Masz już adopcję i działające procesy. Dodajmy warstwę, która przeniesie je z laptopów do organizacji.
Pracownicy realnie używają AI. Następny krok to nie „więcej AI” — to cienka warstwa kontroli, dzięki której to, co działa lokalnie, zacznie działać dla całej organizacji. Bez zmiany sposobu pracy i bez przebudowy tego, co już działa.
Pierwszy proces bez opłaty za wdrożenie Tylko koszty zmienne Decyzja po pilocie
AI działa. Ale głównie lokalnie.
Pracownicy wypracowują własne procesy w Claude / Claude Code. To świetne środowisko do eksperymentowania, ale wraz ze skalą pojawiają się trzy ograniczenia.
Proces kończy się na laptopie pracownika
Dobrze działający lokalny workflow nie ma sprawdzonej drogi do środowiska organizacyjnego. Dmytro sam wskazał to jako otwarte pytanie: jak przenieść „wygrzany” proces, żeby działał niezależnie od komputera. Co się dzieje z procesem, gdy jego autor ma urlop?
Rosnące koszty i zależność od jednego dostawcy
Kończące się kredyty, zmiany cen z dnia na dzień, ryzyko wycofania modelu z rynku. Dziś organizacja nie ma narzędzia, żeby na to reagować — poza dopłatą do kolejnego planu.
Nie wiadomo, ile AI naprawdę kosztuje
Rozliczenia są per plan i per osoba, a nie per proces — nikt nie widzi pełnego obrazu: co ile zużywa i gdzie idą pieniądze.
Najtrudniejsza część już jest: realna adopcja.
Większość firm zaczyna od strategii, pilotaży i przekonywania ludzi. Selsey ma to za sobą — i to jest fundament, na którym można budować bez rozpoczynania od zera.
Ta propozycja nie buduje adopcji od nowa. Zamienia to, co już działa u pracowników, w zdolność organizacyjną.
Adopcja
Pracownicy realnie używają Claude i Claude Code na co dzień. To nie projekt pilotażowy — to codzienna praktyka.
Procesy
Pierwsze automatyzacje działają u ludzi — lokalnie, wypracowane w realnej pracy, a nie w laboratorium.
Wiedza
Wiadomo, co działa, a co nie. Dmytro zna pytania, na które trzeba odpowiedzieć — brakuje tylko sprawdzonej drogi.
Trzy zdania zamiast dziesięciu slajdów: instalujemy cienką warstwę kontroli, przenosimy jeden działający proces, decydujecie co dalej.
1. Warstwa kontroli
Instalujemy u Was samodzielną warstwę: routing, budżety, fallback. Pracownicy pracują w Claude / Claude Code jak dotychczas.
2. Jeden proces zdalnie
Wybieramy działający proces lokalny (kandydat: przeterminowane zamówienia od dostawców) i przenosimy go tak, by działał bez laptopa.
3. Go / no-go
Po pilocie wspólnie oceniamy wyniki. Pierwszy proces — bez opłaty za wdrożenie, pokrywacie tylko koszty zmienne.
Jedna warstwa pomiędzy pracownikiem a modelami.
Nie zmieniamy sposobu, w jaki ludzie dziś pracują. Dodajemy organizacyjną warstwę kontroli — self-hosted, jedna lekka usługa: routing (kierowanie zapytań do właściwego modelu), budżety, fallback (automatyczne przełączenie, gdy model zawiedzie). To pierwszy krok — sam w sobie daje kontrolę kosztów i niezależność od dostawcy, zanim cokolwiek przenosimy.
Przed
- lokalne procesy i skille
- uzależnienie od jednego modelu / planu
- ograniczona widoczność kosztów
- trudne przenoszenie procesów do produkcji
- wiedza pozostaje przy użytkowniku
Po pilocie (oba kroki)
- centralny punkt kontroli AI
- routing i fallback modeli
- budżety i widoczność kosztów per klucz
- ścieżka „local → remote → kolejne procesy”
- pierwszy proces działający poza laptopem
Proces jest eksportowany i przenoszony. Nie budowany od nowa.
Zamiast konsultantów, którzy siadają z pracownikiem, analizują jego sesje i odtwarzają proces od zera — lokalny workflow jest mapowany na konfigurację, którą można uruchomić zdalnie.
Nie chodzi o kolejne narzędzie. Chodzi o niezależność i tempo.
Najpierw sprawdźmy to na jednym realnym procesie.
Zamiast dużego projektu infrastrukturalnego: dwa kroki, szybki learning i jasne go / no-go.
Control Layer
Instalujemy u Was organizacyjną warstwę kontroli: routing modeli, kontrola wydatków i użycia, fallback i dziennik wykonania. Pracownicy dalej pracują w Claude / Claude Code — bez zmian, bez nowego narzędzia.
Pierwszy proces zdalnie
Wspólnie wybieramy jeden działający proces lokalny i przenosimy go tak, żeby wykonywał się niezależnie od komputera pracownika. Kandydat: proces przeterminowanych zamówień od dostawców.
Kandydat: przeterminowane zamówienia od dostawców (Supplier / Overdue Orders)
Proces cyklicznie identyfikuje przeterminowane zamówienia, kontaktuje się z dostawcą, zbiera odpowiedzi z różnych kanałów i przekazuje wyjątki do człowieka. Jasno zdefiniowany, powtarzalny, z mierzalnym efektem.
Najważniejszy nie jest jednak sam proces. Najważniejsza jest powtarzalna ścieżka — local → remote → kolejne procesy — którą ten pilot ma udowodnić.
Warunki pilota
- Pierwszy proces — bez opłaty za wdrożenie. Selsey pokrywa wyłącznie koszty zmienne: kredyty API i moc obliczeniową.
- Bez zobowiązań z góry. Decyzję o kontynuacji podejmujecie po pilocie, na podstawie wyników.
- Tempo: tygodnie, nie miesiące. Celem pierwszej iteracji jest learning i jeden działający proces, nie projekt infrastrukturalny.
- Podział pracy. Od Was: środowisko dla warstwy i kilka godzin pracownika prowadzącego proces na mapowanie. Od nas: instalacja, konfiguracja, mapowanie i wsparcie w trakcie pilota.
- Najgorszy scenariusz. Proces nie działa jak trzeba i kończymy po pilocie. Koszt: koszty zmienne jednego procesu i kilka godzin pracy — nie miesiące projektu.
- Dane zostają u Was. Warstwa działa na Waszej infrastrukturze — to Wy decydujecie, które modele widzą dane, tak jak dziś.
- Po decyzji „go”. Warunki dla kolejnych procesów ustalamy na podstawie wyników pilota. Konfiguracja i wiedza zostają u Was.
Dodajmy warstwę, zanim pojawią się dziesiątki niezarządzanych agentów.
Koszty AI i zależność od jednego dostawcy rosną z każdym miesiącem adopcji. Łatwiej zbudować organizacyjną warstwę teraz — gdy adopcja jest organiczna, a procesów jest kilka — niż później, gdy trzeba będzie porządkować dziesiątki niezależnych agentów i automatyzacji. Warstwa może powstawać stopniowo, razem z realnymi use case’ami, a nie przed nimi.