AI Center of Excellence – jak zbudować od zera w 90 dni (przewodnik dla zarządu)

AI CoE nie jest dla każdej organizacji w każdym momencie. Triggery, które uzasadniają jego utworzenie: (1) 3+ udane pilots AI w portfolio (proof of concept że AI ma potencjał); (2) plany na 5+ równoległych projektów AI w następnych 12 miesiącach; (3) mounting governance concerns (AI Act compliance, multiple shadow AI, data security issues); (4) executive sponsorship dla AI jako strategic priority.

Bez tych triggerów CoE staje się premature optimization. Organizacja, która ma 1 pilot AI i ustanawia CoE z 10 osobami, prawdopodobnie marnuje budżet. Lepsza ścieżka: 1-2 udane pilots → AI Steering Committee → CoE.

Realistyczna skala organizacji dla CoE: 200+ osób (small CoE 3-5 osób) lub 500+ osób (typowy CoE 8-12 osób). Mniejsze organizacje są bardziej efektywne z 1-2 dedicated AI engineerów reportującymi do CTO bez formalnego CoE.

Pierwsza i najważniejsza decyzja: czy CoE jest centralized (wszystkie AI capabilities zlokalizowane w CoE, działy zlecają im pracę) czy federated (small core CoE + AI champions w każdym dziale).

Centralized model: CoE jest mini-software house w organizacji. Dział finansów chce AI w fakturowaniu → zleca CoE → CoE buduje. Pro: spójność architektoniczna, scale economies. Con: bottleneck CoE, słaby ownership w działach, ryzyko 'AI ghetto'.

Federated model: CoE 5-8 osób dostarcza shared services (governance, infrastructure, training). Każdy dział ma 1-2 'AI champions' — pracownicy działu, którzy uczą się AI tooling i prowadzą AI projects w swoim dziale. Pro: szybsze decyzje, ownership, distributed expertise. Con: variability jakości, more coordination.

W 80% przypadków federated wygrywa dla organizacji 200-2000 osób. Centralized ma sens tylko w bardzo specyficznych scenariuszach (highly regulated industries, very early AI maturity, ekstremalna potrzeba consistency).

Typowy CoE w federated modelu ma 5-12 osób z określonymi rolami. Każda rola ma własną odpowiedzialność i typowy profil kandydata.

Head of AI / AI Director (1): lider CoE, raportuje do CEO lub CTO. Senior z 10+ lat experience, mix technical i business. Odpowiada za AI strategy, AI Roadmap, executive communication.

AI Architect (1-2): odpowiedzialny za architecture decisions, technology choices, integration patterns. Senior engineer z deep AI expertise (LLMs, agents, RAG, MLOps).

AI Governance Lead (1): odpowiedzialny za AI policy, AI Act compliance, risk management. Mix prawne + technical understanding. Coraz ważniejsza rola od 2026.

AI Engineers (2-4): odpowiedzialni za shared infrastructure (RAG platform, agent framework, observability stack). Senior do mid-level engineers, nie juniors.

AI Product Manager (1): odpowiedzialny za priorytyzację projektów, alokacja zasobów CoE, KPI tracking. Mix product + AI understanding.

Plus: 1-2 osoby na enablement (trainings, internal docs, community building) zależnie od skali.

AI Steering Committee to grupa decyzyjna z executive sponsors, która nadzoruje strategiczne kierunki AI w organizacji. Typowy skład: CEO lub COO (sponsor), CTO, CFO, Head of AI, 2-3 business unit leaders. Cadence: comiesięczne 90-minutowe meetings.

Odpowiedzialność Steering Committee: zatwierdzanie AI Roadmap kwartalnie, autoryzacja dużych projektów (powyżej 500 tys. zł), decyzje o major architecture changes, governance reviews, escalation rezolution.

Bez Steering Committee CoE wpada w pułapkę 'consultancy without authority' — robi pracę, ale decyzje są blokowane lub revisited. Steering Committee daje CoE political cover dla difficult decisions (decline projects, reject vendors, enforce governance).

Najczęstsza porażka AI CoE: bez clear charter, mandate i KPI po 12 miesiącach jest rozpuszczone jako 'niedostarczające wartości'. Te 3 elementy muszą być ustalone w pierwszych 90 dniach.

Charter: 1-page dokument odpowiadający na 'co CoE robi, czego nie robi'. Co robi: AI strategy, shared infrastructure, governance, enablement. Czego NIE robi: nie ma 'magic AI solutions' dla działów — działy ownerują own projects. Bez tej granicy CoE jest zalewany niemożliwymi requests.

Mandate: explicit authority od Steering Committee. CoE może: blokować non-compliant projects, wymagać governance reviews przed deploymentem, allocate shared resources. Bez mandate decisions są kwestionowane.

KPI: 5-7 metryk mierzących real value CoE. Top KPIs: (1) Number of AI projects in production (target +X/year); (2) Time-to-pilot for new AI use cases; (3) AI cost as % of business revenue; (4) Number of trained employees; (5) Governance audit findings (zero tolerance for AI Act gaps). KPIs raportowane kwartalnie do Steering Committee.

Praktyczna 90-dniowa roadmapa setup CoE.

Dni 1-30: foundations. Steering Committee setup (recruitment members + first meeting). Head of AI hiring decision (internal promote vs external hire). CoE charter draft + iteration. Initial AI Roadmap mapping (które projekty CoE prowadzi, które supports). AI governance framework draft.

Dni 31-60: capability building. Recruitment kluczowych ról (AI Architect, AI Governance Lead). Selection technology stacka dla shared infrastructure. Pilot AI Project Review process dla 2-3 existing projects. Training plan dla AI champions w działach.

Dni 61-90: operationalization. Full team operating. First quarterly Steering Committee meeting. AI Project Review process active dla wszystkich new projects. First wave AI champions trained (5-10 osób z różnych działów). KPI tracking dashboard active.

Po 90 dniach: review z Steering Committee. Adjustment na bazie learnings. Plan na quarter 2.

Po prowadzeniu kilkunastu setup CoE widzimy powtarzające się błędy. Świadomość tych błędów = avoidance.

Błąd #1: za duży team na start. CoE 15+ osób w pierwszym roku to recipe na porażkę. Start small (5-8), scale based on demonstrated value.

Błąd #2: technical-only leadership. Head of AI z czysto technical background bez business understanding nie umie engage z Steering Committee. Mix technical + business jest critical.

Błąd #3: brak quick wins w pierwsze 90 dni. CoE bez visible early wins traci momentum. Plan 2-3 small but visible quick wins (np. internal AI policy launch, first cross-functional AI training).

Błąd #4: ignoring change management. CoE bez champion network w działach jest izolowany. Invest w champion recruitment i training od dnia 30.

Błąd #5: governance jako afterthought. Dodanie governance po 6 miesiącach = retrofit chaos. Build in governance od dnia 1.