AI w małej firmie: 10 rzeczy do zrobienia w pierwszy miesiąc (budżet 0 zł) 

W pierwszym miesiącu w firmie, w której AI jeszcze nie ma, da się zrobić dziesięć rzeczy bez wydania złotówki. Wszystkie opierają się na darmowych planach ChatGPT, Claude i Gemini, na jednym arkuszu, w którym mierzysz czas, i na jednej zasadzie: zaczynasz od jednego konkretnego zadania, a nie od strategii. Żadna z tych rzeczy nie wymaga wynajęcia programisty ani zakupu licencji. Wymaga natomiast dwóch godzin twojego czasu i kilku długich wieczorów.

Ten tekst jest dla właściciela firmy, która usłyszała, że „wszyscy wdrażają AI", ale nie wie, od czego zacząć i boi się, że to drogie. Jeśli szukasz odpowiedzi w innym miejscu, zacznij od planu na pierwszy miesiąc. Poniżej konkretna lista, z cenami i granicami.

Dziesięć rzeczy na pierwszy miesiąc

1. Wybierz jedno zadanie, a nie dziesięć

Najczęstszy błąd to kupno kilku narzędzi naraz i rzucenie ich na całą firmę. Zamiast tego weź jedno zadanie, które się powtarza i które dziś cię irytuje. Poradnik dla asystentek biurowych formułuje to pytanie wprost: „zastanów się, które zadanie z Twojej pracy najbardziej Cię frustruje? To może być idealne miejsce na start". Zgadza się z tym podejście analityków, którzy w pierwszej kolejności proponują audyt narzędzi cyfrowych, a dopiero potem wybór technologii.

Dobre pierwsze zadanie ma dwie cechy. Powtarza się co tydzień, a jego wynik da się sprawdzić. Pisanie pierwszej wersji odpowiedzi na typową korespondencję się nadaje. Przetłumaczenie długiego dokumentu klientowi też. Wybieranie z listy, co zrobić w tym tygodniu, prawie nigdy się nie nadaje, bo zależy od rzeczy, których model nie zna.

2. Spisz, ile czasu zjada to zadanie dzisiaj

Zanim cokolwiek zmienisz, zapisz w arkuszu trzy liczby: ile godzin tygodniowo to zadanie zajmuje, ile osób w nim uczestniczy i ile kosztuje w godzinach pracy. Nic bardziej nie pomaga przy wyborze następnego kroku jakich liczb, a nic nie jest bardziej żenujące niż prezentacja zysków oparta na domysłach.

Ten sam arkusz utrzymujesz przez cały miesiąc. Poradniki zgadzają się co do jednego: dokumentowanie efektów ma sens wtedy, gdy masz punkt odniesienia sprzed zmiany. Warto przy okazji spojrzeć na mapę procesów firmy, bo często drugie zadanie widać dopiero po rozrysowaniu pierwszego.

3. Wejdź na darmowy plan i od razu sprawdź jego granice

Darmowe plany istnieją i naprawdę wystarczają na pierwszy miesiąc. Claude ma wersję „$0 / Free for everyone". ChatGPT Free kosztuje „0 USD". Gemini bez płatnego pakietu daje okno kontekstu „32 tysiące tokenów", czyli mniej więcej kilkanaście stron tekstu na raz.

Rozmiar okna ma znaczenie przy konkretnych zadaniach. Okno 32 tysięcy tokenów wystarczy do krótkiej odpowiedzi na maila. Nie wystarczy do wklejenia całego regulaminu. Przy płatnych planach sprawa wygląda inaczej: Gemini z pakietem AI Plus daje „128 tysięcy tokenów", a AI Pro i AI Ultra - milion. Przy milionie tokenów Google twierdzi, że Gemini „może zrozumieć nawet 1500 stron tekstu i 30 tys. wierszy kodu".

Druga sprawa, o której mówi się rzadziej, to limity liczby zapytań. I tu pojawia się problem: żaden producent nie publikuje tej liczby dla darmowych planów. W cenniku Claude czytasz, że „nie ma stałej liczby wiadomości", a limity „odświeżają się w kroczącym oknie pięciogodzinnym". Google podaje jedynie „limity standardowe", zastrzegając, że „limity mogą ulegać zmianom bez powiadomienia". Praktyczne znaczenie: nie planuj pracy wiedząc, że masz do dyspozycji sto wiadomości dziennie. Jeśli zależy ci na konkretnym wolumenie, sprawdź go w swoim miesiącu, bo inaczej nie masz z czego liczyć.

4. Ustal, gdzie nie wolno wklejać danych firmowych

To najważniejszy punkt z całej listy i jedyny, którego nie można odłożyć na później. Deklarowane dane rynkowe brzmią poważnie: 69% pracowników używa narzędzi AI bez wiedzy pracodawcy, 72% wkleiło do nich dane firmowe, a 27% udostępniło dane wrażliwe. Wśród pracowników w Polsce 19% przyznało, że przekazało narzędziom AI wrażliwe dane firmowe.

Te liczby pochodzą z materiałów sprzedażowych firmy, która sprzedaje audyty AI, więc traktuj je jako sygnał, nie jako precyzyjny pomiar. Wniosek jest jednak niezależny od dokładności procentów: jeśli twój pracownik używa własnego konta w darmowym narzędziu, to twoje umowy, oferty i dane klientów mogą trafić na serwery dostawcy.

Zacznij od prostej reguły pisemnej: imię i nazwisko klienta, numer PESEL, dane medyczne, treść umowy, cokolwiek objętego tajemnicą przedsiębiorstwa - wklejać nie wolno. Do wewnętrznych tekstów używaj konta firmowego albo planu, w którym trening na twoich danych jest wyłączony. Przy cennikach firm oferujących wdrożenia widziałem różnicę, której nie warto przepuszczać: na planach indywidualnych szkolenie modelu na twojej rozmowie jest opcją, którą trzeba wyłączyć samemu, a na planach zespołowych jest wyłączone domyślnie. Jedno kliknięcie w ustawieniach załatwia sprawę na planie darmowym. Wiedzę o tym, co dokładnie dzieje się z danymi, znajdziesz w przeglądzie opcji z zachowaniem danych u siebie.

5. Napisz instrukcję użycia narzędzia

Po pierwszym zadaniu zapisz, jak z niego korzystać. Jedna strona: do czego służy, jak go wywołać, czego nie wklejać, co zrobić, gdy odpowiedź jest błędna. W firmie na kilkanaście osób tę stronę powinien przeczytać każdy, kto wejdzie w kontakt z narzędziem, a nie tylko ty.

Bez tego po dwóch tygodniach narzędzie zostaje u ciebie, bo nikt inny nie wie, że istnieje, a kontynuacja robienia wszystkiego po Twojej stronie oznacza, że nie odzyskałeś czasu, tylko przeniosłeś go z jednej głowy na drugą. To częsty błąd wdrożeniowy i prowadzi do wniosku, że automatyzacja się nie opłaca. Opłaca się, tylko jeśli ktoś poza autorem umie jej użyć.

6. Podepnij model tam, gdzie dziś kopiujesz i wklejasz

Tu zaczyna się właściwa automatyzacja. Ręczne kopiowanie treści z jednego systemu do drugiego to najczęstsze miejsce, gdzie pojawia się roboty do zgarnięcia. Gdy dziś przepisujesz ręcznie treść z maila do systemu, zapytanie do modelu albo prosty przepływ automatyczny potrafi skrócić to do jednego ruchu.

Nie zaczynaj od skryptów ani od integracji z API. Naucz się, czym tak naprawdę różni się to, co robi model językowy, od zwykłej automatyzacji, bo ta różnica decyduje, gdzie AI ma w ogóle wchodzić do gry. Opisuję to szerzej w artykule o różnicy między automatyzacją a AI. Jeśli zależy ci na gotowym przykładzie, połączenie ChatGPT z n8n da się zrobić w jeden wieczór.

7. Przepuść przez model notatki ze spotkań

To zadanie daje najszybszy efekt, bo surowy materiał jest bardzo nierówny. Zapis z rozmowy z klientem bywa chaotyczny, pełen skrótów i przeskoków. Poproszenie modelu o uporządkowanie struktury i wyciągnięcie ustaleń jest tanie i często dość wierne.

Nawet bez płatnych narzędzi da się to zrobić: darmowy plan tłumaczy nagranie i robi z niego notatki, a drugi przebieg porządkuje wynik. Microsoft opisuje tę samą logikę na poziomie swoich narzędzi, w tym rozróżnienie, które warto naśladować: podsumowanie ma wskazywać, kto co powiedział oraz „w jakich kwestiach uczestnicy są zgodni, a w jakich się nie zgadzają". Ostatnia część jest najważniejsza, bo dopiero ona zamienia podsumowanie w coś, na czym można polegać przy negocjacjach.

Analogicznie wygląda obróbka korespondencji, gdzie wątek wątkiem przekłada się w listę konkretnych odpowiedzi z datami. Opisuję to w osobnym tekście o automatycznym przetwarzaniu maili.

8. Daj ludziom miejsce, w którym zgłaszają pomysły na AI

Utwórz jedną skrzynkę albo jeden kanał, do którego zespół zgłasza zadania, w których dziś się męczy. Nie wybieraj pomysłów sam na początku. Przez kilka dni zbieraj zgłoszenia i dopiero potem uszereguj je według tego, ile czasu zjadają.

Z reguły okazuje się, że najwięcej zgłoszeń dotyczy rzeczy, które nie wyglądają na poważne. Ktoś marnuje czterdzieści minut na cotygodniowe streszczenie raportu, ktoś na przepisywanie ogłoszeń, ktoś na szukanie odpowiedzi w regulaminie. Te zadania są warte dokładnie tyle, ile zajmują, a nikt o nich nie mówi, bo każdy po prostu to robi. Warto przy okazji zerknąć na listę siedmiu procesów wartych automatyzacji w małej firmie.

9. Sprawdzaj wynik, zanim wyśle

Modele językowe fabrykują szczegóły. Nie robią tego złośliwie, po prostu wypełniają luki najbardziej prawdopodobnym brzmieniem, które sugeruje kontekst. Przy tłumaczeniu, streszczaniu i pisaniu maili nie zauważysz tego często. Przy liczbach, danych i terminach zauważysz to natychmiast.

Ustal jedną prostą regułę: człowiek zatwierdza wynik, zanim trafi on do klienta. Dotyczy to również decyzji, nie tylko treści. Jeśli model podpowiada priorytety, wybór dostawcy albo wariant umowy, człowiek ma to zatwierdzić, zanim wyjście nabierze realnych skutków.

Warto pamiętać o jakości samych danych. Raporty IBM opisują ryzyka, na które słabsi na danych opiera się cała infrastruktura: „systemy AI opierają się na zbiorach danych, które mogą być podatne na zatrucie lub manipulację danymi", oraz modele „podatne na ryzyka operacyjne, takie jak dryf modelu czy stronniczość". W praktyce oznacza to jedno: jeśli twoje dane wejściowe są chaotyczne, AI nie zrobi z nich porządku. Najpierw porządek, potem narzędzie.

10. Zmierz, co zmieniło się w ciągu miesiąca

Pod koniec miesiąca wróć do arkusza z punktu drugiego i policz to samo jeszcze raz. Jeśli różnica jest za mała, żeby ją pokazać zarządowi, to masz odpowiedź: to zadanie nie było warte wdrożenia albo wybrałeś złe zadanie. Wolno to powiedzieć na głos. Porady dla firm, które naprawdę liczą wyniki, zaczynają się od prostego zdania: „mierz to, sprawdzaj, raportuj".

Do rachunku podchodź ostrożnie. Skoro usłyszałeś już deklaracje w stylu „odzyskaj 20 godzin tygodniowo" albo „zwrot inwestycji w 45 dni", to warto wiedzieć, że liczby z ankiet i kalkulatorów sprzedażowych bywają budowane na założeniach, których nikt nie udowadnia. Jedna z firm sprzedających wdrożenia AI obiecuje na tej samej stronie 10 godzin tygodniowo w jednym miejscu i 20 w drugim, a obok kalkulatora zakłada, że odzyskasz około 60% czasu. Licz sam, ale licz na własnych danych z punktu drugiego, nie na cudzych. Prostszy rachunek masz opisany przy kalkulatorze zwrotu z automatyzacji.

Ile to kosztuje, kiedy darmowy plan przestanie wystarczać

Przez pierwszy miesiąc nie musisz wydać nic. Problem zaczyna się, gdy darmowy limit przestaje pasować do Twojego wolumenu, a nie gdy zabraknie Ci funkcji. Cenniki podają różne kwoty za to samo, więc podaję je osobno, z zaznaczeniem, skąd pochodzą.

• Claude: darmowy plan kosztuje 0 USD, plan Pro 17 USD miesięcznie przy płatności rocznej z góry (200 USD za rok) albo 20 USD przy płatności miesięcznej, wersja Max startuje od 100 USD miesięcznie, a wersja zespołowa to 20 USD za miejsce przy płatności rocznej albo 25 USD miesięcznie. Uwaga na popularne nieporozumienie: wiele artykułów porównawczych podaje „17 USD miesięcznie", co wychodzi tylko przy opłacie rocznej.
• ChatGPT: wersja bezpłatna 0 USD, Plus 20 USD, Pro 200 USD, wersja zespołowa 25 USD przy opłacie rocznej albo 30 USD miesięcznie.
• Gemini: kwotę podaje się w cudzej analizie cen, która wskazywała 549,99 CZK, czyli około 25 USD, po pierwszym miesiącu bez opłat. Oficjalna pomoc Google kwot nie podaje, a jedynie względne mnożniki limitów: dwukrotne dla AI Plus, czterokrotne dla AI Pro, od pięciokrotnego do dwudziestokrotnego dla AI Ultra względem AI Pro. Traktuj tę kwotę jako starszy punkt odniesienia, nie jako aktualny cennik.
• Copilot: w wersji bezpłatnej dostępny w ramach Microsoft 365, w płatnej około 20 USD miesięcznie.

Jeśli zależy ci na jednym konkretnym narzędziu, sprawdź cenę na stronie producenta w dniu, w którym czytasz ten tekst. Cenniki zmieniają się kilka razy w roku, a artykuły porównawcze rzadko to odświeżają.

Czego nie da się zrobić bez opłat

Darmowy plan to nie jest próbny dostęp do wszystkiego. Cztery rzeczy są typowo płatne od pierwszego dnia: dostęp do najlepszych modeli, przetwarzanie dużych plików, dostęp API, czyli programistyczne wywoływanie modelu, oraz gwarancja, że twoje dane nie posłużą do treningu na planie indywidualnym. Jeśli Twoje zastosowanie wymaga którejkolwiek z tych rzeczy, budżet 0 zł kończy się wcześniej, niż zakładałeś.

Drugie ograniczenie jest mniej oczywiste: darmowe limity potrafią zmienić się bez uprzedzenia, więc proces, który w tym miesiącu działa bez zakłóceń, w przyszłym może się posypać. Buduj na darmowych planach wiedząc, że to stan tymczasowy, i mierz koszt tej zmiany z góry.

Co w miesiącu drugim

Jeśli po miesiącu masz zmierzone oszczędności i wiesz, które zadanie działa, płać za konkretne narzędzie, którego używa cały zespół, a nie za zestaw, w którym trzy rzeczy będą otwierać się raz na kwartał. Kupuj też wtedy, gdy liczba osób korzystających przekracza kilka, bo wtedy problemem przestaje być limit, a zaczyna być brak konta współdzielonego i brak historii rozmów.

Jest też odwrotna decyzja: nie kupuj, dopóki nie sprawdzisz, czy zadanie faktycznie oszczędza czas. Bardzo często okazuje się, że firma zapłaciła za roczną licencję na narzędzie, którego używała jedna osoba do pisania newslettera. Zanim zamówisz, zrób prosty rachunek: ile godzin miesięcznie zarabia, ile kosztuje, jaki jest koszt godziny u Ciebie i co zostaje.

Kiedy przestać robić to samemu

Są trzy sygnały, że samodzielne dłubanie przestało się opłacać. Pierwszy: to samo zadanie wraca, bo model nie daje powtarzalnego wyniku i za każdym razem trzeba go poprawiać od zera. Drugi: zadanie działa, ale nikt poza Tobą go nie umie obsłużyć, więc wciąż wraca do Ciebie. Trzeci: liczba narzędzi przekroczyła tyle, że utrzymanie ich kosztuje więcej czasu niż oszczędzasz.

W każdym z tych przypadków problem nie leży w AI, tylko w tym, że zadanie jest albo źle opisane, albo zbyt duże, albo wręcz nieautomatyzowalne jednym przepływem. Bardzo często okazuje się, że wystarczyło przestanie kopiować dane dookoła, zamiast szukać modelu, który zrobi wszystko naraz.

Jeśli chcesz sprawdzić, czy któreś z tych dziesięciu punktów da się u Ciebie domknąć, napisz do mnie. Odpowiadam zwykle tego samego dnia, a pierwszą rozmowę o zakresie robię bez zobowiązań.