W wielu firmach rozmowa o AI zaczyna się dziś podobnie.

Ktoś z zarządu widzi, że konkurencja testuje automatyzacje. Pracownicy korzystają z ChatGPT. Na LinkedIn regularnie pojawiają się historie o firmach, które „oszczędzają dziesiątki godzin miesięcznie”.

W końcu pada pytanie:

Gdzie my możemy użyć AI?

To rozsądne pytanie. Problem w tym, że często pojawia się o krok za wcześnie.

Zanim firma zacznie wybierać narzędzie, model, integrację albo dostawcę, powinna odpowiedzieć na mniej efektowne, ale ważniejsze pytanie:

Czy mamy proces, który rzeczywiście nadaje się do automatyzacji?

Bo AI nie uporządkuje firmy za nas.

Może przyspieszyć pracę, pomóc w analizie danych, przygotować rekomendację albo przepisać informacje między systemami. Ale jeśli nikt w firmie nie potrafi jasno powiedzieć, jak dziś wygląda dany proces, automatyzacja bardzo często nie rozwiązuje problemu. Ona tylko szybciej przenosi chaos z jednego miejsca w drugie.

W praktyce pierwszy problem rzadko polega na „braku AI”. Zwykle problem wygląda inaczej:

• proces istnieje tylko w głowach kilku osób
• każdy wykonuje go trochę inaczej
• firma zna oczekiwany efekt, ale nie potrafi opisać drogi, która do niego prowadzi

To właśnie z tego powodu wiele wdrożeń zaczyna się za wcześnie.

Zacznij od procesu, nie od technologii

Pytanie „gdzie możemy użyć AI?” brzmi dobrze, ale łatwo prowadzi w złą stronę. Zaczynamy wtedy szukać zastosowania dla technologii, zamiast rozwiązywać konkretny problem biznesowy.

Efekt bywa przewidywalny. Firma wdraża AI tam, gdzie wystarczyłby:

• lepszy formularz
• prosta integracja
• uporządkowanie danych
• albo zwykła reguła biznesowa

Po kilku miesiącach trudno wtedy odpowiedzieć:

• co dokładnie się poprawiło
• ile czasu zaoszczędzono
• czy projekt rzeczywiście miał sens

Pytanie, które powinno być zadane w pierwszej kolejności, brzmi inaczej:

Który proces w firmie jest powtarzalny, obciąża ludzi, generuje błędy albo zabiera czas na pracę, której nikt nie powinien już wykonywać ręcznie?

To mniej modne pytanie, ale dużo bardziej użyteczne.

W praktyce nie zaczynałbym od wyboru modelu AI. Zacząłbym od rozpisania procesu:

• co jest na wejściu
• jaki ma być wynik
• jakie są główne kroki
• gdzie pojawiają się wyjątki
• w których miejscach człowiek naprawdę musi podjąć decyzję

Dopiero wtedy widać, czego firma faktycznie potrzebuje.

Czasem będzie to LLM. Czasem OCR. Czasem integracja z CRM/ERP. A czasem odpowiedź okaże się dużo prostsza: najpierw trzeba ujednolicić sposób pracy.

Najlepsza automatyzacja często nie dotyczy najbardziej oczywistego procesu.

Proces nie musi być prosty. Musi być powtarzalny

Częsty błąd: zakładać, że do automatyzacji nadają się tylko proste, liniowe czynności. To nieprawda.

Proces może być złożony. Może mieć wiele wyjątków, kilka systemów i momenty, w których człowiek musi ocenić sytuację. Nadal może nadawać się do automatyzacji. Jedyny warunek: da się go opisać.

Problem zaczyna się wtedy, gdy:

• każdy pracownik wykonuje zadanie po swojemu
• kryteria decyzji są niejasne
• wynik zależy głównie od doświadczenia konkretnej osoby

Dobrze opisany proces nie musi być idealny. Wystarczy, że wiadomo:

• kiedy się zaczyna
• kiedy się kończy
• jakie dane są potrzebne na wejściu
• jaki wynik powinien powstać
• które kroki powtarzają się prawie zawsze
• gdzie potrzebna jest decyzja człowieka

Jeśli tego nie wiadomo, to nie jest problem technologiczny, lecz operacyjny. I najpierw trzeba go zobaczyć.

Trzy sygnały, że firma nie ma jeszcze procesu

Nie każdy powtarzalny problem jest od razu procesem gotowym do automatyzacji. Czasem firma ma tylko obszar pracy, który ludzie obsługują na podstawie doświadczenia, intuicji i indywidualnych obejść.

Są trzy sygnały ostrzegawcze.

1. Każdy opisuje zadanie inaczej

Jeśli trzy osoby z tego samego działu inaczej tłumaczą, jak wykonują dane zadanie, firma nie ma jeszcze wspólnego procesu. Ma kilka prywatnych sposobów pracy.

To nie przekreśla automatyzacji, ale oznacza, że najpierw trzeba ustalić:

• który sposób działania jest właściwy
• albo zbudować nowy, wspólny proces

W wielu firmach pierwszy sensowny opis procesu powstaje dopiero wtedy, gdy ktoś z zewnątrz zaczyna zadawać proste pytania:

• skąd bierzesz dane?
• co sprawdzasz?
• kiedy uznajesz sprawę za zamkniętą?
• co robisz z wyjątkiem?

2. Nie wiadomo, co znaczy „dobrze wykonane”

To częsty problem przy:

• analizie dokumentów
• kwalifikacji leadów
• obsłudze zgłoszeń
• przygotowywaniu ofert

Na początku wszyscy mówią: „wiadomo, o co chodzi”. Dopiero przy próbie opisania kryteriów jakości okazuje się, że każdy rozumie je trochę inaczej. A jeśli nie wiadomo, jak wygląda poprawny wynik, nie wiadomo też, czego automatyzacja ma pilnować.

3. Wyjątki są częstsze niż standard

Każdy proces ma wyjątki i jest to całkowicie normalne. Problem pojawia się wtedy, gdy wyjątki stają się normą. Jeśli większość spraw wymaga indywidualnej interpretacji, automatyzacja całego procesu będzie ryzykowna.

Wtedy lepiej zejść poziom niżej i automatyzować fragment:

• klasyfikację zgłoszenia
• zebranie danych
• wykrycie braków
• porównanie dokumentów
• albo przygotowanie rekomendacji dla człowieka

I bardzo często to już daje realny efekt.

Nie automatyzuj życzenia. Automatyzuj sposób działania

Weźmy prosty przykład: pozyskiwanie klientów albo dostawców.

Zdanie:

Chcemy automatycznie szukać klientów w internecie.

brzmi dobrze, ale jest zbyt ogólne.

Nie wiadomo:

• jakich klientów szukamy
• z jakich źródeł korzystamy
• według jakich kryteriów oceniamy wynik
• co powinno wydarzyć się później

To jest życzenie, nie proces.

Dużo lepszy opis wygląda tak:

Codziennie pobieramy listę firm z określonych branż, sprawdzamy ich lokalizację, wielkość, profil działalności, osoby decyzyjne i dopasowanie do naszej oferty. Następnie oceniamy każdą firmę według ustalonych kryteriów, zapisujemy wynik w CRM i generujemy propozycję pierwszej wiadomości dla handlowca.

To już jest początek procesu. Nie musi być perfekcyjny, ale ma zdefiniowane:

• dane wejściowe
• kryteria
• kroki
• wynik

Dopiero taki opis można sensownie analizować pod kątem automatyzacji.

AI dużo lepiej działa na opisanym sposobie pracy niż na ogólnym oczekiwaniu typu:

• „chcemy sprzedawać więcej”
• „poprawmy support”
• „zróbmy coś z dokumentami”

Czynność, rekomendacja czy decyzja?

Na początku warto rozróżnić, co właściwie firma chce oddać systemowi. To nie jest detal, bo od tego zależy ryzyko całego wdrożenia.

Automatyzacja czynności

System wykonuje powtarzalny krok:

• pobiera dane z dokumentu
• przepisuje informacje między systemami
• klasyfikuje zgłoszenie
• wykrywa brakujące pola

To zwykle najbezpieczniejszy pierwszy obszar automatyzacji.

Automatyzacja rekomendacji

System sugeruje decyzję, ale człowiek nadal ją zatwierdza.

Może:

• wskazać priorytet leadu
• przygotować odpowiedź dla klienta
• zaproponować kategorię reklamacji
• podsumować umowę

To dobry model tam, gdzie AI ma przyspieszać pracę, ale odpowiedzialność nadal zostaje po stronie człowieka.

Automatyzacja decyzji

System sam:

• akceptuje
• odrzuca
• blokuje
• eskaluje
• albo uruchamia kolejny krok procesu

I tutaj robi się poważnie. Automatyczne pobranie danych z faktury to zupełnie inny projekt niż automatyczne odrzucenie reklamacji albo decyzja wpływająca na płatność, klienta czy ryzyko prawne.

Im bliżej decyzji biznesowej, finansowej lub prawnej, tym ważniejsze stają się:

• kryteria jakości
• audyt
• historia działań
• jasne zasady przekazywania sprawy do człowieka

AI może wspierać decyzje, ale firma musi wiedzieć, kto za nie odpowiada.

Nie trzeba automatyzować całego procesu

Drugi częsty błąd to myślenie, że automatyzacja oznacza przejęcie całego procesu od początku do końca. Najczęściej nie oznacza i często nie powinna.

Proces może być zbyt duży, zbyt zmienny albo zbyt zależny od człowieka, żeby automatyzować go w całości. Może jednak zawierać fragmenty, które są powtarzalne, dobrze opisane i łatwe do zmierzenia. I właśnie tam najczęściej pojawia się najlepszy pierwszy efekt.

Takimi fragmentami mogą być:

• zebranie danych z kilku źródeł
• wstępna klasyfikacja zgłoszenia
• sprawdzenie poprawności dokumentu
• wykrycie brakujących informacji
• porównanie ofert
• przygotowanie pierwszej wersji odpowiedzi
• przepisanie danych między systemami
• przygotowanie rekomendacji dla człowieka

W praktyce większy zwrot często pojawia się nie tam, gdzie firma próbuje zautomatyzować wszystko, tylko tam, gdzie dobrze wybiera jeden konkretny fragment procesu.

Mały. Powtarzalny. Mierzalny.

Przykład: support klienta

Firma mówi:

Chcemy zautomatyzować obsługę klienta.

To nadal za szeroko.

Obsługa klienta może obejmować:

• reklamacje
• pytania o status zamówienia
• prośby o faktury
• zmianę danych
• pytania techniczne
• zwroty
• eskalacje
• sprawy wymagające decyzji menedżera

Próba automatyzacji wszystkiego od razu będzie ryzykowna. Lepiej zacząć od sprawdzenia, co naprawdę się powtarza.

W wielu firmach okazuje się, że duża część zgłoszeń dotyczy kilku tematów:

• statusu zamówienia
• ponownego przesłania faktury
• zmiany danych kontaktowych
• brakujących informacji w zgłoszeniu

Wtedy pierwszym krokiem nie musi być „AI do całego supportu”. Może nim być:

• klasyfikacja zgłoszeń
• wykrywanie brakujących danych
• przygotowanie odpowiedzi dla konsultanta

To nie zastępuje całego działu obsługi, ale usuwa powtarzalną pracę z fragmentu procesu, który da się jasno opisać. I właśnie o to chodzi w dobrym pierwszym wdrożeniu.

Zbyt szeroki problem trzeba zawęzić

Wiele pomysłów na automatyzację brzmi dobrze, dopóki nie spróbujemy ich rozpisać. „Zwiększmy sprzedaż.” „Znajdźmy nowych klientów.” „Poprawmy obsługę klienta.” „Zróbmy coś z dokumentami.”

To nie są złe cele. Są tylko zbyt szerokie jako punkt startowy dla automatyzacji.

Proces brzmi inaczej:

• klasyfikacja leadów według dopasowania do oferty
• analiza zapytań ofertowych i przygotowanie pierwszej wersji odpowiedzi
• przypisywanie zgłoszeń klientów do odpowiednich kategorii
• odczytywanie danych z faktur i porównywanie ich z zamówieniami
• przygotowanie tygodniowego podsumowania sprzedaży na podstawie danych z CRM

Cel mówi, co firma chce poprawić. Proces mówi, co konkretnie dzieje się krok po kroku. AI potrzebuje tego drugiego.

Szybki test: proces czy chaos?

Zanim firma zacznie rozmawiać o narzędziach, modelach i dostawcach, warto wziąć jeden proces i odpowiedzieć na kilka pytań.

1. Czy ten proces powtarza się w podobny sposób?
2. Czy wiadomo, kiedy się zaczyna?
3. Czy wiadomo, kiedy się kończy?
4. Czy wiadomo, jakie dane są potrzebne na wejściu?
5. Czy wiadomo, jaki wynik powinien powstać?
6. Czy da się opisać główne kroki?
7. Czy różne osoby wykonują go podobnie?
8. Czy wiadomo, które decyzje są proste, a które wymagają człowieka?
9. Czy wiadomo, gdzie najczęściej pojawiają się błędy?
10. Czy da się zacząć od automatyzacji jednego fragmentu?

Jeśli na większość pytań odpowiedź brzmi „tak”, proces prawdopodobnie nadaje się do dalszej analizy.

Jeśli większość odpowiedzi brzmi:

• „nie wiem”
• „to zależy”
• „każdy robi to trochę inaczej”

to automatyzacja jest przedwczesna. Nie dlatego, że AI się nie nadaje, tylko dlatego, że firma nie wie jeszcze, co dokładnie ma zostać zautomatyzowane.

Mini-audyt na 30 minut

Najprostszy test gotowości procesu nie wymaga warsztatów, prezentacji ani wyboru narzędzia.

Wybierz jeden proces, który dziś obciąża zespół, i odpowiedz na cztery pytania:

1. Jak ten proces zaczyna się w praktyce?
2. Jaki konkretny wynik powinien powstać?
3. Które trzy kroki powtarzają się prawie zawsze?
4. W którym miejscu najczęściej potrzebny jest człowiek?

Jeśli nie da się odpowiedzieć na te pytania w 30 minut, proces nie jest jeszcze gotowy do automatyzacji. Najpierw trzeba go opisać.

Jeśli odpowiedzi są jasne, można przejść dalej: wskazać fragment, który jest najbardziej powtarzalny, najmniej ryzykowny i najłatwiejszy do zmierzenia.

Co zwykle wychodzi z takiej analizy?

Najczęściej jeden z trzech scenariuszy.

1. Proces jest gotowy do automatyzacji

Ma:

• dane wejściowe
• wynik
• powtarzalne kroki
• jasne miejsca decyzji człowieka

Wtedy można szukać najlepszego fragmentu na start.

2. Proces trzeba najpierw uporządkować

Różne osoby robią go inaczej. Kryteria decyzji są niejasne albo nie wiadomo, co dokładnie oznacza dobry wynik.

Wtedy praca zaczyna się od uporządkowania procesu, nie od wdrożenia AI.

3. Proces jest zbyt chaotyczny

Nie ma:

• jasnego początku
• końca
• danych wejściowych
• wyniku

Firma nie potrafi powiedzieć, jak zadanie jest dziś wykonywane. Wtedy AI nie jest pierwszym krokiem. Pierwszym krokiem jest zrozumienie, co właściwie dzieje się w firmie.

To może brzmieć mniej atrakcyjnie niż szybkie wdrożenie nowego narzędzia, ale zwykle oszczędza dużo pieniędzy i frustracji.

Najpierw proces, potem AI

AI może być bardzo dobrym narzędziem do automatyzacji. Może:

• przyspieszać pracę
• ograniczać błędy
• analizować dokumenty
• porządkować dane
• wspierać ludzi w podejmowaniu decyzji

Ale nie zastąpi myślenia o procesie.

Jeśli firma nie wie:

• jak dziś wykonywane jest dane zadanie
• kto podejmuje decyzje
• jakie dane są potrzebne
• co oznacza dobry wynik

to automatyzacja będzie ryzykowna. Nie dlatego, że AI jest złe, tylko dlatego, że nie wiadomo, co właściwie ma robić.

Dobrym pierwszym krokiem jest wybranie dwóch lub trzech procesów, które najbardziej obciążają zespół, i sprawdzenie ich według prostej checklisty.

Dopiero kiedy wiadomo, które procesy są gotowe do automatyzacji, warto przejść do kolejnego pytania:

Który z nich opłaca się automatyzować jako pierwszy?