Pomimo ogromnego zainteresowania i medialnego szumu jaki wywołuje sztuczna inteligencja w biznesie, jej faktyczne zastosowanie w organizacjach wciąż jest niewielkie – korzysta z niej zaledwie 6% polskich przedsiębiorstw, podczas gdy średnia europejska to około 13% (1). To spora różnica w porównaniu do ambicji i deklaracji menedżerów, którzy coraz częściej postrzegają AI w decyzjach biznesowych, jako klucz do rozwoju, nowych możliwości i przewagi konkurencyjnej.
W artykule opartym na wystąpieniu Michała Krupińskiego podczas webinaru współorganizowanego z Grant Thornton Polska, przyjrzymy się, jak rozwój sztucznej inteligencji zmienia digital workplace, najpopularniejsze zastosowania, gdzie tkwią pułapki i jakie rozwiązania sztucznej inteligencji warto rozważyć, aby skutecznie przeprowadzić optymalizację procesów biznesowych i zwiększyć konkurencyjność firm.
Zastosowanie AI w procesach biznesowych
Patrząc na dane o adopcji sztucznej inteligencji, widać, że biznes dopiero oswaja się z tą technologią. Wynika to przede wszystkim z różnic między branżami i niskiej świadomości tego co umożliwia firmom. W sektorach takich jak finanse, telekomunikacja czy IT firmy deklarują większą otwartość na wykorzystanie potencjału sztucznej inteligencji i aktywnie eksperymentują z jej zastosowaniami.
Z kolei w obszarach takich jak: budownictwo, przemysł czy małe i średnie przedsiębiorstwa – często dominuje przekonanie, że AI jest im niepotrzebna. W rzeczywistości to niezrozumienie technologii sztucznej inteligencji oraz obawy kulturowe i organizacyjne sprawiają, że firmy pozostają w tyle, nawet jeśli mają dostęp do narzędzi.
Tę rozbieżność dobrze ilustrują dane przedstawiające skalę adopcji sztucznej inteligencji w europejskich firmach. W niektórych krajach odsetek organizacji korzystających z możliwości sztucznej inteligencji jest kilkukrotnie wyższy niż w Polsce, co pokazuje, jak zróżnicowane jest podejście do narzędzi oraz optymalizacji procesów biznesowych.
Firmy korzystające z technologii sztucznej inteligencji – wykorzystanie narzędzi AI (1)
Najpopularniejsze zastosowanie AI
- Analiza tekstu
- Generowanie tekstu pisanego lub mówionego
- Analiza języka mówionego
- Uczenie maszynowe
- Automatyzacja przepływów pracy i wspieranie w podejmowaniu decyzji
Firmy stosują AI głównie w obsłudze klienta – w chatbotach, systemach call center oraz narzędziach do analizy opinii i feedbacku od klientów. Tego typu rozwiązania wspierają pracowników w odpowiadaniu na zapytania, automatyzują procesy związane ze zwrotami czy reklamacjami, a także umożliwiają szybsze przetwarzanie dużych ilości danych tekstowych, np. w wiadomościach e‑mail czy formularzach.
Wciąż jednak rzadziej spotyka się bardziej zaawansowane zastosowania technologii sztucznej inteligencji, takie jak automatyzacja przepływów pracy czy wsparcie w podejmowaniu decyzji strategicznych – mimo że to właśnie w tych obszarach AI ma ogromny, niewykorzystany potencjał.
Sprawdź nasze podejście do automatyzacji i AI
Według danych z Harvard Business Review, aż 80% liderów biznesu uważa, że AI będzie kluczowym czynnikiem sukcesu organizacji w najbliższych dwóch latach (2). To pokazuje, jak wysoko menedżerowie oceniają potencjał tej technologii w budowaniu przewagi konkurencyjnej.
Tymczasem w praktyce jedynie około 20% firm faktycznie wdrożyło sztuczną inteligencję do codziennych działań operacyjnych (2). Ta dysproporcja jasno wskazuje, że chociaż świadomość potencjału AI jest wysoka, organizacjom często brakuje jasnej strategii, odpowiednich kompetencji lub odwagi, by przekuć deklaracje w konkretne działania. Praktyczne wykorzystanie sztucznej inteligencji i wyzwania wokół wdrożeń AI mają swoje źródło nie tyle w technologii, ile w kulturze organizacyjnej i przygotowaniu firm na zmiany.
Błędy przy wdrażaniu AI
Badania pokazują, że ok. 80% wdrożeń AI nie osiąga zakładanych celów biznesowych lub zostaje porzucona przed pełnym uruchomieniem (3).
Co istotne, źródłem tych porażek wcale nie są wyłącznie ograniczenia technologiczne czy brak zasobów. Zamiast koncentrować się na strategicznym zastosowaniu sztucznej inteligencji, wiele organizacji popełnia podstawowe błędy, a najczęstsze przyczyny niepowodzeń mają charakter organizacyjny i kulturowy:
- Niejasny lub źle rozumiany problem
Firmy często w swoich decyzjach biznesowych nie definiują jasno problemu, który chcą rozwiązać – AI wdraża się „bo wszyscy to robią”, a nie dlatego, że faktycznie odpowiada na konkretną potrzebę. Narzędzie w postaci AI, daje poczucie, że każda trudność wydaje się możliwa do załatwienia, nawet jeśli w rzeczywistości nie ma to sensu ani ekonomicznego, ani organizacyjnego.
- Brak odpowiednich danych
Sztuczna inteligencja działa na podstawie danych – potrzebuje ich w dużych ilościach i wysokiej jakości. Wiele firm nie posiada uporządkowanych, dobrze opisanych ani łatwo dostępnych danych, które można wykorzystać w projekcie. Brak „paliwa” dla modeli AI sprawia, że systemy nie są w stanie działać prawidłowo lub generują błędne wyniki, podważając zaufanie do całego rozwiązania.
- Technologia przerasta potrzeby
Firmy nierzadko wdrażają technologie zbyt zaawansowane w stosunku do rzeczywistych problemów, które mają rozwiązać. Zamiast prostych i skutecznych rozwiązań dopasowanych do skali i charakteru ich działalności, decydują się na złożone systemy, których nie potrafią później efektywnie wykorzystać. W efekcie inwestycja w rozwiązania sztucznej inteligencji nie przynosi oczekiwanych rezultatów, a nawet komplikuje istniejące procesy.
- Problem z infrastrukturą i wdrożeniem
Wdrożenie narzędzi opartych na AI wymaga odpowiedniej infrastruktury technicznej oraz zespołu z właściwymi kompetencjami. W wielu organizacjach brakuje zarówno zasobów IT, jak i ludzi zdolnych do wdrażania i utrzymania takich rozwiązań oraz rozumiejących specyfikę AI, tacy jak AI researcher, którzy potrafią ocenić możliwości technologiczne i dopasować rozwiązania do potrzeb biznesowych.
- Zadanie zbyt trudne dla dzisiejszej AI
Czasami firmy oczekują od AI więcej, niż obecna technologia jest w stanie dostarczyć. Wybierają zbyt ambitne cele, jak pełna automatyzacja procesów, i rozczarowują się, gdy system nie spełnia oczekiwań. Warto jednak podkreślić, że to wcale nie jest najczęstsza przyczyna porażek – znacznie częściej problem tkwi w organizacji i sposobie, w jaki przygotowano się do wdrożenia.
Jak podają dane tylko ~1 na 5 inicjatyw transformacji cyfrowej osiąga zakładane cele, a wspólnym mianownikiem porażek jest niewspierająca kultura organizacyjna (4).
Sztuczna inteligencja w biznesie
Pomimo rosnącej roli narzędzi sztucznej inteligencji, tego co umożliwia firmom i coraz większego zainteresowania technologiami transformującymi digital workplace, jej faktyczne wykorzystanie wśród pracowników pozostaje relatywnie niskie.
Dane wskazują, że aż 81% zatrudnionych nie korzysta z narzędzi generatywnej sztucznej inteligencji w codziennej pracy, a jedynie 16% deklaruje jakiekolwiek doświadczenie z takimi rozwiązaniami. Odsetek ten może być niedoszacowany.
Taki poziom adopcji wynika w dużej mierze z różnorodnych postaw wobec samej technologii. Część pracowników reaguje negacją, przekonani, że AI nie jest w stanie zastąpić ich kompetencji, ignorują jej możliwości i unikają kontaktu z nowymi narzędziami. Inni z kolei odczuwają niepewność i strach, mają ograniczoną wiedzę o tym, jak działają systemy AI, i obawiają się utraty stanowiska lub marginalizacji swojej roli.
Sztuczna inteligencja w codziennej pracy
W praktyce wielu pracowników nieoficjalnie przyznaje, że mimo braku formalnych wdrożeń integrują narzędzia AI, takie jak ChatGPT czy Google Gemini, z własnym środowiskiem pracy cyfrowej. Logują się na prywatne konta i traktują je jako alternatywę dla tradycyjnych wyszukiwarek – wykorzystując AI głównie do wyszukiwania informacji lub generowania tekstów – tworzenia treści: prosząc o napisanie maila, poprawienie tonu wypowiedzi czy przygotowanie krótkiego podsumowania.
Choć takie działania często poprawiają efektywność i jakość komunikacji, pracownicy ukrywają je przed przełożonymi – z braku jasnych wytycznych, obawy przed negatywną oceną lub wątpliwości co do zgodności z polityką firmy. To pokazuje, że skuteczne i strategiczne wdrażanie sztucznej inteligencji wymaga nie tylko odpowiednich narzędzi, ale przede wszystkim edukacji, transparentności i zaufania w miejscu pracy.
Analiza danych rynkowych – badanie na reprezentacyjnej próbie amerykanów. Użycie zmienia się w zależności od branży. (5)
Komunikacja i szkolenia – brakujące ogniwa w adopcji AI
Dane pokazują, że zaledwie 15% pracowników deklaruje, iż ich organizacja jasno przedstawiła strategię i plan wdrożenia AI (5). To oznacza, że w zdecydowanej większości przypadków pracownicy nie rozumieją, jakie są cele wdrożenia ani w jaki sposób technologia ma wspierać ich codzienną pracę.
Co więcej, nawet tam, gdzie AI już działa, pracownicy rzadko otrzymują odpowiednie wsparcie. Tylko 47% osób w firmach, które korzystają z generatywnej sztucznej inteligencji, potwierdza, że zapewniono im jakiekolwiek szkolenie w tym zakresie.
Taki brak komunikacji i edukacji pogłębia AI skills gap – różnicę między oczekiwaniami wobec pracowników a ich faktycznymi umiejętnościami – i prowadzi do niepewności, oporu wobec zmian oraz niewykorzystania potencjału narzędzi. Jeśli organizacje chcą świadomie budować przyszłość sztucznej inteligencji w miejscu pracy, muszą zadbać o transparentność, edukację i zaangażowanie zespołów.
Sprawdź nasze szkolenie ze sztucznej inteligencji – AI w pracy zespołów badawczych
Potencjał sztucznej inteligencji jako czynnik przewagi
Brak komunikacji i szkoleń sprawia, że pracownicy nie wiedzą, jak i po co korzystać z nowych narzędzi. Widać to szczególnie na przykładzie wewnętrznych chatbotów, które firmy często budują z bardzo szerokim zakresem funkcji – generowanie tekstów, tworzenie treści, analiza dokumentów, odpowiadanie na pytania, raportowanie i wiele innych.
Taki „produkt do wszystkiego” w praktyce okazuje się mało użyteczny, użytkownicy nie rozumieją, do czego konkretnie ma służyć, i ograniczają się do najprostszych poleceń, jak napisanie maila czy poprawienie tekstu. Reszta możliwości pozostaje niewykorzystana.
Znacznie skuteczniejsze okazują się produkty o wąskim zakresie, zaprojektowane do rozwiązania konkretnego problemu. Przykładem może być chatbot wspierający tylko rozliczanie delegacji: automatycznie odczytuje dane z faktur i uzupełnia formularze. Takie narzędzia są zrozumiałe dla użytkowników i znacznie chętniej wykorzystywane w codziennej pracy.
Sztuczna inteligencja w biznesie – jak wdrażać?
Skuteczne wdrożenie sztucznej inteligencji w biznesie wymaga przemyślanego, etapowego podejścia. Kluczowe jest, aby proces nie zaczynał się od wyboru technologii, lecz od zrozumienia realnych potrzeb organizacji i identyfikacji problemów, które sztuczna inteligencja obejmuje i może rozwiązać.
Audyt procesów i identyfikacja problemów pozwala wskazać obszary, w których automatyzacja lub analiza danych rzeczywiście przełożą się na oszczędność czasu, redukcję kosztów lub poprawę jakości pracy. Zanim wybierzemy narzędzie AI, należy dokładnie przeanalizować istniejące procesy i zidentyfikować wąskie gardła, koszty oraz bolączki pracowników.
- Gdzie tracimy najwięcej czasu?
- Które czynności są powtarzalne, nudne, obarczone błędami?
Celem jest znalezienie problemów, które, gdyby je rozwiązać, dałyby organizacji wymierną poprawę (np. szybszy obieg informacji, mniejszy nakład pracy manualnej, lepsza komunikacja).
Kolejnym krokiem jest ocena możliwości AI dla danego problemu. Gdy wiemy, co chcemy usprawnić i gdzie wprowadzić automatyzacje procesów, kolejny krok to szczera analiza, czy sztuczna inteligencja obejmuje rozwiązanie tego problemu.
Nie każde wyzwanie biznesowe wymaga sztucznej inteligencji – czasami wystarczy lepsze ustrukturyzowanie danych lub usprawnienie procedur. Jeśli jednak technologia jest właściwa, należy zadbać o dane, które będą jej „paliwem”: ich jakość, kompletność i dostępność mają kluczowe znaczenie.
Warto również odpowiednio przygotować zasoby: dane, infrastruktura i narzędzia, zespół oraz kompetencje.
Najlepszą praktyką jest rozpoczęcie od małych, pilotażowych projektów MVP – minimum viable product, które można szybko przetestować w realnym środowisku pracy i stopniowo rozwijać.
Pozwala to zweryfikować założenia z rzeczywistością i zebrać wczesny feedback od użytkowników. Udane projekty wskazują, że w strategicznym zastosowaniu sztucznej inteligencji, warto skupić się na kilku kluczowych przypadkach użycia (use-case), które mają najwyższy potencjał i tam skierować wysiłki. Po wdrożeniu prototypu, mierzmy efekty.
Najczęściej zadawane pytania (FAQ) – optymalizacja procesów biznesowych
Czy badania etnograficzne i shadowing pomagają przy wdrażaniu AI w biznesie?
Tak. Badania etnograficzne, czyli obserwowanie, jak pracownicy faktycznie korzystają z narzędzi i systemów sztucznej inteligencji wykonują swoje zadania, pozwalają odkryć problemy, które nie wychodzą w ankietach czy wywiadach. Często deklaracje pracowników rozmijają się z rzeczywistością, a dzięki takim badaniom można zaprojektować rozwiązanie lepiej dopasowane do ich realnych potrzeb.
Czy warto zaczynać od MVP przy zakupie nowego systemu?
Tak, podejście MVP (Minimum Viable Product) to nie chwilowa moda, lecz sprawdzona praktyka. Dzięki małemu, pilotażowemu wdrożeniu można przetestować rozwiązanie w realnym środowisku, zaangażować użytkowników i uniknąć błędów przy dużej inwestycji. MVP pozwala też budować pozytywne nastawienie do zmian, wyłapać potencjalne problemy wcześniej i zwiększać konkurencyjność firm, które szybciej dostosowują się do potrzeb rynku.
Dlaczego pracownicy ukrywają korzystanie z AI?
Często boją się reakcji przełożonych, nie wiedzą, czy używanie prywatnych narzędzi AI, takich jak Chat GPT, jest akceptowane, albo obawiają się, że zostaną uznani za mniej zaangażowanych lub leniwych. Dodatkowo brakuje jasnych zasad i komunikacji w firmach, co pogłębia niepewność. Tymczasem otwarta dyskusja o tym zjawisku i stworzenie transparentnych zasad to kluczowy krok w kierunku budowania kultury zaufania i przygotowania organizacji na przyszłość sztucznej inteligencji w biznesie.
Jak można przełamać opór wobec wdrożenia AI dla biznesu?
Kluczowe są: jasna komunikacja celów, szkolenia dostosowane do poziomu wiedzy pracowników i angażowanie ich w proces oraz decyzje biznesowe od samego początku. Pomagają też ambasadorzy zmian, którzy testują rozwiązania i wspierają współpracowników w ich codziennym używaniu.
Czy automatyzacja i wdrożenie AI zawsze wymaga zaawansowanej technologii?
Nie. Wiele problemów można rozwiązać prostymi, wyspecjalizowanymi narzędziami, które nie wymagają skomplikowanej infrastruktury, a oferują nowe możliwości sztucznej inteligencji. Ważne jest dopasowanie technologii do rzeczywistych potrzeb i możliwości organizacji, które warto określić poprzez analizę danych rynkowych. Taka analiza pozwala lepiej zaplanować wykorzystanie sztucznej inteligencji przy optymalizacji procesów biznesowych.
