Wdrożenia AI dla firm — agenci AI i automatyzacja procesów

Wdrożenie AI w firmie to podłączenie modelu językowego do konkretnego procesu i obudowanie go regułami, uprawnieniami oraz kontrolą, żeby efekt dało się wykorzystać w codziennej pracy. Większość ofert wdrożeniowych zaczyna się od wyboru narzędzia — uważamy, że to odwrotna kolejność, bo o wartości projektu decyduje opis procesu, a narzędzie jest tylko konsekwencją tego opisu. Samo kupienie dostępu do modelu wdrożeniem nie jest: model nie wie, gdzie leżą Wasze faktury, jakie macie stawki i kto zatwierdza zamówienie. Wdrożenie polega na tym, że opisujemy proces, wskazujemy źródła danych, definiujemy, co system robi samodzielnie, a co przekazuje człowiekowi, i dopiero wtedy dokładamy warstwę AI. Sensowne rozwiązanie zwykle łączy klasyczną automatyzację z modelem: automatyzacja przenosi dane między systemami, a model rozumie treść dokumentu albo wiadomości. Cztery pojęcia są przy tym mylone najczęściej i różnią się nie nazwą, lecz tym, kto podejmuje decyzję o kolejnym kroku.

Rozróżnienie ma znaczenie przy wycenie i przy ocenie ryzyka. Chatbot na stronie i agent pilnujący obiegu faktur to dwa różne projekty, mimo że oba korzystają z tego samego modelu. Chatbot odpowiada i kończy pracę; agent wykonuje operacje w Waszych systemach, więc potrzebuje uprawnień, granic i śladu po każdej decyzji. Automatyzacja w n8n albo Make bywa najtańszą odpowiedzią i mówimy to wprost, chociaż wdrożenie z modelem wycenilibyśmy drożej: jeśli proces da się zapisać jako sztywny scenariusz, model niczego nie poprawia, a dokłada koszt tokenów i kolejny element do utrzymania. Dlatego pierwszy krok to zawsze pytanie, gdzie w procesie faktycznie potrzebna jest ocena treści, a gdzie wystarczy przełożenie danych z miejsca w miejsce. Odpowiedź na to pytanie zmienia zarówno wycenę, jak i to, ile kontroli trzeba dobudować wokół rozwiązania.

Naszym zdaniem najgorszym możliwym punktem startu jest zdanie „chcemy wdrożyć AI”, bo nie da się z niego wyprowadzić ani zakresu, ani wyceny, ani kryterium oceny — a bez kryterium oceny nikt później nie rozstrzygnie, czy projekt się udał. Lepsze zdanie brzmi „chcemy, żeby ktoś przestał przepisywać dane z faktur do systemu”: z niego wynika zakres (jedno źródło, jeden typ dokumentu), wynika wycena (liczba integracji) i wynika miara sukcesu (ile dokumentów przeszło poprawnie). Dlatego na pierwszej rozmowie prosimy o opisanie problemu w kategoriach czyjejś pracy, a nie technologii. Jeśli takiego opisu jeszcze nie ma, uważamy, że sam audyt daje więcej niż jakikolwiek zakup licencji — licencja bez opisu procesu jest tylko cyklicznym kosztem.

Najłatwiej zautomatyzować procesy powtarzalne, opisane regułami, oparte na danych dostępnych w jednym miejscu i mające mierzalny wynik. Powtarzalność decyduje o opłacalności i jest to kryterium, na którym odmawiamy najczęściej: jeśli Wasz proces uruchamia się kilka razy w miesiącu, odradzamy jego wdrożenie, bo koszt utrzymania będzie rósł co miesiąc, a zaoszczędzony czas nie — i powiemy to na pierwszej rozmowie, zamiast wystawić fakturę za pilot, który się nie zwróci. Reguły muszą dać się zapisać: jeśli doświadczony pracownik potrafi wytłumaczyć, po czym poznaje właściwą decyzję, da się to przenieść do systemu; jeśli mówi „to się czuje”, pilot będzie kosztowny i niepewny. Dane powinny być cyfrowe i dostępne przez API, eksport albo skrzynkę pocztową. Mierzalny wynik to warunek oceny pilota — bez zdefiniowanego „dobrze wykonane” nie da się stwierdzić, czy wdrożenie działa, a naszym zdaniem projekt bez takiego kryterium zawsze kończy się sporem o to, czy się udało, bo obie strony mają wtedy rację. Ostatnie kryterium to koszt pomyłki: im taniej i szybciej człowiek wyłapie błąd, tym śmielej można zaczynać.

• Odczyt faktur kosztowych: wyciągnięcie numeru, kontrahenta, NIP-u, kwot, terminu i pozycji, a następnie wpisanie ich do systemu księgowego
• Segregacja skrzynki zbiorczej: rozpoznanie, czy wiadomość to zapytanie ofertowe, reklamacja, faktura czy spam, i skierowanie jej do właściwej osoby
• Odpowiedzi pierwszej linii wsparcia na podstawie firmowej bazy wiedzy, z eskalacją do człowieka, gdy pewnej odpowiedzi brak
• Uzupełnianie CRM: wypełnienie karty kontaktu danymi z korespondencji i notatek po rozmowie handlowej
• Raporty cykliczne: zebranie danych z kilku źródeł, złożenie zestawienia i wysyłka o stałej porze
• Obsługa zamówień w sklepie: aktualizacja statusów, powiadomienia do klienta, przekazanie przesyłki do InPost lub DPD
• Przygotowanie ofert powtarzalnych na podstawie cennika i szablonu, do akceptacji handlowca
• Weryfikacja kompletności dokumentów przed wysyłką: czy załączniki, numery i podpisy są na miejscu

Źle rokują procesy, w których dane są rozproszone po ludzkiej pamięci i papierze, decyzja wymaga negocjacji albo oceny niesformalizowanej, a koszt błędu jest wysoki i trudny do wychwycenia. Nie znaczy to, że są nieosiągalne — znaczy, że nie powinny być pierwsze. Sensowna kolejność to najpierw proces o dużej powtarzalności i niskim ryzyku, żeby zespół zobaczył działający mechanizm i nauczył się go kontrolować, a dopiero potem obszary trudniejsze. Osobną pułapką jest proces, który wygląda na powtarzalny, ale każdy pracownik prowadzi go trochę inaczej — wtedy przed automatyzacją trzeba najpierw uzgodnić jedną wersję, inaczej system utrwali przypadkowy wariant. Przy audycie warto też sprawdzić, czy części kroków nie da się po prostu uprościć albo usunąć, zanim dołoży się do nich model: automatyzowanie zbędnej pracy tylko zamyka ją w systemie na kolejne lata. Zdarza się, że po takim przeglądzie najlepszą rekomendacją jest zmiana formularza, jedno pole obowiązkowe więcej albo wyłączenie raportu, którego nikt nie czyta — i wtedy tak właśnie mówimy, choć nie ma z tego zlecenia. Wolimy stracić projekt na tym etapie, niż zbudować system, który po pół roku cicho wychodzi z użycia: martwe wdrożenie kosztuje nas więcej niż jedna niewystawiona faktura, bo to jego nazwiskiem klient tłumaczy potem, dlaczego „AI u nas nie zadziałało”.

Są trzy sytuacje, w których mówimy „nie” niezależnie od budżetu, i wolimy wypisać je na stronie, niż tłumaczyć się z nich po fakcie. Pierwsza: proces bez właściciela — jeśli nikt w firmie nie odpowiada dziś za jego wynik, to po wdrożeniu nie będzie też komu zatwierdzać decyzji agenta ani zgłaszać rozbieżności, a system bez adresata błędów psuje się po cichu. Druga: wdrożenie ogłoszone zespołowi jako sposób na redukcję etatów — taki system dostaje najgorsze możliwe dane wejściowe, bo ludzie przestają zgłaszać jego pomyłki, a to od nich zależy, czy reguły wyjątków w ogóle powstaną. Trzecia: proces, który za kwartał zmieni się nie do poznania, bo firma wymienia system albo czeka na zmianę przepisu — wtedy budujemy coś, co trzeba będzie napisać drugi raz za Wasze pieniądze. Naszym zdaniem żaden z tych trzech przypadków nie jest problemem technicznym i żadnego nie naprawi lepszy model; wszystkie trzy są problemami organizacyjnymi i tak trzeba je rozwiązać, zanim ktokolwiek podpisze umowę.

Wdrożenia AI dzielimy na pięć typów, które różnią się zakresem uprawnień systemu i sposobem rozliczenia. W jednym projekcie często łączy się dwa lub trzy naraz — agent obsługujący faktury i tak potrzebuje integracji, a chatbot bez dostępu do bazy wiedzy odpowiada ogólnikami. Poniższy podział służy do rozmowy o zakresie i wycenie, a nie do wyboru jednej pozycji z menu. Uważamy zresztą, że układanie usług AI w menu jest formą sprzedaży, a nie formą projektowania: klient wskazuje „chatbota”, zanim ktokolwiek sprawdził, czy jego problemem jest odpowiadanie na pytania, czy raczej to, że nikt nie oddzwania na te, które już wpłynęły.

• Agenci AI — systemy realizujące cel w wyznaczonych granicach: pobierają dane, dobierają kolejne kroki, wykonują operacje w Waszych narzędziach i oddają wynik do akceptacji. Wdrożenia agentów AI zaczynają się od 10 000 zł
• Automatyzacja obiegu faktur — odczyt pól z dokumentu (numer, kontrahent, NIP, kwoty, termin, pozycje), walidacja z zamówieniem, wstępna dekretacja i przekazanie do systemu księgowego
• Chatboty i asystenci na stronie — odpowiedzi na pytania klientów na podstawie firmowej bazy wiedzy, kwalifikacja zapytania i przekazanie sprawy człowiekowi, gdy odpowiedź jest niepewna
• Integracje systemów — spięcie sklepu, CRM, poczty, magazynu, bramek płatniczych (Przelewy24, Stripe, BLIK, PayU) i przewoźników (InPost, DPD), żeby dane przestały być przepisywane ręcznie
• Automatyzacja sprzedaży i raportowania — kwalifikacja leadów, oferty składane z cennika, uzupełnianie CRM po rozmowie, cykliczne zestawienia budowane z kilku źródeł

Z tej piątki najłatwiej sprzedaje się chatboty i naszym zdaniem to najsłabszy pomysł na pierwszy projekt. Chatbot jest widoczny dla klientów od pierwszego dnia, więc każdy jego błąd jest publiczny, a korzyść trudna do zmierzenia — rozmowa nie równa się załatwiona sprawa, co widać zresztą w tabeli wyżej. Proces wewnętrzny jest odwrotny pod każdym z tych względów: pomyłkę widzi zespół, a nie klient, i od razu wiadomo, ile dokumentów przeszło poprawnie, a ile wróciło do człowieka. Dlatego jeśli mamy wybrać za Was pierwszy zakres, wskazujemy proces wewnętrzny, nawet gdy pytanie brzmiało o chatbota — i mówimy dlaczego, zamiast po prostu przyjąć zamówienie.

Faktury traktujemy osobno, bo zmieniło się wokół nich otoczenie prawne. Obowiązek wystawiania faktur w Krajowym Systemie e-Faktur objął od 1 lutego 2026 r. przedsiębiorców, których sprzedaż z VAT przekroczyła w 2025 r. 200 mln zł, a od 1 kwietnia 2026 r. pozostałych przedsiębiorców, w tym sektor MSP (Ministerstwo Finansów, ksef.podatki.gov.pl). Do 31 grudnia 2026 r. trwa okres przejściowy: faktury można wystawiać poza KSeF, o ile miesięczna sprzedaż z takich faktur nie przekracza 10 000 zł brutto — po przekroczeniu limitu trzeba wystawiać w KSeF, począwszy od faktury, która go przekroczyła (Ministerstwo Finansów, ksef.podatki.gov.pl). Dla firmy oznacza to, że strumień faktur sprzedażowych jest już ustrukturyzowany, a ręczna praca przesuwa się na stronę kosztową i na kontrolę zgodności dokumentów: sprawdzenie, czy dokument zgadza się z zamówieniem, czy trafił do właściwego projektu i czy nie zdublował się z innym. Warto przy tym nazwać rzecz, którą łatwo sprzedać odwrotnie: KSeF nie jest powodem do kupowania AI, tylko powodem do sprawdzenia, gdzie po jego wdrożeniu została jeszcze praca ręczna. Naszym zdaniem oferta, która łączy obowiązek ustawowy z zakupem modelu w jednym zdaniu, używa terminu z ustawy jako argumentu sprzedażowego — obowiązek dotyczy sposobu wystawiania faktur, a nie tego, czy ktoś w firmie przepisuje je potem do systemu.

Wdrożenia agentów AI zaczynają się w Wataha Media od 10 000 zł. Widełek powyżej tego progu nie podajemy przed audytem i uważamy, że kto podaje je przed rozmową o danych, ten zgaduje — my też byśmy zgadywali, bo o koszcie decyduje nie „inteligencja” systemu, lecz liczba miejsc, w których musi on dotknąć Waszych danych. Dwa projekty opisane tym samym zdaniem — „agent do faktur” — potrafią oznaczać zupełnie inny nakład pracy, jeśli w jednym przypadku dokumenty przychodzą jako czyste pliki PDF na jedną skrzynkę, a w drugim jako skany o zmiennej jakości z czterech kanałów. Dlatego zakres prac spisujemy po rozmowie o procesie i wyceniamy ten konkretny zakres, zamiast składać ofertę z pozycji cennikowych. Wolimy przegrać zapytanie z kimś, kto poda liczbę od ręki, niż wygrać je ceną, którą trzeba będzie korygować w połowie projektu.

• Liczba procesów objętych wdrożeniem — pilot na jednym procesie kosztuje mniej niż obieg dokumentów spinający kilka działów
• Liczba i rodzaj integracji — gotowe API systemu jest tańsze niż eksport z programu, który interfejsu nie ma
• Jakość i format danych wejściowych — uporządkowane pliki to inny nakład pracy niż skany o zmiennej jakości
• Wymagany poziom kontroli — log decyzji, panel akceptacji i raport rozbieżności to osobny moduł do zbudowania
• Zakres uprawnień agenta — im więcej operacji wykonuje samodzielnie, tym więcej zabezpieczeń, testów i scenariuszy wyjątków
• Środowisko i hosting — wdrożenie na Vercel w naszej architekturze jest tańsze niż praca w infrastrukturze klienta z własnymi wymaganiami
• Zakres dokumentacji i szkolenia dla zespołu, który przejmuje bieżącą obsługę

Do kosztu wdrożenia dochodzą wydatki bieżące i trzeba je policzyć od razu, bo to one decydują o opłacalności w dłuższym horyzoncie. Są to: zużycie tokenów modelu rozliczane od wolumenu, abonamenty narzędzi automatyzacji, hosting oraz opieka po wdrożeniu. Opiekę prowadzimy w ramach Wataha Care w trzech wariantach: Basic 100 zł, Pro 200 zł i Premium 300 zł miesięcznie. Kosztu tokenów nie da się rzetelnie oszacować przed pilotem, bo zależy od liczby dokumentów, ich długości i wybranego modelu — szacujemy go na prawdziwych danych po pierwszym miesiącu działania i dopiero wtedy wpisujemy do rachunku zwrotu. Do tego dokładamy jedną decyzję projektową, którą podejmujemy zawsze tak samo: między własnym kodem a gotową platformą wybieramy platformę, dopóki się da. Własny kod jest przyjemniejszy do pisania i droższy w utrzymaniu, a za to drugie płacicie przez cały czas życia systemu — dlatego n8n albo Make wchodzi wszędzie tam, gdzie wystarczy, a Next.js, React, TypeScript i Node.js tylko tam, gdzie platforma naprawdę nie domyka sprawy. Dla porządku: wdrożenia AI wyceniamy osobno od stron internetowych, gdzie obowiązuje zwykły cennik (landing od 1 000 zł, wizytówka od 3 000 zł, strona firmowa od 4 500 zł, sklep od 6 000 zł).

ROI wdrożenia AI liczy się z Waszych danych, nie z naszych. Wzór jest prosty: liczba powtórzeń procesu w miesiącu razy czas jednostkowy razy stawka godzinowa daje oszczędność brutto; od niej odejmujemy miesięczny koszt utrzymania — tokeny, abonamenty, hosting, opiekę — i dopiero ta różnica jest realnym zyskiem. Koszt wdrożenia podzielony przez tę różnicę daje liczbę miesięcy zwrotu. Nie podajemy tu przykładowych wyników, bo Wataha Media nie ma opublikowanego wdrożenia AI, z którego moglibyśmy je uczciwie zacytować. Piszemy to na stronie sprzedażowej świadomie: to nasza największa słabość w tym obszarze i uważamy, że lepiej, żebyście dowiedzieli się o niej tutaj niż na trzecim spotkaniu, kiedy padnie prośba o referencje. Jednocześnie uważamy, że cudze case studies liczone na cudzych procesach nie mówią o Waszym zwrocie prawie nic — różnica w powtarzalności i jakości danych między dwiema firmami z tej samej branży bywa większa niż różnica między dostawcami. Zamiast wyników dajemy metodę, którą można wypełnić własnymi liczbami jeszcze przed rozmową z nami, także po to, żeby wyjść z niej z wnioskiem „nie warto”.

1. 01Policz powtarzalnośćUstal, ile razy w miesiącu proces faktycznie się wykonuje: ile faktur kosztowych, ile zapytań w skrzynce, ile raportów. Weź dane z ostatnich trzech miesięcy, a nie z pamięci — różnica między odczuciem a licznikiem bywa duża w obie strony.
2. 02Zmierz czas jednostkowyZmierz stoperem, ile trwa jedno wykonanie od początku do końca, razem z przełączaniem między systemami, szukaniem danych i poprawkami. Podstawą wyliczenia jest ten pełny czas, a nie sam czas „wpisywania” w formularz.
3. 03Przypisz stawkęWeź pełny koszt godziny pracy osoby, która dziś to robi — koszt pracodawcy, nie kwotę z paska. Jeśli zadanie dzieli kilka osób o różnych stawkach, policz średnią ważoną ich udziałem w procesie.
4. 04Wylicz oszczędność bruttoPomnóż powtarzalność przez czas jednostkowy i przez stawkę, a wynik skoryguj o udział, który realnie przejmuje system. Rzadko jest to 100% — część spraw zawsze wraca do człowieka i tak ma być zaprojektowane. Wykonawca, który zakłada w tym miejscu pełne przejęcie procesu, sprzedaje Wam wynik, którego nikt nie kontroluje.
5. 05Odejmij koszty bieżąceOd oszczędności brutto odejmij miesięczne koszty: tokeny modelu, abonamenty narzędzi automatyzacji, hosting oraz opiekę serwisową. Koszt tokenów zależy od wolumenu i wybranego modelu, więc urealniamy go dopiero po pilocie, na prawdziwych dokumentach.
6. 06Policz okres zwrotu i koszt błęduPodziel koszt wdrożenia przez miesięczną różnicę — wyjdzie liczba miesięcy zwrotu. Na koniec dolicz dwa czynniki niewidoczne w arkuszu: koszt weryfikacji wyników przez człowieka oraz koszt błędu, który zdarza się dziś w procesie ręcznym.

Wszystkie liczby do tego wzoru podajecie Wy, ze swojego procesu — my pomagamy je zebrać podczas audytu i sprawdzić, czy nie są zbyt optymistyczne. Najczęstszy błąd to liczenie czasu „idealnego przebiegu”, bez wyjątków, poprawek i szukania brakującego dokumentu. Drugi to pominięcie kosztu weryfikacji, który po wdrożeniu nie znika, tylko zmienia charakter: zamiast wykonywać zadanie, pracownik sprawdza jego wynik. Trzeci to policzenie do oszczędności czasu, którego i tak nikt nie odzyska — jeśli zadanie zajmuje jednej osobie dwie godziny miesięcznie, ich odzyskanie nie zmienia kosztów firmy, tylko komfort pracy, i tak też należy to zapisać. Jeśli po uczciwym podstawieniu liczb okres zwrotu wychodzi bardzo długi, lepszym wnioskiem jest uproszczenie procesu albo wybór innego kandydata niż upieranie się przy wdrożeniu. Nasze stanowisko jest tu jednoznaczne: wolimy, żeby ten arkusz powstał przed naszą ofertą, nawet jeśli jego wynik ją skreśli, bo wdrożenie kupione wbrew własnym liczbom i tak zostanie porzucone — tylko rok później i za Wasze pieniądze.

Proces prowadzimy w trzech głównych etapach — audyt, pilot, wdrożenie produkcyjne — rozbitych na sześć kroków. Kolejność nie jest formalnością: audyt chroni przed automatyzowaniem procesu, który należałoby najpierw uprościć, a pilot przed wydaniem całego budżetu na rozwiązanie, którego nikt nie sprawdził na prawdziwych danych. Odmawiamy pominięcia pilota nawet wtedy, gdy klient sam o to prosi, żeby oszczędzić czas — nie dlatego, że nie umiemy zbudować całości od razu, tylko dlatego, że bez pilota żadna ze stron nie wie, jak system zachowa się na Waszych dokumentach, a odpowiedzialność za tę niewiedzę i tak spadnie na wykonawcę. Pracujemy zdalnie w całej Polsce, a na spotkania dojeżdżamy w promieniu około 40 km od Radomska — w tym zasięgu jest między innymi Częstochowa. Nie mamy biura obsługującego klientów, więc rozmowy prowadzimy u Was albo online.

1. 01Audyt procesuRozkładamy wybrany proces na kroki: kto co robi, skąd bierze dane, gdzie sprawa czeka, gdzie powstają błędy i ile razy w miesiącu się to powtarza. Efektem jest mapa procesu oraz lista miejsc, w których automatyzacja albo agent mają sens — wraz z tymi, w których nie mają.
2. 02Zakres pilota i kryteria ocenyWybieramy jeden proces, ustalamy, co system ma robić samodzielnie, a co trafia do akceptacji, i spisujemy z góry, po czym poznamy, że pilot się udał. Kryteria są liczbowe i pochodzą z Waszych danych, a nie z naszych deklaracji.
3. 03PilotBudujemy działające rozwiązanie na ograniczonym zakresie: jedno źródło danych, jeden typ dokumentu albo jeden kanał kontaktu. Pilot działa równolegle z dotychczasową pracą, żeby dało się porównać wyniki bez ryzyka dla bieżącej obsługi klientów.
4. 04Decyzja i projekt docelowyPo pilocie porównujemy wynik z kryteriami i podejmujemy decyzję: rozwijać, przebudować czy odpuścić. Odpuszczenie także jest wynikiem i traktujemy je poważnie — pilot, którego jedynym dopuszczalnym zakończeniem jest wdrożenie, nie jest pilotem, tylko pierwszą ratą za projekt przesądzony z góry. Lepiej zamknąć temat po pilocie niż po roku utrzymywania rozwiązania, które nikomu nie pomaga.
5. 05Wdrożenie produkcyjneDokładamy pozostałe integracje, obsługę wyjątków, uprawnienia, log decyzji i monitoring. Warstwę aplikacyjną budujemy w Next.js, React, TypeScript i Node.js, scenariusze w n8n lub Make, a hosting prowadzimy najczęściej na Vercel.
6. 06Przekazanie i opiekaSzkolimy zespół, przekazujemy dokumentację i dostępy, ustalamy, kto reaguje na alerty i jak zgłaszać rozbieżności. Dalszą obsługę można prowadzić w ramach Wataha Care albo samodzielnie, jeśli macie własny zespół techniczny — nie uzależniamy działania systemu od abonamentu u nas i uważamy, że wykonawca, który to robi, sprzedaje zależność, a nie rozwiązanie.

Od Waszej strony potrzebujemy trzech rzeczy: osoby, która zna proces od podszewki i ma czas na kilka rozmów, dostępu do przykładowych danych z ostatnich tygodni oraz decyzji, kto zatwierdza wyniki w okresie pilota. Brak którejkolwiek z nich wydłuża projekt bardziej niż jakakolwiek trudność techniczna, bo bez realnych danych pilot testuje wyobrażenie o procesie, a nie sam proces. Przykładowe dane są przy tym ważniejsze, niż się wydaje: to na nich widać wyjątki, których nikt nie wymienia przy tablicy — nietypowe formaty, dokumenty bez numeru, wiadomości z załącznikiem w treści. Zakres i termin ustalamy indywidualnie po audycie — nie podajemy z góry uniwersalnej liczby tygodni i uważamy, że termin obiecany przed audytem jest deklaracją bez pokrycia, bo zależy głównie od tego, jak szybko dostajemy dostępy i dane, czyli od czynnika po Waszej stronie. Kontakt: +48 788 727 823, media.wataha@gmail.com.

Bezpieczeństwo danych we wdrożeniu AI wynika z architektury rozwiązania, a nie z deklaracji dostawcy. Naszym zdaniem pytanie „czy to narzędzie jest bezpieczne?” nie ma sensownej odpowiedzi, bo bezpieczeństwo nie jest cechą narzędzia, tylko skutkiem decyzji o zakresie danych. Punktem wyjścia jest więc pytanie, które dane w ogóle muszą opuścić Waszą infrastrukturę — bo w wielu procesach modelowi wystarczy fragment dokumentu, a nie cała baza kontrahentów. Kolejne pytanie dotyczy uprawnień: agent, który potrafi wysłać wiadomość do klienta albo zmienić status zamówienia, wymaga innych zabezpieczeń niż system, który tylko klasyfikuje wiadomości i przekazuje je człowiekowi. Trzecie pytanie brzmi: czy po fakcie da się odtworzyć, dlaczego system zrobił to, co zrobił. Poniższe elementy projektujemy w każdym wdrożeniu, w zakresie dopasowanym do ryzyka procesu.

• Minimalizacja danych: do modelu wychodzi tylko ten fragment dokumentu lub rekordu, który jest potrzebny do wykonania zadania
• Jawny zakres danych wychodzących: spisujemy, jakie pola opuszczają Waszą infrastrukturę, do jakiego dostawcy i w jakim celu
• Granice uprawnień: agent działa na wskazanych zasobach, z listą operacji dozwolonych i zabronionych, bez dostępu „do wszystkiego”
• Punkty akceptacji człowieka przy operacjach nieodwracalnych — wysyłka, płatność, zmiana statusu u kontrahenta
• Log decyzji: zapis tego, co system zrobił, na jakich danych i z jakim wynikiem, żeby dało się odtworzyć przebieg sprawy
• Umowa powierzenia przetwarzania danych osobowych z nami oraz sprawdzenie warunków dostawcy modelu, w tym miejsca przetwarzania i okresu retencji
• Pseudonimizacja albo usunięcie danych osobowych wszędzie tam, gdzie zadanie da się wykonać bez nich
• Plan na wypadek błędu: kto zatrzymuje działanie systemu, jak wycofać skutki operacji i komu zgłasza się rozbieżność

Uczciwa odpowiedź brzmi: nie istnieje „AI zgodne z RODO” jako cecha narzędzia — zgodność wynika z tego, jakie dane wysyłacie, dokąd, na jakiej podstawie i jak długo są przechowywane. Zdanie „nasze rozwiązanie jest zgodne z RODO”, wypowiedziane przed rozmową o zakresie danych, traktujemy jako sygnał ostrzegawczy, a nie zapewnienie, bo ten sam model użyty do klasyfikowania anonimowych zapytań i do przetwarzania akt pracowniczych to dwa zupełnie różne poziomy ryzyka i nie da się ich objąć jedną deklaracją. Dlatego przy każdym wdrożeniu spisujemy zakres danych i podpisujemy umowę powierzenia, ale nie zastępujemy prawnika: ocenę podstawy przetwarzania, analizę DPIA i aktualizację rejestru czynności zostawiamy Waszemu inspektorowi ochrony danych albo kancelarii. Jeśli proces dotyczy danych szczególnych kategorii — zdrowotnych, biometrycznych, dotyczących wyroków — mówimy to wprost na etapie audytu, zanim powstanie wycena, bo zmienia to zarówno zakres zabezpieczeń, jak i sensowność samego pomysłu. Przy takich danych częściej odradzamy start, niż go proponujemy, i uważamy, że dla wykonawcy naszej wielkości jest to właściwa odpowiedź domyślna: koszt pomyłki ponosicie Wy i Wasi klienci, a nie dostawca modelu.

Tak, wdrożenia AI bywają kwalifikowalne w kilku programach, ale żaden z nich nie jest dotacją „na AI” i nie każda firma się kwalifikuje. Zanim przejdziecie do tabeli, jedno zdanie, którego zwykle nie ma w materiałach o dofinansowaniu: dotacja nie zmienia tego, czy wdrożenie ma sens — zmienia wyłącznie to, kto za nie płaci. Projekt, który nie broni się bez dofinansowania, nie zaczyna się bronić po jego otrzymaniu, bo koszty utrzymania, tokenów i zmian zostają po Waszej stronie długo po ostatnim rozliczeniu. Najczęściej o kwalifikowalności decyduje zresztą nie technologia, lecz branża, województwo i to, czy projekt ma komponent badawczo-rozwojowy. Poniżej zestawienie czterech programów, o które pytają klienci najczęściej — razem z ograniczeniami, które przesądzają o odmowie jeszcze przed oceną merytoryczną wniosku.

Warunki, budżety i terminy naborów zmieniają się w trakcie roku, a kwoty podane wyżej obowiązują dla naborów opisanych w tabeli i nie przenoszą się automatycznie na kolejne edycje. Dlatego przed złożeniem wniosku trzeba sprawdzić aktualny harmonogram instytucji prowadzącej nabór — ARP, PARP, NCBR albo instytucji regionalnej dla programu wojewódzkiego — i pobrać obowiązującą dokumentację konkursową. Szerzej piszemy o tym na stronie o dotacjach na AI (/dotacje-ai). Dane w tej sekcji zweryfikowaliśmy 24 sierpnia 2026 r.; jeśli czytacie to znacznie później, potraktujcie je jako punkt wyjścia do sprawdzenia, a nie jako stan obowiązujący. Od strony technicznej możemy przygotować opis rozwiązania i wycenę prac do załącznika wniosku — samego wniosku nie piszemy i nie doradzamy w zakresie kwalifikowalności kosztów. Podajemy to ograniczenie celowo, zamiast obiecywać, że „załatwimy wszystko”: uważamy, że wykonawca, który sam pisze wniosek, sam wycenia i sam się rozlicza, obsadza się w roli kontrolera własnej pracy, a w razie sporu z instytucją nie ma wtedy przy stole nikogo, kto ma interes w wychwyceniu błędu.

Poniżej zebraliśmy pytania, które padają w rozmowach o wdrożeniach AI najczęściej: o dane, o koszty, o to, co dzieje się z pracą zespołu, i o zgodność z KSeF. Odpowiedzi są krótkie i celowo ostrożne — opisujemy mechanizm i metodę pracy, a nie obiecane wyniki, bo obiecanego wyniku i tak nie mielibyśmy z czego wyliczyć. Wataha Media działa od 2021 roku, obsłużyła ponad 200 klientów i ma 45 realizacji w portfolio; są to strony, sklepy i aplikacje, bo opublikowanego wdrożenia AI jeszcze nie mamy. Dla Was oznacza to zaletę i ryzyko naraz: rozmawiacie bezpośrednio z osobą, która buduje system, ale w tym akurat obszarze nie pokażemy cudzej faktury jako dowodu. Uważamy, że lepiej powiedzieć to na stronie niż liczyć, że nikt nie zapyta. Jeśli Waszego pytania tu nie ma, najszybciej odpowiemy telefonicznie pod numerem +48 788 727 823 albo mailem na media.wataha@gmail.com.

Przy porównywaniu ofert warto zwrócić uwagę na kilka sygnałów, które zwykle oznaczają, że wykonawca sprzedaje obietnicę zamiast rozwiązania. Nie chodzi o podejrzliwość wobec każdego dostawcy — chodzi o pytania, które łatwo zadać na pierwszym spotkaniu, a które szybko pokazują, czy ktoś rozmawiał już z Waszym procesem, czy tylko z własnym cennikiem. Jeden mit rozbroimy od razu, bo wraca w każdej rozmowie: agent AI nie zastępuje pracownika, tylko powtarzalny fragment jego dnia — i naszym zdaniem to jest cała różnica między wdrożeniem, które przetrwa rok, a pokazem na konferencji. Kto sprzedaje etat mniej, sprzedaje coś, czego nie kontroluje, bo o tym, ile pracy zostaje po stronie człowieka, decyduje liczba wyjątków w Waszym procesie, a nie jakość modelu.

• Gwarantowany procent oszczędności podany przed audytem — nikt nie zna Waszej powtarzalności ani czasu jednostkowego, zanim je zmierzy
• Wycena bez pytania o format i jakość danych wejściowych, choć to one decydują o nakładzie pracy
• Brak logu decyzji i punktów akceptacji w opisie zakresu — bez nich nie odtworzycie, dlaczego system zrobił to, co zrobił
• Zapewnienie, że narzędzie jest „zgodne z RODO” samo z siebie, bez rozmowy o tym, jakie dane wychodzą na zewnątrz i na jak długo
• Brak umowy powierzenia przetwarzania danych osobowych i brak informacji o warunkach dostawcy modelu
• Wdrożenie od razu na całym procesie, bez pilota i bez spisanych z góry kryteriów oceny
• Case studies bez możliwości weryfikacji — jeśli wykonawca nie ma opublikowanego wdrożenia w danym obszarze, powinien powiedzieć to wprost, tak jak my mówimy to na tej stronie