lead magnet workin'flows
Audyt procesu przed automatyzacją: 10 pytań
Checklist powstał po kilkudziesięciu warsztatach otwierających, w których odpowiadałem na to samo pytanie: "Adi, czy to się da zautomatyzować". Odpowiedź prawie zawsze brzmi "da się, ale to nie znaczy że powinno". Te 10 pytań pomaga Ci samemu zdecydować zanim zadzwonisz do kogokolwiek (mnie albo innego wdrożeniowca).
Przejdź pytanie po pytaniu. Odpowiadaj "tak / nie / nie wiem". Na końcu policz "tak" i sprawdź scoring. Komentarz pod każdym pytaniem wyjaśnia, co dla mnie znaczy odpowiedź "nie", co "nie wiem".
Nie obsadzaj się, że pytanie jest zbyt proste. Pierwsze trzy są kluczowe i najczęściej blokują wdrożenie, mimo że wydają się banalne.
Pytania diagnostyczne
Czy proces jest ustabilizowany?
Zmiana w procesie = przebudowa automatyzacji
Automatyzujemy procesy, które wyglądają tak samo od co najmniej 3 miesięcy. Jeśli w ostatnim kwartale zmieniałeś narzędzia, role odpowiedzialne albo kryteria decyzji, wdrożenie będzie ścigać ruchomy cel.
U mnie czerwona flaga: "właśnie przechodzimy z X na Y, ale chcemy to automatyzować po drodze". Nie chcesz. Poczekaj aż siądzie, inaczej zapłacisz dwa razy.
Kto po Twojej stronie będzie "właścicielem" procesu po wdrożeniu?
Bez właściciela: wdrożenie dezaktualizuje się w 6 miesięcy
Automatyzacja nie jest sprzętem, który stoi i działa. To kod, który reaguje na zmiany (API się psuje, przepisy się zmieniają, ludzie odchodzą). Musi być konkretna osoba, która wie gdzie co leży i może zareagować, gdy coś się zepsuje.
Nie musi to być developer. Musi to być ktoś, kto rozumie proces biznesowo i potrafi podnieść słuchawkę do wdrożeniowca albo agencji. Menedżer operacyjny, lead zespołu, asystent zarządu (poważnie, to często najlepsza osoba).
Ile razy miesięcznie ktoś wykonuje ten proces ręcznie?
Niska częstotliwość = niski return
Rozróżnij: proste pod-zadania pojedyncze (np. wysłanie raportu raz w miesiącu), powtarzalne operacyjne (np. przetworzenie 200 zgłoszeń tygodniowo). Próg, poniżej którego zwykle nie opłaca się automatyzować, to 20 razy miesięcznie. Wyjątek: czas jednej iteracji jest duży (>30 minut), wtedy nawet 5 razy może się opłacić.
Oszczędność liczymy jako: liczba_iteracji × czas_iteracji × koszt_godziny_osoby × 12 miesięcy, minus koszt wdrożenia i utrzymania (pytanie 10). Jeśli w pierwszym roku nie wychodzi na plus, prawdopodobnie nie warto.
Ile kosztuje godzina osoby, która to dziś robi?
Liczba w PLN, bierz netto plus narzuty
Potrzebujesz realnej stawki (nie pensji "na rękę"): koszt godziny brutto brutto pracownika (lub fixed-cost stanowiska) ÷ 168 godzin miesięcznie. Dla juniora w Polsce: 30-60 PLN/h, mid: 80-150 PLN/h, senior: 180-300 PLN/h, specjalista (księgowa, prawnik): 250-500 PLN/h.
Gdy klient mówi "no tyle a tyle przepracowuje na to miesięcznie", pierwsze pytanie: jaką stawkę godzinową. Zaskakująco często okazuje się, że czas spędzony na zadaniu jest warty mniej niż koszt utrzymania automatyzacji.
Jaki jest koszt pojedynczego błędu w tym procesie?
Błąd ludzki vs błąd algorytmu: różne typy, różne skutki
Procesy o niskim koszcie błędu (np. przepisanie danych z Excela do CRM, co koryguje następna osoba) dobrze się automatyzują, bo LLM może popełnić błąd i to OK. Procesy o wysokim koszcie błędu (np. księgowanie faktur, gdzie pomyłka idzie na raport VAT) wymagają albo determinizmu, albo obowiązkowego człowieka-review.
Pytam klienta: "jeśli automatyzacja popełni tutaj błąd, jak go wyłapiesz i co się stanie". Jeśli odpowiedź to "no... nie wiem", wdrożenie potrzebuje obowiązkowej warstwy human-in-the-loop, co zwiększa koszt i obniża ROI.
Czy systemy, które chcesz połączyć, mają API albo webhook?
Bez API: scraping ostatniego ratunku albo ręcznie
Sprawdź w dokumentacji każdego narzędzia, czy ma: REST API, GraphQL, webhooki, albo przynajmniej export CSV z schedulera. Jeśli wszystkie trzy podstawowe systemy mają, automatyzacja jest realistyczna. Jeśli jedno z nich wymaga logowania człowieka do interfejsu, wchodzimy w rejon "można, ale drogo" (Playwright, RPA, czasem jedyne wyjście).
Pułapka: polskie ERP-y mają "API" w broszurze, ale implementacja jest częściowo zepsuta, ma dziury albo wymaga specjalnej licencji. Zawsze pytam klienta o konkretną wersję i moduł, zanim wycenę podpiszę.
Ile decyzji w procesie wymaga człowieka, a ile można zautomatyzować?
Proces 100% algorytmiczny vs proces z wyjątkami
Rozpisz proces na kroki. Przy każdym zapisz: "reguła (if-else)", "statystyka (ML klasyfikacja)", "kontekst (LLM)", "wymaga człowieka". Jeśli "wymaga człowieka" ma mniej niż 20% kroków, proces nadaje się do pełnej automatyzacji. Jeśli 20-50%, do półautomatyzacji z kolejką akceptacji. Powyżej 50% - to nie automatyzacja, to narzędzie wspomagające.
Klasyczny błąd: klient myśli "AI to zrobi samo". Prawda jest że nawet najlepszy model LLM w 2026 popełnia 5-15% błędów klasyfikacji w realnych zadaniach biznesowych. Dla procesu z obowiązkiem zerowego błędu człowiek ciągle jest na końcu. To nie bug, to design.
Jakie wchodzą w grę kwestie RODO, compliance, tajemnicy zawodowej?
Dane osobowe, finansowe, medyczne = osobna checklista
Zidentyfikuj typy danych przepływających przez proces. RODO: imię, nazwisko, email, IP, dane zachowania. Tajemnica bankowa: stany kont, historia transakcji. Tajemnica medyczna: dane zdrowotne. Każda z tych kategorii dokłada wymagania: umowy powierzenia, DPA, szyfrowanie w spoczynku, lokalizacja serwerów w UE (dla RODO), nie wysyłanie poza konkretne jurysdykcje.
U mnie żelazna zasada: RAG z danymi osobowymi trzyma embeddings na infrastrukturze klienta (Cloud SQL z Private IP), nie w zewnętrznej bazie wektorowej. LLM-y użyte tylko z opcją "zero data retention" albo uruchamiane w EU (Vertex AI w europe-west4).
Co się dzieje, jeśli automatyzacja nie działa przez 48 godzin?
Plan B to nie luksus, to dziedzina krytyczności
Zadaj sobie pytanie: "jeśli ta automatyzacja pada na piątek po 17:00 i wraca w poniedziałek rano, co się dzieje z biznesem". Odpowiedzi: (a) nic, ktoś robi ręcznie przez weekend, (b) tracimy konkretną kwotę/klientów/deadline'y, (c) łamiemy SLA z klientem, (d) nie wiem. Odpowiedź determinuje ile wydasz na monitoring, alerting i redundancję.
Jeśli odpowiedź to (b) lub (c), wdrożenie musi mieć: monitoring (Prometheus/Sentry), alerty (on-call), i zweryfikowany tryb manualnego fallbacku. Dolicz do budżetu 15-25% na tę warstwę. Jeśli (a), standardowy monitoring wystarczy.
Czy masz budżet na długoterminowe utrzymanie (5-15% kosztów wdrożenia rocznie)?
Automatyzacja bez utrzymania = technical debt
Po wdrożeniu zostanie Ci: aktualizacje API zewnętrznych systemów, zmiany w przepisach, scaling gdy wolumen rośnie, okresowe re-evaluation modeli LLM (bo nowa wersja może być tańsza o 30%), poprawki po zmianach po stronie klienta. Rozsądna rezerwa: 5-15% kosztów wdrożenia rocznie, zarezerwowana na support.
Pułapka: klient myśli "zapłacę raz i koniec". Nie koniec. Bez utrzymania po roku automatyzacja zacznie się psuć, po dwóch latach przestanie być użyteczna, po trzech będzie szkodliwa. Planuj support od początku, albo uczciwie zaplanuj dewdroszenie ("zamykamy po 18 miesiącach, bo tyle ma sensu").
Scoring i decyzja
Policz odpowiedzi "tak" (na pytania 1-3, 5-10; pytanie 4 to zawsze "wiem/nie wiem, muszę policzyć" - oba liczą się jako "tak", bo to wiedza do odzyskania w ciągu tygodnia).
Zrobiłeś audyt, wyszło 5+ "tak"?
Napisz do mnie mailem. W odpowiedzi dostajesz link do umówienia warsztatu otwierającego (90 minut, bezpłatnie, zdalnie lub w Poznaniu).
napisz do adiego →