Pytania i odpowiedzi
Pytania, które padają przed podpisaniem umowy
17 odpowiedzi o kosztach, czasie, danych, zgodności i o tym, co dzieje się po oddaniu systemu. Pytania techniczne — jak działa RAG, czym jest model lokalny — mają własne sekcje przy usługach i w bazie wiedzy.
Aktualizacja: · Sprint0
Koszt i czas
Ile kosztuje wdrożenie AI w firmie?
Cena zależy od zakresu, dlatego ustalamy zakres przed wyceną, a nie po niej. Ten sam „pilot asystenta na dokumentach" przy trzech tysiącach plików w jednym formacie i przy trzystu tysiącach w dwunastu to dwa różne projekty i dwie różne kwoty. Po bezpłatnym discovery dostajesz wycenę na piśmie z opisanym zakresem; audyt gotowości kończy się kosztorysem całości, więc decyzja o wdrożeniu zapada już na liczbach.
Pakiety startowe — zakres i czas →Ile trwa wdrożenie — od rozmowy do działającego systemu?
Pilot jednego procesu zamykamy orientacyjnie w 4–8 tygodniach, licząc od discovery do działającej wersji ze zmierzoną trafnością. Audyt gotowości to 1–2 tygodnie, MVP dedykowanego systemu 6–10 tygodni. Czas zależy głównie od dostępności ludzi i danych po stronie klienta — to zwykle wąskie gardło, nie technologia.
Pięć etapów współpracy →Jaki jest najtańszy sposób, żeby sprawdzić, czy to ma sens?
Bezpłatne discovery — godzina rozmowy o jednym procesie, bez zobowiązania i bez faktury. Jeśli okaże się, że problem taniej rozwiązać regułą, integracją albo zmianą formularza, powiemy to zamiast sprzedawać pakiet. Drugi tani krok to checklista wdrożenia AI, którą można przejść samodzielnie, zanim w ogóle do nas napiszecie.
Checklista wdrożenia AI (PDF) →Jakie są koszty po wdrożeniu?
Na koszt bieżący składają się trzy rzeczy: infrastruktura, model i utrzymanie. Przy modelu komercyjnym płaci się za zapytania, więc koszt rośnie z użyciem; przy modelu lokalnym koszt jest stały (serwer, prąd, amortyzacja) i opłaca się od pewnego wolumenu. Utrzymanie to osobna umowa — monitoring jakości odpowiedzi, aktualizacje i rozwój.
On-premise czy chmura — rachunek →Dane i bezpieczeństwo
Gdzie trafiają nasze dane?
To zależy od wybranej drogi i jest opisane w architekturze, zanim cokolwiek powstanie. Przy wdrożeniu lokalnym dane i model zostają w Waszej infrastrukturze — także w środowisku bez łącza wyjściowego. Przy modelu komercyjnym do dostawcy trafia minimum danych potrzebne do jednego zadania, na umowie powierzenia; resztę odcinamy po stronie aplikacji przez filtrowanie pól i pseudonimizację.
Wdrożenia AI on-premise →Czy model będzie się uczył na naszych dokumentach?
Nie — w architekturze RAG model nie jest dotrenowywany na Waszych danych. Przy każdym pytaniu dostaje wyszukane fragmenty jako materiał do odpowiedzi i po odpowiedzi nic z nich nie zostaje w jego parametrach. Praktyczny skutek jest taki, że usunięcie dokumentu z indeksu naprawdę usuwa go z systemu, czego nie da się powiedzieć o dotrenowywaniu.
Jak działa RAG →Czy asystent pokaże pracownikowi dokumenty, do których nie ma dostępu?
Nie, o ile uprawnienia są sprawdzane na etapie wyszukiwania — i tak właśnie je budujemy. Filtr po uprawnieniach użytkownika działa zanim cokolwiek trafi do modelu, a nie na gotowej odpowiedzi. To jedyne miejsce, w którym da się je wymusić naprawdę: odfiltrowanie odpowiedzi po fakcie oznacza, że dokument już został przeczytany przez model.
Czy będziemy wiedzieć, kto i o co pytał system?
Tak — dziennik audytowy jest częścią architektury od pierwszego dnia, nie dodatkiem na drugi etap. Zapisuje, kto zadał pytanie, kiedy, jakie dokumenty zostały podane modelowi i jaka padła odpowiedź. Przy NIS2 i przy każdym poważnym audycie to wymóg, a nie udogodnienie.
Zgodność i regulacje
Czy korzystanie z AI jest zgodne z RODO?
Samo korzystanie z AI nie jest ani zgodne, ani niezgodne z RODO — liczy się to, jakie dane osobowe trafiają do przetwarzania, na jakiej podstawie i kto jest ich procesorem. Przy modelu komercyjnym dostawca jest podmiotem przetwarzającym i potrzebna jest umowa powierzenia; przy modelu lokalnym dane nie opuszczają administratora. W obu przypadkach obowiązuje minimalizacja: do modelu idzie tyle, ile wymaga jedno zadanie. To nie jest porada prawna.
RODO a AI — przewodnik →Czy nasze zastosowanie podlega AI Act?
AI Act klasyfikuje zastosowania według poziomu ryzyka, a nie firmy czy technologie — więc odpowiedź zależy od tego, do czego konkretnie system służy. Większość zastosowań biznesowych (asystent na dokumentach, ekstrakcja danych, automatyzacja zadań biurowych) mieści się poza kategorią wysokiego ryzyka, ale obowiązki informacyjne i dokumentacyjne mogą dotyczyć także ich. Przegląd zastosowań pod tym kątem robimy w ramach audytu. To nie jest porada prawna.
AI Act dla firm →Jesteśmy objęci NIS2 — czy to wyklucza AI?
Nie wyklucza, ale narzuca wymagania, które trzeba wbudować w architekturę: kontrolę dostępu, rozliczalność działań, zarządzanie ryzykiem dostawców i zgłaszanie incydentów. W praktyce oznacza to dziennik audytowy, uprawnienia z firmowego katalogu i świadomą decyzję o tym, czy model jest u Was, czy u dostawcy. Wdrożenie lokalne upraszcza część z tych wymagań, bo usuwa dostawcę z łańcucha. To nie jest porada prawna.
AI zgodne z NIS2 →Zespół już używa AI na prywatnych kontach. Co z tym zrobić?
To najczęstsze realne naruszenie, jakie spotykamy — i zakaz go nie rozwiązuje, tylko spycha głębiej. Działa kolejność: inwentaryzacja faktycznych zastosowań, krótka polityka mówiąca wprost, co wolno wkleić do modelu i czego nigdy, oraz firmowe narzędzie, które jest wygodniejsze od prywatnego konta. Warsztat dla zespołu zwykle ujawnia też listę sensownych zastosowań zgłoszonych przez samych pracowników.
Szkolenia i warsztaty AI →Umowa, własność i co po wdrożeniu
Czyj jest kod po zakończeniu projektu?
Wasz — od pierwszego commita, nie od odbioru i nie po zapłacie ostatniej faktury. Razem z kodem przekazujemy dokumentację techniczną i dostępy. Budujemy na narzędziach otwartych albo powszechnie dostępnych, więc dalszy rozwój nie wymaga naszej zgody ani wykupu licencji na cokolwiek.
Stos technologiczny →Czy uzależnimy się od Was jako dostawcy?
Nie powinniście i budujemy tak, żeby nie było to konieczne. Każdy etap kończy się dokumentem, który da się przeczytać bez nas: rekomendacją z discovery, architekturą z audytu, raportem z pomiaru po pilocie, kodem i dokumentacją po wdrożeniu. Audyt gotowości bywa zlecany u nas, a wdrożenie u kogoś innego — raport jest Wasz i jest do tego przygotowany.
Kto utrzymuje system po oddaniu?
Do wyboru: Wasz zespół, my na osobnej umowie, albo podział ról. Jeśli utrzymanie przejmuje Wasze IT, przekazanie obejmuje dokumentację, procedury aktualizacji i zestaw pytań kontrolnych do pomiaru jakości. Jeśli zostaje po naszej stronie, dostajecie raport okresowy z jakości działania i listę wprowadzonych zmian.
Etap piąty: utrzymanie →Co, jeśli pilot nie wyjdzie?
Kończy się raportem z liczbą i decyzją „nie rozwijamy" — i to jest poprawne zakończenie pilota, nie porażka. Dlatego pilot mierzy trafność na pytaniach o znanych odpowiedziach, zamiast opierać się na wrażeniach: po kilku tygodniach wiadomo, czy to działa, zamiast dowiadywać się o tym po roku i dwóch etapach rozbudowy. Raport zostaje u Was razem z tym, czego się dowiedzieliśmy o danych.
Czy to ma sens przy małej firmie?
Ma, jeśli jest powtarzalne zadanie wykonywane codziennie — wielkość firmy mniej tu znaczy niż liczba powtórzeń. Przy małym wolumenie prawie zawsze wychodzi tańsza droga: gotowe narzędzie automatyzacji, model komercyjny zamiast własnego serwera, jeden proces zamiast systemu. Na discovery mówimy o tym wprost, bo wdrożenie, które się nie zwraca, wraca do nas jako problem.
Przykłady wdrożeń →Odpowiedzi dotyczące RODO, NIS2 i AI Act opisują fakty poziomu unijnego i nasz sposób pracy. To nie jest porada prawna. W sprawach rozstrzygających skonsultujcie się z radcą prawnym albo inspektorem ochrony danych.