AI w firmie — od czego zacząć, co się opłaca i co mówi prawo

AI w biznesie to dziś cztery różne rzeczy: asystent w pakiecie biurowym, automatyzacja z modelem językowym w środku, czat na stronie i agent, który sam wybiera kolejne kroki. Każda ma inny koszt, inne ryzyko i inne obowiązki prawne, a pod jedną nazwą łatwo kupić coś innego, niż firma potrzebuje.

W Polsce z AI korzysta mniej niż co dziesiąta firma. Według GUS w 2025 roku było to 8,7% przedsiębiorstw zatrudniających co najmniej 10 osób. Eurostat (11.12.2025) podaje dla Polski 8,4% przy średniej unijnej 20,0%, co daje 26. miejsce na 27 krajów. Firmy z UE, które rozważały AI, ale z niej nie korzystają, najczęściej wskazują brak wiedzy, niejasne skutki prawne i ochronę danych.

Ten dział pomaga podjąć trzy decyzje: który rodzaj AI pasuje do Twojego problemu, ile naprawdę kosztuje, także poza fakturą, i jakie przepisy obowiązują po zmianie AI Act z lipca 2026 roku. Gdzie temat ma już osobny artykuł, odsyłamy do niego. Dane, ceny i przepisy sprawdziliśmy 3 października 2026 roku; cytaty ze źródeł anglojęzycznych podajemy w naszym tłumaczeniu.

Ile firm w Polsce używa AI — i do czego

Sztuczna inteligencja w firmie to w Polsce wciąż domena dużych przedsiębiorstw: korzysta z niej 42,0% dużych firm i 6,1% małych. Tak wynika z danych GUS za 2025 rok (przedsiębiorstwa od 10 pracujących, bez sektora finansowego; małe to 10–49 pracujących, średnie 50–249, duże 250 i więcej). W średnich firmach to 15,6%, a ogółem 8,7%. Rok wcześniej było to 5,9%, więc udział rośnie, ale z niskiego poziomu.

Najczęściej chodzi o tekst. Według GUS technologie generujące tekst lub głos wykorzystywało 5,3% przedsiębiorstw, a najczęstszym celem był marketing i sprzedaż (5,0%), przed pracami biurowymi związanymi z kadrami i zarządzaniem (3,7%). Publikacja „Społeczeństwo informacyjne w Polsce w 2025 r.” (16.12.2025) dodaje, że najczęstszym sposobem nabycia AI był „zakup komercyjnego rozwiązania, gotowego do użycia (6,4%)”. Z tych liczb wynika (to nasze odczytanie), że większość firm używających AI kupuje gotowe narzędzie, zamiast budować własny system, a ponad połowa używa go do tekstu. Ta sama publikacja podaje, że 91,3% przedsiębiorstw nie korzystało z AI, a 3,9% rozważało jej użycie.

Na tle Unii różnica jest największa w małych firmach. Według Eurostatu (dane za 2025 rok, odczyt 3.10.2026) AI używało w UE 17% małych przedsiębiorstw, a w Polsce 5,79%. W dużych firmach dystans jest mniejszy: 55,03% w UE wobec 45,81% w Polsce. Obie instytucje liczą firmy bez sektora finansowego (sekcji K), a mimo to podają dla Polski nieco inne wyniki: Eurostat 8,36%, GUS 8,7%. Dlatego nie zestawiamy ich w jednym rachunku.

O agentach AI w polskich firmach nie ma danych. GUS i Eurostat mierzą „technologie sztucznej inteligencji” ogółem, a badania o agentach, takie jak ankiety Gartnera czy McKinseya, są globalne i nie pokazują wyników dla Polski.

Cztery rodzaje AI w firmie

O tym, który rodzaj AI masz przed sobą, decyduje jedno pytanie: kto wybiera następny krok — człowiek, zapisany przepływ czy model. Od odpowiedzi zależą koszt, ryzyko i ilość pracy przed startem.

Asystent w pakiecie biurowym. ChatGPT w planie firmowym, Copilot w Microsoft 365 albo Gemini w Google Workspace pomagają pisać, streszczać i szukać, ale o każdym kroku decyduje pracownik. Gartner opisuje asystentów (26.08.2025) jako narzędzia, które „zależą od działania człowieka i nie działają samodzielnie”, a nazywanie ich agentami uważa za najczęstsze nieporozumienie. Płacisz abonament za użytkownika. Co zawierają plany Google i Microsoftu oraz ile kosztuje Copilot jako dodatek, porównujemy w artykule Google Workspace czy Microsoft 365, a czym plan firmowy różni się od prywatnego i ile kosztuje ChatGPT Business — w tekście ChatGPT Business, Copilot czy Gemini dla firmy.

Automatyzacja z modelem w środku. Przepływ jest zapisany z góry, a model wykonuje w nim pojedyncze kroki, na przykład odczytuje treść dokumentu. Anthropic, twórca modeli Claude, nazywa to przepływem (workflow): model i narzędzia są w nim połączone „predefiniowanymi ścieżkami w kodzie” (Building effective agents, 19.12.2024). Czym automatyzacja różni się od RPA i integracji, opisujemy w artykule o automatyzacji procesów biznesowych, a narzędzia, w których taki przepływ złożysz bez programisty, w tekście o low code i no code. Jedno z takich narzędzi, w którym model jest krokiem przepływu, opisujemy osobno w artykule o n8n.

Czat na stronie. Odpowiada klientom na podstawie wiedzy firmy i oddaje rozmowę człowiekowi, gdy nie zna odpowiedzi. Zwykle działa w modelu RAG: zanim odpowie, wyszukuje pasujące fragmenty dokumentów firmy. Jak to działa i co psuje takie odpowiedzi, opisujemy w artykule o RAG. Ma dwa ryzyka, których asystent wewnętrzny nie ma: model może zmyślić odpowiedź, którą klient weźmie za fakt, a od 2 sierpnia 2026 roku rozmówca musi wiedzieć, że pisze z AI (art. 50 AI Act, opisany niżej). Jak z chatbotów korzystają polscy kupujący i gdzie chatbot pomaga, opisujemy w artykule o obsłudze klienta w e-commerce.

Agent. Model sam wybiera kolejne kroki i narzędzia. Anthropic pisze, że agenty to systemy, w których model „dynamicznie kieruje własnym procesem i użyciem narzędzi”. OpenAI w przewodniku o budowie agentów (2025) zastrzega, że prosty chatbot agentem nie jest. Gartner szacuje (25.06.2025), że spośród tysięcy dostawców „agentowej AI” prawdziwych jest tylko około 130, a wielu nazywa agentami istniejące produkty, takie jak asystenci, RPA czy chatboty. Anthropic ostrzega, że samodzielność agenta oznacza wyższe koszty i ryzyko kumulacji błędów. Czym agent różni się od chatbota i zwykłej automatyzacji oraz kiedy naprawdę ma sens, wyjaśniamy w artykule o agencie AI w firmie, a jak zbudować pierwszą wersję — od jednego procesu po zatwierdzenia, limity i testy — w poradniku jak stworzyć agenta AI.

Gartner w tym samym komunikacie podaje prostą regułę doboru: agenty tam, gdzie potrzebna jest decyzja, automatyzacja przy rutynowych przepływach, asystenci przy prostym wyszukiwaniu.

Od czego zacząć — kolejność, która oszczędza pieniądze

Zacznij od tego, co blokuje większość firm: wiedzy, zasad i danych, a narzędzie wybierz na końcu. Bariery widać w obu badaniach. GUS pyta o powody firmy, które AI rozważały, ale z niej nie korzystały (3,9% wszystkich), i podaje wyniki jako odsetek wszystkich przedsiębiorstw: brak zasobów ludzkich lub wiedzy 2,4%, zbyt wysokie koszty 2,1%, brak jasności co do konsekwencji prawnych 2,1%, obawy o prywatność 2,1%, dostęp do danych lub ich jakość 1,3%. Eurostat liczy odsetek wśród firm z UE, które rozważały AI: brak wiedzy wskazało 70,89%, niejasne skutki prawne 52,52%, ochronę danych 48,83%. Tych liczb nie da się porównać wprost, ale w obu na czele jest brak wiedzy, a nie koszt.

Stąd kolejność w czterech krokach.

1. Zasady korzystania z AI. Ustal, jakie dane wolno wpisywać do jakiego narzędzia i z jakiego konta. Urząd Ochrony Danych Osobowych przypomina (6.02.2025), że generatywna AI przetwarza ogromne ilości danych, które „mogą być wykorzystywane do celów niezgodnych z pierwotnym życzeniem użytkownika, np. do dalszego trenowania modelu lub w celach marketingowych”. Jak spisać, gdzie leżą dane firmy i kto ma do nich dostęp, opisujemy w tekście o ochronie danych firmy.
2. Asystent w pakiecie, który już masz albo możesz dokupić. To najtańszy sposób, żeby zespół nauczył się pracy z modelem. Przed włączeniem uporządkuj uprawnienia do plików (niżej, w sekcji o kosztach).
3. Jeden proces do automatyzacji. Wybierz proces, który się powtarza i ma jasny, sprawdzalny wynik. Anthropic radzi szukać „najprostszego możliwego rozwiązania”, co czasem oznacza rezygnację z systemów agentowych, i dodaje, że w wielu zastosowaniach pojedyncze wywołanie modelu z wyszukiwaniem w dokumentach i przykładami w poleceniu „zwykle wystarcza”.
4. Agent dopiero wtedy, gdy przepływ się nie mieści. OpenAI wymienia trzy warunki: złożone decyzje z wyjątkami, reguły trudne w utrzymaniu i dużo danych nieustrukturyzowanych. Jeśli Twój proces ich nie spełnia, według OpenAI „może wystarczyć rozwiązanie deterministyczne”, czyli zwykła automatyzacja. Gdy już budujesz agenta, działania wrażliwe, nieodwracalne albo o wysokiej stawce powinien według tego samego przewodnika zatwierdzać człowiek, dopóki nie wzrośnie zaufanie do agenta. OpenAI podaje przykłady: anulowanie zamówienia, zatwierdzenie dużego zwrotu, płatność.

Test przed czwartym krokiem: czy umiesz zapisać regułę, według której pracownik dziś podejmuje decyzję? Jeśli tak, potrzebujesz automatyzacji, nie agenta. Naszym zdaniem na każdym etapie sprawdza się zasada, którą OpenAI formułuje dla agentów: zacznij od małego zakresu, sprawdź go na prawdziwych użytkownikach i rozszerzaj stopniowo.

Ile kosztuje AI w firmie — trzy rodzaje kosztów i jeden ukryty

Koszt AI w firmie składa się z abonamentu, opłat za tokeny i pracy przy wdrożeniu, a przed tym wszystkim z uporządkowania danych, którego nie ma na żadnym cenniku. Każda rośnie według innej reguły.

Abonament za użytkownika. Asystenci w pakietach biurowych kosztują stałą kwotę miesięcznie za osobę. Rachunek rośnie z liczbą pracowników, nie z intensywnością użycia. Aktualne plany Google i Microsoftu z AI zestawiamy w porównaniu Google Workspace czy Microsoft 365.

Tokeny. Gdy model działa w automatyzacji, czacie albo agencie, płacisz za ilość przetworzonego tekstu, liczoną w tokenach (kawałkach słów). Tak rozliczają się Anthropic i OpenAI. Czym są tokeny i okno kontekstowe modelu, wyjaśniamy w artykule o dużych modelach językowych (LLM). Przykład policzyliśmy sami na cenniku Claude Sonnet 5.5 (2 $ za milion tokenów wejścia, 10 $ za milion tokenów wyjścia, odczyt 3.10.2026) i kursie NBP z 2.10.2026 (1 USD = 3,8881 zł). Jedna odpowiedź czatu, przy 3 000 tokenów wejścia i 300 wyjścia, kosztuje 0,009 $, czyli ok. 0,035 zł. Zadanie agenta z dziesięcioma wywołaniami modelu, po średnio 8 000 tokenów wejścia i 500 wyjścia na krok, kosztuje 0,21 $, ok. 0,82 zł, czyli ok. 23 razy więcej. Tysiąc takich zadań miesięcznie to ok. 816,50 zł. To założenia przykładu, nie średnia rynkowa, bez rabatów za pamięć podręczną i przetwarzanie wsadowe. Gartner szacuje (17.08.2026), że skierowanie zadania do agentowego modelu rozumującego zwiększa koszt obliczeń po stronie dostawcy modelu co najmniej pięciokrotnie w porównaniu z prostą rozmową z chatbotem. Pełny rachunek tokenów dla agenta, z wykresem porównującym odpowiedź czatu i zadanie wieloetapowe, rozpisujemy w tekście o tym, ile kosztuje agent AI.

Wdrożenie i utrzymanie. Integracja z Twoimi systemami, przygotowanie bazy wiedzy, testy i późniejsze zmiany modeli to praca, której cena zależy od zakresu. Niezależnego badania cen wdrożeń AI w Polsce nie znaleźliśmy, więc nie podajemy kwoty z rynku.

Ukryty koszt: dane i uprawnienia. Kupno licencji nie kończy przygotowań. Microsoft w dokumentacji Copilota (odczyt 3.10.2026) pisze, że asystent pokazuje tylko dane, do których użytkownik ma co najmniej prawo podglądu, i każe zadbać, żeby właściwe osoby miały dostęp do właściwych treści. Ta sama strona zapewnia, że prompty, odpowiedzi i dane firmy nie służą do trenowania modeli bazowych. Działa to w obie strony (przykład nasz): jeśli akta osobowe leżą w folderze udostępnionym całej firmie, asystent znajdzie je dla każdego, kto zapyta. Dlatego w przewodniku wdrożenia (odczyt 3.10.2026) pierwszym krokiem jest usunięcie nadmiernych udostępnień: znalezienie witryn i plików udostępnionych zbyt szeroko, bez właściciela, nieużywanych albo z danymi wrażliwymi, a potem poprawienie dostępu. Gartner pisze (11.05.2026), że bez zrozumienia relacji i reguł w danych firmy agenty AI „znacznie częściej halucynują” i dają niewiarygodne wyniki. Te godziny porządkowania są kosztem wdrożenia, nawet jeśli nikt ich nie fakturuje. Ta sama zasada dotyczy własnego czatu na dokumentach firmy: uprawnienia musi filtrować samo wyszukiwanie, o czym piszemy w tekście o RAG. Tak samo jest z asystentem albo agentem podłączonym do systemów firmy przez MCP (Model Context Protocol): widzi i robi to, na co pozwala konto, z którego korzysta.

Pieniądze ograniczają też tych, którzy już wdrożyli AI. W globalnej ankiecie McKinseya (25.08.2026, 1 719 respondentów z 97 krajów, deklaracje) ok. 20% badanych podało, że koszty działania AI, w tym tokenów, ograniczyły jej użycie, a 37% przypisuje AI choćby częściowy wpływ na wynik operacyjny (EBIT). Co trzeci respondent (36%) pracuje w organizacji z przychodem powyżej 1 mld dolarów, a o polskich małych firmach ankieta nie mówi nic.

Prawo: AI Act, polska ustawa i RODO w jednym kalendarzu

AI Act obowiązuje etapami, a zmiana z lipca 2026 roku przesunęła najcięższe obowiązki na grudzień 2027 roku — ale informowanie o rozmowie z AI obowiązuje już od 2 sierpnia 2026 roku. Daty pochodzą z rozporządzenia 2024/1689, rozporządzenia zmieniającego 2026/1744 (w życie 27.07.2026) i polskiej ustawy o systemach sztucznej inteligencji (Dz.U. 2026 poz. 1003). Obowiązki według roli firmy, kary dla MŚP i listę kontrolną rozpisujemy w artykule AI Act dla firmy.

Najważniejsze daty po kolei:

• 1.08.2024 — AI Act wchodzi w życie.
• 2.02.2025 — stosuje się rozdziały I i II, w tym art. 4 o kompetencjach w zakresie AI i zakazane praktyki.
• 2.08.2025 — przepisy o modelach AI ogólnego przeznaczenia i rozdział o karach.
• 27.07.2026 — wchodzi w życie rozporządzenie zmieniające 2026/1744.
• 2.08.2026 — ogólna data stosowania, w tym art. 50 o przejrzystości. Według Komisji Europejskiej od tego dnia przepisy egzekwują Urząd ds. AI i organy państw członkowskich.
• 11.08.2026 — wchodzi w życie polska ustawa. Organem nadzoru rynku jest w niej Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI).
• 28.10.2026 — zaczynają obowiązywać rozdziały ustawy o kontroli, postępowaniu i karach.
• 2.12.2026 — dostawcy systemów generujących treści, wprowadzonych na rynek przed 2.08.2026, muszą je oznaczać (art. 50 ust. 2). Tego dnia zaczynają też obowiązywać dwa nowe zakazy dotyczące generowania materiałów intymnych bez zgody i materiałów przedstawiających wykorzystywanie dzieci.
• 2.12.2027 — obowiązki dla systemów wysokiego ryzyka z załącznika III, w tym AI w rekrutacji.
• 2.08.2028 — obowiązki dla systemów wysokiego ryzyka z załącznika I (produkty objęte innymi przepisami UE).

Czat i agent rozmawiające z ludźmi. Art. 50 ust. 1 nakłada na dostawcę systemu obowiązek, żeby rozmówca wiedział, że prowadzi interakcję z AI, chyba że jest to oczywiste. Informacja ma się pojawić najpóźniej przy pierwszej interakcji (art. 50 ust. 5). Za naruszenie grozi kara do 15 mln euro albo do 3% całkowitego rocznego światowego obrotu, zależnie od tego, która kwota jest wyższa, a dla MŚP według art. 99 ust. 6 niższa z tych kwot. Czy firma, która zamawia czat u wykonawcy i uruchamia go pod swoją marką, jest w tym układzie dostawcą, zależy od konkretnego przypadku; w razie wątpliwości zapytaj prawnika.

Szkolenia pracowników. Art. 4 w brzmieniu nadanym rozporządzeniem 2026/1744 mówi, że dostawcy i podmioty stosujące AI „podejmują środki, które wspierają rozwój kompetencji w zakresie AI” swojego personelu, a obowiązek „nie oznacza”, że trzeba zapewnić określony poziom kompetencji. Komisja w odpowiedziach na pytania o kompetencje w zakresie AI dodaje, że art. 4 nie nakłada obowiązku mierzenia wiedzy pracowników, a od 2.12.2027 firmy stosujące systemy wysokiego ryzyka z załącznika III będą musiały powierzyć nadzór nad nimi osobom z odpowiednimi kompetencjami i przeszkoleniem.

Czy Twoje AI to w ogóle „system AI”. Komisja w wytycznych do definicji systemu AI pisze, że nie da się automatycznie wskazać, które systemy mieszczą się w definicji, i że obowiązkom podlegają „jedynie niektóre systemy AI”. Wysokie ryzyko zależy od zastosowania, nie od technologii.

RODO. Europejska Rada Ochrony Danych w opinii 28/2024 (17.12.2024) wskazuje, że jeśli model powstał z danych osobowych przetwarzanych niezgodnie z prawem, może to podważyć legalność jego wdrożenia, chyba że model został należycie zanonimizowany. Firma wdrażająca model powinna więc to sprawdzić. Agent konwersacyjny może działać na podstawie uzasadnionego interesu, „ale tylko wtedy, gdy przetwarzanie okaże się absolutnie niezbędne i zachowane zostanie wyważenie praw”. W raporcie zespołu ds. ChatGPT (23.05.2024) EROD przypomina, że zasada prawidłowości danych obowiązuje także wtedy, gdy model może zmyślać.

Artykuły w tym dziale

Poniżej artykuły tego działu, a pod nimi artykuły z innych działów, które omawiają AI przy okazji swojego tematu.

• Agent AI w firmie: czym agent różni się od chatbota i automatyzacji, trzy warunki sensu, koszt tokenów i AI Act.
• Automatyzacja procesów biznesowych: czym różnią się integracja, RPA i automatyzacja z AI, dane GUS o systemach w polskich firmach, KSeF i przykłady automatyzacji w małej firmie.
• Low code i no code: kiedy platforma bez programowania wystarcza, jakich limitów nie widać na starcie i co zabierzesz, gdy zechcesz odejść.
• Google Workspace czy Microsoft 365: plany i ceny obu pakietów, w tym Gemini w Workspace oraz Copilot Chat i płatny Copilot w Microsoft 365.
• Obsługa klienta w e-commerce: gdzie chatbot sklepowy pomaga według badania Gemius 2026, a gdzie nie, oraz obowiązek informowania, że klient rozmawia z AI.
• Automatyzacja sprzedaży w e-commerce: co automatyzować najpierw, ile kosztują Zapier, Make, n8n i Base oraz jak liczyć zwrot z automatyzacji czasem, a nie obietnicą.

Jak pracujemy z AI w Digital Vantage

Korzystamy z modeli OpenAI i Anthropic przez API i radzimy zaczynać od najprostszego rozwiązania, które rozwiązuje problem. Automatyzacje budujemy w n8n i Node.js na serwerach w Warszawie; zakres tej usługi opisuje strona automatyzacji procesów.

Na własnej stronie przygotowujemy czat AI, który odpowiada na podstawie wiedzy o firmie i przekazuje rozmowę człowiekowi. Pierwsza wiadomość informuje, że odpowiada AI. Rozmowę przejmuje człowiek między innymi wtedy, gdy rozmówca o to poprosi, gdy bot nie zna odpowiedzi, przy reklamacji i temacie prawnym lub finansowym, a także po przekroczeniu miesięcznego budżetu tokenów. Do CRM trafia podsumowanie, nie pełny zapis rozmowy. Gdzie dane przetwarza sam model, zależy od dostawcy i platformy, i tę decyzję mamy jeszcze otwartą. Czat jeszcze nie działa, więc nie podajemy wyników. Po uruchomieniu będziemy go obserwować co najmniej cztery tygodnie, zanim zaproponujemy podobne rozwiązanie klientom.