88% firm deklaruje wdrażanie sztucznej inteligencji, ale zaledwie ułamek z nich widzi realne przełożenie na zysk i wzrost efektywności (raport McKinsey). Dlaczego inwestycje w AI tak często kończą się rozczarowaniem? Gdzie leży problem – w ograniczeniach technologii, oporze zespołów, czy braku przemyślanej strategii?
W tym odcinku Euvic Talks Bartek Śliwa rozmawia z Marcinem Rzepielem (AI Transformation Lead w Euvic S.A.). Marcin, który przeszedł ścieżkę od inżyniera oprogramowania do lidera transformacji cyfrowej, punktuje najczęstsze błędy popełniane przez biznes. Pokazuje, jak połączyć zasady Lean Management z technologią AI, aby zidentyfikować marnotrawstwo w procesach i realnie obniżyć koszty operacyjne.
Z tego odcinka dowiesz się:
- Przyczyny porażek projektów AI – dlaczego aż 88% firm wdraża AI, ale tylko nieliczne widzą zysk, oraz czym jest tzw. „Shadow AI” i jak go unikać w działach Back Office.
- Połączenie Lean Management i AI – jak mapować marnotrawstwo w procesach biznesowych przed zakupem drogich licencji i dlaczego porządek w danych jest ważniejszy niż sam model AI.
- AI vs. Tradycyjna automatyzacja – kiedy zaawansowane modele językowe są zbędne i lepiej wygrać prostszym, tańszym rozwiązaniem.
- Selekcja pomysłów i ROI – wykorzystanie Matrycy Impact vs. Effort do zarządzania nadmiarem pomysłów oraz uwalnianie czasu pracowników do zadań generujących realną wartość (unrealized value).
- Case Study (Join The Crew) – jak w 1 dzień stworzyć autonomicznego agenta AI do analizy konkurencji w branży jachtowej.
- Ludzka strona transformacji – przełamywanie oporu zespołu przed technologią, zmiana mindsetu oraz odpowiedź na obawy, czy AI zabierze nam pracę.
Marcin: Te osoby, które zostaną w jakiś sposób odciążone dzięki automatyzacji, dzięki AI, będą mogły robić inne rzeczy, bardziej kreatywne, bardziej zbliżające nas do tego, żeby monetyzować na przykład naszą pracę. I to w działach takich mniej kreatywnych również ma swoje przełożenie, bo dalej są pewne rzeczy, których zautomatyzować się w pełni nie da albo których zautomatyzować byśmy nie chcieli.
[muzyka]
Bartek: Cześć, z tej strony Bartek Śliwa. Witam was w kolejnym odcinku podcastu Euvic Talks, w którym łączymy biznes z technologią. A dziś do tego biznesu i technologii dojdzie nam strategia. I to strategia, która jest na ustach nas wszystkich w ostatnim czasie, czyli strategia wdrażania sztucznej inteligencji. Moim i waszym gościem jest Marcin Rzepiel, czyli AI Transformation Lead z firmy Euvic S.A. Cześć, Marcin.
Marcin: Cześć, Bartku. Dzień dobry wszystkim.
Bartek: Marcin, na początek pytanie rozgrzewkowe. Jak zostaje się AI Transformation Leadem?
Marcin: To jest trudne pytanie. Natomiast wydaje mi się, że trzeba się wykazać jakiegoś rodzaju proaktywnością i trzeba wyjść z jakąś inicjatywą. I trzeba mieć trochę takiego ogólnego czucia na płaszczyźnie, która łączy takie trzy elementy, mianowicie procesy, technologie i biznes. Jeżeli się przez tyle czasu pracowało właśnie na tych trzech płaszczyznach, to wydaje mi się, że to trochę taka naturalna droga w dzisiejszym czasie, gdzie ten AI jest na ustach wszystkich.
Bartek: No dobrze, procesy, technologia, biznes. Jak zdobyłeś biegłość w tych trzech obszarach?
Marcin: Nie bałem się wychodzić poza swoją strefę komfortu, czy jak to się teraz mówi, poszerzać swoją strefę komfortu. Przede wszystkim w momentach, w których pojawiały się jakieś ciekawe inicjatywy, w momentach, w których pojawiały się jakieś ciekawe projekty dla klientów, nawet jeżeli nie czułem się do końca pewny i biegły w jakimś temacie, to nie bałem się wyjść z inicjatywą, zaangażować w jakiś temat i po prostu uczyć się trochę on the job. I tak było zarówno z technologią. Wszedłem tutaj do Euvica jako praktykant na samym początku. Bardzo mocno byłem powiązany z technologią, z programowaniem.
Bartek: To już dawno było, nie?
Marcin: 10 lat. Ponad 10 lat. I to jak się mówi 10 lat, to jest okej. Natomiast jak sobie zazwyczaj uzmysławiam, że 10 lat to jest jedna trzecia mojego życia, to to wzbudza taką moją refleksję. Ale faktycznie to było 10 lat.
Bartek: Okej, przechodząc do tematu naszego odcinka. Wszyscy teraz używają AI. Wszyscy, wszędzie, gęsto. Każdy jest ekspertem, każdy mówi, że zrobił coś w czacie. Ale dochodzimy do takiego momentu, w którym wszyscy mówią, że używają, ale dalej mówią, że to zabawka albo że nie widzą efektów. No i z czego to właśnie może wynikać?
Marcin: To jest oczywiście tylko i wyłącznie moja teza. Są takie statystyki, na przykład McKinsey stwierdza, że około 88% organizacji deklaruje, że używa i wykorzystuje sztuczną inteligencję, ale znacznie mniejszy procent twierdzi, że do końca widzi efekty z tego, że wykorzystuje tę sztuczną inteligencję.
Wydaje mi się, że wynika to z tego, że nikt nie bada, w jaki sposób w tych 88% firm wykorzystuje się to AI. Wydaje mi się, że brakuje w wielu organizacjach konkretnej strategii. Brakuje takiego empowermentu na przykład od góry, od zarządu albo od jakiegoś center of excellence, żeby ludzie chcieli i używali faktycznie, i eksperymentowali ze sztuczną inteligencją.
I brakuje takiej zmiany mindsetu u ludzi. Ludzie naturalnie boją się sztucznej inteligencji, bo jest taka bańka informacyjna mówiąca o tym, że będą redukcje, że AI was zastąpi, że AI zredukuje masę etatów, że jesteśmy w trakcie jakiegoś rodzaju rewolucji podobnej do tej, która była rewolucją przemysłową kilkaset lat temu.
Natomiast trzeba troszeczkę zmienić mindset ludzi. Jeżeli się zmieni mindset ludzi i faktycznie zarządy czy przełożeni tych osób będą dawali taki empowerment ludziom, żeby z tego korzystali i zastosuje się jakiegoś rodzaju systemowe, strategiczne podejście do zarządzania tym AI-em, to przyjdą zarówno efekty, jak i przyjdzie sposób mierzenia tych efektów. To jest moja osobista diagnoza i teza, którą potwierdzam w wielu przypadkach. Empirycznie staram się ją potwierdzić. Mam jakąś tam próbkę.
Bartek: Lubimy osobiste refleksje, także jak najbardziej myślę, że się mogę pod tym podpisać. Jeśli chodzi o te zwolnienia, to już jesteśmy po kilku falach, które pokazały, że po tym odpływie następuje z powrotem przypływ i te same firmy zatrudniają ludzi z powrotem, bo jednak ten AI nie jest taki.
Marcin: Ciekawym przypadkiem jest Anthropic. Firma, która jest właścicielem tych wszystkich modeli Claude i tych wszystkich modeli Opus, Sonnet, które są, powiedziałbym, chyba najpopularniejsze w takim naszym programistycznym świecie. Robią tam najlepszą robotę.
Z jednej strony CEO Anthropica ciągle opowiada o tym, że za niedługo w ogóle nie będą potrzebni programiści, że będą redukcje, że w ogóle zmieni się ten rynek totalnie. A z drugiej strony, jak się prześledzi liczbę ofert, którą Anthropic publikuje właśnie na software engineerów, właśnie na programistów, to jest około 100 stanowisk, więc oni dalej szukają osób, które twierdzą, że za niedługo nie będą potrzebne.
Jestem ciekawy, czy to jest faktycznie jakiś okres przejściowy i te osoby są potrzebne, i same sobie wiją sznur na szyję, czy jednak ten kolega CEO troszeczkę się tutaj myli.
Bartek: Okej, być może jeszcze sam nie wie.
Marcin: Być może.
Bartek: Wspomniałeś o Anthropicu, wspomniałeś o tym, że ten AI w naszej pracy programistycznej bardzo pomaga, ale dzisiaj myślę, że chciałbym się zastanowić nad tym, jak w pozostałych działach czy też w firmach nie stricte programistycznych ten AI może nas wspomóc. Z twojego doświadczenia, gdzie widzisz te wiszące owoce, chociażby w działach back office’owych, takich jak HR, finanse, zakupy?
Marcin: Przede wszystkim to jest oczywiście również tylko i wyłącznie moje zdanie. Natomiast jestem przekonany, że tych wiszących nisko owoców jest naprawdę bardzo dużo i bardzo prosto jest je zerwać.
I główną rzeczą, którą moim zdaniem należy zrobić, to pozwolić w jakiś zorganizowany sposób, nie na zasadzie shadow AI, ale pozwolić osobom pracującym w back office korzystać z narzędzi, które są na rynku. W sytuacjach, w których na przykład jesteśmy bardzo mocno osadzeni w Microsofcie, to trzeba pozwolić ludziom pracującym w back office, pracującym w marketingu, pracującym w kadrach, w finansach, w księgowości, korzystać na przykład z Microsoft Copilota.
Bartek: To tu ci się zatrzymam. Jak to zrobić mądrze? Bo każdy z nas ma Excela na swoim komputerze, ale już jakąś skomplikowaną formułę zakładam, że potrafi wpisać co dziesiąta osoba. Więc zakładam, że dając Copilota komukolwiek, abstrahując od tego, z jakiego jest działu, bez odpowiedniego przeszkolenia, raczej efektów dobrych oczekiwać nie możemy.
Marcin: Nie możemy. Natomiast zaleta tego narzędzia, Copilota czy jakiegokolwiek LLM-a, jest taka, że technicznie rzecz biorąc on rozumie język naturalny. Więc ten próg wejścia, żeby napisać dobrego prompta, żeby przekazać dobry kontekst tego prompta lub tego, co się chce zrobić, jest dużo niższy niż w przypadku jakichś skomplikowanych formuł w Excelu.
Nie jest potrzebne jakieś takie długie szkolenie, nie wiem, 80-godzinne, jak się wyspecjalizować w Excelu. Są potrzebne szkolenia i w momencie, w którym organizacje wdrażają na przykład Copilota albo już mają Copilota, ale nie były jeszcze w momencie, żeby przeszkolić użytkowników, przeszkolić na przykład działy backoffice’owe, trzeba po prostu zadbać o to, żeby albo wziąć jakiegoś specjalistę wewnętrznie, na przykład programistę albo jakiegoś specjalistę, takiego zajawkowicza, który ma to w małym palcu, i zorganizować szkolenia, które nie powinny być bardzo długie.
Raczej nawet godzinne szkolenie z budowania kontekstu, z budowania promptów, z wykorzystania Copilota do tego, żeby wyszukiwać informacje na przykład w firmowym SharePoincie, to już jest rzecz, która faktycznie daje efekty. I działy backoffice’owe, na przykład kadry, w gąszczu wszystkich umów, które mają, w sytuacjach, w których chcą wyszukać jakąś konkretną informację z tychże umów, są w stanie niekoniecznie robić to manualnie, a są w stanie wykorzystać Copilota, jeżeli potrafią zbudować dobry prompt.
Bartek: Tak, szczególnie że technologia pozwala nam już czytać nie tyle teksty pisane w Wordzie, co wręcz skany, więc nie ma tutaj problemu. Dobra, mięso. Czy masz jakiś case użycia sztucznej inteligencji w dziale back office’owym, którym mógłbyś się podzielić i którego efekty mógłbyś pokazać?
Marcin: Mhm. To, co zaraz powiem, to faktycznie był taki low hanging fruit. Nie mamy w projekcie czy w organizacji, o której mówię, Copilota. Nie mamy środowiska Microsoftowego. Jesteśmy na Google’u i wykorzystujemy ChatGPT. Każdy z pracowników tej organizacji ma licencję na ChataGPT. Mamy konto Enterprise.
Bartek: O jakiej organizacji mówisz, żebyśmy złapali?
Marcin: Mówimy o Join The Crew. Join The Crew to jest firma, która zajmuje się organizacją wycieczek jachtowych, głównie na kraje DACH, czyli Niemcy, Austria, Szwajcaria. Natomiast mają też swój oddział international, gdzie organizują te wycieczki dla wszystkich innych krajów.
W tej organizacji jest duży nacisk położony na marketing. To jest, jak CEO tej organizacji mówi zawsze, marketing driven organization. W związku z czym największy budżet jest na marketing. Najwięcej osób pracujących w tej organizacji jest z działu marketingu.
Bartek: Teraz wszyscy marketingowcy z LinkedIna walą do Join The Crew.
Marcin: Tak, tak, dokładnie. I tam jest najwięcej, i było najwięcej takich use case’ów, w których można było wykorzystać AI.
Taki najświeższy przypadek, który udało się zrealizować i wdrożyć przy wykorzystaniu właśnie prostego ChataGPT, przy wykorzystaniu, co więcej, tego, co ChatGPT dostarcza out of the box. W tej pierwszej wersji tego agenta, o którym zaraz powiem, nie ma żadnych zewnętrznych integracji. To jest tylko i wyłącznie interfejs i tylko i wyłącznie klikanie czegoś w interfejsie ChataGPT.
Co zrobiliśmy? Stan as is. I będę się do tego odwoływał, że każde wprowadzanie AI w jakimś konkretnym procesie musi być poprzedzone analizą procesu.
Bartek: No właśnie będę cię też chciał w dalszej części zapytać o to, jak taki proces wdrażania AI w danym dziale czy dla danego procesu przeprowadzić, ale możesz już lekko zagaić.
Marcin: Dobra. Był tam taki proces wewnętrzny, który nie był do końca ustrukturyzowany. Nie było to robione regularnie. Robiła to jedna albo dwie osoby, a mianowicie badali konkurencję. Join The Crew ma kilka konkurencyjnych organizacji, które działają na tej samej zasadzie. Te dwie, czasem jedna osoba, przychodziła i wchodziła na strony tych konkurencji, i badała, jakiego rodzaju oferty pojawiły się od ostatniego wejścia. Jakie nowe tripy, nowe kierunki na przykład ta organizacja konkurencyjna wdrożyła.
To jest potrzebne. Musimy wiedzieć, dokąd zmierza rynek. Musimy mieć z kim się benchmarkować. Natomiast zaczęliśmy się zastanawiać, po co robić to ręcznie w dobie dzisiejszej technologii, w dobie faktu, że właśnie mamy licencję na ChataGPT. Byliśmy w stanie zrobić agenta, który ma dość skomplikowanego prompta, który ma dość skomplikowane instrukcje, który ma załączone nasze cele strategiczne, które mamy w Join The Crew, ale on automatycznie raz w tygodniu, w poniedziałek prześledza wszystkie strony konkurencji i buduje taki raport razem z sugestiami, co należałoby zrobić, co zrobiła konkurencja, jakie są sugestie i lessons learned dla nas. Co my moglibyśmy zrobić i poprawić w swojej ofercie.
Co więcej, ten agent zapamiętuje poprzednie wyniki, czyli on nie sugeruje za każdym razem tego samego. On zapamiętuje, co wyłapał w zeszłym tygodniu i wie tym samym, jaka jest różnica.
Wdrożenie takiego agenta to było dosłownie jeden dzień pracy. To znaczy zbudowanie tego promptu i nadanie odpowiedniego kontekstu, żeby on wiedział w ogóle, po co to robimy i dla kogo to robimy, było najbardziej skomplikowane. Ale zajęło to tak czy siak jeden dzień. I na tej kanwie w ogóle powstały już jakieś pomysły na konkretne tripy, które będziemy najprawdopodobniej w tym roku wdrażać.
Bartek: Czyli zwrot mamy nie tylko w oszczędności czasu naszych pracowników, ale też prawdopodobnie w jakiejś monetyzacji kolejnych pomysłów.
Marcin: Tak, to jest tak zwane unrealized value. To znaczy nie zdawaliśmy sobie sprawy z tego być może, że jest tutaj jakaś wartość, której nie realizujemy. Natomiast niejako trochę przypadkiem, bo naszym głównym celem była optymalizacja tego konkretnego procesu, żeby ten ktoś nie musiał wchodzić i śledzić manualnie tych stron. To był nasz główny cel. A przy okazji okazało się, że jesteśmy w stanie lepiej monetyzować pewnego rodzaju tripy czy wymyślać jakieś tripy, wymyślać jakieś nowe kierunki, które przyniosą nam po prostu więcej pieniędzy i które pozwolą trafić do szerszej grupy odbiorców.
Bartek: I takie efekty uboczne lubimy.
Marcin: Tak.
Bartek: No dobrze, to może na bazie tego case’u możemy sobie odpowiedzieć na pytanie, co dzieje się z ludźmi, których praca wskutek zaimplementowania takiego agenta bądź też jakiegokolwiek innego rozwiązania opartego o sztuczną inteligencję się zmienia.
Marcin: To jest… lubię to pytanie. Lubię to pytanie, bo jestem osobiście dotknięty tym pytaniem, można powiedzieć. Ja od zawsze lubiłem pracę koncepcyjną. Ja od zawsze lubiłem pracę na takim, powiedzmy, helicopter view, na wysokim poziomie. Od zawsze lubiłem pracę, gdzie trzeba było coś wymyślić, gdzie trzeba było coś wysokopoziomowo zaplanować.
Jak już przychodziło do tej, moim zdaniem oczywiście nudnej części, takiej siedzenia i na przykład śledzenia tej konkurencji, przeglądania, to już ta praca nie sprawiała takiej przyjemności i do tej pory nie sprawia. I tutaj jest podobnie. Te osoby, które kiedyś śledziły tę stronę ręcznie, wyłapywały jakieś nowości, wyłapywały jakieś nowe kierunki, które konkurencja ma, teraz mogą zająć się pracą albo kreatywną, bo jest to jednak dział marketingu, mogą przeswitchować swój fokus na wymyślanie, przeanalizowanie i wykoncypowanie, co z tego raportu moglibyśmy wdrożyć u siebie, a niekoniecznie na takiej żmudnej, manualnej, powtarzalnej pracy.
Bartek: Mhm. Mówimy tutaj o, jak to ładnie nazwałeś, pracy kreatywnej. Mamy bardzo często do czynienia z pracą niekoniecznie kreatywną, raczej manualną i zakładam, że tamten opór i ten strach może być największy. Jak sobie organizacje mogą z tym poradzić?
Marcin: Przede wszystkim edukacja, edukacja, edukacja, edukacja. Nie możemy mówić i nie możemy prowadzić takiej narracji, że naszym głównym celem dzięki AI jest wyeliminować X FTE w jakimś konkretnym dziale. Raczej to nie jest narracja, którą chcemy prowadzić i w ogóle nie to chcemy robić.
Ja uważam, że optymalizacja procesów i właśnie skrócenie czasu, które pewne procesy zajmują, tym samym zwolnienie zasobów pewnych, ma zostać przeswitchowane właśnie na to unrealized value. Osoby, które zostaną w jakiś sposób odciążone dzięki automatyzacji, dzięki AI, będą mogły robić inne rzeczy, bardziej kreatywne, bardziej zbliżające nas do tego, żeby monetyzować na przykład naszą pracę.
I to w działach takich mniej kreatywnych również ma swoje przełożenie, bo dalej są pewne rzeczy, których zautomatyzować się w pełni nie da albo których zautomatyzować byśmy nie chcieli.
Bartek: Rozumiem. Czyli parafrazując, wdrażamy proces AI powered z taką otwartością na to, że coś nowego może nam się z tego wyłonić i ci ludzie, których odciążamy z pracy, powinni mieć z tyłu głowy, że na te nowe, nieodkryte wody będą wypływali.
Marcin: I to jest ważna rzecz, którą poruszyłeś, bo ten aspekt, ten filar zmiany i adopcji jej w organizacjach, który my nazywamy people, ludzie, jest niezwykle istotny. I właśnie trzeba przygotowywać ludzi i trzeba budować w nich taki mindset, że muszą być otwarci na zmiany.
Ja wiem, że to jest bardzo, bardzo trudne, bo część ludzi naturalnie raczej przywykła, bo na przykład przez 20 lat coś robiła i przywykła do pewnego stylu życia, stylu zachowania, stylu pracy. Natomiast w dzisiejszych czasach i w zasadzie od zawsze zmiana jest jedyną pewną rzeczą we wszechświecie, a teraz jeszcze bardziej. I budowanie takiej otwartości i pokazywanie ludziom, że wyjście gdzieś poza te wody, które się doskonale zna, nie jest do końca takie złe, to jest coś, co powinniśmy robić.
Bartek: Jasne. No dobrze, zapowiadany przeze mnie ways of working. Proces podejścia do tego, jak zacząć wdrożenie, jak je przeprowadzić, w jaki sposób je identyfikować, a jak to się powinno robić, żeby nie wywalić się we własne sznurówki.
Marcin: Mhm. To jest temat, który również bardzo lubię, bo przez tyle lat organizacje bardzo często pracują na przykład w leanie, pracują bardzo często w agile’u, wykorzystują Scruma do różnych rzeczy. To wiemy i to znamy.
Ja taką transformację AI, nie agile’ową, bardzo mocno wiążę z takim leanowym podejściem. Jeżeli chcemy optymalizować jakiś proces, jeżeli chcemy poszukać tych mitycznych waste’ów, to podchodzimy do tego systemowo. To znaczy mapujemy stan as is, szukamy waste’ów, szukamy miejsc, gdzie możemy wyeliminować jakiś krok procesu, bo jest na przykład waste’em. Stawiamy jakąś hipotezę, jak ten proces powinien wyglądać docelowo i krokowo staramy się tam dojść w tym cyklu PDCA, w tym cyklu Deminga.
Generalnie rzecz biorąc, ja uważam, że w kontekście wdrażania AI czy wdrażania optymalizacji AI, mówię tutaj o wdrażaniu AI w konkretnych procesach, w konkretnych działach, sytuacja jest całkiem podobna. Tylko w momencie, w którym mamy zmapowany ten proces, to nie zastanawiamy się tylko i wyłącznie, który z tych kroków procesu zoptymalizować w taki sposób, powiedziałbym, ludzki, ale bierzemy tam jeszcze na tapet kwestie AI, angażujemy w proces snucia hipotezy osobę, która jest biegła w kontekście AI. I na tej podstawie, na podstawie zmapowanego procesu, szukamy również oszczędności pod kątem AI.
Ja bardzo lubię to porównanie, że to właściwie jest takie mapowanie procesów i optymalizacja procesów z lean management.
Bartek: Okej. Czyli jeśli mamy firmy produkcyjne, to na pewno o leanie sporo słyszały. Nowym elementem pojawia się to, żeby jednak jakiegoś AI-owca biegłego zaangażować w całą układankę.
Marcin: AI-owca. Ale też oczywiście jest hype na AI. AI jest na ustach wszystkich. Rozumiem, że niektórzy są też zmęczeni tym ciągłym gadaniem o AI, a jeszcze jak się wpadnie w jakąś bańkę informacyjną, gdzie się wszędzie pojawiają jakieś posty związane z AI-em, to może być frustrujące.
Natomiast nie zapominajmy o tym, że wiele organizacji mówi o AI, a nie ma wdrożonych jakichś prostych automatyzacji, które nawet z AI-em nie mają nic wspólnego. I to są elementy, które też przy takim mapowaniu procesów, przy szukaniu optymalizacji, przy szukaniu tego mitycznego waste’u, należy wziąć pod uwagę. Zwykłe optymalizacje, zwykłe automatyzacje, niekoniecznie związane z AI-em.
Bo na przykład w momencie, w którym jest wysyłany jakiś mail na dział kadr i na podstawie tego maila ma się wygenerować jakiegoś rodzaju, nie wiem, załącznik do umowy, który ma swój szablon, to w tym nie ma żadnego AI. To jest prosta automatyzacja, która robi efekt, która redukuje czas, jakiś lead time tego procesu, a która nie ma w sobie elementu AI-owego. I o tym nie należy zapominać, bo my możemy mówić o AI-u i to wszystko piękne, natomiast takie zwykłe automatyzacje dalej są w mocy i to jest taka podstawa, ja bym powiedział.
Bartek: I teraz mam takie przemyślenie. Taki prezes zajarany AI-em, chcąc wdrożyć tego AI, bardzo często może napotkać właśnie tego typu obszary, o których teraz powiedziałeś, czyli niekoniecznie wymagające użycia tego AI, ale jednak pozwalające na pewnego rodzaju automatyzację, a tym samym też właśnie zerwanie tych nisko wiszących owoców. Czyli znowu cel mamy jakiś, a pozytywne skutki uboczne dają nam dodatkową wartość.
Marcin: Dokładnie. I to case też z życia wzięty. W Join The Crew oczywiście jest cały ten hype na AI. Pracujemy bardzo mocno.
Bartek: Niech zgadnę, kto go wykreował.
Marcin: No tak, to ja. Przyznaję się bez bicia. Ale przynosi to efekty. Niemniej ten hype AI-owy jest. Ja sam wpadłem w tę pułapkę. Ja sam wpadłem w tę pułapkę, że ten AI był po prostu z przodu mojej głowy za każdym razem i nie wpadłem tak od razu na to, że wiele rzeczy można zautomatyzować po staremu. Nie trzeba myśleć w kontekście AI.
Takie dwa przykłady. W Join The Crew pracujemy na Google Workspace. Nie jest to stack Microsoftowy, jest to stack Google’owy i mamy tam do dyspozycji całe Google Workspace Studio, gdzie można dokonywać prostych automatyzacji. One oczywiście teraz mogą być powiązane z Gemini i można wysyłać tam jakieś dane czy prosić Gemini o zwrot jakichś danych czy przetworzenie odpowiedzi, ale generalnie tam jest masa rzeczy, które można zrobić po prostu klikając takim edytorem typu drag and drop. Można stworzyć prostą automatyzację przygotowania drafta maila. W tym nie ma jakiegoś AI, a ja o tym osobiście zapomniałem. Ja oczywiście już w pierwszej kolejności myślałem, jakich ja tutaj mogę agentów stworzyć albo jakie modele mogę stworzyć, żeby rozwiązać jakiś case. Ale czasem należy zrobić taki krok w tył.
A drugi przypadek też ciekawy, który wiąże się trochę z AI-em, ale nie wprost. Również automatyzacja, którą chcieliśmy tam wdrożyć w dziale księgowości, a mianowicie raz w tygodniu był obecnie ręcznie aktualizowany taki Excel. Dane były pobierane z pliku CSV, który jest na AWS-ie i ktoś ręcznie te dane importował do Excela, który był na Google Drive’ie dostępny w ramach organizacji, w ramach workspace’u. No i zostałem poproszony o to, żeby to zautomatyzować, bo po co ktoś ma to robić ręcznie.
Pierwsza myśl oczywiście to jak to zrobić tym AI-em. Ale z drugiej strony pomyślałem sobie: no ale hola, hola, hola, po co do tego AI? W Excelu mamy makra. W tym Google’owym Excelu mamy coś, co się nazywa Apps Script. I można to po prostu zaprogramować, żeby to się raz w tygodniu automatycznie pobierało.
I tutaj jest powiązanie z AI-em, bo ja tego nie zaprogramowałem sam. Poprosiłem Claude, żeby przygotował mi skrypt, który pobiera te dane i dodaje je do tego Excela. I to był ten element AI-owy. No ale sama automatyzacja nie ma wiele wspólnego z AI-em. Więc studzę zapał trochę. Myślmy oczywiście o AI-u, ale też czasem nie jarajmy się tym tak jak ta bańka informacyjna dookoła nas. Czasem zróbmy krok wstecz i zastanówmy się, jak może po staremu wypadałoby to rozwiązać.
Bartek: No właśnie, jak studzić ten zapał? Bo teraz przychodzisz do organizacji, tu robisz jednego agenta, tu automatyzację, tu dzieją się rzeczy niestworzone, o których wcześniej nawet nie pomyśleli, że można zrobić. No i w głowach wszystkich na tej fali zajarania pojawia się 74 kolejnych pomysłów. Jak sobie z tym poradzić? Co, jak to odsiać? Co możemy zrobić, żeby właśnie ten AI faktycznie nam służył, a nie żebyśmy skończyli w gąszczu agentów, z których na koniec dnia nie będziemy wiedzieli, do czego służą i nikt z nich nie korzysta? Jak sobie poradzić z tym natłokiem?
Marcin: Po pierwsze, zawsze w momencie, w którym ja osobiście wchodzę do jakiejś organizacji, to staram się studzić zapał przykładem. To znaczy w momencie, w którym na przykład gdzieś nie ma AI-a, to staram się otwarcie o tym mówić, nie budować jakiejś takiej narracji, że wszystko robimy AI-em, tylko staram się gdzieś tam osadzać czy studzić oczekiwania, które są u na przykład CEO. CEO bywają bardzo często wizjonerami, więc też trzeba czasem sprowadzić te wizje na ziemię.
Natomiast w jaki sposób zarządzać tymi wszystkimi pomysłami, bo u tych wizjonerów ich jest najwięcej? To jest problem. Natomiast sposób, w jaki my to robimy chociażby w Join The Crew czy w innych organizacjach, to wprowadzamy sobie taki innovation hub. To jest takie miejsce, do którego wpadają wszystkie pomysły. To jest w tym przypadku jakiś board na Jira albo w jakimś innym narzędziu, w którym prowadzimy w jakiś sposób projektowo naszą organizację.
Wprowadzamy sobie tam takie miejsce, taki backlog wszystkich pomysłów, które są, które dotyczą AI i które niekoniecznie dotyczą AI. Na przykład w przypadku Join The Crew to mogą być pomysły na nowe tripy. To mogą być jakieś pomysły do automatyzacji prostej, niezwiązanej z AI, w jakimś konkretnym dziale. Zbieramy sobie wszystkie te pomysły w jednym takim lejku innowacji, jeżeli można to tak nazwać, i staramy się z odpowiednią grupą roboczą dokonywać scoringu tych elementów, na przykład raz na dwa tygodnie na jakimś wspólnym spotkaniu.
Bo nic nie działa mocniej na C-level niż liczby, niż twarde liczby. Nie zawsze tymi liczbami dysponujemy. Czasami ten scoring, który robimy, jest na zasadzie takiej prostej matrycy, czyli impact versus effort. Co nam to da, ile będzie nas to kosztować. I robimy tylko te elementy, które są na topie tego naszego lejka innowacyjności. Nie robimy elementów, które na przykład już z góry wiemy, że nie mają sensu.
I tutaj jest istotna rzecz, żeby w ramach tej grupy roboczej, która pracuje nad tymi wszystkimi pomysłami, która zastanawia się, które z tych pomysłów mają sens, mieć szerokie grono odbiorców. Żeby ta grupa robocza zawierała wiele różnych perspektyw, bo coś, co z perspektywy na przykład działu marketingu ma sens, bardzo często w naszym przypadku nie ma sensu z perspektywy działu operacji, któremu na przykład jakiegoś rodzaju automatyzacja albo jakiegoś rodzaju pomysł przyniesie po prostu więcej pracy takiej operacyjnej. Finalnie z perspektywy marketingu zoptymalizujemy jakiś proces, ale z perspektywy operacji dołożymy im więcej pracy. I czy to dla organizacji jest dobre? Niekoniecznie. Niekoniecznie i to trzeba wziąć pod uwagę.
Bartek: Okej. Idąc dalej tym tokiem, czy organizacja może nie być gotowa na używanie AI w swoich procesach?
Marcin: Tak, bardzo często tak. Bardzo często tak jest i jest to związane z wieloma rzeczami, o których moglibyśmy pewnie osobny podcast zrobić. To jest tak zwane mityczne AI readiness. Czy jesteśmy gotowi na to, żeby wdrożyć w naszej organizacji takie systemowe podejście do AI?
Organizacje często nie są gotowe do tego, żeby wdrażać AI już teraz, od zaraz. Bardzo często jest potrzebne jakiegoś rodzaju przygotowanie do tego, żeby ten AI wdrożyć, żeby zmaksymalizować wartość płynącą z tego AI.
I co to oznacza w praktyce? W praktyce oznacza to, że na przykład nie mamy odpowiednio przygotowanych danych. Mamy rozproszone dane. Wykorzystujemy Notion, wykorzystujemy Google Drive’a, wykorzystujemy Microsoft, żeby na przykład przechowywać jakieś nasze dane firmowe, i segregatory fizyczne. Więc nie jesteśmy gotowi pod kątem danych.
Nie jesteśmy w stanie na przykład, mając dane w pięciu różnych miejscach, stworzyć jakiegoś agenta, który będzie onboarding guidem dla nowych pracowników, bo nie ma fizycznie czym go zasilić. Jeżeli zasilimy go danymi, które niekoniecznie są wartościowe albo które są rozproszone, które się wykluczają wzajemnie, bo to też jest bardzo częsty case, bo jest 15 wersji jakiegoś dokumentu w 15 różnych miejscach, no to wtedy to nie jest gotowość do tego, żeby na przykład jakiegoś konkretnego onboarding guide’a wdrożyć.
Wtedy jest potrzebny krok wstecz, zastanowienie się, co systemowo w organizacji możemy posprzątać, żeby jednak na przykład te dane były w jednym miejscu, żeby te dane były ustrukturyzowane, żeby był ownership za te dane. I dopiero wtedy możemy myśleć nad jakimś AI-em.
Bartek: Okej. Chciałem zapytać cię o jakiś jeden konkretny krok, który każda organizacja może wykonać już tu i teraz, żeby się, mówiąc po staropolsku, uAI-owić bardziej. Zakładam, że pewnie odpowiedzią byłoby porządkowanie danych, ale skoro ty już powiedziałeś, to poproszę o drugą odpowiedź.
Marcin: Okej. Danie takiego empowermentu ludziom do tego, żeby zaczęli eksperymentować. Kiedyś widziałem, nie przytoczę teraz konkretnego źródła, ale widziałem kiedyś takie dane mówiące o tym, że jest kilka faz wdrażania AI w organizacji. Jedną z pierwszych faz jest właśnie faza eksperymentów.
I to nie jest tak, że możemy tę fazę eksperymentów w jakiś sposób przeskoczyć i nagle, nie mając w ogóle AI, stać się AI native. To jest niewykonalne. Musimy przejść przez tę fazę eksperymentów. A ta faza eksperymentów jest wtedy, kiedy dajemy ludziom jakiegoś rodzaju przyzwolenie na to, żeby eksperymentowali z AI.
Nie eksperymentowali na zasadzie wykorzystania jakichś swoich prywatnych licencji, ale danie im odpowiedniego środowiska, odpowiedniej przestrzeni do robienia tych eksperymentów. To jest kluczowe. Przeszkolenie ich to jest kluczowe, ale musimy dać pole do eksperymentów, bo każdy z nas, każdy z pracowników jest kreatywny i wpadnie na jakiś pomysł wykorzystania AI, na który nie wpadnie cała reszta. Każdy ma inny styl myślenia i danie tej przestrzeni do eksperymentów to jest, uważam, taki krok, który każda organizacja może zrobić.
Bartek: Okej. Oczywiście nad tymi eksperymentami warto też panować.
Marcin: Tak.
Bartek: Czyli nie wzbranianie się i nie zasłanianie oczu: „Mnie tu nie ma i AI nas nie dotyka”, tylko jednak pójście krok dalej i danie tej przestrzeni w odpowiedni, oczywiście bezpieczny sposób, ale jednak.
Marcin, pytanie. Gdzie można znaleźć taki katalog usług AI-owych, o których firma powinna lub mogłaby pomyśleć?
Marcin: [śmiech] My w naszej organizacji świadczymy kilka usług, mianowicie trzy, które są powiązane z AI-em, powiedzmy, w różnych miejscach i na różnych poziomach szczegółowości.
Pierwszym z nich, a w zasadzie to zacznę od końca, bo robiliśmy AI, zanim jeszcze był ten cały boom.
Bartek: Bardzo lubię, jak to powtarzasz. Zawsze zanim był ten cały boom na AI, zanim ChatGPT chociażby był tak popularny.
Marcin: Więc już wtedy tworzyliśmy customowe modele związane z wizją komputerową, związane z modelami predykcyjnymi z obszarów, które robimy. Czyli jesteśmy w stanie budować customowe modele.
Bartek: Klasyka klasyki.
Marcin: Klasyka klasyki, dokładnie. Ale dalej w mocy, bo niewykluczone, że takie pomysły, które się w tym lejku innowacji znajdą, one niekoniecznie będą mogły być zrealizowane jakimś tam prostym agentem w ChacieGPT.
Drugi element, który bardzo często robimy, to jest taki consulting, ale bez takiego negatywnego wydźwięku. To jest taka konkretna praca wespół z zespołem. To jest przydzielenie takiego ambasadora AI-owego na przykład do jakiegoś konkretnego działu, żeby jakiś konkretny dział AI-owić w organizacji, z którą pracujemy u naszego klienta.
I produkt taki najbardziej kompleksowy to jest cała transformacja AI-owa, którą robimy i ona uwzględnia zarówno ten czynnik people, o którym powiedziałem, czyli sposób na to, żeby zmienić mindset wśród ludzi, ale również sprawdzamy, czy organizacja jest w ogóle gotowa na AI.
Zastanawiamy się nad tym, w jaki sposób ten lej innowacyjności zarówno przygotować, jeżeli go nie ma, albo spomiarować te pomysły, które już są. W jaki sposób stworzyć z nich business case, czyli wysnuć jakąś hipotezę, ile przyniesie nam to oszczędności. I jeżeli zajdzie taka potrzeba, to od tej transformacji AI-owej jesteśmy w stanie również przejść do realizacji, bo tak jak powiedziałem, tworzyliśmy modele AI, zanim to było, powiedzmy, modne.
Bartek: Pytanie charakterystyczne na koniec tego programu.
Marcin: Czekałem na nie.
Bartek: Co cię w ostatnim czasie zainspirowało?
Marcin: Czekałem na nie i nie znalazłem odpowiedzi jakiejś takiej w głowie, ale coś uszyję. Ostatnio widziałem taki filmik, gdzieś mi się wyświetlił na jakiejś jednej z platform, gdzie taki pan pokazywał pięć książek, które warto przeczytać. Jedną z tych książek była „Zbrodnia i kara” Dostojewskiego.
I tak sobie poszedłem szerzej i stwierdziłem, że kurczę, może warto by było odświeżyć sobie lektury szkolne, które 12 lat temu czy ileś lat temu czytałem. Jestem w trakcie dalej tej inspiracji, powiedzmy. „Zbrodnię i karę” mam już za sobą. Świetna książka. Nie wiem dlaczego, chyba nie rozumiałem do końca tej książki, jak ją czytałem w szkole średniej. I obecnie jestem w trakcie czytania „Ferdydurke”.
Bartek: Daj znać, kiedy dojdziesz do „Dzieci z Bullerbyn”. Dzięki, Marcin, za rozmowę. Wam dziękuję za słuchanie, oglądanie i widzimy się w kolejnym odcinku podcastu Euvic Talks. Dzięki.
Poznaj naszego gościa
Marcin Rzepiel
AI Transformation Lead
Euvic S.A.
Marcin Rzepiel to AI Transformation Lead w Euvic, gdzie odpowiada za operacjonalizację strategii AI zarówno wewnątrz organizacji, jak i u klientów końcowych. Działa na styku governance, koordynacji i komunikacji: przekłada założenia strategiczne na konkretne zasady, procesy i strukturę wdrożenia, dbając o to, by adopcja AI była uporządkowana i mierzalna, a nie pozostawała na poziomie deklaracji.
Łączy doświadczenie inżynierskie z prowadzeniem zespołów, zwinnym zarządzaniem i architekturą rozwiązań, prowadząc inicjatywy AI od koncepcji aż po wdrożenie.
Masz temat? Porozmawiajmy!
W Euvic Talks spotykamy się z ludźmi, którzy działają, a nie tylko o tym mówią. Pisz jeśli masz pomysł na odcinek.