Oceniamy pracę AI, nie rozpoznawalność marki.

Zasada nadrzędna

Co właściwie mierzy ranking?

Ranking mierzy dojrzałość i praktyczną wartość warstwy AI w konkretnym obszarze pracy. Nie jest ogólną recenzją produktu ani plebiscytem popularności.

Wysoką pozycję powinny zajmować narzędzia, w których AI realnie zmienia sposób wykonywania pracy sprzedażowej lub handlowej. Sam chatbot, generator tekstu albo etykieta „AI” nie wystarczają. Produkt może być znakomitym klasycznym CRM-em, a jednocześnie uzyskać niski wynik AI. Może też być technologicznie zaawansowany, lecz nadal wymagać ostrożnego pilotażu z powodu ceny, wdrożenia lub ograniczeń organizacyjnych.

Wynik AI nie jest rekomendacją zakupu. Przed wdrożeniem trzeba sprawdzić dopasowanie do procesu, bezpieczeństwo, zgodność prawną, język polski, koszt i realną jakość na własnych danych.

Od produktu do publikacji

Jak prowadzimy research

Każdy profil przechodzi ten sam uporządkowany proces. Dane wykorzystywane na stronie, kartach i listach trafiają do jednego rekordu publikacyjnego, dzięki czemu opis, status i ranking nie są aktualizowane w kilku niezależnych miejscach.

1. 1

   Kwalifikacja produktu

   Potwierdzamy, że produkt działa, przyjmuje klientów lub ma realną ścieżkę wdrożenia. Sprawdzamy też eksport danych i możliwość migracji.

2. 2

   Research źródłowy

   Czytamy dokumentację, changelog, dokumentację API, informacje o bezpieczeństwie, cennik i materiały producenta. Szukamy dowodów, nie samych deklaracji.

3. 3

   Weryfikacja rynkowa

   Konfrontujemy opis producenta z aktualnymi opiniami i niezależnymi materiałami. Interesuje nas zachowanie AI: błędy, poprawki, stabilność i oszczędność czasu.

4. 4

   Ocena ośmiu kryteriów

   Każde kryterium otrzymuje ocenę bazową 0–5, a następnie wynik zgodny z wagą. Brak danych zapisujemy jako N/D, nigdy automatycznie jako zero.

5. 5

   Kontrola rekordu

   Walidator sprawdza pola, status, kompletność sekcji, sumę punktów, pokrycie i zgodność wyniku z formułą.

6. 6

   Publikacja i aktualizacja

   Profil pokazuje datę oceny, źródła, wynik, pokrycie i pewność. Istotna zmiana produktu uruchamia ponowny research.

Jeden produkt może być oceniany w kilku działach. Wtedy ma jeden profil, ale osobny wynik, pozycję i uzasadnienie dla każdego zastosowania. Przykładowo ta sama platforma może inaczej wypaść jako CRM, narzędzie do kontroli pipeline’u i agent sprzedaży.

Najpierw dowody

Źródła i hierarchia dowodów

Nie opieramy oceny wyłącznie na stronie sprzedażowej producenta. Łączymy kilka rodzajów dowodów, a ich kompletność odzwierciedla poziom pewności.

Ogólnej liczby gwiazdek nie przeliczamy na punkty. Z opinii wykorzystujemy tylko obserwacje odnoszące się do AI: trafność, halucynacje, liczbę poprawek, personalizację, stabilność pamięci, kończenie zadań i zgodność z deklaracjami.

Zanim przyznamy punkty

Bramka kwalifikująca i status produktu

Najpierw potwierdzamy, że produkt jest aktywny: ma działającą usługę lub dystrybucję, przyjmuje klientów albo jednoznacznie oferuje zakup lub wdrożenie. Brak publicznego cennika, sprzedaż enterprise czy ryzyko finansowe producenta same w sobie nie wykluczają produktu.

Nie pokazujemy 0/100, gdy problemem jest brak danych albo niedostępność produktu. Zero oznacza potwierdzony brak danej możliwości, N/D — brak wystarczających dowodów, a N/K — brak klasyfikacji.

Skala 100 punktów

Osiem kryteriów oceny AI

Każde kryterium najpierw otrzymuje ocenę bazową od 0 do 5, a potem jest przeliczane zgodnie z wagą. Oceny 1, 2 i 4 opisują stany pośrednie pomiędzy poniższymi kotwicami.

Wszystkie kryteria dotyczą bezpośrednio AI. Funkcja działająca głównie dzięki klasycznym regułom, gotowemu szablonowi lub ręcznej pracy użytkownika nie powinna podnosić oceny AI.

N/D nie znaczy zero

Wynik, punkty potwierdzone i pokrycie

Jeżeli mamy dowody dla wszystkich kryteriów, maksymalna pula wynosi 100 punktów. Jeśli części danych brakuje, nie zaniżamy wyniku sztucznym zerem. Pokazujemy wtedy trzy odrębne wartości:

Wynik zapisujemy z jednym miejscem po przecinku. Końcówkę dokładnie …x,05 zaokrąglamy w górę. Nie stosujemy minimalnego progu pokrycia, dlatego wynik proporcjonalny zawsze prezentujemy razem z pokryciem i pewnością.

Jak czytać wynik proporcjonalny

Przy pokryciu niższym niż 100% etykieta pozostaje oceną niepełną. Nie wolno przedstawiać jej jako pełnego werdyktu.

Jakość podstawy oceny

Pewność A–D nie zmienia punktów

Brak danych nie oznacza automatycznie słabego AI. Oznacza, że ocena jest mniej pewna i wymaga ostrożniejszej interpretacji.

Porównywalne warunki

Wspólne testy jakości dla każdego działu

Kryterium jakości ma wagę 20 punktów i wymaga benchmarku na identycznych materiałach. Do czasu przeprowadzenia wspólnego testu pozostaje N/D. Nie próbujemy porównywać transkrypcji spotkań, generatora ofert i systemu prospectingowego jednym abstrakcyjnym promptem.

Wspólne zasady wykonania

• te same materiały wejściowe, polecenia, limity czasu i porównywalny plan;
• zapis pierwszego rezultatu bez poprawiania promptu, a następnie jedna runda doprecyzowania;
• powtórzenie próby w nowej sesji w celu sprawdzenia stabilności;
• oddzielenie faktów od hipotez oraz udokumentowanie błędów faktograficznych;
• pomiar kompletności, czasu, liczby poprawek i możliwości przekazania wyniku dalej;
• test kontroli człowieka, uprawnień, logów, korekty i cofnięcia działania.

Ocena 5 nie oznacza działania bez nadzoru. Fakty, ceny, zobowiązania i komunikacja wychodząca nadal wymagają standardowej kontroli człowieka.

Otwartość narzędzia

Integracje z modelami i agentami

Sprawdzamy, czy z narzędzia może korzystać nie tylko człowiek, ale także zewnętrzny model lub agent. Nie wymagamy nazwanej integracji z każdym środowiskiem. Liczy się praktyczne i bezpieczne połączenie przez standardowe mechanizmy.

Kompatybilność z MCP jest mocnym sygnałem otwartości, ale nie jedyną drogą do punktów. Dobre, udokumentowane API z odpowiednimi uprawnieniami, logami i bezpiecznym zatwierdzaniem może być równie praktyczne.

Od wyniku do miejsca

Pozycje, kolejność i remisy

Narzędzia sklasyfikowane w danym dziale ustawiamy kolejno według:

1. wyniku proporcjonalnego — wyższy jest pierwszy;
2. pokrycia dowodów — wyższe rozstrzyga równy wynik;
3. punktów za realną pracę AI — kolejne kryterium rozstrzygające;
4. nazwy narzędzia — techniczna, stabilna kolejność końcowa.

Identyczny wynik i pokrycie oznaczają wspólne miejsce. Dlatego numeracja może wyglądać tak: 1, 2, 2, 4. Produkty wycofane, historyczne, niezweryfikowane i w ograniczonym early access nie otrzymują aktywnego miejsca.

Ważne, ale poza wynikiem AI

Czego nie punktujemy

Te fakty mogą być istotne zakupowo i dlatego mogą pojawiać się w profilu produktu. Nie podnoszą jednak pozycji w rankingu AI. Tak samo samo użycie najnowszego modelu nie daje premii — liczy się efekt w procesie sprzedaży.

Typ wykorzystania AI

Dodatkowo opisujemy charakter produktu jako AI-native, AI-core, AI-enhanced, AI-addon albo AI-marketing. To etykieta objaśniająca, a nie osobny bonus punktowy. Produkt oznaczony jako AI-marketing nie powinien trafić do głównego rankingu bez nowych, potwierdzonych funkcji.

Ranking jest wersjonowany

Aktualizacje, źródło prawdy i korekty

Każdy opublikowany profil jest pojedynczym źródłem danych dla strony narzędzia, rankingu, filtrów i SEO. Zawiera status, kategorie, pełną punktację, pokrycie, pewność, datę oceny, uzasadnienia i źródła. Automatyczna walidacja sprawdza między innymi kompletność wymaganych pól, sumy, statusy i zgodność wyniku z formułą.

Kiedy ponawiamy ocenę?

• po istotnej zmianie modelu, architektury lub zakresu funkcji AI;
• po dodaniu albo ograniczeniu API, MCP, SDK, autonomii lub uprawnień;
• po zmianie dostępności produktu, planów albo polityki dostępu;
• gdy test ujawni rozbieżność pomiędzy deklaracją a rzeczywistym działaniem;
• gdy brak rozwoju AI uzasadnia ponowną ocenę nowoczesności.