5 pytań, które musisz zadać przed zakupem automatyzacji AI — checklist dla MŚP

Gartner szacuje, że 80% projektów AI nie wyjdzie z pilota. Nie dlatego, że technologia nie działa — dlatego, że została kupiona pod złe pytanie.

Ten artykuł to checklist, który przerabiam z każdym klientem przed podpisaniem umowy na automatyzację. 5 pytań do siebie, 5 do vendora, plus red flagi które powinny zakończyć rozmowę w 10 minut. Piszę go po roku wdrożeń w polskich biurach rachunkowych i MŚP — czyli po kilku projektach, które się zwróciły i kilku, które zostawiłem bez podpisu umowy, bo liczby się nie spinały.

Jeśli rozważasz zakup jakiegokolwiek narzędzia AI w najbliższych miesiącach — przeczytaj do końca. Jedno źle zadane pytanie na początku kosztuje potem 6-12 miesięcy i budżet, który mógł zostać w firmie.

Pytanie 1: Jaki konkretny problem ma rozwiązać AI?

Najczęstszy błąd, który widzę u właścicieli MŚP: “chcemy być bardziej efektywni”, “chcemy wdrożyć AI”, “konkurencja już ma, to my też musimy”.

To nie są problemy. To są hasła.

Problem brzmi tak:

“Trzech pracowników w dziale księgowym spędza po 4 godziny dziennie przepisując dane z faktur do Comarch Optima. 12 roboczogodzin × 21 dni × 80 zł/h = 20 160 zł miesięcznie tracone na czynność, która nie wymaga człowieka.”

Zauważ co się zmieniło. Mamy:

• Kogo dotyczy (3 pracowników, dział księgowy)
• Co robią (przepisywanie danych)
• Ile czasu zajmuje (4h/dzień)
• Ile kosztuje (20 160 zł/mies)
• Jaki system docelowy (Comarch Optima)

Dopiero tak sformułowany problem pozwala ocenić, czy automatyzacja AI ma sens, a jeśli tak — jakiej dokładnie. Napisałem o metodologii liczenia tego kosztu osobny artykuł: ile kosztuje godzina ręcznego przepisywania danych.

Test “mierzalnego kosztu”

Zanim pójdziesz na rozmowę z jakimkolwiek vendorem AI, odpowiedz sobie na 4 pytania o proces, który chcesz zautomatyzować:

1. Ile osób się nim zajmuje?
2. Ile godzin miesięcznie łącznie?
3. Jaki jest koszt tych godzin (stawka × czas + narzut pracodawcy ~30%)?
4. Jaki jest koszt błędów (pomyłki w fakturach, opóźnione deadliny, niezadowoleni klienci)?

Jeśli suma tych kosztów nie przekracza ~30 000 zł rocznie — nie ma sensu uruchamiać projektu AI. Wdrożenie nie zwróci się w 12 miesiącach, a to jest minimalny próg rozsądku.

Pytanie 2: Jakie dane mam i jakiej jakości?

AI karmi się danymi. Jeśli masz fakturowanie w zeszytach, umowy skanowane w jakości 200 dpi z artefaktami JPG, a historia klientów siedzi w głowie recepcjonistki — nie jesteś jeszcze gotowy na AI. Musisz najpierw cyfryzować.

Pertama Partners publikuje framework readiness dla MŚP, który stosuję u klientów. Pytania do sprawdzenia:

• Cyfrowa historia: czy masz minimum 12 miesięcy danych w formacie cyfrowym (baza, CRM, system księgowy — nie PDF-y i nie skany)?
• Format: czy dane są w jakiś standaryzowanym formacie? Eksportuje się je bez ręcznej obróbki?
• Dostęp: czy masz API, eksport CSV, albo przynajmniej bazę SQL, do której można się podłączyć?
• Rzetelność: czy dane są aktualne i poprawne, czy też jest 30% “brudnych” rekordów wymagających czyszczenia?

Brzmi restrykcyjnie — ale bez tych warunków każda automatyzacja będzie drogim eksperymentem.

Przykład: biuro rachunkowe, które nie było gotowe

W 2025 rozmawiałem z biurem 8-osobowym z Małopolski. Chcieli agenta OCR do faktur. Wszystko brzmiało dobrze — do momentu, aż spytałem o to, jak archiwizują faktury klientów. Okazało się, że:

• Każdy klient wysyła faktury mailem w formacie, jaki chce (PDF, JPG, skany telefonem)
• Nikt nie nadaje im struktury folderów
• 40% jest niskiej jakości (zdjęcia pod kątem, rozmazane)
• Nie ma archiwum starszego niż 3 miesiące — wszystko w skrzynkach mailowych pracowników

Zaproponowałem najpierw 6 tygodni porządkowania digital workflow (standard upload portal, wymaganie minimalnej jakości, centralne archiwum). Dopiero potem OCR. Klient nie był gotowy na to mentalnie — chciał “AI od razu”. Zrezygnowałem z projektu, bo wiedziałem, że się nie zwróci.

Dwa miesiące później inni wdrożyli u nich tanie narzędzie SaaS. Dokładnie tak jak przewidywałem — po 8 tygodniach projekt został zawieszony, bo “OCR nie działa”. OCR działał. Dane były złe.

Pytanie 3: Kto będzie championem wdrożenia?

Champion to osoba z firmy, która:

• Rozumie proces, który automatyzujesz (lub jest gotowa się nauczyć)
• Ma autorytet żeby podejmować decyzje (nie musi pytać prezesa o każdą zmianę)
• Ma minimum 4 godziny tygodniowo przez pierwsze 3 miesiące na projekt
• Traktuje to jak swój sukces, nie jako obowiązek “z góry”

Bez championa każda automatyzacja zostaje shelfware — narzędziem kupionym, zainstalowanym, nigdy niezaadoptowanym. Gartner szacuje, że 37% licencji SaaS w enterprise to shelfware. W MŚP bywa gorzej, bo mniej osób = mniej dyfuzji know-how.

Test championa

Zadaj kandydatowi na championa 3 pytania:

1. “Co byś zmienił w tym procesie, gdybyś mógł?”
2. “Czy możesz poświęcić 4h/tydz przez 3 miesiące, jeśli zmniejszymy Twoje inne obowiązki?”
3. “Kogo w zespole przekonasz jako pierwszego, jak to zadziała?”

Jeśli odpowiedzi są mgliste (“no, ja się nie znam na IT”, “muszę spytać prezesa”, “nie wiem, każdy robi swoje”) — nie masz championa. Odłóż projekt albo znajdź kogoś innego.

Pytanie 4: Jaki jest realny TCO przez 3 lata?

TCO (Total Cost of Ownership) to nie “cena z cennika × 12 × 3”. To cena z cennika plus wszystko, co vendor woli ukryć, bo nie wygląda to dobrze na slajdzie.

Oto co realnie płacisz:

Wdrożenie (rok 1)

Pozycja	Typowy koszt
Licencja / subskrypcja	100% ceny z cennika
Professional services / onboarding	15-30% kosztu licencji rocznej
Szkolenia zespołu	5-15% kosztu licencji
Customizacja / konfiguracja	10-25%
Integracje z istniejącymi systemami	40% wyższe niż zakładano (HBR)
Łącznie rok 1	~170-220% ceny z cennika

Koszty operacyjne (miesięcznie, lata 1-3)

• Data egress — $0,08–0,12 za GB (AWS CloudFront). 50 GB/dzień = ~180 USD/mies (720 zł)
• API overages — gdy przekraczasz limity (często nieuniknione przy automatyzacji)
• Storage — historia transakcji, logów, backupów. Rośnie liniowo.
• Support tier — standardowy często nie wystarcza; enterprise tier = +30-50%

Co vendor przemilczy

• Zmiana pricingu po renewal (średnio +12% rocznie w SaaS)
• Nowe moduły potrzebne za 6 mies, nie wliczone w pierwotny kontrakt
• Dedicated TAM (Technical Account Manager) wymagany dla szybkiego supportu
• Koszt custom’ów, gdy Twoje dane nie pasują idealnie do ich modelu

Przykład liczenia realnego TCO

Klient (biuro rachunkowe, 15 osób) dostał ofertę od dostawcy AI za 2 500 zł/mies. “Tanio” — pomyślał. Rozbiłem ofertę:

Rok	Licencja	Implementacja	Szkolenia	Integracje	Egress/API	Support	Razem
1	30 000	9 000	4 000	18 000	2 400	0	63 400 zł
2	33 600 (+12%)	—	2 000	—	3 200	6 000	44 800 zł
3	37 600	—	—	6 000 (nowy moduł)	4 000	6 500	54 100 zł

Realne 3-letnie TCO: ~162 300 zł. Cennikowe: 90 000 zł. Różnica: 72 tys. zł czyli +80%.

Flexera 2024 podaje, że 29% budżetu SaaS w firmach jest tracone przez brak widoczności cen. Liczba zgadza się z moją praktyką.

Pytanie 5: Jak wygląda exit clause?

To jest pytanie, którego nikt nie zadaje na początku — i każdy żałuje, że nie zadał, kiedy przychodzi do zmiany dostawcy.

Exit clause to sekcja umowy, która opisuje:

• W jakim terminie możesz wypowiedzieć umowę (standardowo 30-60 dni, negocjuj 2 miesiące)
• Jakie są opłaty za wcześniejsze zakończenie (cap na 2-3 miesiące opłat — nie więcej)
• W jakim formacie dostaniesz swoje dane (CSV, JSON, SQL dump — konkretnie)
• Czy vendor “odumiezi” (model unlearning) — usuwa Twoje dane ze swoich modeli
• Kto płaci za migrację (w Data Act 2025 od stycznia 2027 — vendor nie może pobierać opłat za switching)

EU Data Act 2025 — co Cię obejmuje

Rozporządzenie (UE) 2023/2854 weszło w życie we wrześniu 2025. Kluczowe punkty:

• Prawo do portowalności danych — vendor musi dostarczyć Twoje dane w formacie strukturalnym
• Zakaz pobierania “switching charges” — od 12 stycznia 2027 vendor nie może pobierać opłat za zmianę dostawcy (obecnie opłaty muszą być “reasonable” i kosztochłonne)
• Termin wypowiedzenia — maksymalnie 2 miesiące
• Ciągłość serwisu podczas transferu — vendor ma obowiązek nie przerwać usługi

To twarde prawo UE. Polscy vendorzy często jeszcze o tym nie wiedzą — ale dla Ciebie to pole do negocjacji już dziś.

Co wpisać do umowy

Minimum to:

1. Data portability clause — vendor dostarcza Twoje dane w ustandaryzowanym formacie (CSV/JSON) w 30 dni od wypowiedzenia
2. Model unlearning — vendor potwierdza usunięcie Twoich danych (także z modeli wytrenowanych) w 60 dni
3. Transition support — minimum 40 godzin supportu przy migracji do nowego dostawcy, wliczone w umowę
4. SLA credits scaling — kredyty za naruszenie uptime rosną z liczbą naruszeń; prawo wypowiedzenia po 3 naruszeniach w 12 miesiącach bez opłat

Red flags — kiedy wyjść z rozmowy

Są rzeczy, które powinny zakończyć rozmowę z vendorem natychmiast. Nie “przemyślmy to” — tylko “dziękuję, do widzenia”.

Dyskwalifikujące (koniec rozmowy)

• Unik przy pytaniach o dane. “Nasze dane są bezpieczne” to nie odpowiedź. Odpowiedź to: “Szyfrujemy AES-256 at rest, TLS 1.2+ in transit, hosting w regionie Frankfurt, DPA i lista sub-processorów wysłana w 24h”. IBM raportuje, że średni koszt wycieku danych w 2024 to 4,88 mln USD. To nie jest temat do “przemyślenia”.
• Brak SOC 2 Type II / ISO 27001 / pentest w ostatnich 12 miesiącach. Jeśli vendor ma tylko SOC 2 Type I (“point-in-time”) zamiast Type II (“6-12 mies ciągły audyt”) — to red flag.
• Brak podpisanej DPA (Data Processing Agreement, art. 28 RODO). Bez tego Ty łamiesz RODO.

Wysokie ryzyko (pytaj głębiej, zwykle lepiej odpuścić)

• “99% accuracy” bez kontekstu. 99% czego? Na jakim datasecie? W jakim tempie? CB Insights pokazuje, że 50% startupów AI z Series A 2021 zamkniętych do 2024. “99% accuracy” w pitchu zazwyczaj oznacza cherry-picked test set.
• Brak referencji produkcyjnych >6 mies. Jeśli najstarszy klient używa ich rozwiązania 3 miesiące — jesteś early-adopter. Z tego wynikają konsekwencje.
• Ukryty pricing — “skontaktuj się z sprzedażą o cenę”. To zwykle znak, że cena zależy od Twojej szacowanej “gotowości do zapłaty”, nie od kosztów vendora.
• Mgliste harmonogramy — “powinno być gotowe w kilka tygodni”. McKinsey raportuje 35-50% przekroczeń timeline’u w projektach AI. Oczekuj konkretnej daty z karami umownymi.

Inne czerwone flagi

• “AI” jest hasłem marketingowym, nie konkretną funkcjonalnością (vendor nie potrafi wytłumaczyć, jaki model używa)
• Brak opcji on-premise / private cloud / data residency w EU
• Słaby support już w fazie sprzedaży (nie odpisują 24h, spotkanie przesuwane 3x)

Checklist compliance — co sprawdzić przed podpisaniem

Tu nie ma pola do negocjacji. Te rzeczy muszą być.

Certyfikaty i audyty

• SOC 2 Type II (nie Type I — różnica fundamentalna)
• ISO 27001 (lub odpowiednik ISO 27701 dla danych osobowych)
• Pentest w ostatnich 12 miesiącach (raport dostępny do wglądu pod NDA)
• EU AI Act readiness — vendor wie, w jakiej kategorii ryzyka jest jego system

RODO (art. 28 — przetwarzanie w imieniu administratora)

• DPA podpisana przed rozpoczęciem przetwarzania
• Lista sub-processorów (vendor musi powiadamiać o zmianach)
• Data residency w UE — minimum SCC (Standard Contractual Clauses) jeśli poza UE
• Polityka retencji — jak długo trzymają Twoje dane, kiedy kasują
• Twoje dane NIE do trenowania modelu — explicit wyłączenie w umowie
• Procedura DSR (Data Subject Rights) — prawo do bycia zapomnianym, dostępu, sprostowania

Audyt i bezpieczeństwo techniczne

• DPIA przeprowadzona (Data Protection Impact Assessment — dla wysokiego ryzyka)
• Prawo do niezależnego audytu — Ty możesz zlecić audyt vendora (zwykle raz/rok, na Twój koszt)
• Szyfrowanie — AES-256 at rest, TLS 1.2+ in transit, minimum
• MFA dla wszystkich kont administracyjnych po stronie vendora

Polski kontekst i AI Act

• UODO (Urząd Ochrony Danych Osobowych) aktywnie monitoruje wdrożenia AI. Kary RODO do 20 mln EUR lub 4% globalnego obrotu.
• AI Act (Rozporządzenie 2024/1689) — kary do 35 mln EUR lub 7% globalnego obrotu. Dotyczy Cię, jeśli używasz AI.
• Klasyfikacja systemu AI: niskiego, ograniczonego, wysokiego ryzyka lub niedopuszczalne. Automatyzacja księgowa zazwyczaj = ograniczone ryzyko (obowiązek transparentności). Ocena zdolności kredytowej = wysokie ryzyko (pełen compliance framework).

Custom vs off-the-shelf — matryca decyzyjna

Największy dylemat: kupić gotowe narzędzie SaaS czy zamówić custom development?

Liczby, które warto znać (2026)

• SaaS off-the-shelf ma 56% niższe 3-letnie TCO niż custom build (M Accelerator 2026)
• Koszty integracji SaaS są 40% wyższe niż firmy zakładają (HBR)
• 31% projektów AI w mid-market osiąga pełną produkcję (McKinsey — reszta ląduje w pilocie)
• 67% hybrydowych rozwiązań kończy się sukcesem vs 33% wewnętrznych buildów (go-globe.com)
• Maintenance: 15-20%/rok dla SaaS, 20-35%/rok dla custom

Kiedy off-the-shelf wygrywa

• Potrzebujesz szybko (2-8 tygodni do działania)
• Proces jest typowy dla branży (fakturowanie, CRM, dokumenty)
• Integrujesz się z popularnymi systemami (HubSpot, Salesforce, QuickBooks)
• Budżet < 100 000 zł

Kiedy custom ma sens

• Specyfika polskiego prawa lub systemów (Comarch Optima, wFirma, Insert, Symfonia)
• Compliance sektorowy (np. medyczny, finansowy)
• AI ma być przewagą konkurencyjną (to Twoje IP, nie cudze)
• Budżet > 200 000 – 500 000 zł

Podejście hybrydowe (moje rekomendowane dla MŚP)

SaaS tam gdzie standardowe (Slack, HubSpot, Notion) + custom agenci AI tam gdzie specyfika (OCR pod Twoje faktury, integracja z Comarch, przypomnienia podatkowe w Twoim tonie). 67% success rate wg go-globe.com. To właśnie robię dla klientów.

Pricing models — co oznacza “cena”

Cena “1 200 zł/mies” może znaczyć 5 różnych rzeczy. Sprawdź jak vendor liczy:

Model	Jak działa	Pułapka
Per-seat	Stała cena × liczba użytkowników	AI agent liczony jako 1 seat, ale daje wartość 5 użytkowników. Licencje przepłacone.
Usage-based	Per transakcja / request / token	Zmienny budżet, trudne prognozowanie; spike = nagły rachunek
Flat monthly	Stała kwota za wszystko	Ukryte “fair use policy” — po przekroczeniu nagle usage-based
Credit-based hybrid	Kupujesz kredyty, zużywasz	Stosuje 68% produktów AI (OpenView 2024); najtrudniejszy do porównania
Outcome-based	Płacisz za wynik (rozwiązany ticket, przetworzona faktura)	Gartner przewiduje 30% enterprise SaaS w tym modelu do 2025. Wymaga zaufania do pomiaru.

Pytanie do vendora: “Pokaż mi 3 scenariusze — mały, średni, duży volume — z realnymi liczbami dla firmy mojej wielkości.”

Jeśli nie pokazuje, to znaczy, że liczby nie wyjdą Ci korzystnie.

SLA — czego wymagać

Service Level Agreement to kontrakt, w którym vendor gwarantuje uptime i czasy reakcji. TermScout publikuje benchmarki:

Uptime

• Standard: 99,5% (43,8h downtime/rok — jak jeden dzień pracy w miesiąc)
• Enterprise: 99,9% (8,7h downtime/rok — kilka minut miesięcznie)
• Mission-critical: 99,99% (52 min/rok)

Dla automatyzacji AI w MŚP minimum to 99,5%. Dla systemów, od których zależy obsługa klientów codziennie — 99,9%.

Czasy reakcji i rozwiązania

• Critical issue (system nie działa): response 15 min – 1h, rozwiązanie 4-6h
• High priority: response 2-4h, rozwiązanie 24h
• Normal: response 8-24h, rozwiązanie 3-5 dni

SLA credits

Jeśli vendor naruszy SLA, dostajesz zwrot części opłat. Standard:

• Poniżej gwarantowanego uptime → 10% zwrotu miesięcznej opłaty
• Negocjuj: skalujące kredyty (im dłuższy downtime, tym większy procent), automatyczne naliczanie (bez wniosku) oraz prawo wypowiedzenia po 3 naruszeniach w 12 mies.

Ile to kosztuje u mnie

Konkrety z mojej oferty (maj 2026), żeby dać Ci benchmark rynku:

Pakiet	Koszt wdrożenia	Utrzymanie miesięczne	Obejmuje
Audyt AI	3 500 zł	—	Analiza procesów + 1 prosta automatyzacja w 2 tygodnie
Agent Starter	8 000 zł	1 200 zł	1 agent + 1 integracja
Automation Pro	18 000 zł	2 500 zł	2-3 agenty, pełna automatyzacja, dedykowane SLA

Do tego koszt LLM API (Claude/GPT) — średnio 50-200 zł/mies dla biura rachunkowego z ~10 klientami. Bez ukrytych opłat, bez egress, bez “fair use”. Stawka godzinowa za custom development: 350-500 zł/h, przewidywalnie.

Najczęściej zadawane pytania

Ile trwa realistycznie wdrożenie automatyzacji AI w MŚP?

Dla prostego agenta (OCR, klasyfikacja maili, przypomnienia): 2-4 tygodnie od audytu do działającego systemu. Dla pełnego workflow z integracjami (CRM + system księgowy + dashboard): 6-12 tygodni. McKinsey raportuje 35-50% przekroczeń tych terminów w projektach enterprise — w MŚP bywa szybciej, bo mniej interesariuszy.

Czy mogę sam zbudować agenta AI bez vendora?

Technicznie tak — są narzędzia low-code (n8n, Make, Zapier + Claude API), które pozwalają to zrobić wewnętrznie. Ale: 67% hybrydowych rozwiązań kończy się sukcesem vs 33% wewnętrznych buildów (go-globe.com). Bez doświadczonej osoby, która zrobi to 2-3 raz, łatwo wylądować w shelfware.

Co zrobić jeśli vendor nie ma DPA?

Zakończ rozmowę. Bez DPA (Data Processing Agreement, art. 28 RODO) Ty łamiesz RODO jako administrator danych. Nie ma od tego wyjątków dla “małych firm” ani “krótkich pilotów”.

Czy AI Act dotyczy każdej automatyzacji AI?

Tak, ale w różnym stopniu. Klasyfikacja zależy od zastosowania. Większość automatyzacji MŚP (OCR faktur, klasyfikacja maili, przypomnienia) to ograniczone ryzyko — obowiązek transparentności (informacja, że używasz AI). Systemy biometryczne, ocena kredytowa, decyzje HR = wysokie ryzyko = pełen framework compliance. Zapytaj vendora, jak klasyfikuje swoje rozwiązanie.

Co jeśli vendor odmawia dostępu do raportu pentest?

Raport pod NDA jest standardem. Odmowa “bo poufność” to red flag. W ostateczności poproś o letter of attestation — krótką formalną notę od firmy audytującej potwierdzającą datę, zakres i brak krytycznych znalezisk.

Jak obliczyć realny ROI przed zakupem?

Wzór: (oszczędzony czas × stawka godzinowa × 12) + (wartość uniknionych błędów) − (TCO rok 1). Jeśli zwrot jest < 12 miesięcy — inwestuj. 12-18 mies — negocjuj dalej. >18 mies — zostaw to na później, bo prawdopodobnie złe pytanie pierwsze.

Co dalej

Jeśli doczytałeś do końca — jesteś w 5% właścicieli MŚP, którzy podchodzą do AI serio. Gratuluję. Reszta kupi najpierw, zastanowi się potem.

Masz dwie ścieżki:

1. Audyt AI u mnie. 3 500 zł, 2 tygodnie, konkretny raport z mapą procesów + rekomendacja wdrożenia (lub rekomendacja żeby NIE wdrażać — czasem to jest właściwa odpowiedź). Napisz na contact@mjoldak.com.

2. Samoocena najpierw. Przejdź przez 5 pytań tego artykułu z kartką i długopisem. Jeśli na 4 z 5 masz konkretne odpowiedzi — jesteś gotowy na rozmowę z vendorem.

Najtańsza automatyzacja to ta, której nie zrobisz dla złego problemu. Druga w kolejności — ta, która zwraca się w mniej niż 6 miesięcy. Wszystko powyżej to spekulacja.

Czytaj dalej: ile kosztuje godzina ręcznego przepisywania danych