Konsulting AI w Polsce: siedem pytań przed podpisem

Liczba firm oferujących "konsulting AI" w Polsce potroiła się między 2023 a 2026. Większość to generyczne software house'y, które dodały slajd o dużych modelach językowych do swojego istniejącego decku. Część to byłe zespoły ryzyka Big Four, które pivotowały do governance AI. Niewielka grupa to inżynierowie, którzy wdrożyli systemy AI w regulowanych branżach UE i zamienili swoją praktykę w konsulting.

Ten post jest dla kupującego w regulowanym MŚP, który podjął decyzję, że potrzebuje zewnętrznej pomocy, i musi teraz wybrać między nimi. Siedem pytań odfiltruje większość kandydatów. Są uporządkowane od "must pass" do "nice to have".

1. Czy możecie przejść przez art. 6 AI Actu w konkretnych kategoriach inżynierskich?

To pytanie otwierające. Odpowiedź sortuje kandydatów w mniej niż minutę. Art. 6 AI Actu definiuje, które systemy AI są wysokiego ryzyka. Annex III wymienia osiem kategorii (biometria, infrastruktura krytyczna, edukacja, zatrudnienie, usługi essential, egzekwowanie prawa, migracja, wymiar sprawiedliwości i demokracja). Art. 6(2) i (3) ustalają reguły dla wyjątków biometrycznych i bezpieczeństwa produktu. Poważny kandydat wyjaśnia, jak art. 6 mapuje się do twojego use case w mniej niż pięć minut i mówi ci, czy twój system jest w zakresie. Cytuje akapity po numerze i nazywa kryterium oceny ("jeśli twoje narzędzie do CV-screeningu scoringuje rankingowanych kandydatów, to trafia w Annex III akapit 4"). Generyk albo nie umie odpowiedzieć, albo parafrazuje executive summary. To pytanie testuje też głębokość płynności regulacyjnej. Jeśli się potkną na art. 6, nie przetrwają argumentu zakupowego z compliance twojego banku.

2. Gdzie faktycznie działa inferencja w systemach, które budujecie?

To pytanie zamyka drzwi resellerom. Lokalizacja inferencji to cały problem Sovereign AI. Dostaniesz jedną z czterech odpowiedzi: "Integrujemy z OpenAI / Anthropic / Azure OpenAI." Chmura USA, potencjalnie region EU. Suboptymalne, ale znane. "Budujemy na modelach open-weights serwowanych w chmurze EU (OVH, Scaleway, Hetzner, prywatne AWS Frankfurt)." Akceptowalne, z zastrzeżeniami wokół tenancy i łańcucha kontraktowego. "On premises u klienta, na sprzęcie który specyfikujemy i który on posiada." Optymalne dla systemów wysokiego ryzyka obsługujących regulowane dane. "To zależy." Najlepsza odpowiedź, jeśli po niej pada "i oto framework kompromisów, którego używamy do decyzji." Odpowiedź lądująca tylko na pierwszej opcji dyskwalifikuje w regulowanej branży. Dane regulowane plus ścieżka inferencji w kraju trzecim plus wyrok typu Cyberus to kontrakt, którego nie możesz podpisać.

3. Co typowo dostarczacie w pierwszych sześciu tygodniach?

To ujawnia, czy kandydat sprzedaje capacity wdrożeniowe czy strategiczne wsparcie decyzyjne. Poważna odpowiedź nazywa trzy do pięciu deliverables ze stałym kształtem i stałym czasem. Typowe pozycje: rekord decyzji architektonicznej, mapa przepływu danych, analiza build-vs-buy per komponent AI, checklista gotowości compliance zmapowana z AI Act i (jeśli istotne) DORA i NIS2, prototyp najryzykowniejszego punktu integracji. Odpowiedzi tylko-wdrożeniowe ("dostarczymy działający prototyp w tygodniu szóstym") pomijają strategiczne wsparcie decyzyjne, którego MŚP potrzebuje najpierw. Prototyp bez architektury to zmarnowana praca. Diagnoza bez prototypu jest zbyt abstrakcyjna, by commitować budżet inżynierski. Typowa diagnostyka fixed-scope to dwa-trzy dni. Typowe zlecenie pierwszego miesiąca to cztery do sześciu tygodni. Mismatch z tym profilem to zwykle znak, że kandydat sprzedaje inny produkt lub nie wie, co sprzedaje.

4. Czy możemy porozmawiać z referencyjnym klientem o tym samym profilu regulacyjnym?

Nie slajd z logotypami. Prawdziwa referencja z tą samą regulacją, tym samym typem danych, zbliżoną skalą. Referencje, które się liczą: bank, który używa vendora do governance AI pod DORA, SaaS medyczny pod MDR plus RODO, podmiot sektora publicznego pod NIS2. Ta sama regulacja, ten sam typ danych, ta sama skala oznacza porównywalne środowisko operacyjne i przenoszalne lessons learned. Slajdy z logotypami jakiejkolwiek marki Fortune 500 bez głębi operacyjnej nie są referencją. Jeśli kandydat nie potrafi wyprodukować porównywalnej referencji po jednym follow-upie, nie zrobił pracy, za którą zamierzasz mu zapłacić.

5. Jakie jest wasze stanowisko o managed services po zakończeniu zlecenia?

To pytanie łapie konsultingi, które projektują lock-in. Poważna odpowiedź jest jedną z trzech: "Przekazujemy twojemu zespołowi z dokumentacją i okresem przejściowym." Najlepsza odpowiedź dla MŚP z inżynierami in-house. "Oferujemy opcjonalny retainer na bieżący review architektoniczny, ale architektura jest twoja." Akceptowalna, z warunkami retainera jasno oddzielonymi od scope zlecenia. "Obsługujemy system pod SLA, z runbookami i udokumentowanym wyjściem." Prawidłowa dla klienta, który nie chce sam obsługiwać AI. Dyskwalifikujące: "cała architektura i IP są wyłączne dla naszej platformy", "system zależy od naszego własnościowego backendu inferencyjnego, którego nie możesz self-hostować" lub brak odpowiedzi. W obu przypadkach koszty przejścia są zaprojektowane.

6. Jak mierzycie sukces zlecenia?

Odpowiedź, którą chcesz, jest konkretna i ilościowa: "procent gotowości compliance wobec artefaktów art. 12-15", "czas cyklu decyzja-do-produkcja w tygodniach", "liczba findingów audytowych w następnej ocenie zgodności", "współczynnik konsolidacji vendorów w stosie AI". Odpowiedź, której nie chcesz, jest jakościowa: "satysfakcja stakeholderów", "frekwencja na warsztatach", "ukończenie raportu". Te miary nie przetrwają post-engagement review, gdy kupujący pyta, czy cokolwiek się zmieniło. Odpowiedź dyskwalifikująca: brak odpowiedzi lub "wspólnie zdefiniujemy KPI." Definiowanie kryteriów sukcesu po starcie zlecenia to dla kupującego tell, że kandydat nie robił tej pracy wcześniej.

7. Ile to kosztuje i czy scope jest fixed?

Poważny kandydat publikuje fixed prices dla zleceń diagnostycznych albo nazywa stawkę, liczbę dni i cap. Mówi ci, że zlecenie kończy się na zdefiniowanej liczbie artefaktów, nie "aż skończymy." Polski konsulting AI w 2026 ma zazwyczaj jedną z dwóch kształtów cenowych. Krótka diagnostyka (dwa-trzy dni, fixed price, pisemny output) ląduje w 4 000 do 8 000 PLN dla solo senior praktyka, 15 000 do 40 000 PLN dla małej firmy z dwoma-trzema praktykami. Dłuższe zlecenie osadzone (fractional architect, cztery do ośmiu godzin tygodniowo przez trzy do sześciu miesięcy) ląduje w 5 000 do 12 000 PLN miesięcznie za praktyka. Cokolwiek istotnie poniżej to junior albo model subcontractingowy, gdzie senior jest na rozmowie sprzedażowej, a pracę robi ktoś inny. Cokolwiek istotnie powyżej to albo premium Big Four, albo ramię konsultingowe hyperscalera, albo nazwa marki, która jeszcze nie ma track recordu dostawczego, żeby to uzasadnić. Żadne z tych nie jest złe; oba to wybory, które kupujący powinien podjąć świadomie. Jeśli propozycja przychodzi bez jednego z tych dwóch kształtów na stronie, zapytaj dlaczego. Kandydat powinien umieć wyjaśnić swój model cenowy w dwóch zdaniach i pokazać granicę między pracą fixed-scope a time-and-materials.

Jak użyć tych siedmiu pytań

W typowej selekcji vendora ta lista zamienia się w 45-minutową pierwszą rozmowę i dwugodzinną drugą rozmowę z referencją. Jeśli kandydat zawodzi na pytaniach 1 lub 2 na pierwszej rozmowie, nie potrzebujesz drugiej. Siedem pytań podwaja się jako writing prompt dla ostatecznej propozycji kandydata. Silna propozycja odpowiada na każde pytanie niejawnie: cytuje akapity art. 6 w sekcji scope, nazywa lokalizację inferencji, listuje deliverables po nazwie i dacie, zawiera jedną porównywalną referencję, nazywa plan przejścia i granicę IP, nazywa dwa-trzy mierzalne outcomes i stwierdza cenę i kształt scope z góry.

Jeśli twoja shortlista ma wielu kandydatów, którzy przechodzą wszystkie siedem, wybór między nimi zwykle zależy od jednej z dwóch dalszych osi: dopasowania kulturowego (czy ta osoba będzie skuteczna na spotkaniu dyrektorskim twojego CTO) i geometrii cenowej (który kształt scope pasuje do twojego cyklu budżetowego).

Co zrobić po wyborze

Gdy kandydat jest wybrany, trzy praktyki operacyjne sprawiają, że zlecenie produkuje wyniki, za które zapłaciłeś. Cotygodniowy pisemny status (jedna strona; agreed, delivered, next), który staje się częścią twojego wewnętrznego rekordu na gruncie art. 11 DORA lub art. 21 NIS2 wymagań dokumentacyjnych. Współdzielony dokument roboczy, gdzie rekordy decyzji architektonicznych, mapy przepływu danych i rejestry ryzyk żyją w jednej przestrzeni widzianej przez obie strony. Stała brama decyzyjna na końcu każdej fazy, gdzie kupujący podpisuje pracę jako zaakceptowaną lub odrzuconą, żeby długie zlecenie nie dryfowało.

Gdy odpowiedź brzmi "zrób to in-house"

Jeśli siedem pytań dostaje dobrą odpowiedź tylko od zewnętrznych kandydatów, a koszt zlecenia zjadłby twój budżet na AI na rok, właściwym następnym krokiem jest zbudowanie capability z innym scope. Wynajmij Fractional AI Architect na trzy miesiące przy 40% alokacji. Wykorzystaj ten czas na zbudowanie capability diagnostycznej in-house, udokumentowanie architektury i decyzję, które części wdrożenia pozostają zewnętrzne. Retained knowledge zostaje u ciebie; osoba fractional wychodzi, gdy praca jest udokumentowana.

ArtCode Software operuje dokładnie tym modelem z trzema polskimi regulowanymi MŚP w 2026: fixed-scope diagnostyka w tygodniu pierwszym, Fractional Architect Retainer przez następne dwanaście tygodni i czyste wyjście na końcu z przekazaną dokumentacją. Jeśli chcesz przedyskutować, jak wyglądałoby konkretnie zlecenie z ArtCode Software, AI Blueprint Session to 60-minutowa płatna sesja, która produkuje pisemną follow-up notatkę. Jeśli potrzebujesz pełnej dwudniowej diagnostyki, to AI Readiness Audit.