Jak wybrać agencję AI w 2026 — i 14 pytań, które ujawnią ściemniaczy.

Czemu połowa wdrożeń AI w 2026 to porażka

Raport McKinsey (2025) i polskie badanie KPMG (Q1 2026) zgodnie pokazują: 52% projektów AI w MŚP nie dowozi obiecanych korzyści w pierwszym roku. Nie dlatego, że "AI nie działa". Powody są banalne:

• Agencja sprzedała "rozwiązanie AI", zanim ktokolwiek zrozumiał problem (32% przypadków).
• Brak danych jakościowych — śmieci na wejściu, śmieci na wyjściu (24%).
• Nikt w firmie klienta nie został przeszkolony — system stoi nieużywany (18%).
• Integracje były "na chwilę" — pierwsza aktualizacja API i wszystko pada (14%).
• Złe dopasowanie modelu LLM do zadania (12%).

Większości tych porażek dało się uniknąć, wybierając lepszą agencję. Zobaczmy jak.

1. Trzy typy agencji AI w 2026 (i tylko jeden jest dla Ciebie)

Typ A — "Resellerzy ChatGPT"

Marketingowcy, którzy w 2023 byli SEO/SMM, a w 2024 dopisali do oferty "AI". Sprzedają proste promptingi, fluent w ChatGPT, integracje z Zapier'em. Plus: tanio (3–10 tys. zł). Minus: nie zbudują niczego custom. Jeśli OpenAI zmieni API albo cenę — Twój workflow pada.

Typ B — "Software house z dodatkiem AI"

Klasyczne agencje IT, które dorzuciły "AI" do menu. Zbudują, co trzeba, ale traktują AI jak kolejną bibliotekę — bez głębokiej intuicji co działa, a co halucynuje. Plus: solidna inżynieria. Minus: długie wdrożenia, brak optymalizacji promptów, słabe ewaluacje.

Typ C — "AI-first boutique"

Małe zespoły (5–15 osób), które od początku budują tylko AI/automatyzację. Znają modele, evaluation framework'i, RAG, vector DB, ale potrafią też w Pythona, n8n i devops. Plus: jakość, prędkość, sens biznesowy. Minus: drożej (20–80 tys. zł) i czasem trzeba poczekać 2–3 tygodnie na slot. To są ludzie, których szukasz dla Twojego pierwszego poważnego wdrożenia.

2. 14 pytań, które musisz zadać na pierwszym callu

Wyciągnij to przed spotkaniem z agencją. Jeśli na 4+ pytania słyszysz mętne odpowiedzi — kolejne CV proszę.

Pytania o doświadczenie

1. Pokażcie 3 case studies z liczbami — ile godzin pracy oszczędził klient, jakie ROI, w jakim czasie? Konkretne marki, nie "duża firma z branży X".
2. Jaki LLM by się tu sprawdził najlepiej i dlaczego? — odpowiedź "GPT-4 bo najlepszy" to czerwona flaga. Powinieneś usłyszeć trade-offy między Claude / GPT / Gemini / lokalny model.
3. Czy budowaliście kiedyś coś z RAG / vector DB? — jeśli mówią "nie wiemy co to" przy złożonym projekcie, koniec rozmowy.
4. Jak mierzycie sukces wdrożenia AI? — szukaj odpowiedzi typu "definiujemy KPI przed startem i robimy A/B test po 30 dniach", nie "klient powiedział, że jest zadowolony".

Pytania o proces

5. Ile trwa audyt procesów przed wyceną? — minimum 60–90 minut na call + dostęp do dokumentacji procesu. Wycena na podstawie "powiedz nam co chcesz" to lottery.
6. Kto z Waszego zespołu będzie codziennie pracował nad projektem? — chcesz znać imiona i ich LinkedIn. Nie wystarczy "doświadczeni inżynierowie".
7. Jak wygląda komunikacja w trakcie projektu? — Slack? Tygodniowe statusy? Codzienne stand-upy? Brak procesu = brak kontroli.
8. Czy mogę zobaczyć demo na MOICH danych? — niekoniecznie produkcyjnych, ale autentycznych. Demo na losowych danych to teatr.

Pytania o zabezpieczenia

9. Co z RODO i danymi osobowymi? — agencja powinna mieć opracowane DPA, wiedzieć o EU data residency dla OpenAI/Anthropic, znać self-hostable alternatywy (Ollama, vLLM).
10. Kto jest właścicielem kodu po wdrożeniu? — wyłącznie Ty, w 100%, kod źródłowy w Twoim repo. Wszelkie zapisy "kod pozostaje własnością agencji" — koniec rozmowy.
11. Co się stanie jak OpenAI/Anthropic podniesie ceny lub zmieni API? — chcesz usłyszeć: "mamy abstrakcję wrapping LLM API, możemy przepiąć model w 1 dzień".
12. Jakie macie SLA dla wdrożonych systemów? — konkretne czasy reakcji w h/min, godziny pracy, co w nocy/weekendach, kara umowna za nieprzestrzeganie.

Pytania o finanse

13. Co dokładnie wchodzi w cenę? — czy testowanie? Dokumentacja? Szkolenie zespołu? Trzy miesiące supportu? Czy LLM API są w cenie czy refakturowane?
14. Jak wyglądają płatności? — milestone'y są zdrowe. "30% z góry, reszta po dostarczeniu" lepsze niż "100% z góry". Pełna płatność dopiero gdy system działa w produkcji 14 dni bez awarii.

3. Realne ceny w Polsce — co kupisz za 10k, 30k, 80k zł

Budżet 5 000 – 15 000 zł

Realnie dostajesz: 1 prosty AI agent (klasyfikator maili, asystent obsługi, generator szablonów odpowiedzi). 2–3 integracje (Gmail, Slack, Notion). Brak custom UI, użycie istniejących interfejsów. Wdrożenie 2–4 tygodnie. Dla kogo: jednoosobowa firma lub mikro-MŚP, prosty proces, eksperymentowanie.

Budżet 25 000 – 50 000 zł

Realnie: 1–2 średnio złożone procesy zautomatyzowane end-to-end. Klasyfikacja + odpowiedzi + integracja z CRM/ERP/sklepem. Custom UI tam gdzie potrzeba. Dokumentacja, szkolenie 2–4 osób, 3 miesiące support. Wdrożenie 6–10 tygodni. Dla kogo: MŚP 10–50 osób, konkretny proces z udokumentowanym ROI.

Budżet 60 000 – 150 000 zł

Realnie: customowy system z RAG, vector DB, własnym frontendem. Wielu użytkowników, role, audyt, integracje z 5+ systemami. SLA, hosting, 6+ miesięcy support. Czasem self-hosted LLM. Wdrożenie 3–6 miesięcy. Dla kogo: firmy 50+ osób, wrażliwe dane, projekt strategiczny dla firmy.

Budżet 200 000 zł+

Customowe platformy, multi-agent systems, integracje z systemami legacy, fine-tuning modeli, własna infrastruktura ML. To są projekty 6–12 miesięcy z dedykowanym zespołem 3–8 osób. Dla kogo: średnie i duże firmy z konkretnym przewagą biznesową do zbudowania na AI.

4. Czerwone flagi — agencja, której NIE chcesz

• Wycena bez audytu w pierwszym mailu. "Wdrożenie AI: 35 000 zł, brzmi rozsądnie?". Nie. Agencja, która wycenia, zanim zrozumie problem, sprzedaje template.
• Brak konkretnych case studies z liczbami. Jeśli na stronie są same logotypy klientów bez opisu, ile godzin/PLN oszczędzili — case studies prawdopodobnie nie istnieją.
• "AI rozwiąże wszystko" — dobra agencja powie Ci, co AI nie zrobi i co lepiej zostawić ludziom albo klasycznemu workflow.
• Brak menedżera projektu — komunikacja przez 5 osób bez właściciela = chaos.
• Demo tylko na danych demo — bo na Twoich się nie udało.
• Brak ewaluacji — agencja, która nie potrafi powiedzieć "system odpowiada poprawnie w 87% przypadków, w 13% wymaga interwencji człowieka" — robi to na czuja.
• Lock-in — kontrakt, w którym kod nie jest Twoją własnością, hosting tylko u agencji, monitoring tylko ich. To utrwala zależność.
• Nadmierne obietnice timeline'u — "AI agent w 5 dni" zwykle znaczy "nakładka na ChatGPT".

5. Checklist do RFP (wyślij to do 3 agencji)

Pobierz tę listę i wyślij do 3 agencji na zapytanie ofertowe. Agencja, która odpowie konkretnie na wszystkie punkty, awansuje do drugiego etapu.

6. Jak wygląda dobry pierwszy projekt z agencją AI

Jeśli nigdy wcześniej nie pracowałeś z agencją AI, nie zaczynaj od projektu za 100 000 zł. Najmądrzejsza ścieżka:

1. Pilotaż (2–4 tygodnie, 8–15 tys. zł) — wybierzcie 1 mały, konkretny proces. Cel: udowodnić, że agencja umie pracować, kod jest jakościowy, komunikacja działa.
2. Rozszerzenie (1–3 miesiące, 25–80 tys. zł) — jeśli pilotaż się udał, dorzucacie kolejne procesy z tej samej domeny.
3. Strategiczne wdrożenie (3–12 mies., 80k+) — masz teraz dane, ROI, zaufanie do agencji. Można robić platformę.

Pomijanie pierwszego etapu i wchodzenie z budżetem 80k+ "bo jest budżet" — to droga do połowy tych 52% porażek z McKinsey.

7. Co po podpisaniu umowy

Dobra agencja zacznie projekt od:

• Workshop'u discovery (1–2 dni) — głębokie zrozumienie procesu, danych, użytkowników.
• Specyfikacji — pisemny dokument: co budujemy, jakie metryki sukcesu, jakie założenia, jakie ryzyka. Wszystko podpisane przez obie strony.
• Architektury — diagram, jak komponenty łączą się ze sobą, jakie LLM, jakie integracje.
• Repo i CI/CD — od pierwszego dnia kod jest w Twoim repo (GitHub/GitLab), tested, deployable.
• Cotygodniowych demo — pokazują, co zostało zrobione, na żywym systemie. Brak demo = nic się nie dzieje.

Wnioski — krótko

Wybór agencji AI w 2026 to nie wybór technologii — to wybór ludzi. Modele LLM dziś są towarem (każda agencja używa tych samych), ale jakość inżynierów, ewaluacji, integracji i komunikacji potrafi się różnić 10-krotnie. Zadaj 14 pytań z tego tekstu, wymagaj case studies z liczbami, zaczynaj od pilotażu i nigdy nie kupuj kodu, który nie staje się Twój.

Polski rynek jest mały. Po 12 miesiącach pracy z dobrą agencją będziesz miał team, który zna Twoją firmę lepiej niż własny dział IT. To jest cel.