YESFOR Framework, autorska metoda oceny gotowości firmy do wdrożenia AI, yesfor

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:

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
Kultura zmiany (0-100), historyczna skuteczność firmy we wdrożeniach transformacyjnych (ostatnie 3 lata), poziom oporu wobec zmian, mechanizmy obsługi konfliktów
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:

Mapowanie procesów (0-100), ile kluczowych procesów jest faktycznie udokumentowanych (nie według "co powinno być", tylko "jak naprawdę jest"), data ostatniej aktualizacji
Standaryzacja (0-100), czy ten sam proces wykonuje się identycznie w różnych zespołach/lokalizacjach, czy każdy ma własną wersję
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:

Jakość danych (0-100), pięć wymiarów Gartnerowskich (kompletność, spójność, dokładność, aktualność, jednoznaczność) dla danych kluczowych dla projektu
Architektura i integracje (0-100), czy systemy są zintegrowane (vs silosy), czy mają API, czy dane można pobierać programowo
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:

AI Literacy zarządu (0-100), realna znajomość AI w C-level: co to jest, co potrafi, czego nie potrafi, jak czytać business case
Change readiness zespołów operacyjnych (0-100), sentyment do AI w działach końcowych, gotowość do pracy z nowymi narzędziami, historia adopcji
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.