Model dojrzałości adopcji AI
Od oporu do orkiestracji - 11 poziomów wykorzystania AI w organizacji. Sprawdź, na którym etapie jesteś Ty i Twój zespół.
Od oporu do orkiestracji - 11 poziomów wykorzystania AI w organizacji. Sprawdź, na którym etapie jesteś Ty i Twój zespół.
Mapa poziomów
| Faza | Poziom | Nazwa | Jednym zdaniem |
|---|---|---|---|
| Start | 0 | Opór | Brak kontaktu z AI |
| Start | 1 | Podstawowy czat | Pytanie → odpowiedź |
| Świadome użycie | 2 | Świadome promptowanie | Jakość inputu = jakość outputu |
| Świadome użycie | 3 | Frameworki | CRISP, CoT, few-shot |
| Świadome użycie | 4 | Instrukcje niestandardowe | Custom instructions, system prompts |
| Kontekst i wiedza | 5 | Pliki kontekstowe | README, AGENTS.md, claude.md |
| Kontekst i wiedza | 6 | Zaawansowane instrukcje | Reguły zachowań i granic |
| Kontekst i wiedza | 7 | Skille i bazy wiedzy | Wiedza domenowa + umiejętności |
| Kontekst i wiedza | 8 | Narzędzia i MCP | Integracja z systemami |
| Autonomia | 9 | Agentowy workflow | Cel → autonomiczna realizacja |
| Autonomia | 10 | Orkiestracja | Zespół agentów + koordynator |
Faza 0-1: Start
Poziom 0 - Opór / brak adopcji
Brak kontaktu z narzędziami AI.
Użytkownik nie korzysta z AI - z powodu braku wiedzy, obaw lub świadomej decyzji. Często towarzyszy temu lęk przed utratą pracy lub nieufność wobec technologii. To naturalny punkt startowy - kluczowa jest edukacja i budowanie zaufania, nie wymuszanie.
Poziom 1 - Podstawowy czat
Pytanie → odpowiedź.
Pierwsza interakcja z AI w formie prostego Q&A. Użytkownik traktuje model jak wyszukiwarkę - wpisuje pytanie, dostaje odpowiedź. Wartość jest już realna, ale potencjał wykorzystany minimalnie.
Nawet eksperci wracają tutaj - i to jest OK. Prosty czat to nie wstyd, to narzędzie.
Co wyróżnia tę fazę:
- Pierwszy kontakt z technologią - od zera do „o, to działa”.
- Kluczowa bariera to emocje, nie umiejętności.
- Sukces = przełamanie oporu i pierwsze pozytywne doświadczenie.
Faza 2-4: Świadome użycie
Poziom 2 - Świadome promptowanie
Jakość inputu wpływa na jakość outputu.
Użytkownik zauważa, że sposób sformułowania zapytania ma znaczenie. Pojawia się nadawanie roli („jesteś QA, napisz testy”), kontekstu i oczekiwań. To przełomowy moment - świadomość, że AI to narzędzie, które trzeba dobrze instruować.
Poziom 3 - Frameworki i prompt engineering
Systematyczne podejście do promptowania.
Zastosowanie sprawdzonych frameworków (np. CRISP, chain-of-thought, few-shot learning). Ustrukturyzowane szablony promptów, powtarzalne procesy.
Tu zatrzymuje się większość organizacji wdrażających AI. Frameworki dają świetne wyniki - ale to dopiero początek drogi.
Poziom 4 - Instrukcje niestandardowe
Personalizacja i oszczędność tokenów.
Custom instructions, system prompts, ustawienia per-projekt. Użytkownik nie powtarza za każdym razem tych samych instrukcji - model „wie” kim jest, jak ma pisać, czego unikać. Początek świadomego zarządzania kontekstem i optymalizacji kosztów.
Co wyróżnia tę fazę:
- Przejście od „klikam i patrzę” do świadomego sterowania modelem.
- Kluczowa bariera to wiedza - trzeba poznać techniki promptowania.
- Sukces = powtarzalne, wysokiej jakości wyniki z AI.
Faza 5-8: Kontekst i wiedza
Poziom 5 - Pliki kontekstowe
README, AGENTS.md, claude.md - kontekst per-projekt.
Agenci AI otrzymują pliki opisujące projekt: co budujemy, jaka jest struktura, jakie konwencje obowiązują. Uruchamiasz agenta w danym katalogu i on już wie, co robić. Oddzielenie wiedzy od promptu - kontekst żyje przy projekcie, nie w głowie użytkownika.
Poziom 6 - Zaawansowane instrukcje agentów
Definicja zachowań, reguł i granic działania.
Nie tylko „co robić”, ale „jak się zachowywać”. Agent ma zdefiniowane zasady: kiedy pytać, kiedy działać autonomicznie, jak raportować, czego nie robić. To różnica między prostym README a pełną specyfikacją roli - jak onboarding nowego członka zespołu.
Poziom 7 - Skille i bazy wiedzy
Wyspecjalizowane umiejętności i wiedza domenowa.
Agent ma dostęp do dedykowanych umiejętności (np. generowanie raportów w określonym formacie) i baz wiedzy (dokumentacja, standardy firmy, dane historyczne). Nie wymyślamy koła na nowo przy każdej sesji - wiedza jest zorganizowana i dostępna.
Poziom 8 - Narzędzia, MCP i konektory
Integracja z zewnętrznymi systemami.
Agent nie tylko „pisze” - korzysta z narzędzi: przeszukuje Slacka, tworzy zadania w Jira, czyta maile, odpytuje API. MCP (Model Context Protocol) i konektory pozwalają na interakcję ze światem zewnętrznym. To skok od „asystenta w czacie” do „członka zespołu z dostępem do systemów”.
Co wyróżnia tę fazę:
- Przejście od jednorazowych promptów do trwałej wiedzy przy projekcie.
- Kluczowa bariera to architektura - jak zorganizować kontekst, skille i narzędzia.
- Sukces = agent, który rozumie projekt bez powtarzania instrukcji.
Faza 9-10: Autonomia
Poziom 9 - Agentowy workflow
Cel → autonomiczne planowanie i realizacja.
Agent otrzymuje cel wysokopoziomowy i sam planuje kroki do jego realizacji. „Przygotuj release notes na podstawie ostatnich commitów” - i agent sam sprawdza repo, analizuje zmiany, pisze notatki.
Paradoks: użytkownik wraca do „prostego pytania” z poziomu 1 - ale cała machina pod spodem jest zupełnie inna.
Poziom 10 - Orkiestracja wieloagentowa
Zespół agentów z koordynatorem.
Wielu agentów, każdy ze swoją specjalizacją: jeden analizuje, drugi koduje, trzeci robi review, czwarty pisze testy. Orkiestrator koordynuje ich pracę, zarządza kolejnością i rozwiązuje konflikty. To model pracy zespołowej - ale z agentami AI jako członkami zespołu.
Co wyróżnia tę fazę:
- Przejście od „ja używam AI” do „AI pracuje jako zespół”.
- Kluczowa bariera to zaufanie - oddanie kontroli wymaga dojrzałości.
- Sukces = autonomiczny system agentów realizujący złożone cele.
Opracowanie: Grzegorz Holak - AI Ambassador, SCIB. Pierwotna publikacja: holak.net.pl.