Wiele projektów AI zaczyna się od niewłaściwego pytania. 

Firma wybiera narzędzie, kupuje licencje, organizuje pilotaż i dopiero później zastanawia się, gdzie właściwie można je wykorzystać. To odwraca kolejność działań. 

Pierwsze pytanie powinno brzmieć: 

Jaki problem biznesowy chcemy rozwiązać? 

Dopiero później pojawia się pytanie o technologię. 

Marcin Rzepiel zwraca uwagę na problem z interpretowaniem danych dotyczących adopcji AI: 

„Wydaje mi się, że wynika to z tego, że nikt nie bada w jaki sposób w tych 88% firm wykorzystuje się to AI.”

Sama liczba użytkowników czy liczba wykupionych licencji niewiele mówi o efektywności transformacji. Firma może mieć dostęp do narzędzi AI w całej organizacji i jednocześnie nie zmienić żadnego istotnego procesu. 

Dlatego przed rozpoczęciem kolejnego projektu warto odpowiedzieć na pięć pytań: 

1. Jaki konkretny problem biznesowy rozwiązujemy? 
2. Po czym poznamy, że projekt odniósł sukces? 
3. Kto odpowiada za jego rezultat? 
4. Który proces lub sposób pracy ulegnie zmianie? 
5. Jakiej wartości oczekujemy w perspektywie 6–12 miesięcy? 

Dopiero po takiej analizie warto wybierać rozwiązanie technologiczne. 

Jedna z najważniejszych uwag z rozmowy dotyczy procesów. Organizacje często próbują wykorzystać AI w procesie, którego wcześniej nikt dokładnie nie przeanalizował. 

„Każde wprowadzanie AI w jakimś konkretnym procesie musi być poprzedzone analizą procesu.”

W praktyce oznacza to powrót do podstaw. Najpierw trzeba zobaczyć, jak proces wygląda dzisiaj, kto wykonuje poszczególne czynności, gdzie powstają opóźnienia, które kroki są powtarzalne i gdzie występuje praca, którą można wyeliminować. 

„Mapujemy stan as is, szukamy waste’ów, szukamy miejsc, gdzie możemy wyeliminować jakiś krok procesu.”

Dopiero wtedy można zdecydować, jaka technologia ma sens. 

Kolejność może wyglądać następująco: 

1. mapowanie procesu w obecnej postaci, 
2. identyfikacja zbędnych czynności i wąskich gardeł, 
3. uproszczenie procesu, 
4. sprawdzenie możliwości klasycznej automatyzacji, 
5. ocena, czy i gdzie AI wnosi dodatkową wartość. 

To ważne rozróżnienie. Nie każdy problem operacyjny wymaga modelu językowego. Czasem najlepszym rozwiązaniem jest usunięcie jednego kroku, integracja dwóch systemów albo automatyczne przekazywanie danych. 

AI ma sens wtedy, kiedy wnosi zdolność, której prostsze rozwiązanie nie zapewnia.

Najciekawsze zastosowania AI nie zawsze wyglądają jak projekty transformacyjne z dużym budżetem i wielomiesięcznym harmonogramem. 

Dobrym przykładem jest sytuacja opisana przez Marcina Rzepiela w kontekście firmy Join The Crew. 

Jednym z wykonywanych ręcznie procesów było monitorowanie konkurencji. Pracownicy regularnie przeglądali strony internetowe konkurentów, sprawdzali nowe oferty i zmiany w ich działalności, a następnie przygotowywali raporty. 

Była to potrzebna praca, ale jednocześnie powtarzalna i czasochłonna. 

Po przeanalizowaniu procesu został wdrożony agent wykorzystujący ChatGPT. Jego zadaniem było monitorowanie stron konkurencji, wychwytywanie zmian, przygotowywanie raportów i wskazywanie potencjalnych działań. Agent korzystał również z wcześniejszych wyników, dzięki czemu mógł porównywać kolejne zmiany zamiast za każdym razem zaczynać analizę od początku. 

Skala rozwiązania była niewielka. 

„Wdrożenie takiego agenta to było dosłownie jeden dzień pracy.”

To właśnie ten przykład dobrze pokazuje, dlaczego warto zacząć od procesu, a nie od technologii. 

Punktem wyjścia nie była próba stworzenia przełomowego produktu opartego na AI. Celem było usprawnienie konkretnej czynności. 

Efekt okazał się szerszy: 

„Naszym głównym celem była optymalizacja tego konkretnego procesu (…). Przy okazji okazało się, że jesteśmy w stanie lepiej monetyzować pewnego rodzaju pomysły.”

I to jest ciekawy moment z perspektywy zarządu. Automatyzacja nie musi kończyć się na oszczędności czasu. Uwolnienie pracowników od powtarzalnej pracy może stworzyć przestrzeń do działań, których wcześniej nie było czasu wykonywać. 

Wartość pojawia się wtedy nie tylko w samym procesie, ale również w tym, co organizacja może zrobić z odzyskanym czasem i informacją.