Dostarczamy firmom rozwiązania AI zapewniając bezpieczeństwo danych i napędzając innowacje.

Audyt AI to analiza konkretnego procesu biznesowego, która wskazuje, gdzie zastosowanie sztucznej inteligencji przyniesie mierzalny efekt, a gdzie się nie opłaci. W CGBlue audyt kończy się planem wdrożenia zawierającym opis procesu w stanie obecnym, wskazane wąskie gardła, rekomendowane rozwiązania i szacowany efekt biznesowy. Audyt nie jest prezentacją możliwości technologii — jest diagnozą organizacji.

Audyt organizacji w CGBlue jest bezpłatny i nie wiąże się z żadnym zobowiązaniem do dalszej współpracy. Otrzymujesz gotowe rekomendacje, które możesz wykorzystać samodzielnie lub z dowolnym innym dostawcą. W każdym miesiącu realizujemy ograniczoną liczbę audytów, żeby utrzymać jakość analizy.

Cały audyt zajmuje około trzech tygodni od pierwszego spotkania do przekazania planu wdrożenia. Składa się z trzech etapów: rozmowy o procesach i wyboru obszaru, właściwej analizy procesu oraz opracowania planu wdrożenia z rekomendacjami.

Po audycie otrzymujesz pisemny plan wdrożenia AI dla wybranego procesu. Zawiera on: opis procesu w stanie obecnym wraz z wąskimi gardłami, wskazanie miejsc, w których automatyzacja lub AI realnie pomoże, rekomendowane rozwiązania technologiczne, szacowany efekt biznesowy oraz kolejność działań. Dokument jest Twój — możesz go zrealizować samodzielnie lub z innym partnerem.

Nie. Bezpłatny audyt nie wiąże się z żadnym zobowiązaniem zakupowym. Traktujemy go jako sposób na wzajemne sprawdzenie się przed ewentualną większą współpracą — jeśli z analizy wyjdzie, że AI w danym procesie się nie opłaca, powiemy to wprost.

Wdrożenie AI nie opłaca się wtedy, gdy problem można rozwiązać taniej zmianą samego procesu lub organizacji pracy. Najlepsza automatyzacja to często ta, której nie trzeba wdrażać. AI nie ma też sensu w procesach wykonywanych rzadko, bez powtarzalnej struktury albo takich, gdzie koszt błędu jest wysoki, a nadzór człowieka i tak pochłonie oszczędność czasu.

Czas wdrożenia zależy od zakresu procesu, ale pracujemy tak, żeby pierwsze mierzalne efekty pojawiły się w ciągu kilku tygodni, a nie po roku. Świadomie wybieramy wąski, konkretny proces zamiast szerokiego programu transformacji — dzięki temu wartość widać wcześnie, a ryzyko projektu jest niskie.

Koszt wdrożenia wyceniamy dopiero po audycie, kiedy znany jest konkretny proces, zakres integracji i wolumen danych. Wycena bez tej wiedzy byłaby zgadywaniem. Sam audyt, na podstawie którego powstaje wycena, jest bezpłatny.

Według raportu MIT Project NANDA „State of AI in Business 2025” aż 95% organizacji nie uzyskuje zwrotu z inwestycji w AI. Główną przyczyną jest tzw. learning gap — narzędzia, które nie uczą się z informacji zwrotnej i nie zapamiętują kontekstu, więc nie poprawiają się z czasem i źle wpinają się w istniejący workflow. Ten sam raport pokazuje, że projekty realizowane z zewnętrznym partnerem wdrożeniowym dwukrotnie częściej dochodzą do produkcji niż budowane wyłącznie wewnętrznie.

Tak — i to jest nasze domyślne podejście. Zamiast zmuszać zespół do przechodzenia do nowego narzędzia, wpinamy AI w systemy, z których ludzie już korzystają: CRM, ERP, pocztę, obieg dokumentów czy Microsoft 365. Minimalizuje to opór użytkowników i realnie zwiększa szansę, że rozwiązanie będzie używane.

Zacznij od jednego wąskiego, powtarzalnego procesu, który realnie boli organizację — nie od wyboru narzędzia. Kolejność ma znaczenie: najpierw diagnoza procesu i przyczyny źródłowej problemu, potem decyzja, czy AI jest właściwą odpowiedzią, a dopiero na końcu wybór technologii. Odwrotna kolejność to najczęstszy powód nieudanych wdrożeń.

Projektujemy wdrożenia tak, żeby dane firmy nie wyciekały do zewnętrznych modeli i nie były wykorzystywane do ich trenowania. Przed wyborem dostawcy sprawdzamy umowy licencyjne i dokumentację techniczną pod kątem tego, gdzie dane są przetwarzane i przechowywane, a granice przetwarzania danych ustalamy jawnie na etapie projektu — nie po wdrożeniu.

Shadow AI to korzystanie przez pracowników z narzędzi AI poza kontrolą firmy — najczęściej z darmowych czatów opartych na LLM, do których wklejane są firmowe dane. Według raportu MIT Project NANDA robi tak 90% pracowników, podczas gdy tylko 40% firm wykupuje oficjalne subskrypcje LLM. Ryzykiem nie jest samo używanie AI, tylko brak kontroli nad tym, jakie dane opuszczają organizację.

AI Act dzieli systemy sztucznej inteligencji na cztery poziomy ryzyka — niedopuszczalne, wysokie, ograniczone i minimalne — i z każdym wiąże inne obowiązki. Większość firmowych zastosowań (czatboty, rekomendacje, filtry treści) mieści się w kategorii ograniczonego ryzyka, gdzie kluczowym obowiązkiem jest poinformowanie użytkownika, że ma do czynienia z AI. Systemy rekrutacyjne, scoring kredytowy czy rozwiązania w ochronie zdrowia są klasyfikowane jako wysokiego ryzyka i wymagają zarządzania ryzykiem, nadzoru człowieka i udokumentowanej jakości danych.

Tak — jeśli system AI przetwarza dane osobowe, obowiązują wszystkie wymogi RODO, w tym zabezpieczenia techniczne, ocena skutków dla ochrony danych (DPIA) tam, gdzie jest wymagana, oraz klauzule powierzenia przetwarzania w umowie z dostawcą. Zgodność ustalamy na etapie projektowania wdrożenia, a nie po jego uruchomieniu. Nie jesteśmy kancelarią prawną — przy wdrożeniach o podwyższonym ryzyku rekomendujemy równoległą konsultację prawną.

Pracujemy przede wszystkim w ekosystemie Microsoft — Azure AI Foundry, Azure OpenAI i Microsoft 365 — ponieważ daje on firmom kontrolę nad danymi i jasny model zgodności. Tam, gdzie ma to uzasadnienie, budujemy też rozwiązania na innych modelach oraz komponenty własne: mechanizmy wyszukiwania po dokumentach firmy (RAG), integracje z systemami dziedzinowymi i automatyzacje procesów.

Po wdrożeniu obejmujemy rozwiązanie umową SLA i doszkalamy modele, żeby działały coraz lepiej wraz z napływem nowych danych i informacji zwrotnej od użytkowników. To celowy element podejścia: systemy AI, które nie uczą się i nie zapamiętują kontekstu, przestają przynosić wartość po kilku miesiącach od uruchomienia.

Napisz na kontakt@cgblue.pl lub wypełnij formularz na stronie kontaktowej. Pierwsze spotkanie jest rozmową o Waszych procesach — bez prezentacji sprzedażowej — i kończy się wskazaniem obszarów, które warto poddać audytowi.

Projekty prowadzą bezpośrednio założyciele: Tomasz Żelski i Artur Jóźwiak. Tomasz Żelski ma ponad 25 lat doświadczenia w IT, był CTO w Grupie PZU, kierował zespołem ponad 1200 osób i powołał pierwsze w Polsce laboratorium LLM na rynku finansowym. Artur Jóźwiak ma ponad 20 lat doświadczenia w doradztwie biznesowym, wdrożył systemy zarządzania w ponad 20 organizacjach w Polsce i współtworzy program Project Managera w EY Academy of Business.

Zaczynamy od procesu, a nie od katalogu naszych umiejętności. Większość dostawców przychodzi z listą tego, co potrafią zrobić, i próbuje dopasować do niej organizację klienta — my najpierw diagnozujemy przyczynę źródłową problemu i mówimy wprost, jeśli AI nie jest właściwą odpowiedzią. Drugą różnicą jest skala doświadczenia: rozumiemy procesy, budżety i ryzyko w dużych organizacjach, bo wcześniej zarządzaliśmy nimi po stronie klienta.

Pracujemy z firmami średnimi i dużymi, dla których istotne są bezpieczeństwo danych, zgodność regulacyjna i policzalny zwrot z inwestycji. Nasze doświadczenie obejmuje sektor finansowy i ubezpieczeniowy, energetykę, telekomunikację, przemysł, budownictwo, FMCG oraz sektor publiczny. Działamy w całej Polsce, zdalnie i na miejscu; siedziba firmy znajduje się w Warszawie.

Pracujemy w całej Polsce. Siedziba CGBlue znajduje się w Warszawie, ale audyty i wdrożenia prowadzimy również zdalnie — warsztaty procesowe i spotkania statusowe da się w pełni zrealizować online, a wizyty na miejscu ustalamy tam, gdzie faktycznie mają wartość.