AI Governance jest tanie. Czy rzeczywiście?

Michał Nowakowski · 4 września 2026

AI Governance jest tanie. Relatywnie i pod warunkiem, że mówimy o warstwie dokumentowej (organizacyjnej), ale co z jego operacjonalizacją? Czy da się to jakoś sensownie oszacować i czy przypadkiem koszt techniczny nie doprowadzi nas do bankructwa?

W jednym z ostatnich postów przedstawiłem "zgrubną" analizę kosztów przygotowania fundamentów pod AI Governance, które wyznaczą nam kierunek działania, ale nie zapewnią nam, że wszystko będzie działać. Koszty operacyjne mają dwojaki charakter i dotyczą:

🧠 warstwy organizacyjnej, w tym zatrudnienia ludzi i realizacji określonych procesów (czasem manualnych, czasem technicznych) oraz

🛠️ warstwy technicznej, którą możemy podzielić na część wdrożeniową i część utrzymania - jak to z oprogramowaniem bywa.

Jako, że w ostatnim poście pojawiły się pytania o tę drugą warstwę, to wracam z pierwszą częścią rozważań :)

Decydując się na określony wariant powinniśmy uwzględnić przede wszystkim specyfikę naszej firmy, jej zapotrzebowanie na AI, poziom ryzyka oraz realne możliwości związane także z obsługą. Dodatkowo dochodzi do tego ważna decyzja - ✅ czy korzystamy z gotowych rozwiązań czy też developujemy własne, np. na bazie open source ❌. Innymi słowy musimy zastosować zasadę proporcjonalności.

Mało tego, musimy mieć świadomość, że do tego dochodzą koszty obsługi "infrastrukturalnej" 💻 , które mogą iść zupełnie innym budżetem, np. dla danej linii biznesowej. Nie można jednak tego ignorować szacują potrzebny cash. Nie bierzemy też tutaj pod uwagę kosztów obsługi danych, które zazwyczaj są ponoszone przez działy data governance / management lub zespoły produktowe.

To z jakich rozwiązań nasza organizacja już korzysta jest też bardzo istotne, bowiem wiele z narzędzi będziemy musieli pointegrować, np. jeżeli korzystamy z jakieś platformy GRC, która odpowiada za wiele z elementów pokrywających się lub zazębiających z AI Governance. W IT wiele z narzędzi jest też już wykorzystywana (niekiedy, niestety, w ramach shadow IT), a nam będzie zależało, aby wszystko ze sobą "hulało".

Istotne będzie także jaką część zadań przekazujemy do obszaru manualnego, a ile automatyzujemy. Do tego mogą dojść koszty obsługi operacyjnej "AI Act", no bo tego jednak on od nas wymaga, jeżeli jesteśmy dostawcą lub podmiotem stosującym systemy wysokiego ryzyka. Przykład? Automatyczne zbieranie logów czy informacji o incydentach, ale także system zarządzania jakością.

Jest jeszcze sfera bezpieczeństwa. Ta - w dobie AI - jest szczególnie istotna, ale też dość kosztowna. Temu poświęcę odrębny post, bo warto to powiązać z ustawą o krajowym systemie cyberbezpieczeństwa 🔐.

To oczywiście pewne uproszczenie i uśrednienie. Można stworzyć (i chętnie podejmę się tego z GovernedAI!) platformę "made-to-measure" i wtedy koszt może się nam rozciągnąć w czasie, bo development też możemy robić etapami.

Źródło infografiki: dane własne i wsparcie modelu Fable 5.1. Jeżeli dostrzegacie błędy, to dajcie znać!