DeepSeek w małej firmie B2B: kiedy warto, a kiedy odpuścić

Twój wspólnik wrzuca do DeepSeeka maila od klienta z numerem NIP i kwotą oferty, bo model odpowiada szybciej niż ChatGPT i nic za to nie płacisz. Krótka odpowiedź: nie rób tego. DeepSeek to chiński model AI, który w wersji publicznej wysyła Twoje dane na serwery w Chinach, poza obszar EOG, i żadna umowa RODO tego nie prostuje. Warto go używać, ale tylko do zadań bez danych klientów, kontrahentów i pracowników, albo w wersji lokalnej, którą uruchamiasz na swoim sprzęcie.

Ten tekst pokazuje, gdzie DeepSeek się nadaje, gdzie nie, i jak w małej firmie usługowej B2B nie strzelić sobie w kolano tylko dlatego, że model jest tani i modny.

Co to jest DeepSeek i dlaczego wszyscy o nim mówią

DeepSeek to chińska firma AI z siedzibą w Hangzhou, która na przełomie 2024 i 2025 udostępniła model DeepSeek-R1 z otwartymi wagami. Model dogonił poziomem odpowiedzi zamknięte modele OpenAI i Anthropic, przy ułamku kosztu przez API. Do tego wagi są dostępne publicznie na Hugging Face, więc firma z odpowiednim sprzętem może uruchomić go u siebie, bez wysyłania czegokolwiek na zewnątrz.

Dla właściciela małej firmy usługowej B2B trzy rzeczy z tego wynikają. Model jest tańszy niż konkurencja. Model jest dostępny publicznie, więc można go badać. Model można oderwać od chińskich serwerów, ale to wymaga wysiłku i sprzętu.

R1 kontra V3: dwa modele, dwa różne zadania

DeepSeek udostępnia dwa nurty modeli. DeepSeek-V3 to szybki model do zwykłej rozmowy, streszczeń, tłumaczeń. DeepSeek-R1 to model rozumujący („myśli” krok po kroku), lepszy do matematyki, kodu, złożonych analiz. Jeśli wrzucasz do niego pytanie „popraw ten mail”, V3 wystarcza. Jeśli mówisz „przelicz mi kosztorys na 8 tysięcy godzin z podziałem na etapy”, R1 zrobi to porządniej.

Dla kogo: V3 dla codziennej pracy z tekstem i tłumaczenia korespondencji, R1 dla wycen, obliczeń i kodu w automatyzacji. Nie dla firm bez własnego IT i bez przeglądu polityki prywatności modelu.

Cena i dostępność w porównaniu z ChatGPT i Claude

Koszt DeepSeeka przez API jest kilkukrotnie niższy od stawek OpenAI i Anthropic. Konkretne stawki za milion tokenów: NIE SPRAWDZONO, sprawdź aktualny cennik u producenta na deepseek.com, bo ceny zmieniają się co kilka tygodni. Aplikacja webowa jest darmowa, aplikacja mobilna też. Dla firmy, która chce sprawdzić „co model AI potrafi”, bariera wejścia jest zero.

Bariera wyjścia też jest zero, ale w drugą stronę. Kliknięcie „wklej mail od klienta” zajmuje sekundę. Odzyskanie tego maila z serwerów w Chinach zajmuje nieskończenie długo.

Model otwarty: możesz uruchomić go u siebie

Wagi DeepSeek-R1 i V3 są dostępne na Hugging Face. Firma z serwerem albo mocnym Makiem z serii M (RAM 64 GB i więcej) może uruchomić mniejsze warianty lokalnie, przez narzędzia takie jak Ollama, LM Studio czy vLLM. Model działa wtedy offline, dane nie opuszczają Twojej maszyny.

Dla kogo: firma z osobą techniczną w zespole, która potrafi zainstalować Ollamę i porozumieć się z API. Nie dla firmy, w której nikt nie wie, co to Docker.

Uruchomienie pełnego R1 lokalnie wymaga serwera z kilkoma kartami GPU klasy A100 albo H100. To koszt kilkudziesięciu tysięcy złotych miesięcznie za wynajem w chmurze albo kilkuset tysięcy za sprzęt (NIE SPRAWDZONO dokładna kalkulacja, policz na kalkulatorze u dostawcy przed inwestycją). Wariant mniejszy, DeepSeek-R1-Distill, uruchomisz na jednym GPU z 24 GB VRAM albo na Maku Studio M2 Ultra.

Twoje dane klientów w DeepSeeku: gdzie one lądują

Tu jest cała gra dla małej firmy usługowej B2B.

Domyślna trasa danych: serwery w Chinach

Aplikacja DeepSeek (web, mobile) i konsumenckie API wysyłają Twoje zapytania na serwery w Chinach. Firma jest zarejestrowana w Chinach, więc podlega chińskiemu prawu, w tym ustawom o dostępie służb państwowych do danych przetwarzanych na terenie kraju. Jeśli wrzucasz tam maila od klienta z numerem NIP, adresem, opisem projektu i kwotą oferty, te dane są przetwarzane poza obszarem EOG, w państwie bez decyzji Komisji Europejskiej o adekwatnej ochronie danych osobowych.

Producent może to zmienić i dodać opcje regionalnego przetwarzania. Sprawdź aktualną politykę prywatności u producenta przed każdym wdrożeniem, nie zakładaj, że to, co pisali pół roku temu, nadal obowiązuje.

RODO w praktyce: transfer poza EOG

RODO wymaga, żeby transfer danych osobowych poza EOG odbywał się na jednej z podstaw z rozdziału V rozporządzenia: decyzja o adekwatności, standardowe klauzule umowne z odpowiednimi zabezpieczeniami, wiążące reguły korporacyjne. Chiny nie mają decyzji o adekwatności od Komisji Europejskiej (aktualna lista państw z decyzjami adekwatności).

W praktyce wygląda to tak. Wrzucasz maila od klienta z jego imieniem, nazwiskiem i firmą. Klient jest osobą fizyczną albo osobą działającą w imieniu firmy, ale jego dane są jego danymi. Przekazujesz je do przetwarzającego (DeepSeek) w Chinach. Nie masz podpisanej umowy powierzenia zgodnej z art. 28 RODO. Nie masz podstawy z rozdziału V. UODO widzi to w audycie jednym słowem: nielegalny transfer.

Dla kogo: czytelnik, który obsługuje klientów w B2B i wysyła oferty. Twoje maile są kopalnią danych osobowych, nawet jeśli piszesz do „firmy”. Kontakt to człowiek.

Trzy pytania przed każdym wklejeniem

Zanim wkleisz cokolwiek do modelu AI (dowolnego, nie tylko DeepSeeka), zadaj sobie trzy pytania.

1. Czy w tekście jest imię i nazwisko? Jeśli tak, to są dane osobowe.
2. Czy w tekście jest coś, czego nie powiedziałbyś głośno w tramwaju? Jeśli tak, to informacja poufna albo tajemnica przedsiębiorstwa.
3. Czy jestem gotów, żeby ten tekst wyciekł jutro? Jeśli nie, wybieram narzędzie z porządną umową i znanym regionem.

Trzy „nie” i „nie wiem” oznaczają, że lepiej sięgnąć po ChatGPT Team, Claude Team albo Gemini w Google Workspace, gdzie podpisujesz umowę powierzenia i wiesz, gdzie fizycznie leżą dane.

Kiedy DeepSeek ma sens w firmie usługowej B2B

Nie jest tak, że DeepSeek to zły model. Jest bardzo dobrym modelem do zadań, w których dane nie są wrażliwe.

Zadania bez danych klientów: research i brainstorm

Wrzucasz do DeepSeeka pytanie: „co zawrzeć w ofercie na montaż linii produkcyjnej dla klienta z branży spożywczej, sekcja techniczna”. Model podaje Ci strukturę, zwraca uwagę na normy, sugeruje pytania do klienta. Nie mówisz mu, kto jest klientem, ile kosztuje ani kto to podpisze. Efekt: mocny szkic, zero wycieku danych.

To samo z brainstormem tematów na LinkedIn, ideacją nazwy dla nowej usługi, tłumaczeniem ogólnego fragmentu strony marketingowej.

Dla kogo: ktokolwiek, kto potrzebuje AI do rozgrzewki, szkicu albo kreatywnego uderzenia. Nie dla nikogo, kto właśnie ma otworzyć skrzynkę i wkleić maila od Klienta X.

Kod, matematyka, przeliczenia: mocna strona R1

DeepSeek-R1 jest szczególnie mocny w zadaniach z myśleniem krok po kroku: kod, matematyka, przeliczenia. Jeśli budujesz automatyzację w Make albo n8n i model ma wygenerować Ci skrypt JavaScript, R1 poradzi sobie z tym bardzo dobrze przy niższym koszcie niż ChatGPT z serii o1 albo Claude Opus.

Ważne rozróżnienie: kod, który generujesz, nie zawiera danych osobowych ani tajemnicy przedsiębiorstwa. Zawiera logikę. Wrzucenie prośby „wygeneruj mi kod, który parsuje faktury z folderu i wyciąga NIP” jest bezpieczne. Wrzucenie realnej faktury z NIP-em konkretnego kontrahenta jest transferem danych.

Weekendowy test przed poważnym wdrożeniem

Jeśli ktoś Cię pyta „warto się bawić w DeepSeeka?”, odpowiadam tak. Warto, w wolnym czasie, bez wrażliwych danych, żeby wyrobić sobie zdanie o modelu. Nie warto jako zamiennik codziennego narzędzia w firmie, dopóki nie przeanalizowałeś, gdzie idą dane. To dwa różne pytania.

Dla kogo: właściciel, który lubi testować nowe rzeczy weekendem, żeby wiedzieć, czym dysponuje rynek. Nie dla właściciela, który chce jedno narzędzie do wszystkiego i już.

Kiedy DeepSeek nie ma sensu: trzy sytuacje z małej firmy

Rozmawiałem ze wspólnikiem firmy montażowej (montaż maszyn i linii produkcyjnych, dwóch wspólników i pięcioosobowe biuro). Używał już AI: ChatGPT do maili, Claude do ofert z kalkulatorami. Problem z pocztą nazwał sam: „to jest taki właśnie toporny sposób, że trzeba dać mu ten cały kontekst” za każdym razem od nowa. Dużo korespondencji po angielsku. Jako pierwszy obszar do uporządkowania wskazał właśnie skrzynkę.

Gdyby te same maile wrzucał do DeepSeeka, oszczędziłby na tokenach, ale wysłałby korespondencję z klientami z Niemiec i Włoch na serwery w Chinach. To źle skończone dla firmy, która chce spać spokojnie.

Poczta z konkretami od klientów

Mail od klienta zawiera imię, nazwisko, firmę, numer NIP, treść zapytania z konkretami projektu, załączniki z rysunkami i specyfikacjami. Każdy z tych elementów jest wrażliwy w B2B. Rysunek techniczny to często know-how klienta, którego nie chce oglądać nikt poza wykonawcą. Specyfikacja z numerem NIP identyfikuje osoby i firmy.

Dla firmy usługowej, która regularnie obsługuje takie maile (także po angielsku), sensowniejsze wyjście to ChatGPT Team lub Enterprise z umową powierzenia, Claude Team albo Gemini w Google Workspace. Dane siedzą w Twoim tenancie, umowa reguluje odpowiedzialność.

Oferty z kwotami i szczegółami projektów

Przy stawce godzinowej oferta jest prosta. Przy wycenie całej instalacji (bywają oferty na milion złotych i projekty na 8 tysięcy godzin) przygotowanie zajmuje kilkanaście godzin całego zespołu. Jedna osoba liczy, druga sprawdza, wysyłka, rewizje, czasem wizja lokalna. To sytuacja z realnej rozmowy z leadem z branży montażu maszyn (sierpień 2026).

Wrzucenie draftu takiej oferty (z kwotą, nazwą klienta, szczegółami projektu) do publicznego DeepSeeka wywołuje dwa problemy naraz. RODO od strony danych osobowych kontaktu. Tajemnica handlowa od strony kwot, marż i know-how procesowego. Zewnętrzny model bez umowy z Twoją firmą nie ma powodu, żeby tego pilnować.

Faktury i dokumenty księgowe

Faktura zawiera NIP, adres, kwoty netto i brutto, opis usługi. Wysłanie jej do dowolnego modelu AI bez umowy powierzenia to transfer danych osobowych i ujawnienie tajemnicy przedsiębiorstwa (Twojej albo kontrahenta).

U siebie faktury kosztowe z zagranicy zbiera aplikacja, która czyta skrzynkę i codziennie o 6:30 wysyła dokumenty do systemu księgowej. Polskie faktury nie idą tą drogą, bo wchodzą przez KSeF, a wysyłka mailem robiłaby duplikat. Osobny skrypt 1. i 7. dnia miesiąca sprawdza, czy nic nie zginęło. Bez zabezpieczeń (ten sam PDF w kilku skrzynkach, paragon dosłany obok faktury, faktura na inny podmiot) w lipcu 2026 do księgowej poszło 6 błędnych dokumentów. Cały pipeline działa u mnie, bez wypuszczania faktur do zewnętrznego modelu AI.

Gdybym budował ten sam mechanizm z DeepSeekiem przez publiczne API, dostałbym oszczędność kilku dolarów miesięcznie i kłopot prawny na jedno pytanie inspektora.

Zły workflow vs dobry workflow: DeepSeek w praktyce

Poniższe trzy sceny pokazują, jak w firmie usługowej B2B odróżnić bezpieczne użycie DeepSeeka od strzału w kolano.

Wklej do DeepSeek Chat maila od klienta z Niemiec (imię, nazwisko, firma, opis linii pakującej, załącznik z rysunkiem CAD), poproś model o polską odpowiedź z ofertą i wyślij ją do klienta.

Zapisz w notatce trzy fakty bez identyfikacji klienta: „linia pakująca dla branży spożywczej, wydajność 4000 sztuk na godzinę, wymagania higieniczne HACCP”. Poproś DeepSeeka o wzorzec odpowiedzi po niemiecku i po polsku dla takiego zapytania. Maila konkretnego klienta piszesz w ChatGPT Team albo Claude Team z podpisaną umową powierzenia.

Wgraj do DeepSeeka trzy ostatnie faktury kosztowe (PDF z numerami NIP kontrahentów) i poproś o wyciągnięcie danych do arkusza dla księgowej.

Uruchom u siebie skrypt (Python albo Node), który parsuje PDF i wysyła treść do lokalnego modelu (DeepSeek-R1-Distill przez Ollamę na Maku Studio albo na małym serwerze z GPU). Model wraca ze strukturą (NIP, kwota, data), skrypt zapisuje CSV. Dane nie opuszczają biura.

Poproś DeepSeeka o 10 pomysłów na posty LinkedIn o wdrożeniu AI u „naszego klienta z branży X” i wklej pełny opis wdrożenia razem z nazwą klienta i wynikami finansowymi.

Poproś DeepSeeka o 10 pomysłów na posty LinkedIn o wdrożeniu AI w firmie usługowej B2B (bez nazwy klienta, bez liczb konkretnego projektu). Podaj kontekst abstrakcyjnie: „branża produkcyjna, zespół 15 osób, wdrożenie objęło automat do rezerwacji spotkań i asystenta do korespondencji”. Pomysły dopracowujesz sam z klientem, konkretny post piszesz w modelu z umową powierzenia.

Alternatywy: co zamiast DeepSeeka do wrażliwych danych

Zestawienie modeli, które w małej firmie usługowej B2B nadają się do maili, ofert i faktur.

ChatGPT Team i Enterprise: umowa RODO i wyłączony trening

OpenAI dla planów Team i Enterprise oferuje umowę powierzenia zgodną z art. 28 RODO (Data Processing Addendum) i domyślnie nie używa treści rozmów do trenowania modeli. Dane są przetwarzane głównie w USA, na podstawie standardowych klauzul umownych (SCC). Cena Teamu: NIE SPRAWDZONO dokładna kwota na dziś, sprawdź aktualny cennik na openai.com, bo się zmienia.

Dla kogo: firma, w której 2 do 20 osób regularnie korzysta z AI i chce mieć wspólną administrację, wyłączony trening i papier na wypadek kontroli. Nie dla samotnego freelancera, dla którego wystarczy Plus.

Claude Team i Enterprise: dane bez treningu, umowa RODO

Anthropic dla planów Team i Enterprise również oferuje umowę powierzenia i domyślnie wyłączony trening. Claude jest szczególnie mocny w długich analizach, redakcji i pisaniu. W rozmowach z klientami widzę, że wygrywa tam, gdzie liczy się delikatność języka i rozumienie kontekstu.

Dla kogo: firma, która pracuje z długimi dokumentami (oferty, umowy, opisy projektów) i ceni jakość pisma. Nie dla firm, które chcą wszystko robić głosem, bo Claude ma słabszy interfejs mobilny niż ChatGPT.

Gemini w Google Workspace: dane w Twoim tenancie

Google Gemini w wersji Workspace przetwarza dane w tym samym tenancie, w którym trzymasz Gmail i pliki Drive. Umowa powierzenia jest już podpisana jako część kontraktu Workspace. Region danych można zawęzić (Google udostępnia Data Regions dla Workspace, sprawdź warunki dla swojego planu u producenta).

Dla kogo: firma, która już siedzi w Google Workspace i chce, żeby AI miał kontekst maili i dokumentów bez oddzielnej integracji. Nie dla firm na Microsoft 365, tam naturalnym wyborem jest Copilot.

Model lokalny: DeepSeek u siebie, offline

Wariant dla firm z osobą techniczną. Instalujesz Ollamę na Maku Studio albo na małym serwerze z GPU (24 GB VRAM), pobierasz DeepSeek-R1-Distill (mniejszy wariant), łączysz z narzędziami przez lokalne API. Dane nigdy nie opuszczają Twojej sieci.

Dla kogo: firma, w której 1 do 3 osób ogarnia Linuxa, Ollamę i Dockera. Nie dla firmy, w której każda instalacja programu wymaga wezwania „chłopaka od komputerów”.

Praktyczny plan: gdzie wpuścić DeepSeeka, a gdzie postawić stop

Krok po kroku, jak w małej firmie B2B ułożyć podejście do DeepSeeka bez wypadania w paranoję i bez wpuszczania Chin do skrzynki.

Mapa danych: co jest wrażliwe, co nie

Wypisz na kartce dwie kolumny. Wrażliwe (dane klientów, numery NIP, treść ofert, kwoty, dane kontrahentów, dane pracowników, treść umów). Neutralne (opisy ogólnych procesów, tematy na posty, research rynku bez odniesień do konkretnych podmiotów, wzory dokumentów bez wypełnienia). Wszystko z pierwszej kolumny nie idzie do publicznego DeepSeeka. Wszystko z drugiej może iść.

Ta jedna kartka rozstrzyga 80 procent codziennych decyzji.

Zasady w firmie: kto może używać, do czego

Nawet w firmie na kilka osób ustal to na piśmie. Kto ma konto DeepSeek (jeśli w ogóle). Do jakich zadań wolno go używać. Gdzie w firmie leży dokument, w którym każdy może sprawdzić „czy mogę tam wrzucić maila od klienta X?”. Bez tych zasad ktoś wcześniej czy później wrzuci, bo model odpowiada szybciej niż ChatGPT i „to tylko jeden mail”.

Dla kogo: firma, w której z AI korzysta więcej niż jedna osoba. Dla samotnego właściciela zasada to jedno zdanie w notatce.

Pilotaż na dwa tygodnie

Zamiast wpuszczać DeepSeeka wszędzie, wybierz jedno zadanie neutralne (research konkurencji, brainstorm tematów na LinkedIn, tłumaczenie tekstu marketingowego bez danych klientów) i używaj go przez dwa tygodnie tylko w tym jednym miejscu. Po dwóch tygodniach zapisz: czy było szybciej niż z ChatGPT, o ile taniej, gdzie DeepSeek zawiódł. Dopiero z tą wiedzą decydujesz, czy uruchamiać go lokalnie i podłączać do bardziej wrażliwych zadań.

Na moich klientach widzę, że firmy, które wprowadzają nowe narzędzia „wszędzie od razu”, w miesiąc wracają do starych nawyków. Firmy, które wybierają jedno miejsce i tam ćwiczą, w rok mają zbudowany porządny stack.

Trzy miejsca, w których AI (dowolne) nie pomoże

U siebie mówię klientom to samo, niezależnie od modelu: duże wyceny ryczałtowe (decyduje doświadczenie i wizja lokalna, model zrobi szkic i podliczy pozycje, ostatnie słowo zostaje po stronie firmy), robota raz na kwartał (jeśli zadanie zajmuje kwadrans co trzy miesiące, wdrożenie zje więcej czasu, niż odda), obszar bez historii (bez archiwum ofert, korespondencji albo dokumentów model nie ma się na czym oprzeć, wtedy najpierw zbieramy dane). DeepSeek nie jest tu wyjątkiem. Jeśli w Twojej firmie taki obszar jest, żaden model tam nie doda wartości, ani chiński, ani amerykański.

Zamiast szukać modelu, który zrobi wszystko, ułóż mapę zadań. Wrzuć do DeepSeeka to, co nie ma nazwiska i kwoty. Do reszty użyj modelu, którego umowa RODO leży w Twojej szufladzie. Twoja skrzynka i faktury są warte więcej niż różnica w cenie za milion tokenów.

FAQ

Czy mogę używać DeepSeeka w małej firmie B2B do korespondencji z klientami? Nie, jeśli używasz publicznej wersji web, mobile albo konsumenckiego API. Twoja korespondencja z klientem zawiera dane osobowe, a producent w tej wersji przetwarza je na serwerach w Chinach, poza EOG, bez decyzji o adekwatności. Do korespondencji użyj ChatGPT Team/Enterprise, Claude Team, Gemini w Google Workspace, albo uruchom DeepSeeka lokalnie.

Czy DeepSeek jest bezpieczny dla danych mojej firmy? W wersji publicznej nie, bo dane trafiają do jurysdykcji spoza EOG bez podstawy transferu z RODO. W wersji lokalnej (wagi otwarte, model uruchomiony u siebie) tak, bo dane nie opuszczają Twojej sieci. Wybór między jednym a drugim to decyzja o kompetencjach IT w Twojej firmie i o kosztach sprzętu.

Ile kosztuje DeepSeek dla małej firmy? Aplikacja web i mobile są darmowe. API konsumenckie jest tańsze niż OpenAI i Anthropic, ale konkretne stawki zmieniają się co kilka tygodni. Sprawdź aktualny cennik u producenta na deepseek.com. Wariant lokalny to koszt sprzętu (kilka tysięcy do kilkuset tysięcy PLN w zależności od skali) i czasu osoby, która to postawi i będzie utrzymywać.

Czy DeepSeek uczy się na moich danych? Publiczna aplikacja i konsumenckie API: zgodnie z polityką prywatności producenta, dane mogą być używane do rozwoju usług. Sprawdź aktualną politykę, ustawienia opt-out i zapisy, zanim wrzucisz coś, co nie powinno się rozejść. W wersji lokalnej: nie, model działa u Ciebie, nie wysyła nigdzie danych.

Czy DeepSeek zastąpi ChatGPT w mojej firmie? Do zadań neutralnych (research, brainstorm, kod, matematyka) tak, i to taniej. Do zadań z danymi klientów nie, dopóki używasz publicznej wersji. Realistycznie: w małej firmie usługowej B2B DeepSeek zostaje jako narzędzie do jednego typu zadań, a ChatGPT Team, Claude Team albo Gemini w Google Workspace obsługuje resztę.

Co wybrać, jeśli mam małą firmę, nie chcę Chin, ale też nie chcę drogi ChatGPT? Claude Team startuje od podobnego pułapu cenowego co ChatGPT Team, ma umowę powierzenia, dane głównie w USA i UE (sprawdź aktualne regiony u producenta na anthropic.com). Gemini w Google Workspace masz w cenie Workspace. Jeśli już płacisz za Workspace, dokładasz do niego minimum. Weekendowy test DeepSeeka na zadaniach neutralnych i tak warto zrobić, żeby wiedzieć, czym dysponuje rynek.