Frakcyjny architekt AI: kiedy się opłaca

Większość CTO, z którymi rozmawiam, utknęła między dwoma złymi opcjami.

Albo zarząd naciska, żeby "zrobić coś z AI", a oni nie wiedzą od czego zacząć. Albo zaczęli, popełnili kilka kosztownych błędów i teraz próbują naprawić to, co zbudowali. Trzecia grupa, rzadsza, zatrudniła szybko i teraz utrzymuje seniora ML engineera, który dużą część czasu spędza na czekaniu, aż ktoś zdecyduje co budować.

Na rynku jest luka. Dotyczy firm z branż regulowanych, od 5 do 30 osób: kancelarii, gabinetów lekarskich, biur rachunkowych, małych software house'ów z klientami regulowanymi. Nie dlatego, że większe firmy nie potrzebują pomocy, ale dlatego, że w tej skali właściciel jest decydentem, a audyt od 4 900 zł netto mieści się w jego głowie bez komitetu zakupowego.

Ten artykuł ją nazywa.

W skrócie. Frakcyjny architekt AI to jedna osoba na poziomie seniorskim, która przez jeden do dwóch dni w tygodniu współdecyduje o architekturze AI w firmie. Model pasuje do regulowanych firm z 5 do 30 osobami, które mają jasny przypadek użycia AI, ale nie mają decyzji architektonicznej.

Pułapka rekrutacji

Gdy zarząd słyszy "potrzebujemy AI", myśli: zatrudnijmy. ML engineer. Może data scientist. Budujemy zespół.

Ten odruch jest zrozumiały i prawie zawsze błędny dla MŚP z branży regulowanej.

Rynek seniorów AI w Europie jest zepsuty. Kandydaci z realnym doświadczeniem produkcyjnym w RAG, optymalizacji inferencji i projektowaniu systemów zgodnych z regulacjami są rzadkością. Większość pracuje u hyperscalerów albo dużych banków. To, co rynek oferuje w Twoich widełkach cenowych, to najczęściej absolwent z dwoma latami eksperymentów w notebookach i mocnymi poglądami na PyTorch.

Sam przez to przechodziłem. W 2023 roku brałem udział w rekrutacji na stanowisko architekta AI do zespołu budującego systemy wspomagane modelem językowym. Wśród kandydatów tylko nieliczni mieli doświadczenie z wdrożeniem produkcyjnym. Reszta kończyła się na Kaggle i tutorialach z Hugging Face. Nie jest to wina kandydatów. Rynek po prostu nie wyprodukował jeszcze wystarczającej liczby ludzi, którzy budowali prawdziwe systemy AI w kontekście regulowanym.

Nawet jeśli zatrudnisz dobrze, masz drugi problem: dziedzina zmienia się szybciej niż jeden człowiek jest w stanie śledzić. Architektura, która była właściwa dla wewnętrznego asystenta wiedzy w styczniu 2026, jest już nieoptymalnym wyborem w maju 2026.

Etatowy pracownik zakotwicza Cię w swoim aktualnym modelu mentalnym. Zaangażowanie frakcyjne z definicji rotuje między klientami i problemami, co oznacza, że aktualne wzorce trafiają do Ciebie szybko, nie pół roku później.

Trzeci problem to niedopasowanie zakresu. Większość regulowanych MŚP nie potrzebuje teraz mocy przerobowych implementacyjnych. Najpierw trzeba odpowiedzieć na trzy pytania:

• Co jest bezpieczne do zbudowania przy naszych zobowiązaniach regulacyjnych?
• Jaka jest właściwa architektura, zanim napiszemy linię kodu?
• Jak "gotowe" wygląda w oczach audytora compliance?

Senior ML engineer nie jest właściwą osobą do odpowiedzi na te pytania. Solutions Architect z kontekstem regulacyjnym, tak.

Pułapka konsultanta

Więc pomijasz rekrutację i dzwonisz do agencji. Dostajesz deck z roadmapą. Zawiera "integrację AI", "fine-tuning modelu" i odwołanie do konkretnego modelu API dużego dostawcy. Propozycja: kwota wysoka, termin trzy miesiące.

Problem nie tkwi w cenie. Problem polega na tym, że większości generalistycznych firm IT brakuje dwóch rzeczy, które liczą się w regulowanej pracy z AI.

Po pierwsze, znajomość regulacji UE. AI Act (Rozporządzenie 2024/1689) Artykuł 6 definiuje systemy AI wysokiego ryzyka. Artykuł 10 określa wymagania dotyczące zarządzania danymi treningowymi. Artykuł 12 wymaga automatycznego logowania działania systemu. Artykuł 13 wymaga przejrzystości i informacji dla wdrażających, wystarczających by człowiek mógł zrozumieć i audytować wynik.

Agencja, która nie jest w stanie przeprowadzić Cię przez te artykuły w konkretnych terminach inżynierskich, nie jest wyposażona do podejmowania decyzji architektonicznych w Twoim imieniu. Dostarczy Ci system, który działa na demo i odpada na ocenie zgodności.

Po drugie, specjalistyczne osądzanie AI. W zeszłym miesiącu rozmawiałem z CTO z sektora ubezpieczeniowego, który dostał od agencji propozycję pipeline'u RAG do analizy umów. Rozwiązanie zakładało przesyłanie pełnych treści polis do API zewnętrznego dostawcy modelu w chmurze. Dla towarzystwa ubezpieczeniowego to nie jest opcja: dane osobowe klientów, historia szkód, warunki umów. To wszystko podlega tajemnicy zawodowej i wymaga architektury, w której model działa w środowisku kontrolowanym przez firmę, nie przez dostawcę z USA.

Generalistyczni konsultanci dopasowują wzorce do swojego ostatniego projektu. W ten sposób dostajesz drogie rozwiązanie, które nie pasuje nikomu.

Czym naprawdę zajmuje się Frakcyjny Architekt AI

Model frakcyjny jest prosty. Jedna osoba, poziom seniorski, wbudowana w Twój proces decyzyjny na jeden do dwóch dni w tygodniu, przez zdefiniowany okres lub w modelu retainer.

Deliverables są konkretne, nie teatr doradczy. W typowym zaangażowaniu dostarczam:

• Architectural Decision Record dla Twojego stosu AI (co budować, co kupić, czego unikać i dlaczego)
• Mapę przepływu danych pokazującą dokładnie, które dane dotykają którego systemu i gdzie leży Twoja ekspozycja regulacyjna
• Analizę build-vs-buy dla każdego rozważanego komponentu AI
• Checklist gotowości compliance zmapowany do konkretnych regulacji dotyczących Twojego produktu (AI Act, DORA jeśli jesteś w usługach finansowych, NIS2 jeśli jesteś w infrastrukturze krytycznej)

Praktyczne wsparcie implementacyjne jest częścią roli. Przeglądam kod, który pisze Twój zespół. Prototypuję trudne części, typowo warstwę orkiestracji MCP, pipeline RAG lub konfigurację inferencji. Jestem na rozmowie, gdy Twój CTO musi wytłumaczyć architekturę zarządowi albo regulatorowi.

Czego nie robię, to zastępowania Twojego zespołu inżynierskiego. Model frakcyjny zakłada, że masz deweloperów, którzy potrafią budować. Moje zadanie to upewnienie się, że budują właściwą rzecz, we właściwej kolejności, z właściwymi ograniczeniami od pierwszego dnia.

Struktura kosztów jest zasadniczo inna niż przy rekrutacji lub agencji. Bez składek pracodawcy, bez okresu wypowiedzenia, bez sześciomiesięcznego wdrożenia. Seniorska opinia architektoniczna od pierwszego tygodnia. Jeśli zaangażowanie przynosi to, co powinno, podejmiesz kilka decyzji, które zaoszczędzą więcej niż koszt retainera, zanim koszt retainera się skumuluje.

Kto potrzebuje go teraz

Trzy sygnały mówią mi, że firma jest gotowa na ten model.

Po pierwsze: masz jasny przypadek użycia AI, ale brak decyzji architektonicznej. Wiesz, że chcesz zbudować wewnętrzny asystent, zautomatyzować krok przeglądu dokumentów lub dodać wykrywanie anomalii wspomagane AI. Nie wiesz, czy używać cloud API czy uruchamiać coś on-premises, która rodzina modeli, jak obsłużyć audit logging, ani czy Twój przypadek użycia jest wysokiego ryzyka według AI Act. Ta kombinacja, jasny problem plus nierozwiązana architektura, jest dokładnym punktem wejścia.

Po drugie: zacząłeś, ale coś jest nie tak. Zbudowałeś prototyp, który działa w izolacji, ale nie możesz wymyślić, jak przenieść go na produkcję pozostając zgodnym z regulacjami. Albo Twój zespół buduje w kółko. Albo pierwotne podejście działało, ale nie skaluje się do wolumenu danych, który faktycznie masz. Zaangażowanie frakcyjne jest często szybsze i tańsze niż kontynuowanie ścieżki, która i tak wymaga korekty.

Po trzecie: Twój harmonogram jest napędzany zewnętrzną presją, nie wewnętrzną gotowością. Duży klient enterprise pyta o Twój AI governance. Regulator wydał wytyczne. Zarząd wyznaczył deadline. To nie są problemy, które rozwiązuje sześciomiesięczny proces rekrutacyjny.

Zegar bije

AI Act zaczyna stosować obowiązki dla systemów AI wysokiego ryzyka z załącznika III od 2 grudnia 2027, a dla AI wbudowanego w produkty regulowane (załącznik I) od 2 sierpnia 2028. Dla załącznika III wcześniej termin wynosił 2 sierpnia 2026; przesunęło go rozporządzenie (UE) 2026/1744, w mocy od 27 lipca 2026. Daty są ustalone w rozporządzeniu.

Jeśli uruchamiasz narzędzie do scoringu kredytowego wspomagane AI, automatyczny asystent underwritingowy lub klasyfikator dokumentów AI w kontekście regulowanym, musisz mieć już podjęte decyzje architektoniczne i compliance. Nie do deadline'u, przed deadline'em, bo wdrożenie tych decyzji wymaga czasu.

Wymagania Artykułu 12 (logowanie), Artykułu 13 (przejrzystość), zarządzanie danymi z Artykułu 10 oraz obowiązki raportowania incydentów z Artykułu 73 to nie checkboxy. Każdy z nich wymaga decyzji inżynierskich wpływających na schemat bazy danych, pipeline inferencji i architekturę audit trail. Nic z tego nie dzieje się w sprincie, jeśli najpierw nie podjąłeś decyzji fundamentalnych.

Firmy, które będą czekać do jesieni 2027, nie zdążą. Geometria problemu jest tak prosta.

Następny krok

Jeśli cokolwiek z powyższego odpowiada Twojej sytuacji, najniższym progiem sprawdzenia, czy zaangażowanie frakcyjne ma sens, jest konsultacja „Czy AI ma sens w Twoim procesie?”.

To 60 minut online ze mną. Przyglądamy się jednemu procesowi i ustalamy, co warto sprawdzić dalej. W ciągu 3 dni roboczych dostajesz krótkie pisemne podsumowanie ustaleń i następnego kroku. Kosztuje 299 zł brutto, a opłatę odliczam od audytu zamówionego w ciągu 30 dni od rozmowy.

Wybierz termin: https://artcode.software/pl#consultation

Cennik: załącznik z cennikiem. Zakres: opis oferty.