ChatGPT zmienia się co kilka tygodni. Twój plan wdrożenia AI nie nadąży

O czym jest ten film

1. Wielcy dostawcy AI wypuszczają coś istotnego średnio co dwa tygodnie, a firmowe plany wdrożenia pisze się zwykle na cały rok — dokumenty tracą aktualność szybciej, niż zdążają powstać.
2. Roztropni konkurenci nie siedzą miesiącami nad planem: działają od razu, z podstawowymi zabezpieczeniami, i budują przewagę, którą trudno potem nadrobić.
3. Cztery zmienne zmieniają się nieustannie: same modele, ich ceny, cykl życia (modele mają daty wycofania) i możliwości, które z każdą generacją rosną.
4. Wytyczne starzeją się na dwa sposoby: dawne „trudne” zadania przejmują mniejsze i tańsze modele, a nowe modele odblokowują rzeczy wcześniej uznane za niewykonalne.
5. Plan warto podzielić na dwie warstwy: trwałą (12–16 miesięcy — cele biznesowe, zasady danych, limity wydatków) oraz szybko ulotną (produkty, modele, ceny, ograniczenia — ok. miesiąca).
6. Autor otwarcie przyznaje, że zmienił zdanie: zamiast „listy marzeń AI” na dwanaście miesięcy zaleca dziś ambitną listę na trzy miesiące.
7. Do audytu wystarczy jedno pytanie do każdego zdania planu: czy dotyczy produktu, konkretnego modelu, jego ceny albo ograniczeń AI? Jeśli tak — wymaga przeglądu co 30 dni.
8. Ten audyt można zlecić samemu AI: model przechodzi dokument zdanie po zdaniu, oznacza wrażliwe fragmenty, sprawdza zmiany z ostatniego miesiąca i podaje źródła.
9. Plan pisany od zera powinien mieścić się na jednej stronie i zawierać cztery elementy: problemy do rozwiązania, zasady dotyczące danych, limity wydatków oraz imiennych właścicieli.
10. Skoro plan jest krótszy, cele powinny być większe — na trzech poziomach: skali, tempa i wysokości celów biznesowych, ale tylko wtedy, gdy widać jasną ścieżkę ich osiągnięcia.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Test czterech kategorii — czy to zdanie niedługo przestanie być prawdziwe?

Na czym polega: Każde zdanie firmowego dokumentu o AI można sprawdzić jednym pytaniem: czy odnosi się do konkretnego produktu, modelu, jego ceny albo ograniczeń AI? Jeśli tak, zdanie jest ulotne — prawdziwe dziś, wątpliwe za miesiąc.

Jak stosować: Przejdź przez plan fragment po fragmencie (można zlecić to AI) i każdemu „ulotnemu” zdaniu dopisz datę przeglądu w cyklu trzydziestu dni. Resztę zostaw w spokoju na dłużej.

Na co uważać: Nie usuwaj zdań ulotnych — są potrzebne, tylko wymagają częstszego odświeżania. I odwrotnie: nie traktuj założeń o modelach jak zasad ponadczasowych.

2.Dwie warstwy dokumentu: trwała i miesięczna

Na czym polega: Plany psują się, bo firmy mieszają w jednym dokumencie sprawy różnej trwałości: cele biznesowe (horyzont 12–16 miesięcy) z konkretnymi modelami, cenami i ograniczeniami (horyzont około miesiąca).

Jak stosować: Przy przeglądzie istniejącego planu oznacz każdy akapit jedną z dwóch etykiet: „trwałe” albo „szybko starzejące się”. Pierwsze przeglądaj rzadko, drugie — co miesiąc.

Na co uważać: Warstwa ulotna nie może ciągnąć całego dokumentu do kosza, a warstwa trwała nie może blokować zmian tam, gdzie narzędzia już uciekły do przodu.

3.Dostęp dla ludzi od razu, zamiast dwunastomiesięcznego wdrażania

Na czym polega: Firma, która miesiącami dopracowuje harmonogram wdrożenia, traci do konkurencji, która już działa — z rozsądnymi, ale prostymi zabezpieczeniami.

Jak stosować: Udostępnij narzędzia większości pracowników szybko, wraz z jasnymi regułami: jakie dane wolno wprowadzać, jaki jest limit wydatków. Schemat koryguj w toku, nie z góry.

Na co uważać: „Proste zabezpieczenia” to nie „brak zabezpieczeń”. Zasady dotyczące danych wrażliwych trzeba ustalić przed startem, nie po pierwszym incydencie.

4.Lista zadań dla AI na trzy miesiące, nie na rok

Na czym polega: Autor, konsultant, przyznaje, że jeszcze pół roku temu radził klientom dwunastomiesięczne „listy marzeń” — i że to błąd. To, co dziś jest ambitne, za rok małe i tanie modele zrobią bez wysiłku.

Jak stosować: Zamiast rocznej listy zrób kwartalną i celowo śmiałą. Przy każdym punkcie zapytaj: czy za rok zrobi to model najniższej półki? Jeśli tak — podnieś poprzeczkę albo przyspiesz realizację.

Na co uważać: Ambitnie nie znaczy oderwanie od biznesu. Lista ma dotyczyć rzeczywistych problemów firmy, nie nowinek.

5.Audyt planu możesz zlecić samemu AI

Na czym polega: Testu czterech kategorii nie trzeba wykonywać ręcznie — model przejdzie dokument za ciebie i zweryfikuje założenia.

Jak stosować: Wrzuć plan do AI z poleceniem w stylu: „Przejdź przez ten dokument zdanie po zdaniu. Oznacz każdy produkt, model, cenę oraz twierdzenie o tym, co AI potrafi dziś. Sprawdź, co zmieniło się w ostatnich trzydziestu dniach, i podaj źródła”. Dopisz, których narzędzi firma faktycznie używa, żeby weryfikacja trafiała w wasz przypadek.

Na co uważać: Zawsze wymagaj źródeł i wyrywkowo je sprawdź — modele miewają halucynacje. Wynik audytu to materiał do decyzji człowieka, nie wyrok.

6.Regularnie przenoś zadania na mniejsze modele

Na czym polega: Kolejne generacje tanich modeli przejmują zadania, do których kiedyś potrzebny był model topowy — często szybciej, taniej i dokładniej.

Jak stosować: Co miesiąc(?) raczej: co cykl przeglądu przejrzyj zadania przypisane najmocniejszym modelom i sprawdź, czy mniejszy nie wystarczy. Zacznij od największych kotłów kosztów.

Na co uważać: Porównuj jakość na własnych przykładach, nie na ogólnikach z sieci. Przy zmianie modelu sprawdź też umowę z dostawcą — inne wersje mogą mieć inne zobowiązania co do danych.

7.Wracaj do przypadków odhaczonych jako „niemożliwe”

Na czym polega: Granice możliwości AI przesuwają się co premierę. To, co dwa kwartały temu uznano za niewykonalne, dziś może działać dobrze — przykład autora: montaż wideo.

Jak stosować: Prowadź listę pomysłów odrzuconych z powodu ograniczeń technologii i przy każdym przeglądzie pytaj: „czy już da się?”. Weryfikuj na małej próbie, zanim zaangażujesz zespół.

Na co uważać: „Da się” nie znaczy „opłaca się”. Uwzględnij koszt integracji, nadzoru człowieka i utrzymania — nie tylko sam fakt, że model coś potrafi.

8.Plan na jedną stronę: cztery niezbędne elementy

Na czym polega: Dobry dokument o AI dla pracowników to jedna, najwyżej dwie strony, obejmujące: problemy do rozwiązania, zasady dotyczące danych, limity wydatków oraz imiennych właścicieli.

Jak stosować: Jeśli twój plan jest dłuższy, to sygnał, że miesza warstwy — przebuduj go według tej czwórki. Zasady danych uzależnij od wykupionego planu u dostawcy (część gwarantuje zerową retencję i brak treningu na twoich zbiorach).

Na co uważać: Limit „per osoba miesięcznie” sam się zestarzeje — gdy modele zaczną pracować w tle, rozliczanie może przejść na zespół, dział albo pojedyncze zadanie. Zaplanuj rewizję tego punktu.

9.Większe cele na trzech poziomach: skala, tempo, wynik

Na czym polega: Krótszemu planowi powinny towarzyszyć śmielsze cele: analiza rozmów z klientami z całego roku zamiast kwartału (skala), skrócenie przeglądu umów z dziesięciu dni do jednego (tempo), wzrost przychodu o 50 procent zamiast 25 (wynik).

Jak stosować: Przy każdym celu zapytaj, na której z trzech dźwigni możesz podnieść poprzeczkę. Cel podwajaj tylko wtedy, gdy widzisz jasną ścieżkę: konkretne zastosowania AI, które bezpośrednio pchają wynik w górę.

Na co uważać: Ambitny cel bez ścieżki realizacji obciąża zespół i podważa zaufanie do całego programu AI — autor widział takie sytuacje i wprost odradza.

10.Właściciel i comiesięczny przegląd przy każdym punkcie

Na czym polega: Każdy punkt planu musi mieć jedną, wskazaną z nazwiska osobę odpowiedzialną — nie dwóch, nie „komitet”. To ona co trzydzieści dni sprawdza, czy założenia wciąż się bronią.

Jak stosować: Przy każdym elemencie dokumentu wpisz nazwisko właściciela i datę następnego przeglądu. Cykl powtarzaj stale, bo nowe modele i funkcje będą przychodzić bez końca.

Na co uważać: Odpowiedzialność „rozlana” na zespół to w praktyce brak odpowiedzialności. Komitety ds. AI są w porządku tylko wtedy, gdy każdy członek odpowiada z imienia za konkretną sprawę.

Redakcyjne tłumaczenie

Plan na rok w świecie co dwutygodniowych premier

Między ChatGPT, Claude i pozostałymi dużymi platformami AI coś istotnego pojawia się mniej więcej co dwa tygodnie. Tymczasem większość firmowych planów wdrożenia sztucznej inteligencji, jakie widuję, pisana jest na cały rok. Nazywam się Dylan, prowadzę firmę doradczą zajmującą się AI i obserwowałem organizacje — od pięćdziesięcioosobowych po wielotysięczne — które miesiącami dłubały przy swoim planie, podczas gdy narzędzia zmieniały się im pod rękami.

Chcę dać ci jedno proste pytanie, które możesz zadać dowolnemu zdaniu takiego dokumentu. Odpowiedź podpowie, czy dane stwierdzenie przetrwa, czy zdezaktualizuje się w ciągu miesiąca. A potem — co ważniejsze — pokażę, dlaczego krótszemu planowi powinny towarzyszyć większe cele.

Konkurencja nie planuje — działa

Jest mnóstwo powodów, dla których nie warto na miesiące uwikływać się w tworzeniu komitetu ds. AI, wielostronicowego planu czy mapy drogowej. Najważniejszy jest ten: twoi konkurenci — przynajmniej ci rozsądni — nie siedzą nad planowaniem, tylko działają. Robią to w sposób połowicznie bezpieczny: nie przepalają budżetów i nie wrzucają do modeli danych, których tam być nie powinno, ale też nie czekają, aż wszystko będzie dopięte na ostatni guzik.

Na slajdzie, do którego tu wracam, biała linia pokazuje firmę wciąż tkwiącą w planowaniu — obok konkurenta, który ruszył do działania z podstawowymi zabezpieczeniami. Taki konkurent wyprzedza, bo rozumie dwie rzeczy: jak efektywnie pracować z modelami i jak te umiejętności przykładać do zadań, które naprawdę mają dla niego znaczenie biznesowe. Skoro kompetencje trafiają właśnie tam, gdzie dają największą dźwignię, przewaga utrzymuje się w czasie — a kto startuje późno, ma ogromny trudnik z jej nadrobieniem.

Zamiast więc wdrażać AI w całej firmie przez dwanaście miesięcy, daj większości ludzi dostęp od razu — z prostymi regułami — a plan i harmonogram koryguj z biegiem wydarzeń.

Planowanie jest potrzebne. Problem w tym, że robicie je źle

Niech będzie jasne: nie występuję przeciw planowaniu AI. Jest ono potrzebne organizacjom każdej wielkości. Chybiony jest sam sposób. Firmy łączą w jednym dokumencie dwie różne warstwy spraw, które powinny być rozebrane osobno i tak też oznaczone. Za chwilę pokażę, o co chodzi.

Dlaczego plan musi być miękki? Bo AI przyspiesza — i to z każdym dniem coraz mocniej. Nie rośnie tylko tempo zmian; rośnie także ich skala. Spójrzmy na ostatni rok: i Claude, i OpenAI wypuściły mniej więcej po jednym dużym modelu na miesiąc. Do tego dochodzą kolejni gracze, na przykład Grok — coraz więcej ludzi z niego korzysta, a rytm premier jest bardzo szybki: nowy model mniej więcej co cztery–pięć tygodni, i ta przerwa stale się kurczy.

(Informacja dodatkowa: Grok — rodzina modeli firmy xAI.)

Cztery zmienne, które postarzają każdy dokument

Same modele to dopiero pierwsza z czterech rzeczy, które zmieniają się bez przerwy.

Ceny. Nowe modele pojawiają się zwykle kompletami: wersja duża, średnia i mała. Kiedy przychodzi kolejna generacja, małe modele tanieją jeszcze bardziej, choć jednocześnie robią się sprawniejsze. Duże bywają droższe albo zostają w tych samych cenach. To kolejna zmienna, która bezpośrednio uderza w wytyczne dla pracowników.

Cykl życia. Wiele modeli ma od razu wyznaczoną datę śmierci. Claude Opus 4.5 był dostępny tylko przez dwanaście miesięcy, po czym został wycofany. Te „okienka życia” będą się zapewne jeszcze kurczyć. Nie można więc wiązać się na dłużej z jednym konkretnym modelem, bo prawdopodobnie zniknie.

Możliwości. Każde mocniejsze pokolenie modeli otwiera w firmie rzeczy, których wcześniej nie dało się zrobić. Wytyczne i plany powstają w konkretnym momencie, przy określonym rozumieniu, co modele potrafią — i już trzy miesiące później zwykle są przestarzałe, bo da się z nimi osiągnąć znacznie więcej.

(Informacja dodatkowa: w tym miejscu autor wstawia krótką autopromocję — zaproszenie do współpracy konsultingowej i do bezpłatnej serii mailingowej o zastosowaniach AI; pomijamy ją w tłumaczeniu, podobnie jak analogiczną wzmiankę na końcu nagrania.)

Dokument starzeje się na dwa sposoby

Te cztery zmienne sprawiają, że wytyczne i mapy drogowe tracą aktualność w dwóch konkretnych miejscach.

Po pierwsze — w zadaniach, które już wykonujesz. Te trudne czynności, do których kierujesz najmocniejszy model, za chwilę możesz zlecić modelowi mniejszemu, który zrobi je nie tylko szybciej, ale też taniej i dokładniej.

Po drugie — w ambicjach. Najsilniejsze premiery otwierają zupełnie nowe możliwości, więc można sięgać po śmielsze cele. Wszystko, co kiedyś odhaczyłeś jako „tego AI nie zrobi”, warto obejrzeć na nowo i zapytać: a dziś? U mnie przykładem jest montaż tych nagrań — kiedyś AI nie radziło sobie z nim wcale, dziś robi go bardzo dobrze. U siebie znajdziesz sporo podobnych przypadków.

Dwie warstwy planu: trwała i szybko ulotna

Kiedy tworzysz plan albo przeglądasz istniejący, myśl o dwóch warstwach — każda ma inny okres przydatności.

Pierwsza jest trwalsza: powiedzmy dwanaście–szesnaście miesięcy. To warstwa ściśle biznesowa. Jakie problemy chcemy rozwiązać w nadchodzącym roku? Jak wpisują się w ogólne cele firmy? Czy stawiamy pracownikom wyraźne granice — na przykład które zbiory danych wolno im udostępniać AI i do jakiego limitu wydatków mogą sięgać?

Druga traci ważność bardzo szybko — w praktyce w ciągu miesiąca. Obejmuje wszystko, co dotyczy konkretnych produktów, modeli, cen i ograniczeń AI. A tempo tej utraty aktualności stale rośnie.

Wyznanie: skracam listę marzeń z dwunastu do trzech miesięcy

Mam tu coś na sumieniu. Jeszcze pół roku temu, pracując z klientami, radziłem im sporządzenie „listy marzeń AI” — zbioru zadań, które chcieliby załatwić z AI w ciągu dwunastu miesięcy. Zmieniłem zdanie. Zamiast dwunastu miesięcy mówię dziś: trzy. I ta kwartalna lista ma być bardzo ambitna.

Skąd ta rewizja? Rok to zbyt daleki horyzont. Modele robią postępy w takim tempie, że to, co dziś uznaję za wyzwanie, za rok małe i tanie modele odhaczą bez wysiłku. Skoro tak, listy muszą być śmielsze — i trzeba je realizować szybciej.

Jedno pytanie, które przetestuje każde zdanie

Jeśli masz plan, mapę drogową, wytyczne — cokolwiek, co dajesz pracownikom w sprawie AI — jest jeden prosty test, który pozwala dokument odświeżyć. Przy każdym jego zdaniu zapytaj: czy to stwierdzenie zależy od jednej z czterech kategorii?

• konkretnego produktu — czyli ChatGPT, Claude i tym podobnych narzędzi,
• konkretnego modelu,
• ceny powiązanej z tym modelem,
• ograniczeń AI.

Jeśli tak — ten fragment wymaga daty przeglądu. Skoro coś jest ulotne, wracaj do niego co trzydzieści dni i sprawdzaj, czy nadal jest prawdą. Jeśli nie — zdanie trafia do kategorii spraw trwałych: celów biznesowych, problemów do rozwiązania i tak dalej.

Ten audyt może za ciebie zrobić AI

Najlepsze w tym teście jest to, że nie musisz przeprowadzać go ręcznie. Możesz wrzucić dokument do modelu z prostym poleceniem, w stylu: „Przejdź przez ten plan zdanie po zdaniu. Oznacz każdy produkt, model, cenę oraz twierdzenie o tym, co AI potrafi dzisiaj. Następnie sprawdź, co zmieniło się w ostatnich trzydziestu dniach, i pokaż mi źródła”.

W ten sposób model nie tylko wskaże, które fragmenty mogą się zdezaktualizować, ale też zweryfikuje założenia dotyczące narzędzi, których faktycznie używasz. Warto przy tym dopisać, że firma pracuje na Claude, ChatGPT czy Gemini — wtedy AI sprawdzi, czy te konkretne przesłanki wciąż się bronią.

Plan od zera: jedna strona, cztery elementy

A jeśli dopiero zaczynasz? Twój plan, wytyczne czy harmonogram powinny mieć jedną, najwyżej dwie strony. Idealnie: jedną. I ta strona ma obejmować cztery rzeczy.

Po pierwsze, problemy. Co właściwie chcemy rozwiązać? Szukamy oszczędności w zadaniach, które już wykonujemy? A może chcemy otworzyć nowe możliwości — takie, na które nie zatrudnimy tysiąca ludzi, ale możemy „zatrudnić” tysiąc agentów?

Po drugie, zasady dotyczące danych. Co wolno udostępniać AI, a czego nie. Dużą rolę gra tu umowa, którą wykupiliście u dostawcy — u Anthropic, OpenAI czy Google, nieważne. Część ofert gwarantuje zerową retencję danych i zobowiązuje się, że model nie będzie trenowany na waszych zbiorach. Trzeba po prostu dopilnować, żeby poziom umowy odpowiadał danym, które faktycznie wprowadzacie.

Po trzecie, limity wydatków. Warto ustawić próg na osobę miesięcznie — powiedzmy 500 albo 1000 dolarów. Ten punkt też się zmieni, i to z dwóch powodów. Po pierwsze, wydatki będą rosły, bo zobaczycie wartość z narzędzi. Po drugie, zmieni się sama praca modeli: moje przypuszczenie, że staną się bardziej „otoczne” — będą działać w tle, na naszą rzecz, bez naszego udziału. Wtedy rozliczanie per osoba miesięcznie może przestać pasować i przejdzie na zespół, dział, a może nawet pojedyncze zadanie czy funkcję.

(Informacja dodatkowa: „ambient AI” — modele pracujące w tle w sposób ciągły, bez wyraźnej interwencji użytkownika.)

Po czwarte, imienni właściciele. Dla każdej z powyższych spraw — kto odpowiada? Do kogo możemy się zwrócić i powiedzieć: to twoje. Właśnie tu mieszczą się komitety ds. AI; same w sobie są w porządku, ale każdy ich członek musi być rozliczalny z konkretnego punktu dokumentu. Nie dwóch ludzi — jeden. Wskazujesz go i mówisz: odpowiadasz za to.

Skoro plan krótszy, to cele większe

Powiedziałem, że plan ma być krótki. Dodam: cele mają być większe. Na trzy sposoby.

Skala. Zamiast prosić AI o przejrzenie rozmów z klientami z ostatniego kwartału, poproś o cały ostatni rok. Wiele modeli da radę — zależnie od liczby tych rozmów.

Tempo. Jeśli przegląd dużych umów z zespołem prawnym zajmuje wam dziesięć dni, zapytajcie: przy dobrze zastosowanym AI da się zejść do jednego dnia bez uszczerbku dla jakości i rzetelności?

Wyższe cele. Przykład: macie cel przychodowy na dwanaście miesięcy — wzrost o 25 procent. Przy wsparciu AI spróbujcie może o 50. Ale podwajajcie cel wyłącznie wtedy, gdy istnieje jasna ścieżka: jeśli wiem, że AI wejdzie w konkretne czynności, które bezpośrednio pchają przychód w górę, śmiały cel ma sens. Gdy takiej drogi nie widać — nie róbcie tego, bo wystawiacie ludzi na niepowodzenie. Widziałem takie sytuacje i wprosc odradzam.

Trzy kroki na ten tydzień

Co konkretnie zrobić teraz?

1. Audyt istniejącego planu. Przesiej go na dwie warstwy: to, co trwa (biznes i jego problemy), oraz to, co szybko się starzeje (produkty, modele, ceny, ograniczenia AI).
2. Śmiały cel na trzy miesiące. Na liście rzeczy do załatwienia z AI przynajmniej jeden–dwa punkty powinny być naprawdę ambitne i oparte na którejś z trzech dźwigni: skali, tempie albo wysokości celów zespołu.
3. Właściciel przy każdym punkcie. Ktoś, kto raz w miesiącu sprawdzi, czy założenia wciąż są prawdziwe — i będzie to robił cyklicznie, wraz z kolejnymi modelami i funkcjami.

To wszystko. Do zobaczenia następnym razem.