Blog JSystems - uwalniamy wiedzę!
Blog JSystems - uwalniamy wiedzę!
Zespół już korzysta z ChatGPT, tyle że każdy na własnym, prywatnym koncie. Ktoś wkleja fragment umowy, ktoś inny dane klienta, a dział prawny pyta, gdzie to wszystko trafia. To najczęstszy punkt, w którym firma dojrzewa do przejścia na licencję firmową. W tym artykule pokażemy, co realnie daje ChatGPT Business (plan dla organizacji): jak wygląda panel administratora, na czym stoi bezpieczeństwo danych i zgodność z RODO, jak dobierać modele z rodziny GPT-5, jak budować własne Custom GPT, podłączać firmowe systemy i projektować agentów AI. Żeby nie zostać na poziomie teorii, uruchomiliśmy prawdziwy plan ChatGPT Business - wszystkie zrzuty panelu administratora poniżej pochodzą z żywego środowiska.
Jeśli dopiero poznajesz możliwości narzędzia na koncie prywatnym, dobrym punktem wyjścia jest nasz artykuł Jak wycisnąć 100% z ChatGPT. Tutaj idziemy o poziom wyżej i patrzymy na ChatGPT oczami firmy, która chce go wdrożyć u wszystkich pracowników w sposób bezpieczny i kontrolowany.
Na kontach prywatnych każdy pracownik działa osobno, poza jakąkolwiek kontrolą firmy. Nie wiadomo, kto z narzędzia korzysta, jakie dane do niego trafiają ani co się z nimi dzieje, gdy pracownik odchodzi. ChatGPT Business odwraca tę sytuację: tworzy jedną firmową przestrzeń roboczą (workspace), do której zapraszasz pracowników na adresy służbowe, a nad całością czuwa administrator.
Najważniejsza różnica dotyczy danych. W planie firmowym dane z rozmów domyślnie nie są używane do trenowania modeli. Do tego dochodzą: panel administratora, umowa powierzenia przetwarzania danych, logi użycia oraz możliwość publikowania własnych agentów dla całego zespołu. Poniższe zestawienie porządkuje najważniejsze różnice.
To nie jest wyłącznie kwestia większego limitu wiadomości. Przechodząc na plan firmowy, przenosisz korzystanie z AI z szarej strefy prywatnych kont do środowiska, które da się rozliczyć, skonfigurować i objąć polityką bezpieczeństwa. Decyzja przypomina tę, którą firmy podejmują wobec pakietu Microsoftu. Jeśli porównujesz oba światy, przyda się nasz tekst Czy warto wdrażać Microsoft Copilot, gdzie rozkładamy na czynniki pierwsze najczęstsze wątpliwości zarządu.
Sercem wdrożenia jest panel administratora (konsola zarządzania organizacją). To w nim decydujesz, kto należy do firmowej przestrzeni, jakie ma uprawnienia i do jakich danych może sięgać. Poniżej prawdziwy widok tej konsoli w naszej testowej przestrzeni. Po lewej stronie widać pełną nawigację: członkowie, uprawnienia i role, płatności, modele, wtyczki, aplikacje, analityka, tożsamość i dostęp, tokeny, Codex, grupy oraz agenci.
W praktyce administrator robi kilka rzeczy, które w świecie kont prywatnych po prostu nie istnieją. Zaprasza i usuwa użytkowników, więc dostęp do narzędzia gaśnie razem z odejściem pracownika. Nad przydziałem stanowisk czuwa osobny widok - widać, ile stanowisk jest wykupionych, ile przypisanych i kto ma jaką rolę.
Uprawnienia da się kontrolować bardzo drobiazgowo. W naszej przestrzeni panel wylicza 28 przełączników: od tego, czy pracownicy mogą tworzyć osobiste tokeny dostępowe, przez lokalny dostęp do narzędzi Codex i Work, po nagrywanie i transkrypcję spotkań. To jest właśnie różnica między rolą (kim jesteś w organizacji) a uprawnieniem (co konkretnie wolno Ci zrobić).
Zamiast ufać, że wszyscy korzystają z AI rozsądnie, dostajesz też analitykę (zapis, kto i kiedy używał narzędzia). To zwykle pierwsze pytanie działu bezpieczeństwa. W świeżej przestrzeni liczniki pokazują zera, ale widać dokładnie, co jest mierzone: aktywni użytkownicy, wysłane wiadomości, wykorzystane kredyty oraz osobne analizy dla Codeksa.
Dane w analityce pojawiają się z opóźnieniem: te liczniki odświeżają się raz na dobę (mniej więcej co 24 godziny), więc rozmowy przeprowadzone dziś zobaczysz w statystykach dopiero następnego dnia. Opóźnienie dotyczy wyłącznie zliczonych statystyk użycia - sama historia rozmów zespołu jest widoczna od razu.
Same liczby w analityce sumują się raz na dobę, więc świeża przestrzeń pokazuje zera aż do pierwszego pełnego dnia pracy. Historia rozmów zespołu jest jednak widoczna od razu - poniżej ta sama przestrzeń Business już w użyciu, z prawdziwymi wątkami. Obok zadań biurowych trafiło się też kilka pytań mniej poważnych, bo tak wygląda prawdziwe firmowe konto, a nie wypolerowana prezentacja.
To jest pytanie, które na sali szkoleniowej pada zawsze jako pierwsze: czy dane, które wpiszemy, posłużą do trenowania modelu i gdzie one w ogóle trafiają. Zamiast opierać się na deklaracjach, poprosiliśmy ChatGPT o sprawdzenie aktualnej dokumentacji OpenAI. Odpowiedź, wraz z odnośnikami do źródeł, widać poniżej.
Z materiałów OpenAI wynika kilka konkretów, które warto znać przed rozmową z działem prawnym:
Ważne rozróżnienie, o którym łatwo zapomnieć: zdanie "nie trenujemy na Twoich danych" to nie to samo co "nie przetwarzamy ich wcale". Dane muszą być przetwarzane, żeby usługa w ogóle działała. Dlatego z punktu widzenia RODO liczą się umowa powierzenia, zasady retencji, kontrola dostępu oraz wewnętrzna polityka firmy dotycząca tego, jakie dane pracownicy mogą wprowadzać. Poniżej pokazujemy pięć filarów, na których stoi ochrona danych w planie firmowym.
Ta ostatnia część - kontrola dostępu - dzieje się w panelu administratora. W sekcji Tożsamość i dostęp firma weryfikuje własne domeny, konfiguruje logowanie jednokrotne (SSO, czyli jedno firmowe logowanie do wszystkich narzędzi) i decyduje o automatycznym zakładaniu kont dla osób z zaufanej domeny. To domena działu IT, ale warto wiedzieć, że takie mechanizmy w ogóle istnieją.
W ChatGPT nie wybiera się już modelu z długiej listy nazw. Zamiast tego regulujesz wysiłek myślenia: od trybu błyskawicznego, który odpowiada natychmiast, po tryby, które poświęcają więcej czasu na przemyślenie odpowiedzi. Poniżej realny widok tego wyboru w oknie rozmowy.
Dobór trybu do zadania to najtańsza optymalizacja jakości i czasu, jaką masz pod ręką. Prosta zasada: im ważniejsza i bardziej wieloetapowa decyzja, tym więcej myślenia warto włączyć. Do szybkich odpowiedzi wystarcza tryb błyskawiczny, a do zadań programistycznych jest osobny tryb pracy z kodem. Poniżej zebraliśmy to w jedną ściągę.
W wersji firmowej dochodzi jeszcze jedna warstwa. To administrator ustala domyślny model i wysiłek myślenia dla całej organizacji - i to osobno dla zwykłego czatu oraz dla trybu Work i Codeksa. Dzięki temu pracownicy nie muszą się zastanawiać, a firma pilnuje rozsądnego balansu między jakością a kosztem.
Nie trzeba znać wnętrza modelu, żeby dobrze go używać, ale odrobina intuicji pomaga. Jeśli chcesz zrozumieć, skąd w ogóle biorą się odpowiedzi AI, polecamy nasz przystępny artykuł Jak działa LLM. Na szkoleniu ChatGPT Business - wdrożenie w firmie: bezpieczeństwo, administracja i agenci AI pokazujemy dobór trybów na żywych przykładach z pracy biurowej, żeby każdy uczestnik od razu wiedział, kiedy sięgnąć po który.
ChatGPT to nie tylko okno czatu. Potrafi tworzyć edytowalne dokumenty, które da się poprawiać, kopiować i pobierać, przeszukiwać internet w poszukiwaniu aktualnych informacji oraz pamiętać kontekst rozmowy. Dobrym przykładem jest firmowy regulamin AI. Poprosiliśmy o gotowy dokument i otrzymaliśmy go w formie, którą można od razu edytować.
Powstał kompletny szkielet firmowej polityki: chroń dane poufne, chroń dane osobowe klientów zgodnie z RODO, weryfikuj odpowiedzi, nie traktuj AI jako ostatecznego decydenta, korzystaj z zatwierdzonego konta firmowego oraz zgłaszaj incydenty i wątpliwości. To materiał, który dział bezpieczeństwa dopracowuje w kilkanaście minut, zamiast pisać od zera. Warto pamiętać o jednej z tych zasad podczas czytania całego artykułu: odpowiedzi AI zawsze weryfikujemy, bo model potrafi podać informację niepełną lub błędną.
Custom GPT (własny agent zbudowany na bazie ChatGPT) to sposób, żeby zamknąć wiedzę i zasady firmy w jednym, powtarzalnym asystencie. Zamiast tłumaczyć modelowi za każdym razem, kim jest i czego ma pilnować, opisujesz to raz w jego konfiguracji. Samo budowanie własnych GPT i agentów bezpośrednio w ChatGPT rozłożyliśmy na czynniki w artykule Jak wycisnąć 100% z ChatGPT. Poniżej realny widok kreatora z wypełnionym przykładem asystenta wiedzy firmowej.
Najważniejsze pole to instrukcje (systemowy opis zachowania agenta). To tam ustalasz, na jakiej podstawie agent odpowiada, czego mu nie wolno i jakim tonem ma mówić. Tej treści nie trzeba wymyślać w głowie, można ją wkleić i dopasować. Poniżej dokładnie te instrukcje, których użyliśmy na powyższym zrzucie:
Dwie rzeczy w tych instrukcjach są kluczowe dla firmowego zastosowania. Po pierwsze, ograniczenie odpowiedzi do wgranych dokumentów, żeby agent nie zmyślał. Po drugie, jawne pozwolenie na powiedzenie "nie wiem", bo w obsłudze klienta błędna pewność bywa groźniejsza niż uczciwe odesłanie do człowieka. Sekcja Wiedza pozwala dołączyć pliki z procedurami i ofertą. Jeśli chcesz pójść w tym kierunku bez pisania kodu, rozwijamy temat w artykule Własny RAG bez kodowania. Nad samą treścią instrukcji warto z kolei popracować według wskazówek z tekstu Prompt engineering - techniki 2026.
W firmie dochodzi kontrola administratora. W panelu decyduje on, czy pracownicy mogą używać modeli GPT spoza organizacji, komu wolno publikować Custom GPT i kto ma do nich dostęp. Dzięki temu z wygodnego triku jednej osoby robi się firmowe narzędzie, spójne i nadzorowane.
Agent oparty tylko na wgranych plikach jest przydatny, ale prawdziwą wartość odblokowują konektory (wtyczki łączące ChatGPT z systemami firmy). Dzięki nim asystent sięga po dokumenty i sprawy tam, gdzie one naprawdę żyją. W panelu administratora widać gotową listę konektorów, każdy z osobnym statusem i zasadami instalacji.
Coraz częściej takie połączenia odbywają się przez MCP (Model Context Protocol), czyli wspólny standard łączenia AI z danymi i narzędziami. Konektory włącza i konfiguruje administrator, więc to nie jest furtka, którą każdy pracownik otwiera sobie sam. Efekt jest taki, że ChatGPT odpowiada na podstawie realnych, aktualnych dokumentów firmy, a nie tylko ogólnej wiedzy z internetu. Sam protokół MCP wart jest osobnego omówienia, bo szybko staje się standardem w firmowym AI. Rozkładamy go na części w artykule MCP - czym jest i dlaczego zmieni AI w firmach.
Kiedy masz już panel administratora, jasne zasady bezpieczeństwa i sposób na podłączenie danych, ostatni krok to projektowanie agentów AI pod konkretne procesy. Agent to nie magia, tylko połączenie trzech rzeczy: jasno postawionego celu, instrukcji oraz danych firmy, udostępnione zespołowi. Poniżej ten sam schemat w formie przepływu.
Najlepsze wdrożenia nie zaczynają się od pytania "co by tu zautomatyzować", tylko od najczęstszego, powtarzalnego zadania w danym dziale. Dla działu obsługi będzie to odpowiadanie na typowe pytania na podstawie procedur. Dla działu handlowego przygotowanie oferty według firmowych standardów. Dla działu HR odpowiadanie na pytania o regulaminy. Po pomysły na konkretne zastosowania warto zajrzeć do naszego przeglądu 10 zastosowań agentów AI w polskich firmach, gdzie pokazujemy realne przykłady z ekranami.
Wróćmy do planu, od którego zaczęliśmy ten artykuł. Sensowna kolejność wdrożenia wygląda tak: najpierw analiza, do czego w ogóle chcecie używać AI, potem utworzenie firmowej przestrzeni i zaproszenie zespołu, następnie ustalenie polityki bezpieczeństwa i klasyfikacji danych, a na końcu pilotaż na małej grupie i pierwszy Custom GPT rozwiązujący realny problem. Dopiero wtedy skalujecie rozwiązanie na całą organizację.
Najczęstszy błąd to kupienie licencji bez pomysłu na konkretne zastosowania oraz start bez jasnych zasad, jakie dane wolno, a jakich nie wolno wprowadzać. Oba te ryzyka widać zresztą w tabeli z początku artykułu. Dobrze poprowadzone wdrożenie zamienia rozproszone eksperymenty pojedynczych osób w spójne, bezpieczne narzędzie, z którego korzysta cała firma i które oszczędza pracownikom sporo czasu każdego dnia.
Komentarze (0)
Brak komentarzy...