AI to nie magiczna szkatułka. Firmy powinny tworzyć przestrzeń do eksperymentowania

Audio generowane przez AI. Może zawierać błędy.

Marcin Dzierżanowski, XYZ: Wiele firm deklaruje gotowość do wdrożenia sztucznej inteligencji, a nawet w nią inwestuje. Później jednak menedżerowie narzekają, że nie osiągnęli przełomowych efektów biznesowych. Dlaczego?

Michał Domolewski, EY Polska: Często oczekują, że sama technologia przyniesie przełomowe efekty i zmieni sposób działania organizacji. Uruchamiają więc małe pilotaże, ale nie łączą ich z konkretnym problemem biznesowym czy wyzwaniem. Tymczasem jeśli proces jest źle zaprojektowany, a dane niespójne, to efekt nie nastąpi. Niekiedy nawet może być odwrotny od zamierzonego.

O czym powinni więc pamiętać, planując inwestycje w AI?

Trzeba zacząć od dobrze zdefiniowanego celu biznesowego. Zamiast wychodzić od dostępnych na rynku narzędzi i zastanawiać się, jak je wykorzystać, lepiej najpierw odpowiedzieć sobie na pytanie: co chcemy osiągnąć jako firma i które procesy wymagają usprawnienia lub optymalizacji.

Brzmi zaskakująco prosto…

A mimo to wiele organizacji wciąż popełnia ten sam błąd. Widzą interesujące rozwiązanie technologiczne i próbują znaleźć dla niego zastosowanie. W efekcie wdrażają asystentów czy agentów AI bez powiązania ich z konkretnymi procesami i celami biznesowymi. Często wręcz brakuje odpowiedzi na podstawowe pytanie: jaki efekt biznesowy chcemy osiągnąć i co ma się zmienić w sposobie działania firmy. Tymczasem wartość takich rozwiązań pojawia się dopiero wtedy, gdy opierają się na wysokiej jakości danych i stanowią element dobrze zaprojektowanego procesu.

Z badań przeprowadzonych przez SAP Polska wynika, że aż 70 proc. polskich menedżerów deklaruje, że wykorzystanie AI jest już wpisane w strategię ich działów. Skąd więc rozdźwięk między tym optymizmem a problemami, które firmy napotykają w praktyce?

Strategia punktowa, realizowana w jednym obszarze czy dziale firmy, nie musi automatycznie oznaczać gotowości całej organizacji do skutecznego wykorzystania sztucznej inteligencji. Pierwszym krokiem powinno być przyjrzenie się spójności danych i ocena tego, jak funkcjonują one w organizacji. Warto więc odpowiedzieć sobie na pytanie, z jakich systemów korzystamy. Czy mamy jedno źródło danych, czy wiele? Jaka jest ich jakość, czy są spójne, czy występują duplikaty? Niewątpliwie to właśnie dane stanowią pierwszy element gotowości do absorpcji AI.

Jakie są w takim razie kolejne elementy?

Musi istnieć ktoś, kto bierze odpowiedzialność za całość procesu i jest realnie zainteresowany osiągnięciem zakładanych efektów.

Drugim obszarem są procesy. Musimy sprawdzić, czy są jasno opisane i udokumentowane. Czy wiemy, jak przebiegają? Czy mają właścicieli biznesowych oraz czy zostały odpowiednio zinwentaryzowane i opisane? I czy wszyscy rozumieją, jaką funkcję pełnią? Trzecim elementem są natomiast ludzie i ich kompetencje oraz motywacja do wdrażania zmian. Aby osiągnąć korzyści z innowacji, potrzebujemy osób gotowych do działania. Jeśli brakuje odpowiednich kompetencji, wcześniej czy później pojawią się trudności.

Oprócz danych, procesów i ludzi niezwykle istotne są także zasady bezpieczeństwa. Może się bowiem okazać, że mimo dobrych narzędzi, wysokiej jakości danych i uporządkowanych procesów cała inicjatywa zostanie zatrzymana z powodu ryzyka wycieku informacji. Ostatni ważny czynnik to właściciel całego przedsięwzięcia. Musi istnieć ktoś, kto bierze odpowiedzialność za całość procesu i jest realnie zainteresowany osiągnięciem zakładanych efektów. To właśnie on na koniec dnia musi sobie odpowiedzieć na bardzo ważne pytanie. Brzmi ono: w jaki sposób wdrożenie wpłynęło na procesy biznesowe i czy przyniosło realną wartość.

Mam jednak wątpliwość, czy biznes nauczył się już mierzyć sukces projektów AI. Z badań SAP Polska wynika, że tylko 28 proc. firm mierzy rzeczywisty zwrot z inwestycji, a 31 proc. sprawdza faktyczny poziom wykorzystania narzędzi.

Ma pan rację, że sukcesu wdrożenia AI nie można mierzyć deklaracjami ani liczbą wykupionych licencji. Kluczowe jest to, czy dane rozwiązanie jest faktycznie regularnie wykorzystywane oraz czy poprawia konkretny proces i przekłada się na wyniki biznesowe. Podstawowe znaczenie ma zatem ustalenie punktu odniesienia jeszcze przed wdrożeniem. Trzeba zmierzyć stan wyjściowy, a następnie zdecydować, w jaki sposób będziemy oceniać rezultaty. Czy będzie to uwolniony czas, niższe koszty, wyższe przychody, czy może poprawa jakości rezultatów. Z moich obserwacji wynika, że duża część firm wciąż tego nie robi.

Czy to znaczy, że polski biznes wciąż nie nauczył się traktować AI jako elementu głębszej transformacji biznesowej?  

Na razie obserwuję głównie punktowe wdrożenia i eksperymenty z AI, daleki byłbym jednak od krytyki. W takim podejściu nie ma przecież nic złego. Pozwala ono firmom weryfikować potencjał nowych rozwiązań i narzędzi, które rozwijają się dziś w niezwykle dynamicznym tempie. Równocześnie część firm zaczyna już myśleć szerzej o transformacji całych procesów biznesowych. Firmy zastanawiają się, jak odejść od dotychczasowych schematów i na nowo zaprojektować całe grupy procesów opartych na AI. Można więc oczekiwać, że w ciągu najbliższych lat transformacje obejmujące całe organizacje będą stopniowo nabierać tempa.

Część firm zaczyna myśleć szerzej o transformacji całych procesów biznesowych. Firmy zastanawiają się, jak odejść od dotychczasowych schematów i na nowo zaprojektować całe grupy procesów w oparciu o AI.

A na ile entuzjazm wobec AI przekłada się na realną zmianę sposobu pracy? Aż 39 proc. polskich menedżerów dostrzega sytuacje, w których narzędzia wykorzystuje jedynie niewielka grupa pracowników.

To jest niewątpliwie kłopot. Jednym z powodów istnienia tzw. martwych subskrypcji jest brak wiedzy, jak wykorzystywać nowe narzędzia w codziennych obowiązkach. Gdy firma skupia się jedynie na ambitnych wizjach, a nie pokazuje pracownikom praktycznych zastosowań technologii, transformacja nie przekłada się na trwałą zmianę. Pamiętajmy jednak, że ludzie potrzebują czasu, by zrozumieć nowe rozwiązania i się do nich przekonać. Pamięta pan, jak wiele lat temu w firmach upowszechniał się Excel?

Początkowo służył głównie do prostych kalkulacji…

No właśnie. Dopiero z czasem użytkownicy odkrywali kolejne zastosowania, takie jak planowanie, raportowanie czy tworzenie baz danych. Wiedza o możliwościach tego narzędzia rosła zatem stopniowo. Oczywiście, AI to zupełnie inna skala, ale pewne mechanizmy są podobne. Trwała zmiana nie następuje z dnia na dzień. Dlatego firmy powinny tworzyć przestrzeń do eksperymentowania z AI i pogodzenia się z tym, że na etapie nauki będą się pojawiały błędy. Bo, jak wszyscy doskonale wiemy, najlepiej jest się uczyć na błędach.

To jaki najczęstszy błąd myślowy popełniają polskie firmy w podejściu do sztucznej inteligencji?

Zbyt często wychodzą z założenia, że AI to „magiczna szkatułka”. I że gdy tylko organizacja ją zdobędzie, automatycznie uzyska lepsze wyniki. Tyle że w praktyce tak to nie działa. Żeby technologia przyniosła realną wartość, musi należy ją właściwie osadzić w procesach, danych i codziennym funkcjonowaniu przedsiębiorstwa.

W debacie o sztucznej inteligencji coraz częściej pojawia się temat agentów AI. Czym różni się organizacja, która wykorzystuje AI głównie jako asystenta pracownika, od firmy, w której inteligentne agenty stają się częścią codziennych procesów biznesowych?

Asystenci wspierają pracowników w pojedynczych zadaniach, podsumowują informacje, przygotowują propozycje i pozwalają szybciej wykonywać określone czynności. Agent to kolejny etap. Nie tylko wspiera, ale przejmuje wykonywanie konkretnych zadań, podczas gdy rola człowieka w coraz większym stopniu sprowadza się do podejmowania decyzji na podstawie przygotowanych przez niego rekomendacji. Niewątpliwie taki model wymaga znacznie głębszej integracji systemów, uporządkowanych procesów oraz jasno określonych zasad odpowiedzialności i kontroli. Dlatego przejście od rozwiązań asystenckich do agentowych jest nie tylko zmianą technologiczną, ale także organizacyjną i mentalną. Widać to również w świecie SAP, gdzie coraz częściej mówi się o koncepcji autonomicznego przedsiębiorstwa, w którym zadaniem agentów jest realizacja części działań operacyjnych, a ludzie koncentrują się na podejmowaniu decyzji i wyznaczaniu kierunków rozwoju.

Przejście od rozwiązań asystenckich do agentowych jest nie tylko zmianą technologiczną, ale także organizacyjną i mentalną.

Jak w praktyce wygląda droga do autonomicznego przedsiębiorstwa?

Żeby dojść do tego etapu, firmy muszą najpierw uporządkować dane, procesy i odpowiednio przygotować pracowników. To trzy kluczowe obszary, które stanowią fundament dalszej automatyzacji. Równie ważna jest gotowość organizacji do zmian. Jeśli firma deklaruje chęć transformacji, ale jednocześnie blokuje modyfikację procesów, zmianę sposobu pracy czy przesuwanie zasobów tam, gdzie są najbardziej potrzebne, to trudno jej będzie osiągnąć model bardziej autonomicznego przedsiębiorstwa. O sukcesie decydują więc nie tylko technologia i dane, lecz także elastyczność oraz gotowość do konsekwentnego wdrażania zmian.

BIO:

Michał Domolewski – jest partnerem EY Polska i liderem zespołu SAP. Doradza największym organizacjom w realizacji transformacji biznesowych i technologicznych. Rozwija w EY podejście SAP Autonomous Enterprise, wspierające firmy w wykorzystaniu danych i sztucznej inteligencji do usprawniania procesów.

Główne wnioski

1. Według Michała Domolewskiego z EY Polska AI nie jest „magiczną szkatułką”. Wartość przynosi dopiero wtedy, gdy wspiera konkretny cel biznesowy i jest osadzona w dobrze zaprojektowanych procesach.
2. Fundamentami skutecznego wdrożenia są wysokiej jakości dane, uporządkowane procesy, przygotowani pracownicy oraz jasna odpowiedzialność za rezultaty.
3. Firmy powinny tworzyć przestrzeń do eksperymentowania ze sztuczną inteligencją, ponieważ trwała zmiana organizacyjna wymaga czasu, nauki i akceptacji błędów na etapie wdrażania nowych narzędzi.

Artykuł powstał na zlecenie SAP Polska.