Oprogramowanie AI: co to jest i jakiego rodzaju potrzebuje Twoja firma

W 2025 roku wykorzystanie sztucznej inteligencji deklarowało 8,7% firm w Polsce. Ciekawsza jest jednak druga liczba z tego samego badania GUS: najczęstszym sposobem pozyskania AI był zakup gotowego rozwiązania komercyjnego: 6,4%.

Zestawmy te dwie liczby. Blisko trzy czwarte firm, które mówią o sobie, że „mają AI”, ma ją w formie kupionego pudełka. Gdy więc na spotkaniu branżowym ktoś mówi Ci, że wdrożył sztuczną inteligencję, w większości przypadków znaczy to: wykupił abonament.

To nie jest zarzut. To jest informacja o tym, jak wygląda rynek i dlaczego rozmowa o „oprogramowaniu AI” tak często kończy się nieporozumieniem. Pod tym jednym hasłem siedzą cztery zupełnie różne rzeczy, a różnica między nimi nie polega na poziomie zaawansowania. Polega na tym, czyje są dane, czyja jest logika i co Ci zostaje, gdy dostawca zmieni warunki.

Oprogramowanie AI: definicja bez marketingu

Oprogramowanie AI to program, w którym część decyzji podejmuje model wytrenowany na danych, a nie reguła napisana wprost przez człowieka.

Brzmi akademicko, ale ma jedną bardzo praktyczną konsekwencję. Klasyczny program na to samo pytanie zawsze odpowie tak samo, bo ktoś to zapisał w kodzie. Program z modelem w środku może odpowiedzieć inaczej. Nie dlatego, że jest zepsuty, tylko dlatego, że tak działa.

Cała inżynieria wokół takiego systemu sprowadza się do jednego pytania: co temu modelowi wolno rozstrzygać, a co musi zostać po stronie reguły i człowieka. Do tego pytania wrócimy jeszcze kilka razy, bo to ono odróżnia system, który da się postawić w firmie, od demonstracji, która ładnie wygląda na prezentacji.

Cztery rodzaje oprogramowania AI i co je naprawdę różni

Poniższy podział nie jest drabiną od gorszego do lepszego. To cztery różne odpowiedzi na cztery różne sytuacje.

1. Gotowe narzędzie z abonamentem. Kupujesz dostęp i korzystasz. Zaleta: działa od razu, ryzyko bliskie zeru. Wada: narzędzie nie wie nic o Twojej firmie, a wszystko, co do niego wkleisz, wychodzi na zewnątrz.

Warto tu policzyć, bo abonament wygląda na tani, dopóki liczysz go na jedną osobę. Dodatek Microsoft 365 Copilot kosztuje około 18,20 € netto za użytkownika miesięcznie przy zobowiązaniu rocznym i wymaga posiadania kwalifikowanego planu bazowego. Przy dwudziestu osobach to około 4 400 € rocznie, czyli mniej więcej 18–19 tysięcy złotych, za sam dodatek, zanim policzysz licencje pod spodem.

2. Funkcja AI dopięta do systemu, który już masz. Twój dostawca ERP, CRM albo TMS włącza moduł: podpowiadanie, klasyfikacja, generowanie opisu. Zaleta: dane zostają tam, gdzie były, nie ma nowego wdrożenia. Wada: działa dokładnie w granicach wyobraźni dostawcy. Przypadek spoza jego roadmapy nie zostanie obsłużony.

3. Platforma automatyzacji lub agentowa. Sam składasz przepływ z gotowych klocków i wpinasz w niego model. Zaleta: szybko i bez programisty. Wada: żyjesz na cudzej platformie. Rozliczasz się zwykle za operację albo za wykonane zadanie, więc koszt rośnie razem ze skalą, czyli dokładnie wtedy, gdy rozwiązanie zaczyna działać. A gdy platforma zmieni cennik albo zniknie, przepływ znika razem z nią.

4. Dedykowany system z AI w środku. Kod jest Twój, dane są Twoje, logika jest Twoja. Zaleta: system opisuje Twój proces, a nie średnią z rynku. Wada: to projekt, nie zakup, więc trzeba wiedzieć, co ma powstać.

Co siedzi w środku: pięć technologii, na które trafisz

W ofertach i artykułach wracają te same nazwy. Poniżej każda z nich opisana przez zadanie, które wykonuje w firmie, a nie przez definicję z podręcznika.

Uczenie maszynowe (machine learning). Przewidywanie liczby na podstawie danych historycznych. Kiedy padnie maszyna, ile zajmie trasa, który klient przestanie zamawiać. Warunek wejścia: musisz mieć te dane historyczne, i to w formie nadającej się do czytania, a nie w postaci maili i notatek.

Sieci neuronowe i deep learning. To samo zadanie, ale na danych, których nie da się zapisać w tabelce: obrazie, dźwięku, swobodnym tekście. Wymaga więcej danych i więcej mocy obliczeniowej. W praktyce w małej i średniej firmie korzysta się z modeli już wytrenowanych przez kogoś innego, a nie trenuje własnych.

Przetwarzanie języka naturalnego (NLP) i chatboty. Czytanie i pisanie tekstu. Klasyfikacja poczty, wyciągnięcie kwoty i terminu z faktury, przygotowanie odpowiedzi na typowe zapytanie. To dziś najczęstsze i najtańsze zastosowanie AI w firmie, bo tekstu każdy ma pod dostatkiem.

Wizja komputerowa i rozpoznawanie obrazów. Kontrola jakości na linii produkcyjnej, odczyt tablic rejestracyjnych i numerów naczep, weryfikacja, czy pracownik ma kask. Działa dobrze tam, gdzie da się ustawić kamerę w powtarzalnych warunkach.

Automatyzacja procesów. Spinacz całej reszty: przeniesienie danych, wywołanie kolejnego kroku, wysłanie powiadomienia. I tutaj ostrzeżenie, bo to najczęstsze nadużycie na rynku: sama automatyzacja nie jest sztuczną inteligencją. Przepływ, który kopiuje dane z formularza do arkusza, jest automatyzacją, choćby sprzedawca nazywał go agentem AI.

Gdzie to dziś działa i gdzie jeszcze nie

Dane GUS pokazują nie tylko, ile firm używa AI, ale też gdzie. W marketingu i sprzedaży robi to 5,0% przedsiębiorstw. W logistyce: 0,8%.

Ta druga liczba jest najciekawsza w całym zestawieniu. Logistyka to branża, w której planowanie, dokumenty i rozliczenia są w całości cyfrowe i powtarzalne, czyli idealne pod automatyzację i przewidywanie. A adopcja jest najniższa w kraju, czyli rynek pozostaje w większości nieobsłużony.

Cztery obszary, w których widzimy dziś najkrótszą drogę od wdrożenia do efektu:

• Produkcja: predykcyjne utrzymanie maszyn i kontrola jakości. Dane z czujników i kamer już są, zwykle nikt ich nie czyta.
• Transport i logistyka: planowanie, obieg dokumentów przewozowych, rozliczenia kierowców. Największa dysproporcja między potencjałem a adopcją.
• Obieg dokumentów i finanse firmy: odczyt faktur, dopasowanie do zamówień, zamknięcie miesiąca. Najłatwiejszy pierwszy krok, bo efekt widać w godzinach pracy.
• Sprzedaż i obsługa klienta: klasyfikacja zapytań, przygotowanie odpowiedzi, porządek w danych o klientach.

Czego na tej liście nie ma. Diagnostyka medyczna i regulowane usługi finansowe to inna liga wymagań: dopuszczenia, walidacja, odpowiedzialność za błąd. Zajmują się tym wyspecjalizowane zespoły i nie jest to nasze podwórko. Dostawcy, który wymienia jednym tchem AI do diagnostyki, scoringu kredytowego i planowania tras, warto zadać pytanie o wdrożenia w każdym z tych obszarów z osobna.

Twoje dane, RODO i AI Act

Przy każdym z czterech rodzajów oprogramowania zadaj te same trzy pytania. Odpowiedzi będą różne, i to właśnie one najczęściej rozstrzygają wybór.

1. Gdzie fizycznie lądują moje dane? W Unii, poza nią, u kogo, na jak długo.
2. Czy służą do trenowania cudzego modelu? W planach konsumenckich zwykle tak, w firmowych zwykle nie, lecz to trzeba przeczytać, a nie założyć.
3. Co się stanie, gdy wypowiem umowę? Czy zabieram ze sobą dane i w jakim formacie. Przy rodzaju 3 to pytanie kluczowe, bo przepływ zostaje na platformie.

AI Act budzi więcej obaw, niż powinien. Kalendarz w skrócie: od lutego 2025 obowiązuje zakaz określonych praktyk i wymóg kompetencji AI wśród pracowników. Od sierpnia 2026 obowiązki przejrzystości: trzeba informować, że rozmawia się z systemem AI, i oznaczać treści generowane. Obowiązki dla systemów wysokiego ryzyka wejdą 2 grudnia 2027; termin został przesunięty z sierpnia 2026 w ramach pakietu Digital Omnibus. Kary sięgają 35 mln euro lub 7% światowego obrotu. W Polsce ustawa o systemach sztucznej inteligencji została podpisana 24 lipca 2026.

Twój typowy przypadek wygląda tak: dedykowany system transportowy, obieg faktur, panel produkcji, to nie są systemy wysokiego ryzyka. Wysokie ryzyko zaczyna się tam, gdzie AI ocenia ludzi: rekrutacja, scoring, dostęp do świadczeń.

Powyższe nie jest poradą prawną. Stan na 3 września 2026. Przy tym tempie zmian sprawdź datę, zanim się na tym oprzesz.

Jak wybrać rodzaj dla swojej firmy: trzy pytania

Nie chodzi o wybór dostawcy, tylko o wcześniejszą decyzję: którą kategorię w ogóle rozważać.

Pytanie 1: czy proces, który chcesz obsłużyć, wygląda u Ciebie tak samo jak u konkurencji? Jeśli tak, kup gotowe. Nikt nie zapłaci Ci premii za autorski sposób wystawiania faktur. Jeśli nie, i właśnie ta różnica jest powodem, dla którego klienci wybierają Ciebie, dedykowany system przestaje być fanaberią.

Pytanie 2: ile kosztuje Cię dziś ten proces w godzinach ludzi? Jeśli nie umiesz odpowiedzieć, to jest Twoje pierwsze zadanie, a nie wdrożenie AI. Bez tej liczby nie da się ocenić żadnej oferty, bo nie ma do czego porównać ceny.

Pytanie 3: co się stanie, gdy dostawca podniesie cenę o 40% albo zamknie produkt? Przy rodzaju 1 wzruszasz ramionami i szukasz innego. Przy rodzaju 3 tracisz przepływ, który obsługiwał pracę. Przy rodzaju 4 nic się nie dzieje, bo kod jest Twój.

Rzędy wielkości, żeby było do czego przyłożyć odpowiedzi:

Widełki dla rodzaju 4 podajemy w dwóch wariantach nieprzypadkowo. Klasyczny software house wycenia system operacyjny średniej wielkości na 200 tysięcy do miliona złotych i więcej. Ta sama rzecz budowana metodą wspomaganą AI mieści się w 60–300 tysiącach, pod warunkiem że mówimy o nowym systemie budowanym od zera, bo tylko tam to przyspieszenie jest udokumentowane. Rozpisaliśmy to szerzej we wpisie o AI-assisted engineering, razem z badaniami, które tej metodzie przeczą.

Gdy dojdziesz do momentu „dobrze, to kogo do tego wynająć”, tu jest rama decyzyjna z dziesięcioma pytaniami do dostawcy.

Jak wygląda system, który naprawdę ma AI w środku

Poniżej systemy, które zbudowaliśmy dla siebie i na których pracujemy codziennie. To nie są wdrożenia u klientów.

Raport o kondycji firmy pisany co tydzień. Model czyta stan wszystkich systemów i w poniedziałek rano wysyła właścicielowi raport z rekomendacjami. Kluczowa decyzja projektowa: priorytet liczy deterministyczny algorytm, a model tylko ubiera wynik w język. Ta sama sytuacja zawsze daje ten sam priorytet, ponieważ model nie rozstrzyga, co jest pilne.

Skrzynka, która klasyfikuje pocztę i pisze odpowiedzi w stylu właściciela. Wyciąga też z korespondencji fakty i podpowiada je do bazy klientów. Pierwszy obieg uczenia zebrał dziesięć poprawek z 838 wiadomości.

Walidator treści przychodzącej. Odrzucił próbę wstrzyknięcia polecenia w treści maila, która próbowała skłonić system do dopisania wpisu do bazy. Zdarzyło się to na produkcji.

Baza klientów, która rozdziela fakt, obliczenie, brak danych i konflikt danych. Nigdy nie podaje domysłu jako pewnika.

Z tych czterech przykładów wychodzą trzy zasady, o które warto zapytać każdego dostawcę:

• Nic nie wychodzi do człowieka bez zatwierdzenia. W naszym systemie dogrzewającym leady świadomie nie ma automatycznego harmonogramu, ponieważ harmonogram na wysyłce byłby wysyłaniem bez zgody.
• Treść przychodząca jest niezaufana. Mail, formularz i komentarz to dane, nie polecenia dla systemu.
• Automat proponuje, człowiek decyduje, a decyzja człowieka zostaje w historii razem z powodem.

To jest odpowiedź na najczęstszą obawę wobec AI w firmie: że coś zadziała bez wiedzy człowieka. Powyższe trzy zasady są sposobem, żeby to wykluczyć.

Najczęstsze pytania

Czy oprogramowanie AI wymaga własnego serwera? W zdecydowanej większości przypadków nie. Modele udostępniane są jako usługa, a Twój system tylko się z nimi łączy. Własna infrastruktura wchodzi w grę, gdy dane nie mogą opuścić firmy, i wtedy jest to świadoma, kosztowna decyzja, a nie domyślny wybór.

Czy moje dane trafią do trenowania cudzego modelu? Zależy od planu, nie od dostawcy. W planach konsumenckich zwykle tak, w firmowych i przez interfejsy programistyczne zwykle nie. To jest zapis w umowie, który trzeba przeczytać, zanim ktokolwiek wklei tam ofertę albo dane klienta.

Ile trwa pierwszy działający efekt? Przy gotowym narzędziu: dni. Przy funkcji u dostawcy systemu: tygodnie, o ile ma ją w ofercie. Przy systemie dedykowanym budowanym metodą wspomaganą AI pierwszy działający fragment powinien pojawić się w tygodniach, nie miesiącach. Jeśli słyszysz „pierwsze demo za pół roku”, pytaj dlaczego.

Czy potrzebuję działu IT? Do rodzaju 1 i 2 nie. Do 3 i 4 potrzebujesz jednej osoby po Twojej stronie, która rozumie proces i ma prawo podejmować decyzje, a nie zespołu programistów. Brak takiej osoby jest najczęstszą przyczyną, dla której wdrożenie stoi.

Czym różni się AI od zwykłej automatyzacji? Automatyzacja wykonuje kroki, które ktoś wcześniej opisał. AI podejmuje decyzję, której nikt wprost nie opisał, na podstawie tego, czego nauczyła się z danych. Większość rozwiązań sprzedawanych dziś jako AI to w rzeczywistości automatyzacja, i bardzo często to zupełnie wystarczy. Różnica zaczyna mieć znaczenie wtedy, gdy cena odpowiada jednemu rozwiązaniu, a dostajesz drugie.

Od czego zacząć

Trzy zdania na koniec.

Po pierwsze: zanim zaczniesz wybierać narzędzie, ustal, którego z czterech rodzajów szukasz, ponieważ ofertę dostaniesz na wszystko naraz. Po drugie: policz, ile kosztuje Cię dziś proces, który chcesz poprawić; bez tej liczby żadna wycena nie ma odniesienia. Po trzecie: pamiętaj, że 77% przedsiębiorców nieużywających AI nie planuje jej wdrażać, dopóki nie będzie to konieczne. W większości branż jest to więc wciąż przewaga, a nie nadrabianie zaległości.