YESFOR Framework, autorska metoda oceny gotowości firmy do wdrożenia AI

Dlaczego stworzyliśmy własną metodologię, zamiast używać cudzej

Przez kilka pierwszych miesięcy pracy z polskimi korporacjami pracowaliśmy na frameworkach zewnętrznych: Cisco AI Readiness Index, Microsoft AI Maturity Model, Gartner Maturity Model for AI Adoption. Wszystkie są dobre. Wszystkie mają tę samą wadę.

Żaden nie uwzględnia polskiego kontekstu. A polski kontekst to:

• Inna struktura własności firm (40% średnich firm ma jednego dominującego właściciela)
• Inna kultura zarządzania (krótszy horyzont decyzyjny, większy dystans do zmiany)
• Inny rynek pracy AI (24× mniej specjalistów AI niż w UK, dane Eurostat 2025)
• Inne regulacje (AI Act + RODO + PUODO interpretowane lokalnie)
• Inna baza technologiczna (więcej legacy ERP, mniej cloud-native)
• Inny budżet na pojedynczy projekt (Horvath 2026: 0,35% obrotu na AI w firmach mid-size w EU)

Cudzy framework zaadaptowany do polskich realiów daje wynik "firma jest w 65% gotowa", ale nie mówi na co gotowa. YESFOR Framework powstał z potrzeby, żeby raport audytu kończył się konkretem, nie skalą.

Porównanie YESFOR Framework z istniejącymi metodologiami

Cecha	Cisco AI Readiness Index	Microsoft AI Maturity Model	Gartner Maturity Model	YESFOR Framework
Liczba wymiarów	6	7	5	4 filary × 3 wymiary = 12
Wynik mierzalny 0-100	Pacesetter benchmarking	Stages 1-5	Stages 1-5	Tak, score 0-100
Wagi wymiarów empiryczne	Nie	Nie	Nie	Tak (RAND/MIT/McKinsey)
Polski kontekst	Nie	Nie	Nie	Tak
Open methodology (publicznie udokumentowana)	Częściowo	Częściowo	Nie	Tak
Vendor-agnostic	Tak	Nie (Microsoft-bias)	Tak	Tak
Czas self-assessment	60+ min	90+ min	60 min	30 min

YESFOR nie jest lepszy od Cisco czy Microsoft. Jest inny, zaprojektowany pod konkretny kontekst, w którym pracujemy.

Cztery filary YESFOR Framework

YESFOR rozkłada gotowość firmy do AI na cztery filary. Każdy ma własną wagę w całkowitym score. Wagi nie są arbitralne, wynikają z analizy danych o przyczynach porażek projektów AI.

Filar O, Organization (waga 25%)

Co mierzy: Czy organizacja jako system jest gotowa wesprzeć projekt AI od decyzji do utrzymania.

Trzy wymiary:

1. Sponsoring C-level (0-100), czy konkretna osoba z zarządu jest odpowiedzialna za projekt, czy ma KPI związane z jego sukcesem, czy uczestniczy w monthly reviews
2. Kultura zmiany (0-100), historyczna skuteczność firmy we wdrożeniach transformacyjnych (ostatnie 3 lata), poziom oporu wobec zmian, mechanizmy obsługi konfliktów
3. Governance (0-100), struktura decyzyjna dla projektu AI, jasność ról, częstotliwość przeglądów, eskalacja problemów

Dlaczego waga 25%: RAND 2024 pokazuje, że projekty z trwałym zaangażowaniem zarządu mają 68% szans sukcesu vs 11% przy utracie sponsoringu. Sześciokrotna różnica. Ale sponsoring sam nie wystarczy, dlatego nie 40%.

Filar P, Processes (waga 30%)

Co mierzy: Czy procesy są na tyle uporządkowane, żeby AI miał co usprawniać.

Trzy wymiary:

1. Mapowanie procesów (0-100), ile kluczowych procesów jest faktycznie udokumentowanych (nie według "co powinno być", tylko "jak naprawdę jest"), data ostatniej aktualizacji
2. Standaryzacja (0-100), czy ten sam proces wykonuje się identycznie w różnych zespołach/lokalizacjach, czy każdy ma własną wersję
3. KPI baseline (0-100), czy procesy mają mierzalne wskaźniki (czas, koszt, jakość, satysfakcja), czy te wskaźniki są regularnie zbierane

Dlaczego waga 30%: McKinsey 2025 wykazał, że firmy z wymiernym wpływem AI na EBIT są 2× bardziej skłonne przeprojektować end-to-end procesy zanim wybiorą model. Procesy są warunkiem koniecznym, bez nich AI nie ma czego optymalizować.

Filar S, Systems & Data (waga 30%)

Co mierzy: Czy dane i systemy są w stanie obsłużyć projekt AI od strony technicznej.

Trzy wymiary:

1. Jakość danych (0-100), pięć wymiarów Gartnerowskich (kompletność, spójność, dokładność, aktualność, jednoznaczność) dla danych kluczowych dla projektu
2. Architektura i integracje (0-100), czy systemy są zintegrowane (vs silosy), czy mają API, czy dane można pobierać programowo
3. AI-ready data governance (0-100), wg definicji Gartnera: dopasowanie do use case, ownership zasobów, automated pipelines, live metadata, ciągła kontrola jakości

Dlaczego waga 30%: Informatica CDO Insights 2025 wskazuje, że 43% liderów wskazuje jakość danych jako główną przeszkodę. To największa pojedyncza techniczna przyczyna porażek. Bez danych AI nie ma o co zahaczyć.

Filar Skills, Kompetencje (waga 15%)

Co mierzy: Czy ludzie w organizacji są w stanie wdrożyć, używać i rozwijać AI.

Trzy wymiary:

1. AI Literacy zarządu (0-100), realna znajomość AI w C-level: co to jest, co potrafi, czego nie potrafi, jak czytać business case
2. Change readiness zespołów operacyjnych (0-100), sentyment do AI w działach końcowych, gotowość do pracy z nowymi narzędziami, historia adopcji
3. Retencja kluczowych talentów (0-100), czy firma utrzyma osoby techniczne potrzebne do utrzymania AI po wyjściu konsultanta (capability transfer)

Dlaczego tylko 15%: Bo to filar najszybciej do nadrobienia, szkolenia, change management, rekrutacja. Mimo że 31% pracowników świadomie sabotuje wdrożenia AI (Writer/Workplace Intelligence 2025), to ten filar nie jest blokerem, jeśli pozostałe trzy są w porządku. Kompetencje można dokupić. Kultury organizacji już nie.

Formuła AI Readiness Score

AI Readiness Score = (O × 0.25) + (P × 0.30) + (S × 0.30) + (Skills × 0.15)

Gdzie każda zmienna to średnia ważona trzech wymiarów składowych (0-100).

Skala interpretacji AI Readiness Score

Score	Stan	Co robić
0-30	Niegotowość strukturalna	STOP wdrożeniom AI. Najpierw porządek w procesach i danych. Próba wdrożenia AI = niemal pewna porażka.
31-50	Wstępna gotowość	Możliwe quick wins w pojedynczych procesach. Duże projekty transformacyjne, NIE. Najpierw zbuduj fundamenty.
51-70	Operacyjna gotowość	Można skalować pilotaże do produkcji. Wdrożenia w obszarach najwyższej gotowości. Inne, z dodatkowym przygotowaniem.
71-85	Strategiczna gotowość	Programy enterprise-wide mają sens. Można planować transformację 2-3-letnią z wysokim prawdopodobieństwem sukcesu.
86-100	Pionierska gotowość	Firma jest w top 5% polskiego rynku. Fokus przesuwa się z gotowości na innowację konkurencyjną.

Dlaczego waga 25/30/30/15, a nie inaczej

Decyzja o wagach to najważniejsza decyzja metodologiczna w całym frameworku. Dlatego ją uzasadniamy publicznie.

Co rozważaliśmy

Wariant A, równe wagi (25/25/25/25): Najprostszy, ale ignoruje fakt, że nie każdy filar jednakowo wpływa na sukces. Empiria mówi co innego, odrzucamy.

Wariant B, heavy organization (40/20/30/10): Logiczne, jeśli zarząd nie wspiera, nic się nie uda. Ale dane RAND pokazują, że sam sponsoring (68% sukcesu) nie wystarczy bez procesów i danych. Odrzucamy.

Wariant C, heavy data (15/25/45/15): Klasyczne "data is king". Ale problem nie jest tam, dane można doprowadzić do gotowości w 3-6 miesięcy. Procesów i kultury, nie. Odrzucamy.

Wariant D, wybrany (25/30/30/15): Procesy i dane mają wagę po 30%, bo są największymi pojedynczymi przyczynami porażki według badań. Organizacja 25%, bo sponsoring jest konieczny, ale niewystarczający. Skills 15%, bo to filar najszybciej do nadrobienia.

Empiria stojąca za wagami

Filar	Waga	Główne źródło danych	Kluczowa liczba
Procesy	30%	McKinsey 2025	2× wyższy ROI przy redesignie procesów przed AI
Systems & Data	30%	Informatica CDO 2025	43% liderów wskazuje data quality jako #1 blocker
Organization	25%	RAND 2024	6× różnica sukcesu (68% vs 11%) zależnie od sponsoringu
Skills	15%	Writer/Workplace Intel 2025 + Gartner I&O 2026	31% sabotażu + skills gap jako 38% wskazań porażek

Wagi będą rewidowane co 12 miesięcy w oparciu o nowe badania. Pierwsza rewizja: maj 2027.

Jak przeprowadzić YESFOR Assessment w swojej firmie

Są trzy sposoby. Wybór zależy od tego, jak głęboko chcesz się dowiedzieć.

Sposób 1: AI Readiness Self-Assessment (30 minut, free)

Online quiz na yesfor.ai. 36 pytań (3 wymiary × 4 filary × 3 pytania), odpowiedzi na skali 1-5. Algorytm wylicza wstępny AI Readiness Score i wskazuje 3 obszary największych luk.

Co dostajesz:

• Wstępny score 0-100 dla każdego filaru
• Łączny AI Readiness Score
• Top 3 obszary do natychmiastowej naprawy
• Wstępna rekomendacja: gotowość do wdrożenia AI tak/nie/warunkowo

Czego NIE dostajesz:

• Walidacji wyników (self-reporting bias)
• Mapy procesów
• Business case dla konkretnych use cases
• Roadmapy wdrożeń

Kiedy ma sens: Jako wstępny screening przed decyzją o pełnym audycie. Albo gdy budżet na audyt nie jest jeszcze zatwierdzony i potrzebujesz argumentów dla zarządu.

Sposób 2: YESFOR Assessment Light (1 tydzień, 8-12 tys. PLN)

Krótki audyt zewnętrzny, 2-3 rozmowy z C-level + analiza 2-3 kluczowych systemów. Konsultant yesfor.ai weryfikuje wyniki self-assessment, koryguje bias, dodaje obserwacje z rozmów.

Co dostajesz:

• Zwalidowany AI Readiness Score (różnica vs self-assessment to często 15-25 punktów w dół)
• Krótki raport (15-20 stron)
• Rekomendacje top 5 działań na 90 dni
• Decyzję rekomendacyjną: full audit / quick wins / nie wchodzić w AI teraz

Kiedy ma sens: Mid-market 100-500 osób, pierwsze podejście do AI, ograniczony budżet.

Sposób 3: Pełny audyt z AI Readiness Score (4-8 tygodni, 25-200 tys. PLN)

Pełna procedura opisana w artykule Audyt przedwdrożeniowy AI. AI Readiness Score jest jednym z deliverables, obok mapy procesów, business case'ów i roadmapy.

Kiedy ma sens: Enterprise 500+ osób, budżet wdrożeniowy 500 tys. PLN+, decyzja zarządu wymagana w ciągu kwartału.

Najczęściej zadawane pytania

Dalsze materiały

• Audyt przedwdrożeniowy AI, pełny przewodnik, dlaczego 80% projektów AI się sypie i jak temu zapobiec
• Dlaczego projekty AI w firmach nie działają, analiza 1300+ wdrożeń
• Discovery call z yesfor.ai, 30 minut, rozmowa o Twoim konkretnym kontekście

Źródła metodologiczne

• Ryseff, J., De Bruhl, B. F., Newberry, S. J. (2024). The Root Causes of Failure for Artificial Intelligence Projects. RAND Corporation. Link
• MIT Project NANDA (2025). The GenAI Divide: State of AI in Business 2025.
• McKinsey & Company (2025). Global AI Survey: November 2025.
• Gartner (2026). AI Projects in I&O Stall Ahead of Meaningful ROI Returns.
• Informatica (2025). CDO Insights Survey 2025.
• Writer / Workplace Intelligence (2025). Generative AI in the Enterprise.

YESFOR Framework jest znakiem towarowym yesfor.ai. Metodologia publikowana na licencji CC BY-NC 4.0, wolno cytować z atrybucją, użycie komercyjne wymaga licencji.