Jakie dane są naprawdę potrzebne, zanim zaczniemy mówić o wdrożeniu AI?
Zacznij od pytania, do czego konkretnie agent ma służyć. Gotowość danych ocenia się względem jednego zadania, a nie całej firmy. Zamiast przeglądać wszystkie zbiory, ustal, jakie informacje są potrzebne, żeby proces przeszedł od wejścia do wyniku.
Do prototypu wystarczy mniej, niż myślisz. Kilka maili, plik i zrzut ekranu z systemu pokazują, czy agent w ogóle radzi sobie z Twoim przypadkiem. To najtańszy sposób sprawdzenia pomysłu przed wdrożeniem AI w firmie.
Dane do wdrożenia AI muszą być cyfrowe, uporządkowane i aktualne. Niepełne PDF-y i rozproszone arkusze prowadzą do błędów i halucynacji, czyli odpowiedzi, które brzmią wiarygodnie, ale mijają się z faktami. Sama ilość danych nic tu nie daje, jeśli są w niespójnych formatach i powielone w kilku systemach.
Zanim ruszysz z wdrożeniem AI, odpowiedz na trzy pytania: gdzie leżą potrzebne informacje, kto ma do nich dostęp i czy wolno ich zgodnie z prawem użyć. Wdrożenia AI w firmie najczęściej zatrzymuje właśnie brak tej wiedzy, a nie sam model.
Praktyczny krok: wybierz jeden proces, wypisz dokumenty i wiadomości, które przez niego przechodzą, i wskaż, gdzie są przechowywane. Jeśli w Twojej firmie nikt tego nie wie, uporządkuj ten obszar, zanim zaczniesz szukać dostawcy. Chcesz sprawdzić, od czego zacząć u siebie? Opowiedz nam, jak dziś działa Twoja firma i co Cię w tym najbardziej uwiera, a odpowiemy w ciągu 24 godzin, zwykle dużo szybciej.
Skąd wziąć dane, które leżą w mailach, PDF-ach i arkuszach, a nie w jednej bazie?
Gdzie te dane właściwie leżą? Najczęściej nigdzie w jednym miejscu. Faktury siedzą w mailach, umowy w PDF-ach na dysku, a część wiedzy o klientach tylko w głowach ludzi z zespołu.
Zanim cokolwiek wgrasz do systemu, zrób prostą inwentaryzację. Wypisz, gdzie naprawdę trzymasz informacje: skrzynki, foldery, arkusze, systemy CRM, czyli programy do prowadzenia kontaktów i sprzedaży. Do każdego źródła dopisz, kto odpowiada za jego aktualność.
Największy problem to dane nieustrukturyzowane, czyli e-maile, umowy, PDF-y i notatki, których nikt wcześniej nie uporządkował. Model AI nie odróżni starej wersji umowy od nowej, więc najpierw ustal, co jest aktualne, a co idzie do archiwum.
Nie musisz od razu porządkować wszystkiego. Wybierz jeden proces i zbierz dane tylko pod niego: kilka przykładowych maili, jeden plik, zrzut ekranu z systemu. To wystarczy, żeby sprawdzić, czy agent poradzi sobie z tym zadaniem, zanim zainwestujesz czas w porządkowanie całej bazy danych.
Jak sprawdzić, czy dane nadają się do automatyzacji, zanim zapłacisz za prototyp?
Zanim zapłacisz za prototyp, zadaj jedno pytanie: czy proces, który chcesz oddać agentowi, da się opisać na kilku przykładach? Jeśli odpowiedź brzmi "to zależy od przypadku", to sygnał, że najpierw potrzebujesz audytu danych, a nie kolejnego narzędzia.
Sprawdź, gdzie leżą informacje potrzebne do wykonania zadania. Jeden dokument powinien dotyczyć jednego zagadnienia, bo agent szuka odpowiedzi po fragmentach i przy wymieszanej treści trafia obok. Jeśli faktury, umowy i zgłoszenia klientów są porozrzucane po skrzynkach i arkuszach, zacznij od uporządkowania ich w jednym miejscu. To najnudniejszy etap, ale bez niego automatyzacja procesów powtarza bałagan szybciej, niż robił to zespół.
Drugi test dotyczy jakości danych. Wyciągnij kilka realnych przykładów z ostatniego tygodnia i prześledź je ręcznie od wejścia do wyniku. Policz, ile razy musiałeś coś dopowiedzieć, domyślić się albo poprawić po systemie. Każde takie miejsce to luka w danych, którą agent wypełni własnym domysłem, a bywa, że się pomyli.
Trzeci krok to ustalenie, kto odpowiada za aktualność tych informacji. Bez właściciela danych po miesiącu wracasz do punktu wyjścia.
Czy do wdrożenia AI potrzebujesz wszystkich danych z całej firmy?
Zacznij od pytania, które zadaje sobie niemal każdy przed startem: czy muszę najpierw uporządkować wszystkie dane w firmie? Odpowiedź brzmi nie. Wystarczy ten wycinek, którego dotyczy wybrany proces.
Sensowna kolejność jest odwrotna do intuicji. Najpierw ustal, co konkretnie ma robić rozwiązanie, a dopiero potem sprawdź, jakie informacje są do tego potrzebne. Ocena gotowości danych zaczyna się od planowanego zastosowania, a nie od przeglądania wszystkiego, co firma ma na dyskach.
Dobrym punktem startu jest przygotowanie danych pod jeden proces, na przykład obsługę zapytań ofertowych. Zbierasz do niego kilka przykładowych maili, plik i zrzut ekranu z systemu. Taki zestaw wystarcza, żeby zbudować działającą wersję narzędzia i zobaczyć, czy pomysł w ogóle się sprawdza.
| Krok | Co ustalasz |
|---|---|
| Zakres | Który proces usprawniasz i gdzie leży jego początek oraz koniec |
| Potrzebne informacje | Jakie dane wchodzą do procesu i jaki wynik ma z niego wyjść |
| Miejsce i dostęp | Gdzie te informacje są zapisane i kto może z nich korzystać |
| Jakość | Czy dane są aktualne i w jednej wersji, czy rozjechane między systemami |
Wdrożenia AI najczęściej zatrzymuje nie brak danych, tylko ich stan. Te same informacje leżą w kilku miejscach, w różnych formatach, część jest nieaktualna. Im większy bałagan, tym więcej pracy przed startem i tym łatwiej modelowi się pomylić.
Dlatego nie zaczynaj od hurtowego porządkowania archiwum. Wybierz jeden proces, zbierz dane, które są mu naprawdę potrzebne, i sprawdź wynik na próbce. Reszta poczeka na swoją kolej.
Jakie dane przygotować, żeby nie zapłacić za halucynacje i błędy modelu?
Zacznij od pytania, co agent ma robić z Twoimi dokumentami. Odpowiedź decyduje o tym, które dane w ogóle warto przygotować.
Jeśli agent odpowiada na pytania klientów, potrzebuje aktualnych cenników i warunków. Jeśli czyta faktury, potrzebuje wzorów dokumentów i zasad ich dekretacji. Bez tego zbierasz dane bez celu i płacisz za przetwarzanie szumu.
Dane pod AI muszą być cyfrowe, uporządkowane i aktualne. Niepełne PDF-y i rozproszone arkusze prowadzą do błędów i halucynacji modelu AI, czyli odpowiedzi, które brzmią wiarygodnie, ale mijają się z faktami. Zanim więc zaczniesz wdrożenie AI, zrób porządek w źródłach. W praktyce oznacza to czyszczenie danych: usunięcie duplikatów, ustalenie jednej wersji dokumentu i odesłanie starych plików do archiwum.
Przesyłanie dużych ilości nieistotnych informacji do modelu podnosi zużycie tokenów, czyli jednostek rozliczeniowych za przetworzony tekst. To bezpośrednio zwiększa koszty operacyjne. Warto więc wyciąć z bazy to, co nigdy nie będzie potrzebne agentowi.
Baza wiedzy dla agenta powinna być podzielona na logiczne fragmenty, a jeden dokument powinien dotyczyć jednego zagadnienia. Wtedy model trafia we właściwy kontekst zamiast przeszukiwać wszystko naraz.
Co zrobić, gdy kluczowe dane są w systemie, do którego nie masz jeszcze dostępu?
Gdy proces wymaga dostępu do systemu, którego nie otworzysz przed formalną autoryzacją, i tak możesz zacząć przygotowanie danych. Nie czekaj z całym projektem na zgodę działu IT albo dostawcy oprogramowania.
Zbierz najpierw próbkę materiału: kilka wiadomości, jeden plik, zrzut ekranu z systemu. Na takiej próbce da się sprawdzić, czy agent rozumie zadanie, zanim ktokolwiek dotknie produkcyjnej bazy.
W tym trybie plan wdrożenia AI powstaje wcześniej niż samo wdrożenie. Dostajesz opis, jakich dostępów potrzebujesz, w jakiej kolejności je otwierać i co realnie blokuje start.
Osobna sprawa to jakość danych. Niepełne dokumenty i rozproszone arkusze prowadzą do błędów i zmyślonych odpowiedzi modelu, więc porządek w źródłach robisz równolegle z czekaniem na zgody.
Bezpieczeństwo danych też wymaga decyzji na tym etapie: kto widzi jakie zbiory i czy wolno ich użyć w danym celu. To ustalenie zajmuje czas, a nie wymaga dostępu do systemu.
Praktycznie: wyznacz jeden proces, na przykład obsługi klienta, i wskaż trzy osoby, które znają go najlepiej. One wskażą, gdzie leżą potrzebne informacje i czego brakuje.
Dopiero potem ustalasz kolejność kroków w procesie wdrożenia AI. Gdy dostęp się pojawi, nie zaczynasz od zera, tylko od razu budujesz na przygotowanym materiale.
Pytania czytelników
Jakie dokumenty musi przygotować firma wdrażająca AI ze względu na AI Act?
AI Act, czyli unijne rozporządzenie o sztucznej inteligencji, obowiązuje od 1 sierpnia 2024 roku, a kolejne wymogi wchodzą w życie etapami. Przygotuj dokumentację, która opisuje cel systemu i uzasadnienie wdrożenia, dane treningowe ze źródłem i wielkością zbioru, metryki wydajności, informacje o modelach, procedury testowania i monitorowania. Zakres zależy od tego, do czego system ma służyć, więc listę dokumentów ustal razem z osobą odpowiedzialną za zgodność w firmie.
Ile czasu zajmuje przygotowanie danych do wdrożenia AI?
Przygotowanie danych zajmuje zwykle więcej czasu niż sama budowa modelu. Z badania opisanego w branżowych omówieniach wynika, że budowa modelu to średnio 14% czasu projektu, a zbieranie i przygotowanie danych po około 20% każde. W praktyce tempo zależy od tego, ile masz dokumentów w PDF-ach i arkuszach oraz kto w firmie wie, gdzie leżą potrzebne informacje.
Czy brak gotowych danych może sprawić, że projekt AI się nie uda?
Tak, dane są najczęstszą przyczyną niepowodzeń. Gartner prognozuje, że do końca 2026 roku organizacje porzucą 60% projektów AI, bo nie miały danych gotowych pod AI, a raport MIT NANDA z lipca 2025 roku wykazał, że przy 30-40 mld dolarów inwestycji w generatywną AI 95% pilotaży nie dało mierzalnego zwrotu. Zanim podpiszesz umowę, sprawdź, czy dane są cyfrowe, ustrukturyzowane i aktualne, bo niepełne PDF-y i rozproszone arkusze prowadzą do błędów i halucynacji modelu.
Czy muszę jakoś uporządkować dane przed wdrożeniem AI?
Tak, samo posiadanie danych nie wystarcza. Szacuje się, że 80-90% danych w firmach to dane nieustrukturyzowane, czyli e-maile, umowy, PDF-y i nagrania, a informacje bywają w niespójnych formatach, powielone w wielu systemach i nieaktualne. Zacznij od konkretnego zastosowania i ustal, jakie informacje będą do niego potrzebne, a przy rozwiązaniach opartych na dużych modelach językowych podziel bazę wiedzy na logiczne fragmenty, w których jeden dokument dotyczy jednego zagadnienia.
