Przed zakupem narzędzia lub zamówieniem audytu warto sprawdzić, czy firma ma konkretny problem do rozwiązania, odpowiednie dane i osoby, które poprowadzą zmianę. Ocena gotowości organizacji do automatyzacji i AI powinna pomóc odpowiedzieć na praktyczne pytanie: co możemy bezpiecznie przetestować, a co najpierw musimy uporządkować? Poniżej znajdziesz kwestionariusz z 24 pytaniami, prostą punktację i kryteria wyboru kolejnego kroku.
Po co robić samoocenę przed audytem gotowości firmy do AI?
Samoocenę potraktuj jako przygotowanie do decyzji, nie jako obowiązek zamówienia usługi. Jej wynikiem powinien być wybór jednego z trzech kierunków: przygotowanie ograniczonego pilotażu, uzupełnienie konkretnych braków albo zlecenie zewnętrznej diagnozy. Dzięki temu w rozmowie z doradcą możesz wskazać rzeczywiste niewiadome zamiast zaczynać od ogólnego „chcemy wdrożyć AI”.
Warto przyjrzeć się nie tylko technologii. Także narzędzie samooceny dojrzałości cyfrowej Komisji Europejskiej uwzględnia obok automatyzacji m.in. strategię biznesową, kompetencje i zarządzanie danymi. Sam dostęp do aplikacji nie opisuje więc całej gotowości przedsiębiorstwa do zmiany. (digital-strategy.ec.europa.eu)
Na początek oceń jeden proces, nie całą firmę naraz. Może to być przygotowanie projektu odpowiedzi na zapytanie klienta, porządkowanie dokumentów albo tworzenie roboczych opisów na podstawie zatwierdzonych informacji. Dla każdego kolejnego zastosowania wypełnij kwestionariusz osobno — jego dane, ryzyko i wymagania mogą być inne.
Ocena gotowości organizacji do automatyzacji i AI — przygotowanie i punktacja
Do samooceny zaproś osobę wykonującą zadanie, jego właściciela oraz osobę znającą firmowe systemy i zasady ochrony danych. W małej firmie kilka tych ról może pełnić jedna osoba. Przygotuj opis przebiegu pracy, przykładowe materiały, informacje o liczbie zadań i orientacyjnym czasie ich wykonywania.
Przy każdej odpowiedzi zapisz nie tylko punkty, lecz także dowód, brak do uzupełnienia i osobę odpowiedzialną. Dowodem może być pomiar czasu, zatwierdzona instrukcja, próbka danych lub wynik testu. Nie wpisuj do arkusza poufnych dokumentów — wystarczy wskazanie, gdzie są przechowywane i kto może je sprawdzić.
0 punktów: nie, nie mamy takiego rozwiązania lub nie potrafimy potwierdzić odpowiedzi. Przy braku wiedzy dopisz „do weryfikacji”, aby odróżnić niewiadomą od rozpoznanego braku.
1 punkt: częściowo — mamy ustalenia, materiały lub wstępne działania, ale są niepełne albo jeszcze niesprawdzone.
2 punkty: tak — odpowiedź potwierdza dokument, pomiar, sprawdzona procedura lub test odpowiadający planowanemu zastosowaniu.
Każdy z sześciu obszarów obejmuje cztery pytania, więc możesz uzyskać maksymalnie 8 punktów na obszar i 48 łącznie. To proponowany model roboczy, a nie zwalidowany test, certyfikat ani formalny audyt. Jego progi pomagają porządkować działania; nie potwierdzają zgodności z prawem ani kwalifikowalności do dofinansowania.
Kwestionariusz gotowości firmy do wdrożenia AI: 24 pytania
1. Cele biznesowe i wskaźniki wdrożenia AI
Zacznij od problemu, który chcesz rozwiązać. W ramach NIST AI RMF ocena zastosowania AI obejmuje m.in. oczekiwane korzyści, koszty błędów, zakres użycia oraz nadzór człowieka. W samoocenie przełóż te zagadnienia na mierzalny cel konkretnego zadania. (nvlpubs.nist.gov)
- Czy opisaliśmy problem biznesowy bez wskazywania konkretnego narzędzia, np. zbyt długi czas przygotowania projektu odpowiedzi?
- Czy znamy stan wyjściowy: liczbę zadań, czas pracy oraz poziom błędów lub poprawek?
- Czy ustaliliśmy mierniki i warunki sukcesu pilotażu, uwzględniające zarówno czas, jak i jakość?
- Czy mamy osobę odpowiedzialną za decyzję o projekcie oraz uzgodniony limit czasu i kosztów testu?
Jako wskaźniki wdrożenia AI możesz przyjąć czas obsługi sprawy, udział wyników wymagających istotnej korekty i koszt wykonania zadania. W porównaniu uwzględnij również przygotowanie danych oraz sprawdzanie odpowiedzi. Nie ograniczaj pomiaru do czasu, w którym narzędzie generuje wynik.
2. Procesy i sposób wykonywania pracy
Sprawdź, czy potrafisz opisać zadanie na tyle dokładnie, aby zaprojektować test i ocenić jego rezultat. Na tym etapie rozważ również prostszy wariant: usprawnienie instrukcji, formularza lub automatyzację opartą na jednoznacznych regułach zamiast AI.
- Czy znamy początek i koniec procesu, jego kolejne kroki oraz oczekiwany rezultat?
- Czy mamy pomiar częstotliwości zadania i nakładu pracy, który uzasadnia zajęcie się tym obszarem?
- Czy rozpoznaliśmy typowe przypadki, wyjątki i sytuacje wymagające decyzji pracownika?
- Czy określiliśmy, kto i według jakich kryteriów zaakceptuje wynik oraz co zrobi w razie błędu?
Jeśli już opis procesu budzi rozbieżności między pracownikami, zapisz je jako zadanie do wyjaśnienia. Sposób zbierania i porównywania takich zadań znajdziesz w poradniku o analizie procesów i wyborze obszarów do automatyzacji.
3. Dane potrzebne do zastosowania AI
Oceń materiały potrzebne do wybranego zadania, a nie wszystkie zasoby przedsiębiorstwa. W tym kwestionariuszu chodzi o dane wejściowe i materiały do weryfikacji rezultatów — nie zakładamy, że firma będzie trenować własny model.
- Czy wskazaliśmy konkretne źródła danych lub dokumentów potrzebnych do wykonania zadania?
- Czy sprawdziliśmy na próbce ich kompletność, aktualność, spójność i typowe błędy?
- Czy materiały są dostępne w formacie pozwalającym przeprowadzić planowany test bez nieuzgodnionego udostępniania danych?
- Czy wiadomo, kto odpowiada za aktualizację materiałów i rozstrzyganie sprzeczności między źródłami?
Przykładowo przy tworzeniu projektów odpowiedzi dla klientów możesz sprawdzić aktualność cenników, zasad obsługi i opisów oferty. Jeżeli dokumenty są sprzeczne, najpierw wskaż źródło obowiązujące oraz osobę, która zatwierdzi jego treść.
4. Narzędzia i warunki techniczne
Nie twórz jeszcze rankingu aplikacji. Ustal, czy firma potrafi zapewnić środowisko do ograniczonego testu. Odpowiadaj względem planowanego zakresu — jeśli pilotaż nie wymaga integracji, nie obniżaj oceny tylko dlatego, że jej nie ma.
- Czy wiemy, w jakich systemach odbywa się proces i jakie rozwiązania są dopuszczone do firmowego użytku?
- Czy sprawdziliśmy sposób przekazywania danych i odbierania wyników, ręcznie lub przez integrację odpowiednią do testu?
- Czy ustaliliśmy zasady dostępu, zarządzania kontami i odbierania uprawnień uczestnikom pilotażu?
- Czy oszacowaliśmy koszty dostępu, konfiguracji, obsługi i ewentualnego wsparcia technicznego?
Oddziel to, co konieczne do pilotażu, od wymagań przyszłego wdrożenia. Nie potrzebujesz od razu projektu docelowej architektury, ale powinieneś wiedzieć, czy test będzie reprezentatywny dla rzeczywistej pracy i kto usunie problemy techniczne.
5. Kompetencje zespołu i odpowiedzialność
Komisja Europejska wskazuje, że działania rozwijające kompetencje związane z AI należy dostosowywać do wiedzy pracowników, kontekstu zastosowania i ryzyka. Dlatego w samoocenie sprawdzaj umiejętności potrzebne do konkretnej pracy, nie tylko znajomość ogólnych pojęć. (digital-strategy.ec.europa.eu)
- Czy uczestnicy potrafią wykonać próbne zadanie i zweryfikować wynik, również wtedy, gdy brzmi on wiarygodnie?
- Czy wyznaczyliśmy osoby odpowiedzialne za prowadzenie pilotażu, kontrolę jakości i decyzję o jego zatrzymaniu?
- Czy zespół ma zarezerwowany czas na testy, naukę i zgłaszanie problemów?
- Czy pracownicy znają zasady używania AI w tym procesie, w tym ograniczenia dotyczące danych i niedopuszczonych narzędzi?
Jeżeli brakuje kompetencji, nazwij je precyzyjnie: weryfikacja zgodności odpowiedzi z dokumentem, wykrywanie brakujących informacji, przygotowanie danych albo ocena jakości. Taki zapis ułatwi określenie zakresu szkolenia z AI dla pracowników.
6. Bezpieczeństwo danych i kontrola ryzyka
Nie zakładaj, że wykorzystanie AI samo w sobie rozwiązuje kwestie ochrony danych. Europejska Rada Ochrony Danych podkreśla, że anonimowość modeli trenowanych na danych osobowych wymaga oceny konkretnego przypadku, a podstawy przetwarzania trzeba odpowiednio uzasadnić. Wątpliwości dotyczące danych osobowych skieruj do osoby odpowiedzialnej za ich ochronę. (edpb.europa.eu)
W tej części sprawdź warunki użycia danych, dostawcę i sposób reagowania na nieprawidłowy wynik.
- Czy potwierdziliśmy, jakie dane wolno wykorzystać w planowanym celu i środowisku, a jakich nie należy tam przekazywać?
- Czy sprawdziliśmy warunki dostawcy dotyczące przetwarzania, przechowywania, usuwania oraz ewentualnego wykorzystania danych do ulepszania modeli?
- Czy oceniliśmy skutki błędnej odpowiedzi i ustaliliśmy odpowiedni nadzór człowieka oraz ograniczenia użycia wyników?
- Czy mamy uzgodniony sposób zatrzymania testu, zgłoszenia incydentu i powrotu do dotychczasowej pracy?
Samoocena nie zastępuje analizy prawnej. Osobno sprawdź obowiązki firmy wynikające z AI Act w odniesieniu do planowanego zastosowania.
Jak interpretować wynik samooceny i rozpoznać obszary krytyczne?
Najpierw zapisz sześć wyników cząstkowych. Sumę potraktuj wyłącznie pomocniczo, np. do obserwowania postępów tego samego projektu po uzupełnieniu braków. Nie używaj jej do porównywania firm lub różnych zastosowań bez uwzględnienia ich kontekstu.
0–2 punkty w obszarze — etap budowania podstaw. W proponowanej skali oznacza to potrzebę zebrania informacji lub wykonania prac przygotowawczych. Wskaż konkretne zadanie, np. pomiar czasu procesu albo uporządkowanie dokumentacji.
3–5 punktów — gotowość częściowa. Ustal, które odpowiedzi wymagają potwierdzenia i co trzeba uzupełnić przed pilotażem. Oddziel ćwiczenia na materiałach syntetycznych od testu wykorzystującego rzeczywiste dane firmy.
6–8 punktów — wstępna gotowość w danym obszarze. To przesłanka do rozważenia ograniczonego pilotażu, nie automatyczna zgoda na wdrożenie. Nadal sprawdź odpowiedzi krytyczne i charakter zastosowania.
Wysoka suma nie kompensuje braku zabezpieczeń
W tej metodzie za warunki krytyczne przyjmij: potwierdzone zasady wykorzystania danych, sprawdzone warunki dostawcy, przypisaną odpowiedzialność, odpowiedni nadzór nad wynikami i możliwość zatrzymania testu. Nie rozpoczynaj pilotażu na rzeczywistych danych firmowych, dopóki te kwestie pozostają niewyjaśnione.
Przykład: firma uzyskała kolejno 6, 7, 6, 7, 6 i 2 punkty, czyli 34 na 48. Mimo mocnych wyników w większości obszarów nie sprawdziła warunków przetwarzania danych przez dostawcę. W tym przykładowym przypadku kolejnym krokiem jest wyjaśnienie tej kwestii, a nie uruchomienie testu na dokumentach klientów.
Co zrobić po wypełnieniu kwestionariusza?
Przygotuj krótką kartę decyzji: nazwa procesu, problem, wyniki sześciu obszarów, potwierdzone ustalenia, niewiadome oraz rekomendowany kolejny krok. Każdej luce przypisz osobę odpowiedzialną i termin ponownej weryfikacji.
Jeśli planujesz pilotaż, zapisz jego zakres, dozwolone dane, uczestników, limit kosztów, mierniki i warunki przerwania. Ustal również, kiedy porównasz wyniki z pracą bez AI. Taka karta będzie punktem odniesienia przy decyzji o rozszerzeniu, poprawie albo zakończeniu projektu.
Kiedy samoocena wystarcza?
Możesz na niej poprzestać na etapie wyboru priorytetów, określania potrzeb szkoleniowych lub planowania prac porządkowych. Przy rozważaniu niewielkiego pilotażu sprawdź dodatkowo, czy potrafisz samodzielnie potwierdzić wszystkie warunki krytyczne i ocenić skutki ewentualnego błędu.
Kiedy potrzebna jest zewnętrzna diagnoza?
Rozważ audyt, gdy odpowiedzi zespołu są sprzeczne, brakuje wiedzy technicznej lub prawnej, projekt obejmuje kilka działów albo trudno oszacować koszty i ryzyko. Jako powód konsultacji potraktuj również zastosowania wpływające na sytuację pracowników lub klientów, których konsekwencji nie potrafisz rzetelnie ocenić.
Na spotkanie przynieś wypełniony kwestionariusz i listę pytań, zamiast zamawiać analizę „wszystkiego”. Zakres takiej diagnozy opisuje poradnik Audyt gotowości firmy do wdrożenia AI: jak sprawdzić, gdzie AI realnie pomoże.
Jak wykorzystać wynik samooceny w rozmowie o dofinansowaniu?
Przełóż wynik na opis potrzeby rozwojowej: jaki proces chcesz usprawnić, kto będzie uczestniczył w zmianie, czego te osoby jeszcze nie potrafią i jak sprawdzisz efekt nauki. Zamiast „potrzebujemy szkolenia z AI” zapisz np.: „osoby przygotowujące projekty odpowiedzi muszą nauczyć się sprawdzać ich zgodność z dokumentacją i rozpoznawać sytuacje wymagające przekazania sprawy dalej”.
Jeśli samoocena ujawni braki kompetencyjne, porównanie możliwości dofinansowania szkoleń AI pomoże przygotować się do rozmowy o finansowaniu rozwoju zespołu.
W programie PARP „Kompetencje z automatyzacji dla transformacji cyfrowej” zakres wsparcia obejmuje usługi rozwijające kompetencje związane z automatyzacją, a usługi edukacyjne mogą być uzupełnione doradztwem wspierającym diagnozę potrzeb i plan działania. Nie oznacza to jednak, że dowolny audyt lub zakup technologii będzie finansowany. Sprawdź regulamin właściwego projektu, zakres usługi i warunki udziału u operatora. (bip.parp.gov.pl)
Wynik kwestionariusza traktuj jako materiał do rozmowy, nie jako dokument gwarantujący przyznanie wsparcia. Przed zamówieniem usługi ustal, jaka diagnoza jest wymagana i czy własna samoocena może być jej uzupełnieniem.
Najważniejsze wnioski z oceny gotowości do AI
Po zakończeniu samooceny sprawdź, czy potrafisz wskazać konkretne decyzje i działania. Najważniejsze zasady są następujące:
- Oceniaj konkretny proces. Nie zastępuj jego analizy ogólną oceną „firma jest gotowa na AI”.
- Punktuj na podstawie dowodów. Niewiadome zapisuj oddzielnie i kieruj do weryfikacji.
- Analizuj wyniki obszarów, nie tylko sumę. Braki w bezpieczeństwie nie znikają dzięki wysokim kompetencjom zespołu.
- Ustal mierniki przed pilotażem. Porównuj jakość, czas całej pracy i koszty, w tym kontrolę rezultatów.
- Dobieraj następny krok do luki. Może nim być uporządkowanie danych, szkolenie, konsultacja lub audyt — nie zawsze zakup narzędzia.
Podsumowanie
Samodzielna ocena gotowości firmy do wdrożenia AI ma zakończyć się planem, a nie samą liczbą punktów. Wybierz proces, odpowiedz na pytania, potwierdź ustalenia i wskaż braki blokujące bezpieczny test. Dopiero na tej podstawie zdecyduj, czy przygotować pilotaż, rozwinąć kompetencje zespołu, czy skorzystać z zewnętrznego audytu. Najbardziej użyteczny wynik to jasność, co można zrobić teraz i czego jeszcze nie wolno uznać za sprawdzone.