AI czy automatyzacja? Co naprawdę rozwiąże problem Twojej firmy

Rozmowy o technologii w firmach zmieniły się w ciągu ostatnich dwóch lat. Wcześniej pytanie brzmiało: „czy warto to zautomatyzować”. Dziś częściej słyszymy: „gdzie możemy wykorzystać AI”. To dobra zmiana, bo świadczy o gotowości do eksperymentowania. Ale bywa też pułapką, bo pytanie o narzędzie pojawia się zanim ktokolwiek postawił pytanie o problem.

Z doświadczeń naszych ekspertów wynika, że znaczna część projektów technologicznych w średnich firmach zaczyna się od narzędzia, a nie od procesu. Ktoś zobaczył demo, ktoś przeczytał o konkurencji, ktoś w zarządzie usłyszał, że „bez AI zostaniemy z tyłu”. Potem następuje pilotaż, potem entuzjazm, a po kilku miesiącach ciche wygaszenie projektu. Nie dlatego, że technologia była zła. Dlatego, że rozwiązywała problem, którego firma nie miała — albo miała gdzie indziej.

Automatyzacja i AI odpowiadają na dwa różne pytania

Upraszczając, ale nie zniekształcając: automatyzacja odpowiada na pytanie „jak wykonać to szybciej i bez błędu”, natomiast AI odpowiada na pytanie „jak podjąć decyzję tam, gdzie reguły nie wystarczają”.

Automatyzacja działa na procesach powtarzalnych, opisywalnych i przewidywalnych. Przepisanie danych z faktury do systemu, generowanie dokumentów, przekazywanie zgłoszenia między działami, wystawianie zamówienia po spełnieniu warunku, przypomnienie handlowcowi o kliencie z określonym statusem. Wszędzie tam, gdzie da się powiedzieć „jeżeli A, to B”, automatyzacja jest zwykle tańsza, szybsza we wdrożeniu i łatwiejsza w utrzymaniu niż cokolwiek opartego na modelach.

AI ma sens tam, gdzie reguł nie da się z góry wypisać, a mimo to trzeba wyciągać wnioski: klasyfikacja tysięcy niestrukturalnych zgłoszeń, przewidywanie ryzyka odejścia klienta, prognozowanie popytu w oparciu o wiele zmiennych, streszczanie i porządkowanie treści, wstępna analiza dokumentów o różnym formacie, wsparcie w tworzeniu ofert czy materiałów sprzedażowych.

Różnica praktyczna jest istotna także dla finansów. Automatyzacja ma zwykle wyraźnie policzalny zwrot: tyle godzin pracy, taki koszt błędów, taki czas cyklu. AI częściej daje efekt pośredni — lepszą decyzję, wyższą trafność, krótszy czas reakcji — który trzeba umieć zmierzyć, zanim się go obieca. Dlatego projekty AI wymagają twardszej dyscypliny w definiowaniu wskaźników, nie luźniejszej.

Najczęstszy błąd: technologia zamiast procesu

W praktyce problem bywa gdzie indziej, niż wskazuje pierwsza diagnoza. Firma zgłasza, że obsługa klienta jest zbyt wolna i chce chatbota opartego na AI. Po przyjrzeniu się procesowi okazuje się, że zgłoszenia krążą między trzema działami, nikt nie jest jednoznacznym właścicielem sprawy, a informacja o kliencie leży w dwóch systemach, które się nie widzą. Chatbot w takim otoczeniu nie skróci obsługi. Przyjmie zgłoszenie szybciej i wpuści je w ten sam korek.

Stąd zasada, którą warto stosować konsekwentnie: nie automatyzuj i nie „ainizuj” procesu, którego nie rozumiesz i którego nie uporządkowałeś. Technologia nałożona na bałagan utrwala bałagan i dodatkowo go zabezpiecza — bo po wdrożeniu nikt już nie chce wracać do pytania, czy proces był sensowny.

Drugi częsty błąd to odwrotność pierwszego: firmy tak długo optymalizują ręcznie, że przegapiają moment, w którym skala pracy przestała być racjonalna. Trzy osoby przepisujące dane przez pięć lat to koszt, którego nikt nie widzi, bo jest rozłożony w wynagrodzeniach i nazywa się „tak się u nas pracuje”.

Cztery pytania, które warto zadać przed wyborem narzędzia

To pytania, które w naszej praktyce najszybciej porządkują dyskusję w zarządzie:

1. Jaki wynik biznesowy ma się zmienić? Nie „wdrożymy AI”, ale: skrócimy czas realizacji zamówienia z pięciu dni do dwóch, podniesiemy konwersję na etapie ofertowania, zmniejszymy liczbę korekt faktur. Jeśli nie potrafimy tego zapisać jednym zdaniem z liczbą, projekt jeszcze nie jest gotowy. 2. Czy problemem jest wykonanie, czy decyzja? Jeśli wykonanie — patrzymy na automatyzację i integrację systemów. Jeśli decyzja lub interpretacja — dopiero wtedy AI wchodzi do rozmowy. 3. Czy proces jest opisany i stabilny? Jeżeli dwie osoby wykonują tę samą czynność inaczej, technologia nie rozstrzygnie, która ma rację. To trzeba rozstrzygnąć wcześniej. 4. Czy mamy dane, na których cokolwiek się oprze? AI bez danych o odpowiedniej jakości i historii jest kosztownym demo. Automatyzacja jest tu znacznie mniej wymagająca — i często dlatego jest lepszym pierwszym krokiem.

Do tego dochodzi pytanie piąte, mniej techniczne, a decydujące o powodzeniu: kto w organizacji będzie właścicielem zmiany po zakończeniu projektu. Wdrożenia bez właściciela cofają się do stanu pierwotnego w ciągu kilku kwartałów.

Zwykle odpowiedź brzmi: jedno i drugie, ale w odpowiedniej kolejności

Najlepiej działające rozwiązania, jakie widzimy w firmach, rzadko są „projektami AI” albo „projektami automatyzacji”. Są uporządkowanym procesem, w którym warstwa reguł obsługuje to, co powtarzalne, a model podpowiada tam, gdzie potrzebna jest ocena. Klasyfikacja przychodzącego dokumentu przez model, dalsze przetwarzanie przez automatyzację, decyzja człowieka tylko w przypadkach nietypowych. Prognoza popytu z modelu, uzupełnianie zamówień regułami, interwencja menedżera przy odchyleniach.

Kolejność ma znaczenie także dla ludzi. Automatyzacja prostych, uciążliwych czynności buduje zaufanie do zmiany i pokazuje szybki efekt. Wdrożenie AI jako pierwszego kroku, bez wcześniejszych doświadczeń organizacji z cyfrowym porządkowaniem pracy, zwykle spotyka się z opornością — nie technologiczną, lecz ludzką. Pracownicy nie boją się narzędzia. Boją się tego, że nie rozumieją, jak zmieni się ich rola i ocena ich pracy.

Warto też pamiętać o kwestiach regulacyjnych. Przetwarzanie danych osobowych, zgodność z RODO oraz wymogi wynikające z europejskich regulacji dotyczących sztucznej inteligencji zmieniają się i mają realny wpływ na zakres dopuszczalnych zastosowań. Przed wdrożeniem obejmującym dane klientów lub pracowników aktualny stan prawny należy zweryfikować z doradcą prawnym.

Gdzie zaczyna się prawdziwa praca

Pytanie „AI czy automatyzacja” jest w istocie pytaniem o diagnozę. Firmy, które podejmują dobre decyzje technologiczne, mają jedną wspólną cechę: zanim wybiorą narzędzie, wiedzą, gdzie tracą pieniądze, czas i marżę. Reszta jest konsekwencją.

Ta diagnoza rzadko jest wygodna, bo często prowadzi do wniosku, że problem nie leży w braku technologii, ale w sposobie zarządzania procesem, podziale odpowiedzialności albo modelu pracy zespołu. Za to jest tanią częścią projektu — nieporównywalnie tańszą niż wdrożenie, które po roku trzeba wycofać.

W ITTC pracujemy z firmami właśnie od tej strony: najpierw mapa procesu i miejsc, w których naprawdę powstaje strata, potem decyzja o zakresie automatyzacji i o tym, czy AI wnosi tu wartość, a na końcu wdrożenie wraz z przygotowaniem menedżerów i zespołów do nowego sposobu pracy. Technologia jest w tym układzie narzędziem, nie celem.

Jeżeli w Twojej firmie trwa dyskusja o AI, ale nikt nie potrafi jednoznacznie powiedzieć, jaki wynik ma się zmienić, warto zacząć od innego miejsca. Możemy wspólnie przejść przez proces, w którym problem jest najbardziej odczuwalny, i ocenić, co realnie go rozwiąże — a co tylko doda kolejny system do utrzymania.