8 lipca 2026
Jak wybrać dostawcę AI w 2026: 12 pytań, zanim podpiszesz umowę
Dostawcę AI w 2026 wybierasz nie po cenie i nie po liście gotowych pakietów, lecz po dowodzie, że umie dowieźć działający system: pyta o Twoje dane i proces, mierzy jakość ewaluacjami, klasyfikuje ryzyko wg AI Act, oddaje Ci własność kodu i utrzymuje system po wdrożeniu. Poniżej 12 pytań, które oddzielają wykonawcę produkcyjnego od sprzedawcy demo — i prosta macierz mocnych oraz słabych sygnałów.
Dlaczego „tanio i szybko” bywa najdroższe
Rynek zapełnił się ofertami „agent AI od ręki”, stałymi pakietami i terminami „wdrożenie w 7 dni”. Problem w tym, że demo na slajdzie i system, który działa na Twoich danych pod nadzorem AI Act, to dwie różne rzeczy. Najdroższy scenariusz to projekt, który ładnie wygląda na prezentacji, a po trzech miesiącach halucynuje, nie ma logów i nikt nie wie, kto go utrzymuje. Dlatego zanim porównasz ceny, porównaj odpowiedzi na poniższe pytania. Jeśli wahasz się między gotowym narzędziem a własnym systemem, zacznij od kryteriów kup-czy-zbuduj — wybór dostawcy ma sens dopiero, gdy wiesz, że budujesz.
12 pytań, zanim podpiszesz umowę
Strategia i proces
- Czy zaczynacie od mojego procesu i danych, czy od narzędzia? Dobry wykonawca najpierw pyta, który proces ma dać mierzalny efekt — nie proponuje agenta, zanim pozna dane.
- Pokażecie działający system produkcyjny, czy tylko demo? Poproś o wdrożenie z liczbami (koszt, jakość, skala), nie o zrzut ekranu chatbota.
- Jak wygląda uczciwe „no-go”? Wykonawca, który nigdy nie odradza wdrożenia, sprzedaje, a nie doradza. Bezpieczny PoC ma z góry zapisane kryteria odrzucenia.
Dane i bezpieczeństwo
- Gdzie będą mieszkać moje dane? Najbezpieczniej: w Twoim koncie chmurowym, pod Twoją jurysdykcją — nie na koncie dostawcy.
- Jak odwzorujecie uprawnienia? System nie może pokazać użytkownikowi tego, do czego nie ma dostępu w źródle.
- Co z shadow AI i danymi wrażliwymi? Zapytaj o inwentaryzację narzędzi AI i o filtrowanie danych wrażliwych, zanim cokolwiek trafi do modelu.
Jakość i zgodność
- Jak mierzycie jakość? Odpowiedź „działa” to za mało — potrzebny jest zestaw referencyjny (golden set) i ewaluacje: trafność, ugruntowanie w źródłach, poprawność cytowań, kontrola halucynacji.
- Kto klasyfikuje ryzyko wg AI Act i kto to dokumentuje? Większość obowiązków AI Act obowiązuje od 2 sierpnia 2026 — klasa ryzyka i dokumentacja to część projektu, nie dodatek.
- Jak wygląda nadzór człowieka i guardrails w produkcji? Granice tematu, poprawna odmowa „nie wiem”, logi każdej odpowiedzi ze źródłem — to warstwa techniczna, nie deklaracja w polityce.
Własność, integracje i utrzymanie
- Kto jest właścicielem kodu, promptów i konfiguracji po zakończeniu? Jeśli zostajesz zależny od dostawcy, to nie wdrożenie, tylko dzierżawa.
- Jak łączycie się z moimi systemami (ERP, CRM, helpdesk) i z jakimi granicami? Zwłaszcza dla agentów, którzy działają, pytaj o uprawnienia per rola i o zatwierdzanie operacji przez człowieka.
- Kto utrzyma system po wdrożeniu? Model, dane i koszty się zmieniają — bez monitoringu, logów i właściciela system cichnie po kwartale.
Macierz oceny: słaby sygnał vs mocny sygnał
Użyj jej jak checklisty — im więcej prawej kolumny, tym bezpieczniejszy wybór.
| Kryterium | Słaby sygnał | Mocny sygnał |
|---|---|---|
| Strategia | „Wdrożymy AI” bez pytań o proces | Zaczyna od procesu i mierzalnego efektu |
| Dane | Dane na koncie dostawcy | Twoje konto chmurowe, Twoja jurysdykcja |
| Integracje | „Podłączymy wszystko” | Jasne granice, uprawnienia per rola |
| Bezpieczeństwo | Brak mowy o shadow AI | Inwentaryzacja + filtrowanie danych wrażliwych |
| AI Act | „To Was nie dotyczy” | Klasyfikacja ryzyka i dokumentacja w zakresie |
| Ewaluacje | „Działa, sami zobaczcie” | Golden set + metryki jakości |
| Własność kodu | Zależność od dostawcy | Kod, prompty i konfiguracja u Ciebie |
| Utrzymanie | Koniec na wdrożeniu | Retainer, logi, monitoring, właściciel |
Uwaga na sygnały, które nic nie znaczą
- „Polski lider” / „numer 1” — claim bez dowodu; poproś o wdrożenie z liczbami.
- Stała cena i termin „w 7 dni” — brzmi konkretnie, ale koszt i harmonogram AI zależą od stanu danych i integracji; sensowny dostawca liczy koszt jednostkowy na Twoich danych, a nie z cennika.
- Same loga bez case study — logo to nie referencja; referencja to liczby.
Gdzie w tym Semitora
Semitora to konsulting prowadzony przez praktyka-wdrożeniowca: własny produkt GenAI mojApteczka na produkcji (0,0006 USD za skan przy 100% skuteczności na zbiorze walidacyjnym n=200, baza 302 516 rekordów), systemy budowane w Twoim koncie AWS, ewaluacje i guardrails jako standard, klasyfikacja ryzyka AI Act podczas audytu oraz trzy poziomy współpracy — audyt, wdrożenie, retainer. Wyceniamy według zakresu, nie z cennika — i mówimy uczciwe „no-go”, gdy PoC się nie broni.
Najczęstsze pytania
Od czego zacząć wybór dostawcy AI?
Od jednego procesu z mierzalnym efektem i od pytania o dane. Dostawca, który proponuje narzędzie, zanim pozna Twoje dane i ryzyko, sprzedaje produkt, a nie rozwiązuje problem. Najtańszy sprawdzian to PoC na realnym wycinku.
Czy stała cena to dobry sygnał?
Nie sama w sobie. Stała cena bywa wygodna, ale koszt AI zależy od stanu danych i integracji; ważniejsze niż liczba w ofercie jest to, czy dostawca potrafi policzyć koszt jednostkowy na Twoich danych i pokazać, od czego zależy.
Jak sprawdzić referencje dostawcy AI?
Poproś o wdrożenie produkcyjne z liczbami: jaki proces, jaka jakość (ewaluacje), jaki koszt jednostkowy, kto utrzymuje system. Loga klientów bez case study nie są referencją.
Czy dostawca musi znać AI Act?
Tak. Większość obowiązków AI Act obowiązuje od 2 sierpnia 2026, więc klasyfikacja ryzyka i dokumentacja powinny być częścią projektu. Wykonawca, który mówi „to Was nie dotyczy”, przerzuca ryzyko na Ciebie.
Co dalej
Masz proces do sprawdzenia? Zacznij od audytu gotowości AI albo napisz do nas — odpowiadamy w jeden dzień roboczy.