Kiedy wystarczy automatyzacja bez AI?
Jeśli zadanie ma jednoznaczne reguły, można zacząć od formularza, walidacji lub połączenia API. Przykładowo przypisanie zapytania do regionu na podstawie kodu pocztowego nie musi wymagać modelu językowego.
AI rozpatrujemy tam, gdzie trzeba zinterpretować tekst, dokument lub pytanie. Najpierw opisujemy wejście, oczekiwany wynik i wyjątki. Niewielka liczba spraw nie wyklucza sensu projektu, ale trzeba porównać jego koszt z rzeczywistą potrzebą.
Co przygotować do bazy wiedzy?
Najbardziej przydatne są aktualna oferta, zasady obsługi i odpowiedzi, które zespół rzeczywiście przekazuje klientom. Przy każdym źródle ustalamy właściciela oraz sposób aktualizacji. Limit 50 dokumentów w AI Start dotyczy uzgodnionych materiałów, a nie plików o dowolnej objętości i jakości.
Wyszukiwanie w dokumentach, określane jako RAG, pomaga dostarczyć modelowi kontekst. Nie daje gwarancji poprawnej odpowiedzi. Sprawdzamy również pytania bez odpowiedzi w źródłach, sprzeczne dokumenty i materiały, do których użytkownik nie ma dostępu.
Jak wybieramy model i technologię?
Porównujemy potrzebne możliwości, jakość odpowiedzi na Twoich przykładach, czas reakcji, koszt użycia i warunki przetwarzania danych. Produkty OpenAI, Anthropic i Google oraz modele uruchamiane we własnym środowisku są różnymi opcjami; sama marka nie przesądza o wyniku.
Wybór modelu nie musi oznaczać trenowania go od początku. Integracja istniejącego modelu z danymi i narzędziami często jest właściwym zakresem pierwszego etapu. Zmiana modelu po uruchomieniu wymaga ponownego sprawdzenia pytań, formatów odpowiedzi oraz połączonych operacji.
Odpowiedź na pytanie a działanie w systemie
Publiczne FAQ, odczyt statusu po autoryzacji i zmiana zamówienia to trzy różne zakresy. Nie nadajemy chatbotowi dostępu do całej bazy tylko dlatego, że ma pomóc w obsłudze klienta. Uprawnienia i walidację egzekwuje aplikacja.
Przed operacją o istotnych skutkach ustalamy zatwierdzenie przez właściwą osobę. Projekt obejmuje reakcję na odmowę, brak odpowiedzi i ponowione zdarzenie. OWASP wskazuje, że RAG i fine-tuning nie eliminują podatności na prompt injection; ograniczenie uprawnień jest osobną warstwą ochrony.
Źródło: OWASP: prompt injection i ograniczanie uprawnień ↗
Gdzie trafiają dane?
Przed podłączeniem materiałów ustalamy, które dane są potrzebne, do jakich usług trafią, kto może je odczytać oraz jak długo pozostaną zapisane. Sprawdzamy również pliki, historię rozmów, logi i kopie. Sam europejski serwer nie opisuje całego przepływu danych.
Na przykład dokumentacja OpenAI API rozdziela użycie danych do treningu, monitoring nadużyć i stan aplikacji. Brak domyślnego treningu nie oznacza braku przechowywania. Ustawienia, umowy i zakres dostępu dobieramy do konkretnego wdrożenia; dane szczególnych kategorii wymagają odrębnego rozpoznania.
Źródło: OpenAI API: przetwarzanie i przechowywanie danych ↗
Jak klient rozpozna, że rozmawia z AI?
Projektujemy czytelną informację o asystencie AI w interfejsie oraz drogę do kontaktu z człowiekiem. Nie ukrywamy tego w samym regulaminie. Poza godzinami pracy zespołu użytkownik powinien wiedzieć, jak zostawić sprawę i czego oczekiwać.
Komisja Europejska opisuje obowiązki przejrzystości dotyczące określonych systemów AI, stosowane od sierpnia 2026. Oznaczenie bota jest jednym elementem; nie zastępuje oceny konkretnego zastosowania, zasad przetwarzania danych ani innych właściwych obowiązków.
Źródło: Komisja Europejska: AI Act i obowiązki przejrzystości ↗
Co sprawdzamy przed uruchomieniem?
Uzgadniamy zestaw pytań i zadań z oczekiwanym sposobem obsługi. Obejmuje zwykłe sprawy oraz sytuacje, w których system powinien odmówić, dopytać albo przekazać temat człowiekowi. Wynik próby jest podstawą decyzji o uruchomieniu.
- Pytanie o aktualną cenę ma odpowiedź zgodną ze wskazaną ofertą.
- Brak informacji w źródle nie prowadzi do zmyślenia warunków.
- Osoba bez uprawnień nie otrzymuje cudzych danych.
- Niedostępne API kończy się uzgodnionym komunikatem lub zgłoszeniem.
- Powtórzony komunikat nie wykonuje drugi raz tej samej operacji.
- Sprawa wymagająca człowieka trafia do określonego kanału.
Jak ocenić koszt i efekt?
Rozmowa może wymagać wielu wywołań modelu. Na rachunek wpływają dane wejściowe, odpowiedzi, wyszukiwanie w bazie, narzędzia, przechowywanie i liczba obsługiwanych spraw. Limity oraz alerty pomagają kontrolować użycie; API rozliczamy osobno od developmentu i opieki.
Przy ocenie efektu porównujemy podobne sprawy przed wdrożeniem i po nim. Uwzględniamy kontrolę, poprawki i obsługę wyjątków. Uwolniony czas zespołu może pomóc obsłużyć więcej pracy, lecz nie jest automatycznie oszczędnością na wynagrodzeniach ani gwarancją wzrostu sprzedaży.
