Presja na firmę nie zawsze oznacza ten sam problem
Właściciel widzi zaległe oferty, przedłużającą się obsługę klientów i pracowników, którzy kończą dzień z poczuciem, że zajmowali się wszystkim, a niewiele doprowadzili do końca. Zanim uzna, że potrzebuje dodatkowego etatu albo nowego narzędzia, powinien przyjrzeć się temu, na co faktycznie schodzi czas. Część pracy wynika z liczby zamówień. Część powstaje dlatego, że informacje trzeba wielokrotnie przepisywać, dokumenty krążą bez jasnych zasad, a decyzje czekają na jedną osobę.
To rozróżnienie ma znaczenie w obecnej sytuacji gospodarczej. W Miesięcznym Indeksie Koniunktury PIE z września 2026 r. koszty pracownicze były barierą wskazywaną przez 65% badanych firm, niepewność sytuacji gospodarczej przez 64%, a ceny energii przez 57%. Jednocześnie 51% przedsiębiorstw zgłaszało trudności związane z niedostępnością pracowników. Są to oceny respondentów w konkretnym miesiącu, a nie pomiar skuteczności rozwiązań technologicznych.
Firma produkcyjna z ograniczeniami na hali potrzebuje innej interwencji niż biuro, w którym większość dnia zajmuje przygotowanie dokumentacji. Również w dwóch przedsiębiorstwach z tej samej branży źródło przeciążenia może być inne. Decyzja o wykorzystaniu AI powinna wynikać z miejsca, w którym firma traci czas, jakość lub zdolność obsługi klienta. Sama presja kosztowa nie wskazuje jeszcze, jaką technologię wybrać.
Co dane o wykorzystaniu AI mówią o polskich firmach
Według Eurostatu w 2025 r. technologie sztucznej inteligencji wykorzystywało 8,4% przedsiębiorstw w Polsce, wobec 20% w Unii Europejskiej. Badanie obejmowało firmy z co najmniej dziesięcioma pracującymi w określonych sektorach gospodarki. Nie można więc na tej podstawie stwierdzić, że dokładnie taki odsetek wszystkich polskich firm korzysta z AI. Poza zakresem pozostają między innymi najmniejsze działalności.
Warto również zwrócić uwagę na definicję. W badaniu AI obejmuje zarówno generowanie tekstu, jak i rozpoznawanie obrazów, analizę danych czy automatyzację przepływów pracy opartą na sztucznej inteligencji. Korzystanie z chatbota przez jednego pracownika, wdrożenie systemu wspierającego obsługę klienta i zastosowanie modeli na linii produkcyjnej to różne sytuacje biznesowe. Sam odsetek użytkowników nie mówi, czy narzędzie jest używane regularnie ani czy przynosi mierzalny efekt.
Tę trudność opisuje także Polski Instytut Ekonomiczny w analizie wykorzystania AI w firmach. Autorzy pokazują różnice wynikające z konstrukcji prób i sposobu zadawania pytań. Zwracają też uwagę na zależność pomiędzy wcześniejszą cyfryzacją a korzystaniem z AI. Dla przedsiębiorcy ważniejszy od porównywania kolejnych wskaźników jest wniosek praktyczny: trzeba ustalić, czy firma ma dane, narzędzia i sposób pracy, które pozwolą wykorzystać nowe rozwiązanie.
Najpierw sprawdź, dlaczego zadanie trwa tak długo
Wyobraźmy sobie firmę usługową przygotowującą oferty na podstawie wiadomości klientów. Handlowiec odczytuje zapytanie, wyszukuje wcześniejsze ustalenia, sprawdza zakres usługi, pyta o dostępność zespołu i dopiero wtedy tworzy dokument. W takim przykładowym procesie napisanie samej oferty może zajmować mniej czasu niż zebranie informacji. Generator tekstu przyspieszy ostatni etap, ale klient nadal będzie długo czekał na odpowiedź.
Przyczyną opóźnienia może być brak wspólnego rejestru zapytań, nieaktualny cennik albo niejasna odpowiedzialność za zatwierdzanie warunków. Jeżeli każdy pracownik ma własną wersję dokumentu, AI może sprawnie przygotować ofertę na podstawie niewłaściwych danych. Jeśli zapytanie nie trafia do osoby odpowiedzialnej, nawet poprawnie wygenerowany tekst nie zmieni czasu obsługi. Technologia zacznie działać użytecznie dopiero wtedy, gdy firma rozstrzygnie, z jakich informacji korzystać i kto podejmuje decyzję.
Dlatego analiza powinna obejmować całą drogę od zgłoszenia potrzeby do zakończenia sprawy. Warto przyjrzeć się kilku rzeczywistym przypadkom, razem z wyjątkami i poprawkami. Pomaga to zobaczyć, które czynności dostarczają wartość, a które jedynie kompensują brak informacji. Taki przegląd można przeprowadzić wewnętrznie lub w ramach audytu gotowości firmy do AI. Jego użytecznym wynikiem jest wskazanie, gdzie potrzebna jest zmiana organizacyjna, integracja systemów albo wsparcie modelem AI.
Gdzie sztuczna inteligencja może ułatwić codzienną pracę
Dobrym obszarem do sprawdzenia są zadania wymagające pracy z dużą liczbą tekstów. Firma może otrzymywać wiadomości w różnych formatach, załączniki, opisy reklamacji i pytania o podobne sprawy. Model może pomóc wyodrębnić informacje, przygotować podsumowanie lub zaproponować kategorię zgłoszenia. Warunkiem jest jasne określenie, czego szukamy, oraz sprawdzenie jakości na materiałach podobnych do tych, które rzeczywiście trafiają do zespołu.
Drugim obszarem jest wyszukiwanie wiedzy. W przedsiębiorstwie odpowiedź na pytanie klienta bywa rozproszona między dokumentacją, instrukcjami i korespondencją. System wspierający wyszukiwanie może skrócić dotarcie do odpowiedniego fragmentu, zwłaszcza gdy pokazuje dokument źródłowy. Potrzebuje jednak aktualnej bazy i respektowania uprawnień użytkownika. Odpowiedź oparta na starych warunkach współpracy może wyglądać przekonująco, mimo że nie nadaje się do wykorzystania.
Trzecim zastosowaniem jest przygotowanie pierwszej wersji materiału. Może to być szkic odpowiedzi, opis ustaleń ze spotkania albo robocze porównanie dokumentów. W tym przypadku pracownik pozostaje odpowiedzialny za ocenę treści i jej dalsze użycie. Najłatwiej ocenić przydatność AI wtedy, gdy zadanie ma wyraźny początek, określony wynik i osobę zdolną sprawdzić jego poprawność. Opisane zastosowania są scenariuszami do przetestowania, a nie gwarancją oszczędności.
Kiedy wystarczy uporządkowanie procesu lub zwykła automatyzacja
Nie każde powtarzalne zadanie wymaga modelu językowego. Jeśli pracownik przenosi dane z formularza do CRM, przypisuje opiekuna według regionu i wysyła potwierdzenie, kolejne kroki można często opisać stabilnymi regułami. Standardowa integracja może wykonać je bez interpretowania tekstu przez AI. Rozwiązanie będzie wtedy łatwiejsze do sprawdzenia, a przyczyna błędu bardziej czytelna.
Podobnie wygląda sytuacja, gdy problemem jest organizacja pracy. Jeżeli faktura czeka na akceptację, bo nie ustalono zastępstwa, potrzebna jest reguła przekazania odpowiedzialności. Jeśli pracownicy nie wiedzą, gdzie zapisać dokument, przyda się wspólne miejsce i sposób oznaczania wersji. Model może wspierać wybrane czynności, lecz najpierw trzeba zdecydować, jak proces ma przebiegać.
Pomocne jest rozróżnienie zadań opartych na jednoznacznych danych od tych, które wymagają interpretacji. Przesłanie kwoty z pola formularza to pierwsza sytuacja. Odczytanie niejednoznacznej prośby klienta i zaproponowanie właściwej kategorii to druga. W jednym procesie można połączyć oba podejścia: AI interpretuje treść, a reguły kontrolują dopuszczalne wartości i dalszy obieg. Taki podział pozwala ograniczyć zakres, w którym pomyłka modelu wpływa na działanie firmy.
Badania pokazują korzyści, ale także granice
Istnieją badania wskazujące, że AI może poprawiać wyniki pracy w konkretnych warunkach. W nowszej wersji pracy „Generative AI at Work” Erik Brynjolfsson, Danielle Li i Lindsey Raymond analizują dane 5172 pracowników obsługi klienta. Dostęp do asystenta wiązał się ze wzrostem produktywności, mierzonej liczbą rozwiązanych spraw na godzinę, średnio o 15%. Korzyści różniły się według doświadczenia i umiejętności pracowników.
Ten wynik pokazuje możliwość poprawy w określonym zadaniu, lecz nie określa zwrotu z AI w dowolnej firmie. Inne procesy mają inne dane, wymagania jakościowe i koszty błędów. Asystent obsługi klienta korzystający z wiedzy o produkcie nie jest odpowiednikiem narzędzia oceniającego umowę czy przygotowującego decyzję finansową. Porównując własny pomysł z badaniem, trzeba sprawdzić podobieństwo zadania oraz sposób oceny jego wyniku.
Przeciwwagę stanowi starszy, ale nadal ważny eksperyment Dell’Acqui i współautorów z 2023 r., obejmujący 758 konsultantów. W zadaniu wykraczającym poza możliwości badanego modelu osoby korzystające z AI rzadziej uzyskiwały poprawne rozwiązanie. To przypomnienie, że płynna odpowiedź nie jest dowodem trafnej analizy. Przy ocenie wdrożenia trzeba mierzyć jakość wyniku wraz z czasem potrzebnym na jego sprawdzenie i poprawienie.
Dane i kompetencje decydują o tym, co będzie możliwe
W opracowaniu OECD o adopcji AI przez MŚP z 2025 r. wśród warunków umożliwiających wykorzystanie technologii wymieniono dane, infrastrukturę, kompetencje i finansowanie. Publikacja opiera się na materiałach dotyczących gospodarek G7, więc nie stanowi bezpośredniego pomiaru polskich przedsiębiorstw. Pomaga jednak zrozumieć, dlaczego dostęp do aplikacji jest tylko jednym elementem przygotowania firmy.
W praktyce jakość danych oznacza coś bardzo konkretnego. Zespół powinien wiedzieć, która wersja dokumentu obowiązuje, kto aktualizuje informacje i jakie materiały mogą zostać wykorzystane w narzędziu. Jeżeli baza produktów ma niespójne nazwy, braki parametrów i duplikaty, model nie otrzymuje jednoznacznego obrazu. Uporządkowanie najważniejszego wycinka bazy może być bardziej pilne niż rozbudowa samego rozwiązania AI.
Kompetencje użytkowników obejmują natomiast umiejętność rozpoznania, kiedy wynik można wykorzystać. Pracownik powinien umieć porównać odpowiedź z dokumentem źródłowym, zauważyć brak informacji i skierować sprawę do właściwej osoby. Dlatego przygotowanie zespołu warto powiązać z konkretnymi zadaniami. Szkolenia AI dla firm mogą wspierać ten etap, jeśli ćwiczenia odpowiadają temu, co uczestnicy później wykonują w pracy.
Oszczędzony czas trzeba przełożyć na wynik firmy
Skrócenie jednej czynności nie zawsze skraca cały proces. Pracownik może szybciej przygotować odpowiedź, ale później czekać na zatwierdzenie. Zespół może opracować więcej ofert, podczas gdy ograniczeniem pozostaje dostępność wykonawców. Firma może też otrzymywać tyle samo zapytań co wcześniej, więc wzrost możliwości obsługi nie zmieni sprzedaży bez dodatkowej pracy handlowej.
Dlatego warto zapytać, co stanie się z odzyskanym czasem. Czy pozwoli szybciej odpowiedzieć klientowi, zredukować zaległości, poprawić dokumentację, obsłużyć więcej spraw, czy uniknąć nadgodzin? Każdy z tych efektów ma inną wartość. Zaoszczędzone godziny nie są automatycznie kwotą, która pozostaje na rachunku firmy. Korzyść finansowa zależy od tego, czy organizacja potrafi wykorzystać dodatkową zdolność do pracy albo ograniczyć rzeczywisty wydatek.
Dobrym punktem odniesienia jest ukończona sprawa, z uwzględnieniem poprawek i obsługi wyjątków. Warto porównać podobne przypadki przed zmianą i po niej, zamiast mierzyć wyłącznie szybkość generowania odpowiedzi. Wynik wdrożenia powinien być widoczny w pracy procesu, a nie tylko w liczbie osób, które logują się do narzędzia. Taka perspektywa pomaga podjąć decyzję o dalszej inwestycji.
Od czego zacząć, gdy firma nie ma czasu na kolejną inicjatywę
Pierwsza analiza może dotyczyć jednego rodzaju spraw, który wraca regularnie i angażuje kilka osób. Warto prześledzić, skąd trafia zgłoszenie, jakie informacje są potrzebne, gdzie pojawia się oczekiwanie i na czym polega poprawny wynik. Nie trzeba od razu opisywać całej organizacji. Potrzebna jest wystarczająca wiedza o wybranym procesie, aby odróżnić problem organizacyjny od zadania nadającego się do wsparcia technologią.
Następnie należy ustalić, co można zmienić niewielkim kosztem. Czasem będzie to formularz zbierający brakujące dane. Czasem połączenie systemów. W innym przypadku asystent przygotowujący propozycję odpowiedzi na podstawie zatwierdzonych materiałów. Ważne, aby ktoś po stronie firmy odpowiadał za sprawdzenie rezultatu, a zespół wiedział, jak postępować z przypadkiem, którego rozwiązanie nie obsłuży poprawnie.
Na tym etapie można także podjąć decyzję o odłożeniu AI. Jeśli danych brakuje, proces nie ma właściciela albo firma nie może ocenić jakości odpowiedzi, najpierw warto usunąć te przeszkody. W bardziej złożonych sytuacjach doradztwo i strategia AI mogą pomóc ustalić kolejność prac. Następne wdrożenie AI w wybranym procesie powinno już odpowiadać na konkretną potrzebę i mieć sposób pomiaru efektu.
Jaka decyzja ma sens teraz
Firma pod presją potrzebuje poprawy w miejscu, które rzeczywiście ogranicza jej działanie. Może to być czas odpowiedzi, koszt obsługi dokumentu, liczba poprawek albo zależność od wiedzy jednej osoby. Dobrze wybrane zastosowanie AI potrafi wesprzeć taką zmianę, pod warunkiem że ma dostęp do właściwych informacji i jest używane przez przygotowany zespół.
Warto więc zacząć od pytania o konkretną sprawę, która trwa za długo lub wymaga zbyt wielu ręcznych czynności. Rozmowa z osobami wykonującymi tę pracę pokaże, jakie informacje i decyzje są potrzebne. Dopiero wtedy można sensownie porównać zmianę procedury, integrację, zwykłą automatyzację i AI. Jeżeli chcesz ocenić możliwości w swojej firmie, zacznij od jednego procesu i sprawdź, gdzie powstaje strata czasu. To podstawa do rozmowy o technologii, budżecie i odpowiedzialności za wynik.
Bibliografia
- Eurostat, „20% of EU enterprises use AI technologies”, 11 grudnia 2025 r. Dane za 2025 r., metodologia badania ICT przedsiębiorstw.
- Polski Instytut Ekonomiczny, „Miesięczny Indeks Koniunktury”, wrzesień 2026 r., część „Bariery utrudniające działalność firm”, s. 5 oznaczona w publikacji.
- Polski Instytut Ekonomiczny, Point Paper 5/2025 dotyczący wykorzystania AI w firmach, 2025 r., wprowadzenie i część „Co wpływa na decyzję o korzystaniu ze sztucznej inteligencji?”, s. 5–8 oznaczone w publikacji.
- Brynjolfsson, E., Li, D., Raymond, L., „Generative AI at Work”, nowsza wersja badania z próbą 5172 pracowników i średnim efektem 15%, omówiona przez Stanford Digital Economy Lab. Publikacja w „The Quarterly Journal of Economics”, 2025 r.
- Dell’Acqua, F. i współautorzy, „Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality”, Working Paper 24-013, 2023 r., streszczenie oraz część „Outside the Frontier”.
- OECD, „AI adoption by small and medium-sized enterprises: OECD discussion paper for the G7”, 2025 r.