Firma kupuje licencje na ChatGPT, Claude albo Copilota. Kilka osób zaczyna eksperymentować. Jedna tworzy oferty, druga podsumowuje spotkania, trzecia pisze maile. Po kilku tygodniach pojawia się pytanie: “Dlaczego nie widzimy większego efektu?”.
Taki schemat widzę dosyć często w firmach, z którymi rozmawiam. Najczęściej problem nie leży w kupionym modelu LLM. Nie leży też w tym, że pracownicy są „oporni na AI”. Problem jest prostszy i… mniej efektowny. Jaki?
Najgorszy błąd wygląda prawie poprawnie
Ręczny chaos - taki zrobiony przez pracowników - zwykle da się zauważyć. Ktoś nie wpisał informacji do CRM-u. Klient nie dostał odpowiedzi. Pracownik szuka dokumentu i mówi: „chwila, muszę sprawdzić”.
Gdy do tego samego procesu dołożymy AI, wynik często wygląda znacznie lepiej. Odpowiedź jest schludna a podsumowanie brzmi profesjonalnie. Oferta ma ładny, poprawny układ a raport świetnie się czyta. A wszystko jest uzupełnione i - jak to się czasami mówi - pod igiełkę.
Tylko że dane w środku mogą być nieaktualne, niepełne albo pochodzić z niewłaściwego źródła. I to właśnie jest niebezpieczne.
Błąd opakowany w profesjonalny tekst jest trudniejszy do zauważenia niż pusty arkusz albo brak informacji.
W firmach, z którymi dotychczas pracowałem, ten problem wracał wielokrotnie: AI wzmacnia istniejące procesy, niezależnie od tego, czy są dobre, czy złe. Jeśli firma ma niejasne zasady, rozproszone po różnych źródłach dane a do tego nie ma jednej osoby odpowiedzialnej za dany proces - technologia powiela te słabości na większą skalę.
Jeden klient, trzy wersje prawdy
Jeden z ostatnich moich audytów - firma usługowa zatrudniająca 22 osoby: dział handlowy, dział realizacji, jedna osoba w marketingu i CEO.
Handlowiec zapisywał ustalenia z klientem w CRM-ie. PM, czyli osoba odpowiedzialna za projekt prowadziła jednak osobny arkusz w Excelu, bo w CRM-ie brakowało jej kilku pól. Zespół realizacyjny dopisywał informacje na Slacku w kanale projektu, bo tak było szybciej. A gdzie była ostateczna wersja oferty dla klienta? W mailu CEO. Bo to on akceptował i wysyłał ofertę większości klientom.
Klient chciał zautomatyzować ten “proces” i dodatkowo stworzyć automatyzację, która przygotowywałaby odpowiedzi na najczęściej zadawane pytania przez klientów oraz podsumowania ze spotkań z klientami. Jak myslisz, jak by to się skończyło?
Z którego źródła system ma korzystać?
CRM mówi jedno. Arkusz coś innego. W komunikatorze jest późniejsza zmiana, ale nikt nie zaktualizował dokumentacji. W mailu znajduje się wyjątek, który zna tylko jedna osoba. Model AI nie wie, która wersja jest prawdziwa. Ba, czasami nawet nie ma połowy informacji. Nie zna historii konfliktów między działami. Nie rozumie, że arkusz jest „tymczasowy”... od półtora roku.
Działa na dostępnych danych. I w ten sposób możemy zbudować automatyzację, która przygotuje odpowiedź czy podsumowanie, która brzmi może rozsądnie, ale opiera się na kompletnie niewłaściwej wersji ustaleń.
AI nie projektuje odpowiedzialności
Często słyszę pomysł: „Wdrożymy narzędzie, a proces ułoży się po drodze”. Nie, nie ułoży się.
Narzędzie może wykonywać zadania. Może klasyfikować, podsumowywać, wyszukiwać i generować. Nie ustali jednak za firmę:
- kto podejmuje decyzję,
- kto odpowiada za wynik,
- które źródło jest obowiązujące,
- kto aktualizuje dane,
- kiedy pracownik ma zaufać odpowiedzi,
- kiedy sprawa musi trafić do człowieka.
Jeśli tych zasad nie ma, AI zaczyna łatać dziury sama - przypadkowymi danymi.
Jedna osoba używa innego procesu niż druga. Jeden dział ma dostęp do danych, ale nie odpowiada za ich jakość. Decyzja formalnie należy do dyrektora czy CEO, ale faktycznie zapada w pośpiechu między mailem a telefonem. Technologia nie usuwa tej prowizorki. Tylko ją utrwala.
„Mamy ludzi, którzy wiedzą, jak to działa”
To też często słyszę. I oczywiście w każdej firmie jest taka pani Natalia czy pan Marcin, którzy potrafią przeprowadzić proces od początku do końca, mimo że nigdzie nie został on dobrze opisany. Wiedzą, którego arkusza użyć. Pamiętają, do kogo zadzwonić. Znają wyjątki. Wiedzą, że instrukcja mówi jedno, ale od pół roku robi się inaczej.
Tyle że wiedza w głowie człowieka nie jest procesem. Jest zasobem. Cennym. Ale jest też ryzykiem. Jeśli ta osoba odejdzie, zachoruje albo po prostu nie będzie dostępna, firma nagle odkrywa, że cały sposób pracy opierał się na pamięci i doświadczeniu jednej osoby.
AI nie rozwiąże tego automatycznie. Najpierw trzeba ustalić, co naprawdę dzieje się w procesie, a dopiero potem zdecydować, którą część warto wspierać technologią.
Czy firma musi najpierw uporządkować wszystko?
Nie. To też byłaby przesada. I to zajęłoby - przy normalnej pracy ludzi w zespołach - kolejny rok. Rok niewykorzystanych możliwości. Moim zdaniem przed pierwszym wdrożeniem AI nie trzeba idealnie uporządkować wszystkich danych, procesów i dokumentów w całej organizacji. Bo w praktyce można wtedy nigdy nie zacząć.
AI może pomóc wcześniej, na przykład przy:
- wstępnym tagowaniu dokumentów,
- streszczaniu zgłoszeń,
- grupowaniu podobnych problemów,
- wykrywaniu brakujących informacji,
- porządkowaniu nieustrukturyzowanych danych.
Różnica leży w odpowiedzialności. Jeśli narzędzia AI pomagają człowiekowi zrozumieć sytuację, ryzyko jest zwykle ograniczone. Jeśli ma automatycznie samo podejmować decyzje, zmieniać dane albo uruchamiać działania w systemach - potrzebuje o wiele mocniejszych fundamentów.
Nie każdy bałagan blokuje wdrożenie. Ale trzeba wiedzieć, z jakim bałaganem mamy do czynienia i ile odpowiedzialności chcemy oddać technologii.
Proces nie musi być idealny. Musi być zrozumiały
Przed projektowaniem procesu automatyzacji nie szukam procesu perfekcyjnego. Szukam procesu, który da się opisać bez ciągłego używania frazy: „To zależy”.
Chcę wiedzieć:
- co uruchamia proces,
- kto bierze w nim udział,
- skąd pochodzą dane,
- kto podejmuje decyzje,
- gdzie pojawiają się wyjątki,
- jaki jest oczekiwany wynik,
- po czym poznamy, że proces działa lepiej.
Jeżeli nie da się tego ustalić - trzeba zbudować proces. Trzeba zbudować wspólny dla wszystkich sposób pracy.
AI nie zastąpi kompetencji
Jest jeszcze jedna rzecz, która jest moim zdaniem ważna - a o której mówi się zbyt rzadko. AI może przyspieszyć pracę osoby kompetentnej. Nie zastąpi jednak rozumienia kontekstu, odpowiedzialności i umiejętności oceny wyniku.
Handlowiec, który nie potrafi ocenić jakości oferty, który nie wie, jak ona powinna wyglądać, nie stanie się ekspertem tylko dlatego, że model AI przygotuje ją szybciej. Menedżer, który nie rozumie procesu, nie podejmie automatycznie lepszej decyzji dlatego, że dostanie ładniejsze podsumowanie.
Technologia może poprawić formę i tempo pracy. Nie bierze jednak odpowiedzialności za jej sens.
Dobrze wdrożone AI nie zaczyna się od narzędzi AI
Jest wiele miejsc, w których sztuczna inteligencja może realnie odciążyć zespoły: klasyfikacja zgłoszeń, przygotowywanie szkiców ofert, podsumowania spotkań, wyszukiwanie wiedzy, analiza dokumentów czy uzupełnianie danych.
Ale największa wartość pojawia się wtedy, gdy technologia trafia do procesu, który firma ma dobrze opanowanego i potrafi ocenić rezultaty wdrożenia liczbami. Dlatego rozsądne wdrożenie zaczyna się najczęściej od jednego dobrze wybranego obszaru. Nie od wielkiej transformacji. Nie od pięciu narzędzi. Nie od pytania, który model jest najlepszy. Od konkretnego problemu, danych i miernika. Bo AI może bardzo skutecznie przyspieszyć pracę. Pytanie brzmi tylko czy przyspieszy właściwy proces, czy właśnie rozpędza bałagan?
Autor
Wojtek Kibitlewski
Projektuję automatyzacje procesów biznesowych z wykorzystaniem sztucznej inteligencji. Pomagam wdrożyć je w Twojej firmie.
