Ten tekst odpowiada na pytania, które i tak zadasz przy rozmowie z IT lub dostawcą: czym się różni „zwykły ChatGPT” od systemu na dokumentach firmy, ile to kosztuje i po co w ogóle rozróżniać architektury.
Zanim podpiszesz budżet na „wdrożenie AI”, warto wiedzieć jedno: „AI” to nie jeden produkt. To kilka architektur – od prostego czatu po system z całym archiwum i automatyzację. Poniżej: co daje każda, czego nie daje, ile kosztuje – bez skrótów typu „zaufaj nam, zrobimy AI”.
Po co Ci to wiedzieć przed decyzją?
Bo wybór architektury ustala:
- Co system realnie robi – tylko odpowiada, czy też korzysta z Twoich dokumentów i pokazuje źródła?
- Skala kosztu – rząd wielkości od kilkudziesięciu euro miesięcznie po dziesiątki tysięcy euro rocznie.
- Bezpieczeństwo danych – czy treść opuszcza firmę w kontrolowany sposób, czy zostaje w wybranym regionie.
- Czas startu – od jednego dnia po kilka miesięcy.
Nie musisz znać sieci neuronowych. Musisz umieć powiedzieć: „Potrzebujemy architektury X, bo mamy problem Y” – albo zadać dostawcy trudne pytanie. W tym pomoże też szerszy przewodnik po narzędziach i kosztach.
1. Prosty chat AI (pytanie → odpowiedź)
Jak to działa: Wpisujesz pytanie. Model odpowiada na podstawie treningu – bez stałego dostępu do Twoich plików.
Twoje pytanie → [model] → odpowiedź
Przykłady: ChatGPT, Claude, Gemini w trybie podstawowym.
Co potrafi: pisać, tłumaczyć, streszczać, pomagać przy kodzie, liczbach, formatowaniu; przeanalizować fragment, który wkleisz w oknie.
Czego nie potrafi (mówimy wprost): nie zna całego archiwum firmy; nie przeszukuje dysku; pamięć między sesjami bywa ograniczona lub żadna; może halucynować – brzmi mądrze, a bywa nieprawdą.
Analogia: Rozmowa z bardzo ogólnie „mądrą” osobą, która nigdy nie widziała Twoich umów.
Koszt (rząd wielkości): ok. 0–30 EUR/osobę/miesiąc.
Kiedy wystarczy: pisanie, tłumaczenia, burza mózgów – bez potrzeby przeszukiwania setek dokumentów firmy.
2. Chat z kontekstem (wgrywanie plików)
Jak to działa: Do rozmowy dołączasz plik (PDF, DOCX). Model odpowiada o treści tego pliku w ramach sesji.
Pytanie + wgrany plik → [model] → odpowiedź o tym pliku
Przykłady: ChatGPT z załącznikiem, Claude z dokumentami, Copilot w Wordzie.
Co potrafi więcej niż prosty chat: analiza konkretnej umowy, porównanie kilku wgranych plików, streszczenia.
Czego nie potrafi: nie indeksuje całej firmowej bazy – tylko to, co wgrasz teraz; limity rozmiaru i liczby plików; brak trwałej „pamięci firmy” per dokument; słaba kontrola dostępu (kto może widzieć czyje dane).
Analogia: Ktoś dostaje jedną teczkę – przeczyta i odpowie, ale nie ma klucza do całego archiwum.
Koszt: ok. 20–50 EUR/osobę/miesiąc.
Kiedy wystarczy: praca na pojedynczych dokumentach, bez potrzeby przeszukiwania setek plików.
3. RAG – dostęp do bazy wiedzy firmy
Jak to działa: Dokumenty trafiają do bazy. Na pytanie system najpierw wyszukuje trafne fragmenty, potem model buduje odpowiedź na ich podstawie, często z przypisami do źródeł.
Pytanie → wyszukiwanie w dokumentach → fragmenty → [model] → odpowiedź + przypisy
Kluczowa różnica: model nie „zgaduje z głowy” w kwestiach Twojej firmy – ma konkretne cytaty z Twoich plików.
Co potrafi: przeszukiwanie dużej liczby dokumentów; Przypisy (dokument, strona); baza rośnie wraz z nowymi plikami; łączenie informacji z wielu źródeł w jednej odpowiedzi.
Czego sam RAG zwykle nie robi: nie wykonuje automatycznie kroków w zewnętrznych systemach (mail, CRM) bez rozszerzeń; jakość = jakość dokumentów i konfiguracji; błędy nadal możliwe – weryfikacja zostaje.
Analogia: Asystent, który przerobił archiwum i przy każdej odpowiedzi wskazuje: „to jest z pliku X”.
Koszt: infrastruktura i utrzymanie często setki–tysiące EUR miesięcznie plus wdrożenie (od kilku do kilkudziesięciu tysięcy EUR) – zależnie od skali.
Kiedy to ma sens: dużo dokumentów, wiele osób, branże, gdzie liczą się źródła i audyt (prawo, finanse, medycyna, HR, consulting).
Jeśli dopiero testujesz hipotezę „czy nam się to opłaca”, sensowna jest logika MVP – mały zakres, potem skalowanie.
4. Agenci AI – wykonanie wielu kroków
Jak to działa: Jedno polecenie uruchamia plan: wyszukanie w bazie, sprawdzenie kalendarza, szkic dokumentu, przygotowanie do akceptacji itd.
Co potrafi więcej niż sam RAG: scenariusze wieloetapowe, integracje (mail, kalendarz, CRM – w granicach projektu), automatyzacja powtarzalnych procesów.
Ryzyka: błąd agenta może mieć większe skutki niż błąd samego czatu; trzeba jasno określić co wolno, czego nie; wdrożenie i testy trwają dłużej.
Analogia: RAG jak bibliotekarz z katalogiem; agent jak asystent, który coś załatwia – pod Twoim nadzorem i regułami.
Koszt: często tysiące EUR miesięcznie + wdrożenie dziesiątki tysięcy EUR w zależności od złożoności.
Kiedy: zwykle po stabilnym RAG lub jasno zdefiniowanej bazie wiedzy; często łączy się z porządkiem w procesie sprzedaży i operacji.
5. Fine-tuning – model „douczony” na Twoich danych
Jak to działa: Bazowy model jest dostrajany na wybranych danych firmy (styl, typowe sformułowania, domena).
Różnica względem RAG: wiedza jest w „wagach” modelu, a nie tylko w wyszukiwanej bazie; odpowiedzi mogą być szybsze; nie zastępuje przypisów do konkretnych aktualnych dokumentów.
Ryzyka i koszty: trening jest drogi; aktualizacja wiedzy wymaga kolejnych cykli; bez RAG trudniej pokazać źródło jak w przypadku cytatu z PDF; potrzeba dużej ilości jakościowych danych treningowych.
Kiedy: rzadko jako jedyne rozwiązanie; częściej RAG + ewentualnie dopasowanie modelu tam, gdzie ma to uzasadnienie biznesowe.
Tabela zbiorcza
| Cecha | Prosty chat | Chat + plik | RAG | Agenci | Fine-tuning |
|---|---|---|---|---|---|
| Zna dokumenty firmy | Nie | Tylko wgrane | Tak (baza) | Tak | „Wewnątrz modelu” |
| Wskazuje źródła | Nie | Częściowo | Tak | Tak | Nie |
| Pamięć bazy między sesjami | Nie | Nie | Tak | Tak | Tak |
| Wykonuje działania w systemach | Nie | Nie | Zwykle nie* | Tak | Nie |
| Próg wejścia kosztem | Niski | Niski | Średni/wysoki | Wysoki | Wysoki |
| Złożoność wdrożenia | Niska | Niska | Średnia | Wysoka | Wysoka |
*Możliwe rozszerzenia poza czystym RAG.
Którą architekturę wybrać?
Typowa ścieżka:
- Dziś: prosty chat / Copilot – zespół uczy się pracy z modelami.
- Gdy brakuje dostępu do archiwum: RAG (często największy skok wartości w firmach dokumentowych).
- Opcjonalnie później: agenci – automatyzacja procesów.
Nie musisz startować od najdroższego wariantu. Zacznij od problemu: jeśli główny ból to „szukanie w setkach plików”, przewodnik po narzędziach w pierwszym artykule z serii i architektura RAG są ważniejsze niż fine-tuning od pierwszego dnia.
Gdy klient końcowy ma powtarzalne pytania zanim trafi do handlowca, podobną logikę „odpowiedzi z góry” realizuje dobrze zaprojektowane digital quotations and calculations – inna warstwa, ten sam kierunek: mniej chaosu, więcej jasnych odpowiedzi.
Chcesz dopasować architekturę do skali dokumentów i wymagań compliance? Napisz – przejdziemy przez Twój przypadek bez technicznego żargonu.
