„Nasze dane wyciekną” i 4 inne obiekcje MŚP wobec AI. Gotowe odpowiedzi dla wykonawców

„Nasze dane wyciekną” i 4 inne obiekcje MŚP wobec AI. Gotowe odpowiedzi dla wykonawców

Na pięć najczęstszych obiekcji polskiego MŚP wobec AI odpowiada się liczbami, a nie entuzjazmem: biznesowy ChatGPT kosztuje 20-25 dolarów za osobę miesięcznie i domyślnie nie uczy się na danych firmy, AI Act przesunął najcięższe obowiązki na grudzień 2027 roku, a projekty kupione od wyspecjalizowanego wykonawcy udają się mniej więcej dwa razy częściej niż budowane samodzielnie.

Zaczynam od liczby, która powinna wisieć nad biurkiem każdego handlowca sprzedającego wdrożenia AI w Polsce. W 2025 roku z AI korzystało 20% firm w UE zatrudniających co najmniej 10 osób, podczas gdy w Polsce odsetek ten wyniósł 8,4%, co dało nam jeden z trzech najniższych wyników obok Rumunii i Bułgarii. Rynek jest więc ogromny i prawie nietknięty. Tyle że ten rynek ma swoje zdanie.

Słyszę je w kółko, w tych samych kilku wersjach. Właściciel firmy produkcyjnej z Wielkopolski, dyrektor operacyjny hurtowni pod Łodzią, prezeska biura rachunkowego z Gdyni. Różne branże, te same zdania. I zwykle padają w pierwszych dziesięciu minutach rozmowy, zanim wykonawca zdąży powiedzieć, co właściwie proponuje.

Ten tekst jest dla Was, wykonawców: software house’ów, agencji automatyzacji, freelancerów od n8n i Make, firm budujących agentów AI. Znajdziecie tu:

• pięć obiekcji, które padają najczęściej, z rozbiorem tego, co klient naprawdę ma na myśli,
• gotowe odpowiedzi do użycia w rozmowie (z danymi aktualnymi na październik 2026),
• przykładowe wyliczenie zwrotu z inwestycji, które rozbraja argument „ChatGPT kosztuje 20 dolarów”,
• kalendarz AI Act po zmianach z lipca 2026 w formie tabeli,
• zbiorczą ściągę do wydrukowania przed spotkaniem,
• informację, skąd brać klientów, którzy część tych obaw mają już przegadanych.

Dlaczego polska firma mówi AI „nie” częściej niż firma z Danii?

Polska firma odmawia częściej, bo obiekcje są u nas domyślną postawą właściciela, który sam podpisuje faktury, a nie dlatego, że technologia działa tu gorzej. Najwyższe wyniki w 2025 roku miały Dania (42%), Finlandia (37,8%) i Szwecja (35%). Różnica między Kopenhagą a Kielcami nie polega na dostępie do modeli. ChatGPT, Claude czy Gemini działają w obu miastach tak samo. Polega na tym, kto podejmuje decyzję i jak bardzo boi się błędu.

W polskim MŚP decyzję o wydaniu 40 tysięcy złotych często podejmuje jedna osoba. Ta sama, która pamięta wdrożenie ERP sprzed ośmiu lat, przeciągnięte o rok i droższe o połowę. Taka osoba nie jest przeciwnikiem AI. Jest kimś, kto już raz zapłacił frycowe.

Dlatego uważam, że obiekcja jest w sprzedaży usług AI pytaniem o dowód, a nie odmową. Jeśli macie na nią odpowiedź opartą na danych, rozmowa idzie dalej. Jeśli odpowiadacie entuzjazmem, rozmowa się kończy, choć klient grzecznie powie „odezwiemy się”. Szerzej o całym procesie, od kwalifikacji po wycenę, piszemy w naszym przewodniku po sprzedaży usług AI, a ten artykuł jest jego praktycznym fragmentem o rozmowie z oporem.

Co obiekcja zwykle znaczy naprawdę:

• „Nasze dane wyciekną” – nie wiem, gdzie te dane trafią, i nie chcę tłumaczyć się klientom.
• „ChatGPT kosztuje 20 dolarów” – nie rozumiem, za co płacę w Waszej wycenie.
• „AI halucynuje” – boję się, że coś pójdzie do klienta z błędem i to ja będę za to odpowiadać.
• „AI Act nas zablokuje” – słyszałem o karach w milionach euro i wolę poczekać.
• „Zrobimy to sami” – nie ufam Wam jeszcze na tyle, żeby oddać Wam proces.

Zauważcie, że w żadnej z tych pięciu wersji nie ma zdania „AI nam się nie przyda”. Klient już wie, że się przyda. Pyta tylko, czy przy tym nie oberwie. Tak samo zaczyna się każda rozmowa o tym, jak sprzedawać wdrożenia AI małym i średnim firmom, które nie mają działu IT, ale mają bardzo dobrą pamięć do nieudanych projektów.

„Nasze dane wyciekną”: jak odpowiedzieć klientowi, który boi się o dane?

Odpowiedź brzmi: dane najczęściej wyciekają właśnie wtedy, gdy firma AI nie wdraża, bo pracownicy i tak używają prywatnych kont. To nie jest chwyt retoryczny, tylko wniosek z najnowszego raportu IBM. Według IBM Cost of a Data Breach 2026 incydenty związane z tzw. shadow AI, czyli narzędziami używanymi przez pracowników bez zgody firmy, objęły 43% badanych organizacji wobec 20% rok wcześniej. Średni koszt takiego naruszenia wzrósł do 5,39 mln dolarów z 4,63 mln dolarów.

Jeszcze jedna liczba z tego samego badania, którą lubię pokazywać właścicielom firm. Aż 68% firm, które padły ofiarą wycieku, nie miało żadnych zasad zarządzania AI ani sposobu wykrywania nieautoryzowanych narzędzi (rok wcześniej było to 63%). Czyli problemem nie jest AI. Problemem jest AI bez reguł.

Drugi element odpowiedzi to fakty o samych narzędziach. Wielu klientów myśli, że wszystko, co wpiszą do czatu, trafia do treningu modelu. W planach biznesowych tak nie jest. OpenAI deklaruje, że domyślnie nie używa danych z ChatGPT Enterprise, ChatGPT Business, ChatGPT Edu ani z platformy API, w tym treści zapytań i odpowiedzi, do trenowania ani ulepszania modeli. Dla firm z wyższymi wymaganiami jest jeszcze lokalizacja danych: klienci API mogą przetwarzać dane w Europie, a nowe przestrzenie ChatGPT Enterprise i Edu mogą przechowywać treści na serwerach w Europie.

Gotowa odpowiedź do rozmowy:

„Rozumiem tę obawę i traktuję ją poważnie. Proszę spojrzeć na to od drugiej strony: według IBM w 43% firm, które miały wyciek, w tle było AI używane przez pracowników na własną rękę. U Państwa to się prawdopodobnie już dzieje, tylko nikt tego nie kontroluje. My proponujemy odwrotną sytuację: narzędzie na umowie biznesowej, która wyklucza trening na Państwa danych, umowę powierzenia przetwarzania danych zgodną z RODO i jasną listę, co do systemu wolno wpisywać, a czego nie.”

Co pokazać klientowi na drugim spotkaniu:

• schemat przepływu danych – jedna strona A4: skąd dane wychodzą, gdzie są przetwarzane, kto ma dostęp,
• umowę powierzenia przetwarzania danych (DPA) dostawcy modelu i Waszą własną,
• politykę użycia AI dla pracowników, nawet dwustronicową, bo i tak będzie lepsza niż brak jakiejkolwiek,
• opcję modelu uruchamianego lokalnie (np. otwarte modele, w tym polski Bielik) dla danych, które naprawdę nie mogą opuścić firmy,
• zakres pilotażu na danych zanonimizowanych, jeśli klient nadal się waha.

Kiedy przyznać klientowi rację? Gdy chce wrzucać do czatu dokumentację medyczną pacjentów, dane z rekrutacji albo tajemnice handlowe kontrahentów, a nie ma ani DPA, ani nikogo, kto odpowiada za ochronę danych. Wtedy mówię wprost: najpierw porządek w danych, potem AI. Wykonawca, który to powie, zyskuje więcej zaufania niż ten, który obiecuje, że „wszystko jest bezpieczne”.

„ChatGPT kosztuje 20 dolarów”: jak rozmawiać o cenie wdrożenia?

Najkrótsza odpowiedź: ChatGPT za 20 dolarów to narzędzie dla jednej osoby, a wdrożenie to zmiana procesu, którego abonament sam nie przeprowadzi. Klient porównuje cenę Waszej oferty z ceną subskrypcji, bo nikt mu nie pokazał, że to dwie różne kategorie zakupu. Tak jakby porównywał cenę wiertarki z ceną remontu łazienki.

Zacznijmy od uczciwych liczb. ChatGPT Plus kosztuje 20 dolarów miesięcznie, a stanowisko w planie Business 25 dolarów miesięcznie przy płatności co miesiąc lub 20 dolarów przy płatności rocznej. Plan Business wymaga minimum dwóch stanowisk, więc realny próg wejścia to 40-50 dolarów miesięcznie. Przy kursie NBP z 9 października 2026 roku wynoszącym 3,9022 zł za dolara stanowisko Business kosztuje około 98 zł netto miesięcznie, a przy rozliczeniu rocznym około 78 zł.

Tu trzeba być uczciwym, więc mówię to głośno: czasem abonament naprawdę wystarczy. Jeśli zespół pięciu osób potrzebuje pomocy w pisaniu ofert i streszczaniu umów, nie sprzedawajcie mu projektu za 60 tysięcy. Sprzedajcie mu dwudniowe szkolenie i plan Business. Wrócą do Was, gdy będą gotowi na więcej.

Ale gdy klient ma proces, policzcie go razem z nim. Przykład, który stosuję w rozmowach (założenia są poglądowe, podstawcie dane klienta):

• dwie osoby przepisują zamówienia z maili do systemu ERP, łącznie około 30 godzin tygodniowo, czyli mniej więcej 130 godzin miesięcznie,
• przy założonym pełnym koszcie pracodawcy 55 zł za godzinę daje to około 7 150 zł miesięcznie,
• automatyzacja przejmuje 70% tej pracy, czyli oszczędza około 5 000 zł miesięcznie,
• projekt za 40 000 zł zwraca się po około 8 miesiącach, a każdy kolejny miesiąc to czysty zysk albo dwie osoby przesunięte do obsługi klientów.

Gotowa odpowiedź do rozmowy:

„Ma Pan rację, ChatGPT kosztuje około 100 zł miesięcznie na osobę i dla części zadań w zupełności wystarczy. Nasza wycena nie dotyczy czatu, tylko tego, żeby zamówienia z maili same trafiały do ERP, bez przepisywania. Policzmy razem: ile godzin tygodniowo Pana ludzie spędzają dziś na tej czynności? Jeśli wyjdzie, że projekt zwraca się później niż w rok, powiem to wprost i zaproponuję tańszy wariant.”

Ostatnie zdanie z tej odpowiedzi jest moim ulubionym. Bo pokazuje, że wykonawca ma próg, poniżej którego nie sprzedaje. A klient, który słyszy o progu, przestaje się bronić.

„AI halucynuje”: co odpowiedzieć, gdy klient boi się błędów?

Odpowiedź: tak, modele językowe zmyślają, i dlatego dobre wdrożenie projektuje się tak, żeby zmyślenie nie mogło dojść do klienta końcowego. Nie zaprzeczajcie. Klient, który słyszy „nasz system nie halucynuje”, wie, że rozmawia ze sprzedawcą, a nie z inżynierem.

Mam w zanadrzu przykład, którym sam straszę. Deloitte Australia zgodził się częściowo zwrócić rządowi australijskiemu 440 tys. dolarów australijskich za raport zawierający najpewniej wygenerowane przez AI błędy, w tym zmyślony cytat z wyroku sądu federalnego i odwołania do nieistniejących prac naukowych. W poprawionej wersji raportu ujawniono, że zespół korzystał z narzędzi opartych na Azure OpenAI GPT-4o. Wielka firma doradcza, duże pieniądze, wstyd na pierwszych stronach gazet. Klient zna takie historie, więc nie udawajcie, że ich nie ma.

Problem Deloitte nie polegał na tym, że użyli AI. Polegał na tym, że nikt nie sprawdził wyniku przed wysłaniem do klienta. I tu jest Wasza odpowiedź: halucynacja jest ryzykiem procesowym, a ryzykami procesowymi da się zarządzać.

Jak to wygląda w praktyce w dobrze zaprojektowanym wdrożeniu:

• odpowiedzi oparte na dokumentach firmy (technika RAG, czyli wyszukiwanie w bazie wiedzy przed wygenerowaniem odpowiedzi), a nie na „ogólnej wiedzy” modelu,
• wąski zakres – chatbot obsługuje statusy zamówień i godziny otwarcia, a pytania o reklamacje przekazuje człowiekowi,
• człowiek zatwierdza wszystko, co wychodzi na zewnątrz w pierwszych tygodniach, a potem tylko przypadki oznaczone jako niepewne,
• zestaw testowy – 100-200 prawdziwych pytań klientów, na których mierzycie odsetek błędów przed uruchomieniem,
• dziennik zdarzeń – każda odpowiedź zapisana, żeby dało się sprawdzić, co system powiedział i na jakiej podstawie.

Gotowa odpowiedź do rozmowy:

„Tak, modele zmyślają. Dlatego nie wypuszczamy niczego do Państwa klientów bez zabezpieczeń. System odpowiada tylko na podstawie Państwa dokumentów, a gdy nie znajdzie odpowiedzi, przekazuje sprawę człowiekowi. Przed startem przepuścimy przez niego 150 prawdziwych pytań z Państwa skrzynki i pokażemy wynik czarno na białym. Jeśli odsetek błędów będzie za wysoki, nie uruchamiamy.”

Kiedy klient ma rację? Gdy chce automatycznie wysyłać porady prawne, medyczne albo podatkowe bez żadnej kontroli. Mówię wtedy: „Tego nie zrobimy, ale możemy zrobić tak, żeby Pana doradca dostawał gotowy szkic do sprawdzenia w 30 sekund zamiast pisać go 20 minut”. Prawie zawsze to wystarcza.

„AI Act nas zablokuje”: co naprawdę obowiązuje polską firmę w 2026 roku?

Odpowiedź: dla typowego MŚP, które wdraża chatbota, automatyzację dokumentów albo asystenta sprzedaży, AI Act oznacza dziś głównie obowiązek informowania, że klient rozmawia z AI, oraz dbałość o kompetencje zespołu. Najcięższe wymogi, czyli te dla systemów wysokiego ryzyka, zostały przesunięte.

Unijny pakiet Digital Omnibus (rozporządzenie 2026/1744) wszedł w życie 27 lipca 2026 roku i przesunął termin dla samodzielnych systemów wysokiego ryzyka z załącznika III o 16 miesięcy, z 2 sierpnia 2026 na 2 grudnia 2027 roku. Systemy wysokiego ryzyka wbudowane w produkty regulowane, takie jak wyroby medyczne czy maszyny, mają czas do 2 sierpnia 2028 roku. Natomiast obowiązki przejrzystości z art. 50, czyli informowanie, że użytkownik rozmawia z chatbotem, i oznaczanie deepfake’ów, obowiązują bez zmian od 2 sierpnia 2026 roku.

Zmienił się też obowiązek, który budził sporo strachu w firmach szkoleniowych. Po zmianie art. 4 dostawcy i podmioty stosujące AI mają podejmować działania wspierające rozwój kompetencji w zakresie AI, a przepis wprost mówi, że nie muszą gwarantować żadnego konkretnego poziomu wiedzy u poszczególnych osób.

Polski element układanki: 11 sierpnia 2026 roku weszła w życie ustawa o systemach sztucznej inteligencji, która tworzy Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI), a część przepisów o kontrolach, postępowaniach i karach zacznie obowiązywać 28 października 2026 roku. Ustawa dała dwa miesiące na powołanie przewodniczącego KRiBSI, a resort cyfryzacji zapowiadał, że komisja realnie zacznie działać w listopadzie.

A kary? Klienci słyszeli o 35 milionach euro. Ta kwota dotyczy praktyk zakazanych, takich jak manipulacja podprogowa czy ocena społeczna obywateli, a nie chatbota w sklepie internetowym. Dla MŚP AI Act przewiduje dodatkowo, że z dwóch progów kary (kwotowego i procentowego) stosuje się niższy.

Gotowa odpowiedź do rozmowy:

„AI Act nie zabrania Państwu korzystania z AI, tylko porządkuje zasady. Dla chatbota, którego proponujemy, oznacza to jedno zdanie na starcie rozmowy: «Rozmawiasz z asystentem AI». Wymogi dla systemów wysokiego ryzyka, czyli np. automatycznej selekcji kandydatów, przesunięto na grudzień 2027 roku, a nasz projekt do tej kategorii nie należy. W umowie wpiszemy, kto odpowiada za zgodność, a w dokumentacji opiszemy, jak system działa.”

Kiedy obiekcja jest zasadna? Gdy klient chce, żeby AI oceniało pracowników, przesiewało kandydatów albo decydowało o kredycie kupieckim dla kontrahentów. To obszary wysokiego ryzyka i tu zalecam rozmowę z prawnikiem jeszcze przed wyceną. Wykonawca, który o tym wie i mówi o tym pierwszy, wygrywa z tym, który o tym nie wie.

Planujesz wdrożenie AI w firmie? Połączymy Cię z wykonawcami.

Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz. 

Imię i nazwisko

Służbowy adres e-mail

Telefon kontaktowy

Opisz krótko, co chcesz osiągnąć

Wyrażam zgodę na przekazanie moich danych zweryfikowanym wykonawcom współpracującym z AIPORT.pl w celu przedstawienia ofert. Polityka prywatności

„Zrobimy to sami”: kiedy klient ma rację, a kiedy przepala budżet?

Odpowiedź: czasem ma rację, ale dane mówią, że samodzielne projekty kończą się sukcesem rzadziej. Raport MIT NANDA „The GenAI Divide: State of AI in Business 2025” pokazał, że zakup narzędzi AI od wyspecjalizowanych dostawców i partnerstwa kończą się sukcesem w około 67% przypadków, a projekty budowane wewnętrznie udają się tylko w jednej trzeciej tego odsetka. Główny autor raportu, Aditya Challapally, mówił w rozmowie z Fortune, że prawie wszędzie, gdzie badacze trafiali, firmy próbowały budować własne narzędzie (tłumaczenie redakcji).

Trzeba tu dodać zastrzeżenie, bo to badanie dużych organizacji z rynku amerykańskiego. Opierało się na 150 wywiadach z menedżerami, ankiecie wśród 350 pracowników i analizie 300 publicznych wdrożeń. Polska firma z 40 pracownikami to inna skala. Ale mechanizm jest ten sam, a w MŚP nawet silniejszy: nie ma działu IT, który mógłby projekt udźwignąć, więc „zrobimy sami” zwykle znaczy „zrobi to Marek z księgowości po godzinach”.

Kiedy klient naprawdę może zrobić to sam:

• ma programistę, który już zna n8n, Make lub Pythona i ma na to czas,
• proces jest prosty, liniowy i dotyczy jednego systemu,
• błąd nie trafia do klienta końcowego,
• firma chce się uczyć i świadomie płaci za to czasem, a nie pieniędzmi.

Kiedy przepala budżet:

• „sami” oznacza osobę, która robi to obok swoich obowiązków,
• projekt dotyka trzech systemów, z których jeden ma API opisane w PDF-ie z 2014 roku,
• nikt nie ma czasu na testy i utrzymanie po uruchomieniu,
• termin wynika z planów sprzedażowych, a nie z możliwości zespołu.

Gotowa odpowiedź do rozmowy:

„Jeśli macie osobę z czasem i kompetencjami, to dobra droga i chętnie pomożemy w formie konsultacji: zaprojektujemy architekturę, a Wasz człowiek zbuduje resztę. Jeśli jednak «sami» oznacza kogoś po godzinach, proszę policzyć jego czas. MIT pokazał, że projekty z zewnętrznym partnerem udają się mniej więcej dwa razy częściej. Proponuję płatny pilotaż na jednym procesie: po sześciu tygodniach będziecie wiedzieć, czy chcecie robić to dalej z nami, czy sami.”

To jest moja ulubiona taktyka i polecam ją każdemu wykonawcy. Zamiast walczyć z „zrobimy sami”, zaproponujcie model mieszany. Klient zachowuje kontrolę, Wy zarabiacie na wiedzy, a po pilotażu połowa takich firm i tak wraca z pełnym zleceniem. Albo nie wraca, i to też jest w porządku.

Ściąga dla handlowca: wszystkie obiekcje i odpowiedzi w jednej tabeli

Poniższa tabela zbiera wszystkie pięć obiekcji w jednym miejscu, żebyście mogli ją wydrukować albo trzymać otwartą podczas rozmowy. Czytajcie ją od lewej do prawej: co klient mówi, czego się naprawdę boi, czym odpowiedzieć i kiedy uczciwie odpuścić.

Kilka zasad, które łączą wszystkie odpowiedzi:

• nie zaprzeczajcie obawie, tylko ją doprecyzujcie,
• każda odpowiedź ma liczbę, datę albo źródło, inaczej brzmi jak broszura,
• mówcie, kiedy nie warto – to buduje więcej zaufania niż jakiekolwiek referencje,
• kończcie pytaniem, które przesuwa rozmowę do konkretu (ile godzin, ile maili, ile błędów).

„Obiekcja wypowiedziana na głos to najlepsza wiadomość w rozmowie handlowej. Gorzej, gdy klient kiwa głową, mówi «brzmi świetnie» i znika. Wtedy obawy zostały, tylko nikt ich nie usłyszał.” – Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

Skąd brać klientów, którzy część obiekcji mają już za sobą?

Najprościej: od firm, które same poprosiły o ofertę i przed pierwszym telefonem przeszły rozmowę weryfikacyjną. Z takimi klientami nie zaczynacie od zera, bo budżet, zakres i główne obawy są już nazwane. Taki model ma Giełda Leadów AIPORT.pl, którą prowadzimy w AIPORT.pl razem z agencją hotLead. Piszę o własnym projekcie, więc traktujcie ten fragment jako informację, a nie niezależny test.

Jak to działa w skrócie. Firmy szukające wykonawcy wypełniają formularz w artykułach na AIPORT.pl, a zespół hotLead dzwoni do każdej z nich, potwierdza potrzebę, budżet i osobę decyzyjną, po czym spisuje notatkę z rozmowy. Dopiero wtedy zapytanie trafia na giełdę. Dla wykonawcy oznacza to, że w notatce często widzi wprost, czego klient się obawia i co już wie, więc może przygotować odpowiedzi z tego artykułu przed pierwszym telefonem, a nie w trakcie.

Najważniejsze zasady giełdy (stan na październik 2026):

• konto jest bezpłatne, bez abonamentu i bez podawania karty, a przeglądanie wszystkich zapytań nic nie kosztuje,
• płacicie tylko za odsłonięte dane: jeden lead to 10 kredytów, czyli 89-99 zł w zależności od pakietu, w cenie startowej obowiązującej do 31 grudnia 2026 roku,
• jeden lead trafia do maksymalnie 3 lub 5 wykonawców, a limit ustala sam klient; przed zakupem widać, ilu firmom został już sprzedany,
• każdy lead ma notatkę z rozmowy: branża, budżet, stanowisko rozmówcy, zakres, stos technologiczny, preferowana forma kontaktu,
• zwrot kredytów za wadliwe dane, np. nieaktywny numer albo osobę, która nie pracuje już w firmie,
• zapytania dotyczą nie tylko AI, ale też automatyzacji na n8n i Make, integracji systemów oraz oprogramowania na zamówienie,
• klient przed Waszym telefonem dostaje materiały o realnych widełkach cenowych i pytaniach, które warto zadać wykonawcy, więc rozmawiacie z kimś, kto wie, co kupuje.

Według danych z pierwszych tygodni działania giełdy zespół hotLead zweryfikował 120 leadów, a 72% z nich miało budżet powyżej 30 tys. zł na jeden projekt. To są właśnie rozmowy, w których przygotowana odpowiedź na „ChatGPT kosztuje 20 dolarów” zamienia się w podpisaną umowę. Jeśli Waszej firmy jeszcze tam nie ma, załóżcie konto i ustawcie powiadomienia o nowych zapytaniach z Waszej branży. Kto dzwoni pierwszy, ten zwykle prowadzi rozmowę.

FAQ, czyli pytania i odpowiedzi o obiekcjach MŚP wobec AI

Czy darmowy ChatGPT nadaje się do pracy na danych firmowych?

Nie polecam tego, jeśli w grę wchodzą dane klientów, pracowników albo informacje handlowe. Plany biznesowe OpenAI domyślnie wyłączają trening na danych firmy i dają umowę powierzenia przetwarzania danych, czego konto prywatne w tej formie nie zapewnia. Prywatne konto można skonfigurować tak, żeby nie służyło do treningu, ale firma nie ma nad nim żadnej kontroli administracyjnej. Gdy pracownik odejdzie, historia rozmów odchodzi razem z nim. Dla firmy od dwóch osób wzwyż plan Business jest rozsądnym minimum.

Czy firma używająca chatbota AI musi informować o tym klientów?

Tak, od 2 sierpnia 2026 roku obowiązuje art. 50 AI Act, który wymaga, żeby osoba rozmawiająca z systemem AI wiedziała, że nie rozmawia z człowiekiem. W praktyce wystarcza jasny komunikat na początku rozmowy, np. „Rozmawiasz z asystentem AI”. Wyjątek dotyczy sytuacji, w których jest to oczywiste z kontekstu, ale przy obsłudze klienta lepiej nie ryzykować. Wdrożenie tego wymogu to zwykle kilka minut pracy programisty. Jeśli Wasz klient ma już chatbota bez takiego komunikatu, to dobry pretekst do rozmowy o całym projekcie.

Ile kosztuje typowe wdrożenie AI w polskim MŚP?

Prosta automatyzacja jednego procesu, np. przenoszenie danych z maili do arkusza lub CRM, zaczyna się zwykle od kilku do kilkunastu tysięcy złotych. Chatbot z bazą wiedzy firmy i integracją z systemem zamówień to najczęściej przedział od kilkudziesięciu do ponad stu tysięcy złotych. Agenci AI obsługujący kilka systemów jednocześnie potrafią kosztować kilkaset tysięcy. Do tego dochodzą koszty utrzymania i opłaty za modele, które trzeba pokazać klientowi od razu, a nie na fakturze po trzech miesiącach. Najlepszy sposób, żeby rozmawiać o cenie, to policzyć z klientem, ile kosztuje go dziś ręczna praca.

Czy AI Act zakazuje używania AI w rekrutacji?

Nie zakazuje, ale traktuje takie systemy jako system wysokiego ryzyka. Po zmianach z lipca 2026 roku obowiązki dla tej kategorii zaczynają się 2 grudnia 2027 roku. Firma używająca AI np. do automatycznej selekcji CV będzie musiała zapewnić nadzór człowieka, przechowywać logi i informować kandydatów. Zakazane są natomiast m.in. systemy rozpoznawania emocji w miejscu pracy, z wyjątkami medycznymi i związanymi z bezpieczeństwem. Przy takich projektach polecam konsultację prawną jeszcze przed wyceną.

Jak przekonać klienta, który miał już złe doświadczenie z nieudanym wdrożeniem?

Najpierw zapytajcie, co konkretnie poszło źle, i słuchajcie dłużej, niż macie ochotę. Zwykle problemem był zbyt szeroki zakres, brak mierzalnego celu albo wykonawca, który zniknął po uruchomieniu. Zaproponujcie płatny pilotaż na jednym procesie, z jasną metryką sukcesu i prawem klienta do zakończenia współpracy po pilotażu. Pokażcie, jak będzie wyglądało utrzymanie i kto odbiera telefon, gdy coś przestanie działać. Klient po złym doświadczeniu kupuje przewidywalność, a nie technologię.

Czy lokalny model językowy rozwiązuje problem bezpieczeństwa danych?

Częściowo tak, bo dane nie opuszczają infrastruktury firmy. Otwarte modele, w tym polski Bielik, można uruchomić na własnym serwerze lub w chmurze w Polsce. Trzeba jednak uczciwie powiedzieć klientowi, że lokalny model zwykle jest słabszy od najlepszych modeli komercyjnych, a jego utrzymanie wymaga sprzętu i kompetencji. Dla wielu firm lepszym rozwiązaniem jest model mieszany: dane wrażliwe przetwarza model lokalny, a resztę model komercyjny na umowie biznesowej. Decyzja zależy od tego, jakie dane wchodzą w grę i jak bardzo klientowi zależy na jakości odpowiedzi.

Co odpowiedzieć, gdy klient mówi „poczekamy, aż AI potanieje”?

Powiedzcie, że modele faktycznie tanieją, ale koszt wdrożenia to głównie praca nad procesem, integracją i testami, a ta nie tanieje w tym samym tempie. Każdy miesiąc czekania to też miesiąc ręcznej pracy, którą można policzyć. Pokażcie wyliczenie: jeśli proces kosztuje firmę 5 tysięcy złotych miesięcznie, pół roku czekania to 30 tysięcy złotych. Warto też przypomnieć, że konkurencja klienta nie czeka. Nie naciskajcie jednak, jeśli klient ma inne pilniejsze wydatki, bo projekt robiony wbrew budżetowi kończy się źle dla obu stron.

Ludzie polskiego AI: indeks 125 firm i ludzi

Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.

Sprawdź

Podsumowanie: obiekcja to zaproszenie do rozmowy, nie jej koniec

Pięć zdań, które słyszycie najczęściej, ma jedną wspólną cechę. Żadne z nich nie mówi „AI nam się nie przyda”. Każde mówi „boję się, że coś pójdzie nie tak, a ja za to zapłacę”. I na ten strach nie odpowiada się prezentacją o przyszłości pracy.

Odpowiada się liczbą. 43% firm z wyciekiem miało w tle nieautoryzowane AI. Stanowisko ChatGPT Business kosztuje około 98 zł miesięcznie, a ręczne przepisywanie zamówień może kosztować kilka tysięcy. Wysokie ryzyko w AI Act zaczyna się 2 grudnia 2027 roku. Projekty z zewnętrznym partnerem udają się mniej więcej dwa razy częściej. To są Wasze argumenty, a nie przymiotniki.

Odpowiada się też szczerością. Wykonawca, który mówi „w tym przypadku wystarczy Państwu abonament” albo „tego nie zrobimy bez prawnika”, wygrywa więcej projektów niż ten, który obiecuje wszystko. Klient MŚP jest wyczulony na obietnice, bo za każdą zapłacił już kiedyś z własnej kieszeni.

Polska ma 8,4% firm korzystających z AI. Dania ma 42%. Ta różnica nie zniknie dzięki lepszym modelom, bo modele mamy te same. Zniknie dzięki wykonawcom, którzy potrafią usiąść z właścicielem hurtowni i spokojnie, z liczbami w ręku, przejść przez jego obawy. Uważam, że to jest dziś największa szansa na tym rynku, większa niż jakakolwiek nowa wersja modelu.

Wydrukujcie tabelę z tego artykułu. Przećwiczcie odpowiedzi na głos, bo na papierze brzmią lepiej niż w pierwszej rozmowie. Dopiszcie własne liczby z Waszych wdrożeń, bo Wasz case z polskiej firmy przekona klienta bardziej niż raport z MIT.

A teraz Wasza kolej. Jaką obiekcję słyszycie najczęściej, a której tu zabrakło? „Mój informatyk mówi, że to moda”? „Spróbujemy za rok”? Napiszcie w komentarzu, jak na nią odpowiadacie, a najlepsze odpowiedzi dopiszę do kolejnej aktualizacji tego tekstu. Jeśli znacie handlowca albo właściciela software house’u, który właśnie przegrał projekt na „ChatGPT kosztuje 20 dolarów”, podeślijcie mu ten artykuł. Oszczędzicie mu kolejnej przegranej rozmowy.

Źródła i metodologia

Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym IBM Cost of a Data Breach Report 2026 oraz OpenAI Business Data Privacy, Komisja Europejska – ramy regulacyjne AI, a także danych Eurostatu (badanie wykorzystania AI w przedsiębiorstwach, zbiór isoc_eb_ai, 2025), raportu MIT NANDA „The GenAI Divide: State of AI in Business 2025” w relacji Fortune, materiałów Associated Press dotyczących raportu Deloitte Australia, rozporządzenia (UE) 2026/1744 (Digital Omnibus on AI), cenników OpenAI w opracowaniach z października 2026 roku oraz kursów średnich NBP. Polski kontekst prawny opracowano na podstawie komunikatu Ministerstwa Cyfryzacji o ustawie o systemach AI oraz publikacji Spider’s Web i Akademii LTCA. Dane o Giełdzie Leadów pochodzą z serwisu gielda.aiport.pl, prowadzonego przez AIPORT.pl i hotLead. Wyliczenie zwrotu z inwestycji ma charakter poglądowy i opiera się na założeniach redakcji. Cytat Adityi Challapally’ego (MIT NANDA) został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym i przetłumaczony przez redakcję. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji w temacie obiekcji polskich firm wobec wdrożeń AI oraz zmian w AI Act.