5 pytań, zanim wydasz pierwszą złotówkę na AI
Nowoczesne technologie
Scena, którą widuję regularnie: dostawca kończy prezentację, na sali panuje entuzjazm, ktoś rzuca: „Konkurencja już to ma, my też musimy”. Kilka tygodni później jest podpisana umowa, wystawiona faktura i uruchomiony pilotaż, który po trzech miesiącach cicho umiera. Nikt nie zrobił nic głupiego, a mimo to pieniądze przepadły.
To nie są pojedyncze przypadki. Z badania S&P Global Market Intelligence wynika, że w 2025 roku 42 proc. firm porzuciło większość swoich inicjatyw AI, zanim trafiły one do realnego użycia. Rok wcześniej odsetek ten wynosił 17 proc. W ciągu zaledwie dwunastu miesięcy skala rezygnacji wzrosła więc ponad dwukrotnie. I nie dlatego, że technologia nagle się zepsuła.
Łatwo wyciągnąć z tego wniosek, że „AI to bańka”, ale byłby on błędny. Modele działają. Zawodzi natomiast to, na jakim etapie i wobec jakiego problemu zapada decyzja o wdrożeniu. A ta decyzja zapada przy Twoim biurku, na długo przed tym, zanim ktokolwiek dotknie technologii.
Dlatego zanim zapytasz, które narzędzie AI wybrać, odpowiedz sobie na pięć pytań dotyczących własnej firmy. To one, a nie technologia, zdecydują o tym, czy wdrożenie się zwróci.
Dobra wiadomość jest taka, że ten test można przejść samodzielnie, bezpłatnie i w pół godziny. Jeśli utkniesz na którymkolwiek pytaniu, nie jest to sygnał, by szukać lepszego dostawcy. To sygnał, by jeszcze nie wydawać pieniędzy.
Pytanie pierwsze: jaki problem chcę rozwiązać i czy umiem go opisać bez słowa „AI”?
To filtr, który odsiewa najwięcej błędnych decyzji. „Chcemy wdrożyć AI” nie jest celem biznesowym. To jedynie nazwa technologii. Cel biznesowy brzmi inaczej: „przygotowanie oferty zajmuje nam dwa dni i przez to tracimy klientów” albo „dział obsługi nie wyrabia się z odpowiadaniem na maile w sezonie”.
Jeśli potrafisz opisać problem w liczbach i bez modnego skrótu, wiesz, co kupujesz. Jeśli nie potrafisz, kupujesz rozwiązanie, które dopiero szuka swojego problemu.
Skala tego błędu jest policzalna. Boston Consulting Group, po przebadaniu tysiąca firm z 59 krajów, ustalił, że tylko 26 proc. organizacji potrafi przekuć AI w mierzalną wartość. Reszta utknęła na etapie pilotaży. Różnicy nie robią budżet ani wybór narzędzia, lecz to, czy na początku ktoś nazwał konkretny problem.
Sygnał ostrzegawczy jest prosty: jeśli zdanie o wdrożeniu zaczyna się od nazwy narzędzia, a nie od procesu i jego kosztu, jest za wcześnie na wydawanie pieniędzy.
Pytanie drugie: czy to proces powtarzalny i wolumenowy, czy jednorazowa decyzja?
AI zarabia na powtarzalności. Czynność wykonywana setki razy według podobnego schematu jest dobrym kandydatem do automatyzacji. Jednorazowa, wyjątkowa decyzja strategiczna jest kandydatem słabym, ponieważ nie ma na czym się „rozpędzić” i trudno policzyć jej zwrot z inwestycji.
Nieprzypadkowo największą wartość z AI firmy osiągają dziś w obszarach operacyjnych, sprzedażowych i obsługowych, a nie przy jednorazowych projektach.
Zanim pójdziesz dalej, sprawdź prostą rzecz: ile razy w miesiącu dany proces się powtarza i czy za każdym razem wygląda podobnie. Im wyższa liczba i im mniej wyjątków, tym lepszy grunt pod wdrożenie.
Jeżeli natomiast słyszysz: „to zależy od przypadku”, a każdy przebieg wygląda inaczej, najpierw trzeba proces uprościć, a dopiero później go automatyzować.
Pytanie trzecie: czy mam dane, na których da się cokolwiek zbudować?
Technologia nie wybacza bałaganu. Wdrożona na nieuporządkowane dane produkuje jedynie ten sam bałagan, tylko szybciej. I właśnie tutaj pęka najwięcej wdrożeń.
Z indeksu gotowości Cisco wynika, że tylko 32 proc. firm jest realnie przygotowanych pod względem danych, a aż 80 proc. przyznaje, że ma problem z ich uporządkowaniem i oczyszczeniem.
Nie chodzi przy tym o posiadanie „big data”. Chodzi o to, aby dane dotyczące procesu znajdowały się w jednym miejscu i miały powtarzalną strukturę.
Trzydzieści arkuszy Excela, z których każdy ma inny układ kolumn, nie jest punktem startowym do wdrożenia AI. To osobny projekt porządkowania danych, który należy wcześniej uwzględnić w kosztach i harmonogramie.
Jeżeli zaś nikt w firmie nie potrafi w ciągu pięciu minut pokazać, gdzie te dane się znajdują, to najlepszy dowód, że ten etap wciąż jest przed Wami.
Pytanie czwarte: jak policzę zwrot i w czym dokładnie będzie się on przejawiał poza „zaoszczędzonymi godzinami”?
Najczęstszy błąd w kalkulacji korzyści polega na sprowadzeniu całego zwrotu z inwestycji do jednej liczby: liczby zaoszczędzonych roboczogodzin. To wskaźnik wygodny, bo łatwy do policzenia, ale zwykle najmniej istotny.
Rzetelny rachunek powinien obejmować co najmniej cztery wymiary.
Po pierwsze: skrócenie czasu reakcji na potrzeby klienta. Odpowiedź w pięć minut zamiast w dwa dni oznacza wyższy współczynnik zamknięcia sprzedaży, a nie tylko oszczędność pracy.
Po drugie: redukcję błędów operacyjnych. Każda pomyłka w ofercie, fakturze czy zamówieniu generuje konkretny koszt w postaci korekt, reklamacji i utraty zaufania.
Po trzecie: zdolność obsłużenia większego wolumenu bez zwiększania zatrudnienia. To nie jest już oszczędność, lecz usunięcie ograniczenia wzrostu.
Dopiero po czwarte: realnie zaoszczędzony czas. Jest on ważny, ale stanowi tylko jedno z kilku źródeł wartości.
Dobrze pokazuje to prosty przykład. Dział ofertowania przygotowuje 200 ofert miesięcznie. Wdrożenie pozwala zaoszczędzić 30 godzin pracy miesięcznie. Wynik jest policzalny, ale mało spektakularny.
W szerszym ujęciu obraz wygląda inaczej. Czas przygotowania oferty spada z dwóch dni do dwóch godzin, liczba błędów w wycenach maleje o połowę, a dział może obsługiwać 300 ofert miesięcznie bez tworzenia nowego etatu.
Trzy z czterech źródeł wartości nie pojawiły się w pierwszym rachunku, a to właśnie one najczęściej decydują o opłacalności projektu.
Że nie jest to wyłącznie teoria, potwierdzają dane. Z badań Deloitte wynika, że choć 85 proc. firm zwiększyło w ostatnim roku wydatki na AI, znaczący i mierzalny zwrot raportuje dopiero 15 proc. organizacji, a satysfakcjonujące ROI większość osiąga dopiero w perspektywie od dwóch do czterech lat.
Zwrot z AI jest realny, ale rzadko bywa natychmiastowy i niemal nigdy nie mieści się w jednej rubryce zatytułowanej „zaoszczędzone godziny”.
Pytanie piąte: kto w firmie będzie właścicielem tego rozwiązania, gdy dostawca odejdzie?
To pytanie zarządy zadają sobie najrzadziej. Jednocześnie to właśnie ono najczęściej decyduje o powodzeniu lub porażce wdrożenia.
BCG ujęło ten problem w regule 10-20-70. O sukcesie wdrożenia AI w 10 proc. decyduje wybór algorytmu, w 20 proc. dane i technologia, a w 70 proc. ludzie oraz procesy. Innymi słowy, najważniejsza część projektu zaczyna się dopiero po podpisaniu umowy z dostawcą.
Narzędzie, które nie ma właściciela po stronie firmy, najczęściej umiera po pilotażu. Nikt go nie rozwija, nie monitoruje, nie poprawia ani nie pomaga zespołowi wypracować nowych nawyków.
Dlatego jeszcze przed podpisaniem umowy warto wskazać konkretną osobę odpowiedzialną za proces. Z imienia i nazwiska. Nie „dział IT”, nie „zespół cyfryzacji”, lecz człowieka, który będzie rozliczany z efektów.
Jeśli na pytanie: „Kto przejmie to na stałe?” zapada cisza albo pada odpowiedź: „zobaczymy”, wdrożenie już się chwieje, choć jeszcze się nie zaczęło.
Co z tego wynika?
Te pięć pytań nie wymaga wiedzy technicznej. To praktyczna lista kontrolna właściciela firmy, którą można przejść jeszcze przed pierwszą rozmową z dostawcą.
Organizacja, która odpowie na nie uczciwie, zwykle nie trafia do statystyki porzuconych wdrożeń. Nie dlatego, że kupiła lepszą technologię, lecz dlatego, że rozwiązuje właściwy problem i jest przygotowana na zmianę.
Sztuczna inteligencja nie naprawia organizacyjnego bałaganu. Wdrożona na źle zaprojektowany proces jedynie szybciej produkuje jego skutki.
Na najbliższym posiedzeniu zarządu warto zadać jedno pytanie: Gdybyś miał wskazać jeden proces, w którym AI ma realnie pomóc firmie zarabiać, czy potrafisz dziś odpowiedzieć na wszystkie pięć pytań powyżej?
Autor: partner strategiczny ds. AI, automatyzacji i nowych technologii dla polskich firm. Analizuje przedsiębiorstwa, buduje plany rozwoju i koordynuje wdrożenia. Prowadzi wykłady akademickie, m.in. na AGH i ASBiRO, oraz szkolenia z praktycznych zastosowań sztucznej inteligencji i automatyzacji w biznesie. Założyciel Devesol.pl, firmy specjalizującej się w projektowaniu i automatyzacji procesów biznesowych oraz wdrożeniach sztucznej inteligencji
Źródła:
S&P Global Market Intelligence (2025)
Boston Consulting Group, Where's the Value in AI? (2024)
Boston Consulting Group, reguła 10-20-70
Cisco AI Readiness Index (2024)
Deloitte, State of Generative AI in the Enterprise. EMEA (2025)
|
nr 9(269)2026  |
|
