Znam firmę produkcyjną z Wielkopolski, która w 2024 roku wydała ponad 200 tysięcy złotych na wdrożenie narzędzi AI w dziale obsługi klienta. Chatbot miał zastąpić trzy osoby. Po czterech miesiącach dwie z tych osób odeszły same, chatbot obsługiwał 30% zapytań poprawnie, a firma straciła kilku długoletnich klientów B2B, którzy nie chcieli rozmawiać z maszyną. Menedżer, który podjął decyzję, był autentycznie zafascynowany możliwościami sztucznej inteligencji. Problem w tym, że fascynacja zastąpiła mu analizę.
To nie jest artykuł przeciwko AI. Zajmuję się doradztwem w zakresie wdrożeń sztucznej inteligencji i widzę, jak ogromną wartość te narzędzia mogą przynosić. Ale widzę też rosnący trend, który w anglojęzycznym świecie nazywa się "AI-pilled" - stan, w którym entuzjazm wobec technologii przesłania zdrowy rozsądek biznesowy. W polskich realiach małych i średnich firm, gdzie budżety są ograniczone, a margines błędu niewielki, taka ślepa fascynacja może być szczególnie kosztowna.
Pytanie nie brzmi "czy wdrażać AI", bo odpowiedź w większości przypadków brzmi "tak, tam gdzie to ma sens". Pytanie brzmi: jak rozpoznać moment, w którym fascynacja technologią zaczyna szkodzić firmie zamiast jej pomagać?
Syndrom błyszczącego narzędzia - jak go rozpoznać
W psychologii biznesu istnieje pojęcie "shiny object syndrome" - skłonność do rzucania się na każdą nowość bez oceny, czy faktycznie rozwiązuje ona realny problem. W kontekście AI ten syndrom przybiera specyficzną formę. Menedżer czyta o sukcesach dużych korporacji, ogląda prezentacje na konferencjach, widzi demonstracje narzędzi i dochodzi do wniosku: "musimy to mieć, bo inaczej zostaniemy w tyle".
Według raportu PARP z 2024 roku, 43% polskich MŚP deklarowało plany wdrożenia AI w ciągu najbliższych 12 miesięcy. Jednocześnie tylko 12% z nich przeprowadziło wcześniej audyt procesów, które miałyby zostać zautomatyzowane. Ta dysproporcja mówi wiele. Firmy chcą wdrażać AI, ale nie wiedzą dokładnie gdzie i po co.
Oto sygnały ostrzegawcze, które obserwuję u swoich klientów:
- Rozwiązanie szuka problemu - firma kupuje narzędzie AI, a potem zastanawia się, do czego je wykorzystać, zamiast zacząć od zidentyfikowania wąskiego gardła w procesie.
- Pomijanie głosu pracowników - decyzje o automatyzacji zapadają na poziomie zarządu bez konsultacji z ludźmi, którzy faktycznie wykonują daną pracę i znają jej niuanse.
- Porównywanie się do gigantów - firma zatrudniająca 30 osób próbuje kopiować rozwiązania AI, które wdrożył Amazon czy Google, ignorując różnicę w skali, danych i zasobach.
- Ignorowanie kosztów ukrytych - budżet obejmuje licencję na narzędzie, ale nie uwzględnia czasu na szkolenia, integrację z istniejącymi systemami, utrzymanie i ciągłe dostrajanie modeli.
Każdy z tych sygnałów z osobna nie jest katastrofą. Ale gdy występują razem, firma wchodzi na ścieżkę, która prowadzi do rozczarowania, strat finansowych i - co gorsza - utraty zaufania zespołu do jakichkolwiek zmian technologicznych w przyszłości.
Realne koszty nadmiernej automatyzacji
Porozmawiajmy o liczbach, bo to one najlepiej pokazują skalę ryzyka. Firma e-commerce z Krakowa (około 50 pracowników) wdrożyła w 2023 roku system AI do automatycznego generowania opisów produktów. Koszt wdrożenia: 45 tysięcy złotych plus miesięczny abonament na API modelu językowego wynoszący około 3 500 złotych. Po trzech miesiącach okazało się, że 60% opisów wymagało ręcznej korekty przez copywriterów, bo zawierały błędy merytoryczne dotyczące parametrów technicznych produktów. Firma nie zlikwidowała stanowisk copywriterów, ale dołożyła im obowiązek sprawdzania wyników AI. Efekt netto: wyższe koszty niż przed wdrożeniem, przy zbliżonej jakości.
To nie jest wyjątek. Badanie McKinsey z końca 2024 roku wskazuje, że 74% projektów AI w firmach średniej wielkości nie przynosi oczekiwanego zwrotu z inwestycji w pierwszym roku. Nie dlatego, że technologia nie działa. Dlatego, że firmy źle definiują cele, nie przygotowują danych i nie angażują ludzi w proces zmiany.
Jest jeszcze koszt, którego nie widać w arkuszu kalkulacyjnym - utrata talentów. Gdy pracownicy czują, że firma traktuje ich jako "do zastąpienia przez AI", zaczynają szukać innej pracy. W polskim rynku, gdzie bezrobocie w wielu branżach jest rekordowo niskie, odejście doświadczonego specjalisty to strata, którą trudno wycenić. Znam przypadek biura rachunkowego z Wrocławia, gdzie zapowiedź "pełnej automatyzacji AI" spowodowała odejście dwóch starszych księgowych w ciągu miesiąca. Firma straciła nie tylko kompetencje, ale też relacje z klientami, które te osoby budowały latami.
Trzeba też uczciwie powiedzieć o kwestii bezpieczeństwa danych. Polskie MŚP często korzystają z narzędzi AI w modelu chmurowym, przesyłając dane klientów, dane finansowe czy informacje handlowe do zewnętrznych serwisów. Nie zawsze zdają sobie sprawę, że te dane mogą być wykorzystywane do trenowania modeli, a ich przetwarzanie może naruszać RODO. To nie jest teoretyczne ryzyko - UODO już prowadzi postępowania w takich sprawach.
Zdrowe podejście do AI - co robią firmy, którym się udaje
Nie chcę malować czarnego obrazu, bo widzę też wdrożenia, które naprawdę działają. Łączy je kilka wspólnych cech, które warto potraktować jako wzorzec.
Zaczynają od małego, mierzalnego problemu. Firma logistyczna z Łodzi (80 pracowników) nie próbowała zautomatyzować całego łańcucha dostaw. Zaczęła od jednego procesu: automatycznej klasyfikacji maili od klientów i kierowania ich do odpowiednich działów. Wdrożenie kosztowało 15 tysięcy złotych, zajęło trzy tygodnie i skróciło średni czas reakcji na zapytanie z 4,5 godziny do 1,2 godziny. Dopiero po potwierdzeniu, że to działa, firma przeszła do kolejnych obszarów.
Angażują pracowników jako ekspertów, nie jako przeszkodę. Najlepsze wdrożenia AI, jakie widziałem, to te, w których pracownicy liniowi byli częścią zespołu projektowego od samego początku. To oni wiedzą, które zadania są powtarzalne i frustrujące, a które wymagają ludzkiej oceny i doświadczenia. Firma produkcyjna z Rzeszowa zaprosiła operatorów maszyn do współtworzenia systemu predykcyjnego utrzymania ruchu. Operatorzy wskazali, które sygnały z maszyn faktycznie zapowiadają awarie, a które są fałszywymi alarmami. Dzięki temu model AI osiągnął 87% trafności prognoz, zamiast typowych 60-65% w przypadku wdrożeń bez udziału praktyków.
Traktują AI jako narzędzie, nie jako strategię. To fundamentalna różnica. AI nie jest strategią biznesową. Jest narzędziem, które może wspierać strategię. Firma, która mówi "nasza strategia to AI", jest jak firma, która mówi "nasza strategia to Excel". Narzędzie nie zastępuje myślenia o tym, komu sprzedajemy, jaką wartość dostarczamy i jak się wyróżniamy na rynku.
Mierzą efekty i nie boją się wycofać. To chyba najtrudniejszy punkt. Gdy firma zainwestowała czas, pieniądze i prestiż menedżera w projekt AI, przyznanie się, że nie działa, wymaga odwagi. Ale firmy, które potrafią powiedzieć "ten eksperyment się nie udał, wracamy do poprzedniego procesu i spróbujemy inaczej", w dłuższej perspektywie wygrywają. Kultura eksperymentowania zakłada, że część eksperymentów się nie uda, i to jest normalne.
Praktyczna lista kontrolna przed każdym wdrożeniem AI
Na podstawie kilkudziesięciu projektów, w których uczestniczyłem lub które obserwowałem, stworzyłem prostą listę pytań, które warto sobie zadać przed każdym wdrożeniem AI w firmie. Nie jest to formalny framework - raczej zbiór zdroworozsądkowych filtrów.
- Czy potrafię opisać problem BEZ użycia słowa "AI"? Jeśli nie, prawdopodobnie szukam rozwiązania bez jasno zdefiniowanego problemu.
- Ile kosztuje mnie ten problem dzisiaj? Czas pracowników, utracone przychody, błędy - potrzebuję konkretnej liczby, żeby potem ocenić, czy wdrożenie się zwróciło.
- Czy mam dane potrzebne do działania AI? Wiele narzędzi AI wymaga danych historycznych. Jeśli firma nie zbierała danych systematycznie, model nie będzie miał z czego się uczyć.
- Kto w firmie będzie "właścicielem" tego narzędzia? Bez osoby odpowiedzialnej za utrzymanie, aktualizację i monitorowanie wyników, każde wdrożenie umrze po kilku miesiącach.
- Co się stanie, gdy AI się pomyli? Czy istnieje procedura awaryjnej interwencji człowieka? Czy klient zostanie obsłużony, gdy system padnie?
- Czy rozmawiałem z ludźmi, których ta zmiana dotyczy? Nie z zarządem. Z ludźmi, którzy codziennie wykonują automatyzowany proces.
Jeśli na więcej niż dwa pytania odpowiedź brzmi "nie wiem" lub "jeszcze nie", to znak, że wdrożenie jest przedwczesne. Nie znaczy to, że trzeba z niego rezygnować - znaczy, że trzeba najpierw odrobić zadanie domowe.
Warto też pamiętać o jednym ograniczeniu, o którym rzadko się mówi: obecne modele AI, nawet te najnowsze jak GPT-4o czy Claude 3.5, wciąż popełniają błędy. Halucynują, wymyślają fakty, źle interpretują kontekst. W zastosowaniach, gdzie błąd ma niskie konsekwencje (np. generowanie pomysłów na posty w mediach społecznościowych), to akceptowalne ryzyko. W zastosowaniach, gdzie błąd może kosztować firmę klienta lub reputację (np. automatyczne odpowiedzi na reklamacje, generowanie ofert handlowych z cenami), potrzebna jest ludzka weryfikacja. Zawsze.
Podsumowanie - fascynacja tak, ślepota nie
AI zmienia sposób, w jaki firmy działają. To fakt, nie opinia. Polskie MŚP, które mądrze wdrożą te narzędzia, zyskają realną przewagę konkurencyjną - niższe koszty operacyjne, szybszą obsługę klientów, lepsze decyzje oparte na danych. Ale słowo "mądrze" jest tu najważniejsze.
Mądre wdrożenie zaczyna się od problemu, nie od technologii. Angażuje ludzi zamiast ich pomijać. Mierzy efekty zamiast zakładać sukces. I nie boi się przyznać, że coś nie działa.
Fascynacja AI jest naturalna i zdrowa - pod warunkiem, że nie zastępuje krytycznego myślenia. Najgorsze, co może zrobić polski przedsiębiorca, to wdrożyć AI dlatego, że "wszyscy to robią" albo dlatego, że "tak powiedział konsultant na konferencji". Najlepsze, co może zrobić, to potraktować AI jak każdą inną inwestycję biznesową: policzyć, przetestować, zmierzyć i zdecydować na podstawie faktów.
Bo technologia przychodzi i odchodzi. Zdrowy rozsądek biznesowy zostaje.
Źródło: What happens when companies become too AI-pilled? - TechCrunch