2 lipca 2026 · Zaktualizowano: 13 sierpnia 2026
Audyt gotowości AI: co dokładnie sprawdzamy i co dostajesz na koniec
Audyt gotowości AI to płatna, 2–4-tygodniowa diagnoza, która ustala trzy rzeczy: gdzie AI realnie pomoże w Twoich procesach, czy Twoje dane się do tego nadają i czego wymaga od Ciebie AI Act. Wynikiem jest dokument roboczy — inwentaryzacja systemów, klasyfikacja ryzyka i priorytetyzowana roadmapa wdrożeń — a nie prezentacja. Poniżej dokładny zakres: co sprawdzamy, w jakiej kolejności i co dostajesz na koniec.
Po co audyt, skoro można „po prostu wdrożyć”
Większość nieudanych projektów AI nie wykłada się na modelu, tylko wcześniej: na złym wyborze procesu, na danych, których nie da się bezpiecznie użyć, albo na obowiązkach prawnych odkrytych po fakcie. Audyt kosztuje ułamek wdrożenia i zamienia „chcemy coś z AI” w listę konkretnych projektów z oceną opłacalności i ryzyka. Dla firm, które już używają gotowych narzędzi (ChatGPT, Copilot), audyt odpowiada też na pytanie, które z nich podlegają AI Act — większość przepisów ma zastosowanie od 2 sierpnia 2026.
Co dokładnie sprawdzamy
- Procesy. Mapujemy miejsca, gdzie AI ma mierzalny efekt: powtarzalna praca na dokumentach, obsługa zapytań, wyszukiwanie wiedzy. Każdy kandydat dostaje ocenę: wpływ, wykonalność, ryzyko.
- Dane. Sprawdzamy źródła, jakość, uprawnienia i świeżość — czyli to, na czym naprawdę wykładają się projekty RAG. Szczegółową checklistę opisaliśmy w gotowości danych do RAG.
- Shadow AI. Spisujemy narzędzia AI używane poza wiedzą IT — prywatne konta, wtyczki, automatyzacje. Bez tego rejestru ani zgodność, ani bezpieczeństwo danych nie są policzalne.
- Role i ryzyko wg AI Act. Każdemu systemowi przypisujemy rolę firmy (podmiot stosujący / dostawca) i kategorię ryzyka — metodę pokazujemy krok po kroku tutaj.
- Architektura i koszty. Rekomendujemy wariant AWS i szacujemy koszt wdrożenia oraz utrzymania. Region i tryb inferencji określają możliwe miejsce przetwarzania. Konfiguracja aplikacji i logowania decyduje, gdzie powstają dodatkowe kopie. KMS kontroluje szyfrowanie i klucze, a projekt sieci — drogę transmisji. Model współodpowiedzialności wskazuje, które ustawienia i dowody pozostają po stronie klienta. Warunki, które trzeba sprawdzić przed wdrożeniem, opisuje architektura AI na AWS pod GDPR i AI Act. Osobno pokazujemy, co napędza koszt systemu RAG lub agenta.
- Finansowanie. Dopasowanie do programów dotacyjnych (FENG/Ścieżka SMART, Dig.IT, KFS) — jeśli projekt się kwalifikuje, przygotowujemy techniczną część wniosku.
Co dostajesz na koniec
Raport końcowy porządkuje decyzje w pięciu roboczych artefaktach. Właściciela dopasowujemy do organizacji; poniższa macierz pokazuje odpowiedzialność, którą trzeba przypisać przed zamknięciem audytu.
| Artefakt | Owner | Decyzja / następny krok |
|---|---|---|
| Rejestr systemów AI i shadow AI | właściciel portfela AI lub wyznaczony koordynator | potwierdzić zakres, brakujące systemy i termin kolejnego przeglądu |
| Matryca ryzyka | właściciel ryzyka / compliance z udziałem prawnika | wskazać przypadki wymagające dalszej kwalifikacji i kontroli |
| Lista projektów z oceną wpływu i wykonalności | sponsor biznesowy | wybrać projekt do PoC, odłożyć lub odrzucić pozostałe |
| Rekomendacja architektury | właściciel techniczny | zatwierdzić ograniczenia danych, bezpieczeństwa, integracji i kosztu |
| Roadmapa | sponsor i właściciele działań | ustalić kolejność, zależności, terminy i bramki go/no-go |
Opcjonalnie audyt kończy się PoC na rzeczywistych danych klienta. Zarząd, IT, compliance i prawnicy pracują potem na powyższych artefaktach zamiast odtwarzać ustalenia z prezentacji.
Czym audyt nie jest
Nie jest ofertą handlową w przebraniu ani „bezpłatną konsultacją”. Nie jest też gwarancją pełnej zgodności z AI Act — luki domyka się później wdrożeniami i dokumentacją. Ani audyt, ani rejestr nie zapewniają automatycznej klasyfikacji prawnej, porady prawnej czy certyfikatu zgodności. Dają za to materiał do decyzji: co wdrożyć, w jakiej kolejności i po czym poznać, że działa.
Co dalej
Jeżeli chcesz najpierw sprawdzić stan organizacji bez rozpoczynania projektu, wypełnij bezpłatny AI Readiness Scorecard. To 24 pytania, które wskażą, czy najpierw trzeba uporządkować fundamenty, przygotować jeden proces czy można już rozważyć ograniczony PoC.
Zakres trzech poziomów współpracy — audyt, wdrożenie, retainer — opisujemy na stronie usług. Jak wygląda system, który z takiego audytu wyrósł, pokazujemy na przykładzie mojApteczki — produkcyjnego systemu GenAI w ochronie zdrowia. Umów audyt gotowości AI — odpowiadamy w jeden dzień roboczy.