roli występujecie wobec tego zastosowania i jaką klasę ryzyka mu przypisujecie. Odpowiedzi, które wrócą, powiedzą wam o tych dostawcach więcej niż komplet materiałów marketingowych.
Skontaktuj się z nami, jeśli chcesz przejść ten proces z zespołem, który robił to wcześniej.