Widzę, że w firmach dyskusja o AI często nie zaczyna się od „który model AI jest najlepszy?”, tylko „jak nad tym zapanować?”. Badania pokazują, że użytkownicy za zgodą IT, czy też bez nadzoru IT, korzystają z różnych dostępnych narzędzi AI lub dedykowanych aplikacji z AI do tworzenia np. obrazów czy prezentacji.
Często rozstrzygnięcie wcale nie polega na stwierdzeniu, że jeśli pracujemy na M365 to Copilot będzie najlepszy. Praktyka pokazuje, że trzeba się przygotować do wykorzystania różnych modeli AI dla różnych scenariuszy. Zaplanować należy też szkolenie użytkowników w celu ich wyedukowania, co można, a co nie jest wskazane, jeśli chodzi o kopiowanie danych do używanych modeli. Niezbędne jest również dokonanie aktualizacji polityki bezpieczeństwa i wprowadzenie reguł i zasad korzystania z AI.
Zastanówcie się „gdzie pracujemy i jak chronimy dane?”. Poniżej praktyczne porównanie 4 najczęściej rozważanych opcji AI dedykowanych bardziej do aplikacji łączących się z Twoim środowiskiem biurowym, niż rozważaniem, jaki model postawić w organizacji z krótkimi plusami i minusami:
1) Microsoft Copilot ze wskazaniem na pracę w M365
Najlepszy, gdy: organizacja działa w Outlook/Teams/SharePoint/OneDrive i chce AI „wbudowane” w codzienną pracę.
Zalety:
- działa na danych, do których użytkownik już ma dostęp (np. Exchange, SharePoint, Teams
- ochrona krytycznych zasobów: prompty i odpowiedzi objęte są tymi samymi warunkami ochrony danych, co M365 (w praktyce: ten sam „compliance boundary”) – trzeba jednak pamiętać, że wiele organizacji włącza licencję Copilot bez przygotowania PureView DLP i zasad dostępu. Potrzebna jest najpierw inwentaryzacja i wykluczenie najbardziej krytycznych danych
- naturalna adopcja: AI pojawia się tam, gdzie ludzie już pracują (Word/Excel/PowerPoint/Teams). W mojej opinii to mocna zaleta, chociaż pierwsze użycia w niektórych aplikacjach Office trochę mnie zawiodły.
Wady:
- Jakość wyniku zależy od porządku w uprawnieniach (SharePoint/Teams): jeśli dostęp jest „rozlany”, Copilot to tylko uwidoczni.
- Mocno ekosystemowy: największą przewagę ma w środku M365, całkowicie mija się z celem kupowanie tej licencji jeśli nie masz integracji z M365. Zdarzały nam się próby testowania Copilota dla separowanego tenanta, ale tam nie było danych firmowych więc użycie było słabsze niż przy ChatGPT
2) Google Gemini
Gemini najwięcej zyskuje przy integracji z Google Workspace, ale może działać też jako osobne narzędzie. W rankingach jakości modeli jest wysoko oceniane, ale oceny zmieniają się z miesiąca na miesiąc (warto zerkać na LLM Arena pod konkretne zadania).
Zalety:
- Google deklaruje, że dane i interakcje w domenie firmowej nie są używane do trenowania modeli poza domeną bez zgody oraz nie są udostępniane na zewnątrz organizacji.
- Dziedziczy istniejące mechanizmy kontroli bezpieczeństwa z Workspace (m.in. DLP/IRM i polityki bezpieczeństwa)
- Coraz mocniejsza warstwa „enterprise” (m.in. podejście agentowe i aplikacje w Gemini for Workspace).
- Bardzo mocny do generowania obrazów (NanoBanana).
Wady:
- przy zwykłym dostępie (bez integracji z Workspace) nie dostajesz kontekstu firmowego z M365
- jest to „drugi dopuszczony model” zamiast ChatGPT, a nie pełny zamiennik Copilota
3) ChatGPT (Business/Enterprise)
Najlepszy, gdy: potrzebujesz mocnego „uniwersalnego” asystenta do pisania, analizy, researchu, prototypowania niezależnie od pakietu biurowego. Wiele osób prywatnie od niego właśnie zaczynała. Często są więc spotykane scenariusze, że jeśli brak jest polityki wykorzystania narzędzi AI, użytkownicy tam właśnie pracują na swoich prywatnych kontach.
Zalety:
- Jasne deklaracje enterprise: brak trenowania na danych biznesowych „domyślnie”, szyfrowanie oraz zgodność/atesty (m.in. SOC 2 Type 2) komunikowane przez OpenAI
- Wszechstronność: świetny do pracy poza dokumentami biurowymi (strategie, analizy, kod, syntetyzowanie wiedzy).
- Funkcje pracy zespołowej i administracji w planach Business/Enterprise (workspace, kontrola dostępu, itp.).
Wady:
- Kontekst firmowy nie „dzieje się sam”: bez dobrego podłączenia do źródeł wiedzy i AI governance łatwo o „ładne odpowiedzi” jednak bez oparcia w realiach firmy.
- Ryzyko shadow AI: gdy nie ma polityk i szkoleń, ludzie wrzucają wrażliwe dane
4) DeepSeek (modele/usługi)
Najlepszy, gdy: zespół techniczny szuka taniej, mocnej bazy modelowej do eksperymentów lub wdrożeń.
Zalety:
- Silne modele w relacji koszt – wyniki (często rozważane przez zespoły R&D bardziej do stawiania modelu open source i realizacji własnego projektu)
- Elastyczność technologiczna: łatwiej myśleć o „modelu jako komponencie”, nie tylko o aplikacji biurowej
Wady:
- Największy znak zapytania: dane i regulacje prawne: zewnętrzne analizy wskazują ryzyka prawne i to, że dane osobowe mogą być przechowywane na serwerach w Chinach, oraz że polityka prywatności przewiduje szerokie wykorzystanie danych
- Trudniej o enterprise–grade governance out–of–the–box w porównaniu do Copilot/Gemini/ChatGPT Business.
- Sama aplikacja ma zbyt wysokie uprawnienia. Czyli tak wygodny dostęp, jak ma aplikacja ChatGPT czy Gemini nie idzie w parze z tym co aplikacja dla Deepseak może robić na twoim telefonie. Wskazania bezpieczeństwa dla aplikacji spowodowały, że odinstalowałem aplikację z telefonu.
Odnośnie wyboru, jeśli wybierasz rozwiązanie AI dla swojej organizacji, rozważ Copilot jako naturalną integrację z ekosystemem M365. Zerknij na LLM Arene jeśli interesują cię konkretne zastosowania.
Najważniejsza rekomendacja poza narzędziami – zastosuj polityki DLP, ochronę informacji oraz zbuduj niezbędne procesy i procedury.
Umów się z konsultantem ISCG i poznaj proces bezpiecznego wdrożenia AI w firmie:https://outlook.office.com/book/Konsultacjewobszarzeaplikacjibiznesowych@ISCG.onmicrosoft.com/s/fKddgNyppECh3KThb8VNMw2?ismsaljsauthenabled