Konsultant transformacji AI. Kto to jest i za co odpowiada

Kim jest konsultant transformacji AI

To osoba odpowiedzialna za drogę od procesu do działającego rozwiązania. Nie za wybór narzędzia, nie za prezentację o możliwościach modeli, tylko za to, żeby po projekcie w firmie działo się coś inaczej niż przedtem, i żeby dało się to zmierzyć.

Nazwa jest młoda i mocno nadużywana, więc warto ją zawęzić do tego, co odróżnia tę pracę od sąsiednich zawodów. Konsultant transformacji AI pracuje na styku trzech rzeczy: procesów firmy, jej danych i gotowości zespołu. Model językowy jest ostatnim elementem tej układanki, nie pierwszym.

Fakt, który tłumaczy, skąd w ogóle wzięła się ta rola: według badania MIT NANDA z 2025 roku zdecydowana większość wdrożeń generatywnej AI w przedsiębiorstwach nie przynosi mierzalnego zwrotu. RAND wskazuje podobnie wysoki odsetek projektów, które nie dowożą wartości. Przyczyny prawie nigdy nie leżą po stronie modelu. Leżą w procesach, danych i tym, że nikt w organizacji nie miał obowiązku zacząć pracować inaczej.

Co konsultant realnie robi

Zakres, który decyduje o powodzeniu projektu, obejmuje sześć obszarów. Kolejność nie jest przypadkowa, bo każdy kolejny opiera się na poprzednim.

Ostatni wiersz bywa pomijany w ofertach, a jest tym, który odróżnia projekt zakończony od projektu porzuconego. Bez miary ustalonej przed startem każdy wynik da się opowiedzieć jako sukces.

Czym różni się od sąsiednich ról

W rozmowach handlowych te cztery role bywają mieszane, a odpowiadają za zupełnie co innego.

Każda z tych ról jest potrzebna, tylko w innym momencie. Kłopot zaczyna się wtedy, gdy firma kupuje jedną, a spodziewa się drugiej. Najczęstszy przypadek: zamówione szkolenie, oczekiwana zmiana w procesie.

Osobno warto odróżnić konsulting od pracy dużych firm doradczych, bo różnica nie polega na kompetencjach, tylko na modelu pracy i skali kosztu. Rozkładamy to na czynniki w porównaniu z Big4.

Jak to wygląda w yesfor.ai

Nie pracujemy od zlecenia do zlecenia, tylko w stałej sekwencji sześciu filarów. Litery układają się w nazwę firmy, ale ważniejsze jest to, że każdy filar ma własny rezultat i własny czas trwania, więc na każdym etapie widać, co powstało.

You, punkt startu. Diagnoza gotowości: procesy, dane, kompetencje zespołu, governance. Rezultat to AI Readiness Score w skali od zera do stu wraz z mapą obszarów wymagających uwagi. Dwa tygodnie. Metodykę oceny opisujemy osobno, w YESFOR Framework.

Environment, bezpieczeństwo i zgodność. Audyt korzystania z narzędzi AI poza polityką firmy, projekt polityki, lista zatwierdzonych narzędzi, zgodność z RODO i AI Act. Zjawisko nieformalnego używania narzędzi ma nazwę shadow AI i w polskich firmach jest częstsze, niż wynika z deklaracji zarządów. Jeden do dwóch tygodni.

Structure, mapowanie procesów. Dokumentacja dziesięciu do piętnastu procesów w standardzie BPMN, wskazanie wąskich gardeł, projekt stanu docelowego. Cztery do sześciu tygodni. To etap, na którym najczęściej okazuje się, że część problemów nie wymaga modelu.

Foundation, konsolidacja danych. Inwentaryzacja źródeł, audyt jakości danych referencyjnych, architektura docelowa, zasady zarządzania. Cztery do ośmiu tygodni. Warunkiem sensownego wdrożenia są dane gotowe na AI, a nie sama ich obecność w systemach.

Operations, wdrożenie i adaptacja. Wybór procesu pilotażowego, architektura techniczna, wdrożenie, zarządzanie zmianą, szkolenia zespołów liniowych. Osiem do szesnastu tygodni.

ROI, mierzalny zwrot. Baseline przed wdrożeniem, pomiar tygodniowy, raport po czterech do ośmiu tygodni i decyzja: skalujemy, poprawiamy albo zamykamy. Zamknięcie tej pętli jest warunkiem przejścia do kolejnego procesu.

Jedna zasada spina całą sekwencję i jest w yesfor.ai nienegocjowalna: nie wdrażamy bez wcześniejszego audytu i mapowania. Nie dlatego, że tak wygodniej, tylko dlatego, że wdrożenie na nieopisanym procesie i niesprawdzonych danych kosztuje więcej niż audyt, którego nie zrobiono.

Czego konsultant nie zrobi za Ciebie

Nie podejmie decyzji biznesowej. Może pokazać koszt procesu przed zmianą i po niej. Czy zmiana jest warta pieniędzy, rozstrzyga zarząd.

Nie zastąpi właściciela procesu. Jeśli po stronie firmy nikt nie odpowiada za wynik, wdrożenie nie ma się o co oprzeć.

Nie naprawi danych, których nie ma. Może zaprojektować sposób ich zbierania, ale historii nie odtworzy.

Nie zmusi zespołu do korzystania z narzędzia. Adopcja jest decyzją organizacyjną, nie techniczną, i wymaga kogoś z decyzyjnością po stronie klienta.

Kiedy konsultant nie jest potrzebny

Ta sekcja jest tu celowo, bo w materiałach firm doradczych pojawia się najrzadziej.

Nie jest potrzebny, gdy proces da się opisać regułami i wynik ma być zawsze taki sam. Warunek w systemie jest wtedy tańszy, szybszy i pewniejszy niż model, który wykona zadanie poprawnie w większości przypadków.

Nie jest potrzebny, gdy firma ma zespół rozumiejący własne dane i integracje oraz czas, żeby przeprowadzić wdrożenie samodzielnie. Wtedy sensowniejszy bywa układ, w którym zewnętrzna osoba prowadzi metodologicznie, a robotę wykonuje zespół wewnętrzny. Nazywamy to transferem kompetencji i uważamy za lepszy scenariusz niż stała zależność od dostawcy.

Nie jest też potrzebny wtedy, gdy problemem jest brak procesu. Automatyzacja czegoś, czego nikt nie opisał, utrwala przypadkowość, tylko szybciej.

Jak wybrać konsultanta

Pięć pytań, które w praktyce rozstrzygają więcej niż referencje.

1. Od czego zaczniecie? Odpowiedź „od audytu procesów i danych" jest dobra, „od wyboru narzędzia" odwraca kolejność.
2. Co się stanie, gdy model odpowie źle? Kto to zauważy i po czym.
3. Jak zmierzymy efekt i jaka będzie miara przed startem?
4. Kto utrzymuje rozwiązanie po odbiorze i ile to kosztuje w skali roku?
5. Które nasze procesy odradzacie do automatyzacji? Konsultant, który nie ma tu żadnej odpowiedzi, jeszcze nie widział wdrożenia z bliska.

Rozwinięcie tej listy, w wersji dla firm oceniających dostawcę wdrożeń na modelach OpenAI, zebraliśmy na osobnej stronie o wyborze partnera wdrożeniowego.

Ile to kosztuje

Rozstrzyga zakres, nie stawka godzinowa. Nasze widełki są jawne, żeby dało się je porównać.

Niezależnie od dostawcy warto pilnować jednej rzeczy: rzetelna wycena rozbija koszt na cztery części, czyli pracę wdrożeniową, licencje i zużycie modeli, utrzymanie po odbiorze oraz czas własnych zespołów. Oferta pokazująca tylko pierwszą pozycję zaniża koszt całkowity.

Pełny zakres usług opisujemy na stronie konsultingu, a jeśli szukasz raczej podniesienia kompetencji zespołu niż projektu wdrożeniowego, właściwym punktem wejścia są szkolenia zamknięte.

Skąd wiemy to, co tu piszemy

Rozdzielamy trzy rzeczy, bo ich mieszanie jest źródłem większości obietnic bez pokrycia.

Dane z badań: odsetek wdrożeń bez mierzalnego zwrotu i przyczyny niepowodzeń projektów, za MIT NANDA i RAND. Źródła pod tekstem.

Nasza praktyka: sekwencja sześciu filarów, czasy trwania etapów i widełki cenowe. To nasz sposób pracy, nie standard rynkowy.

Nasza ocena: wszystko, co dotyczy różnic między rolami i tego, kiedy konsultant nie jest potrzebny. To wnioski z prowadzonych projektów, a nie wynik badania.

Powody, dla których wdrożenia się sypią, rozkładamy szerzej w tekście dlaczego projekty AI się sypią.