Dlaczego wdrożenie AI to nie projekt technologiczny?
O_PRACY
Marta Blaut
Dlaczego wdrożenie AI to nie projekt technologiczny?
Żyjemy w niezwykłym momencie: świat jest zafascynowany możliwościami AI, a firmy masowo planując inwestycje w sztuczną inteligencję, równolegle tworzą excele z nazwiskami do zwolnienia. Z przeprowadzonych niedawno badań wynika jednak, że wiele organizacji działa przedwcześnie. Harvard Business Review informuje, że już 39% firm zredukowało zatrudnienie „w oczekiwaniu” na zwiększenie własnej wydajności dzięki AI, podczas gdy tylko 2% zrobiło to na podstawie faktycznych wdrożeń narzędzi AI. (1) 39% vs. 2%. Antycypacja vs dane. Innymi słowy, zwolnienia wynikają z "przewidywań", a nie z dowodów. Deloitte potwierdza, że tylko 6% firm osiąga zwrot z inwestycji w AI w ciągu roku. To znak, że prawdziwa transformacja nie sprowadza się do włączenia nowych narzędzi. Wprowadzenie AI to przebudowa całego sposobu pracy – zmianie muszą ulec przywództwo, struktury, procesy i kultura organizacyjna. Nie wystarczy inwestycja w licencje i narzędzia.
Wymiar ludzki i organizacyjny
AI zmienia role i wymagane kompetencje – to więcej niż upskilling. Konieczne będzie przełamanie oporu pracowników, którzy mogą postrzegać AI jako zagrożenie dla swojej pracy, ba!, przyszłości. Zaproszenie pracowników do rozmowy o przyszłości organizacji, transparentne komunikowanie strategicznego kierunku i wsparcie pracowników w dostosowywaniu się kompetencyjnym do nowej rzeczywistości wydaje się być (niedoszacowanym) kluczem do sukcesu. Istnieją badania, które pokazują, że firmy, które systemowo inwestują w zarządzanie zmianą, osiągają o 60% większą szansę powodzenia projektów AI. (2) Te organizacje stawiają na szkolenia, zaufanie i zmianę mentalności. Bez tego nawet najlepszy algorytm nie przyniesie efektu. Technologia zadziała tylko wtedy, gdy współpracuje ze zmianą kultury i procesów.
Zaangażowanie liderów w ten proces jest niezbędne. AI to nie wyłącznie technologia – wymaga wiedzy i wizji biznesowej. McKinsey pokazuje, że tylko 17% kompetencji menedżerów biznesowych to umiejętności techniczne. Dlatego wdrożenie AI musi prowadzić ktoś, kto rozumie specyfikę biznesu oraz możliwości AI. (3) Tylko wtedy zbuduje się synergiczny zespół, który odpowie, jakie aspekty pracy należy zautomatyzować, a które wymagają ludzkiego nadzoru.
Procesy i kultura
Ustaliliśmy już, że jednym z kluczowych czynników sukcesu wdrożenia rozwiązań AI w firmie jest włączenie ludzi w proces zmiany, oswojenie ich z technologią oraz pomoc w "przejściu na drugą stronę" (komunikowanie jak zmienią się role, rozplanowanie szkoleń up-skillingowych, konsekwentne i transparentne mówienie o wizji i strategii firmy).
Kolejnym elementem wdrożenia AI jest przebudowa całych procesów, nie tylko ich automatyzacja. Obecnie pracownicy używają ChatGPT czy innego narzędzia, ale zwykle robią to indywidualnie, na swoje potrzeby – nie zmieniając zasad współpracy w firmie. Fortune cytuje badanie MIT: „elastyczność ChatGPT działa u pojedynczych użytkowników, ale firmy nie potrafią skalować tego bez głębokiej integracji z procesami”. (4) Sukces oznaczać więc będzie gruntowną zmianę sposobów pracy – narzędzia AI muszą być wszechobecne i dostosowane do specyfiki działów. Bez tego inwestycja w generatywną AI nie podniesie wydajności całej organizacji, tylko pojedynczych osób.
Dlaczego kultura organizacyjna ma tu kluczowe znaczenie? Przy adopcji AI potrzebne będzie budowanie zaufania do danych i gotowości na ciągłe uczenie się. Pracownicy muszą widzieć korzyści i czuć wsparcie – bez tego strach i opór mogą skutecznie "położyć" każdy, nawet najbardziej obiecujący projekt. Muszą także czuć, że jest przyzwolenie na błędy w czasie wdrażania się w nowy sposób pracy, czas na naukę współpracy z AI a, jeśli będzie konieczność, możliwość reskillingu i rozwoju w innej roli. Przykładem jest „Projekt Arystoteles” Google’a, który pokazał, że bezpieczeństwo psychologiczne zespołu (możliwość bezpiecznego popełniania błędów, podważania status quo, niezgadzania się, wyrażania obaw etc.) to główny czynnik efektywności. Bez takiej atmosfery wdrożenie AI na dużą skalę będzie wyjątkowo trudne.
Czego uczą nas badania?
Jeśli, po przeczytaniu powyższych akapitów, sukces we wdrożeniu AI w Twojej organizacji wydaje Ci się prawie niemożliwy, przychodzę z dobrą wiadomością. Istnieją badania, które dają praktyczne wskazówki o co należy zadbać przystępując do takiego projektu:
Zespoły mieszane. Kluczowe jest łączenie ekspertów IT/AI z liderami biznesu. Ci pierwsi znają narzędzia, drudzy – procesy. Takie teamy najlepiej identyfikują, które elementy pracy należy zautomatyzować, i jak wprowadzić nowe rozwiązania. Jednocześnie takie podejście zwiększa szansę na "buy in" nowego sposobu pracy w zespole, który "uzbrajamy" w AI.
Konkretna wizja i pilotaż. Lepiej zacząć od jednego, jasno określonego celu biznesowego i małego pilotażu. Sprawdzając rozwiązania AI na wybranym, priorytetowym zadaniu (np. automatyzacji raportowania czy prostej analizie danych), szybko otrzymasz dowód (lub potwierdzisz jego brak) skuteczności. Dzięki temu będziesz mógł(a) skalować udane rozwiązania.
Zarządzanie zmianą. Mój ulubiony aspekt. Pomimo zaawansowania technologicznego, specjalizacji, świetnego wykształcenia jakie wielu z nas posiada, wciąż pozostajemy "tylko" ludźmi. Mamy swoje lęki, potrzeby, plany, ba!, ego. Dlatego właśnie projekt wdrażania AI wymaga ciągłej i przemyślanej komunikacji. Komunikacji, która adresuje obawy, wzmacnia poczucie wpływu na swoją sytuację i umożliwia zaplanowanie uczenia się niezbędnych umiejętności. Pracownicy muszą wiedzieć, po co wprowadzamy AI i co to oznacza dla ich pracy. Inwestowanie w szkolenia (jak z AI korzystać) oraz budowanie zaufania do kierunku firmy pozwala złagodzić niepokój. Bez tego nawet najlepsze narzędzie może zostać odrzucone.
Dobre dane i szybkie wyniki. Nic tak nie działa na zarząd jak dane! Wprowadzając AI zacznij od wyboru obszaru do wdrożenia sztucznej inteligencji, w którym łatwo będzie szybko i klarownie pokazać efekt (np. sprawniejszy proces obsługi klienta czy prac biurowych). Liczby budują poparcie – jeśli pilotaż wykaże wymierną korzyść (np. 30% mniej czasu pracy), łatwiej uzyskać wsparcie do kolejnych etapów.
Mierzenie efektów i iteracje. Tu zwinne podejście do wprowadzania zmian wydaje się najbardziej korzystne; firma prawdopodobnie osiągnie lepszy rezultaty, gdy działać będzie w krótkich iteracjach i będzie na bieżąco reagować na potencjalne problemy. Ustal więc na start mierniki efektywności i systematycznie je sprawdzaj. W razie potrzeby adaptuj model – dane się zmieniają, procesy ewoluują, więc AI musi być stale doszkalany i modyfikowany.
Dodatkowe wyzwania
Uff.. dużo tego, a to jeszcze nie koniec. Planowanie wdrożenia AI to skomplikowane przedsięwzięcie wielopoziomowe. Trzeba uwzględnić wiele kwestii, na większości, których prawdopodobnie w ogóle się nie znasz (sorry, że tak wprost). Przemyśl więc kogo włączyć w prace projektowe aby zminimalizować ryzyko związane z:
Etyką i regulacjami. Czy będziesz bazować na publicznych czy wrażliwych danych? Konieczne jest zdefiniowanie jasne zasady ochrony prywatności i bezpieczeństwa.
Integracją systemów. AI musi współdziałać z istniejącymi w firmie systemami (ERP, CRM itp.). Brak kompatybilności może wpłynąć na tempo wdrożenia. Zadbaj wraz z zespołem projektowym o spójną architekturę IT już na wstępie.
Utrzymaniem i adaptacją. Modele AI „starzeją się”. Wymagają stałego nadzoru i "re-treningu". Dlatego musisz zaplanować procesy monitorowania i aktualizacji modeli, a także ewentualnie zarekomendować wprowadzenie nowych ról w organizacji (np. trenera AI czy AI etyka - swoją drogą te nowe role związane z AI to fascynujący temat na inny wpis) odpowiedzialnych za ich ciągłe doskonalenie.
Uproszczona lista „to do” przy wdrożeniu AI
Na koniec – praktyczna checklista, która pomoże Ci ustrukturyzować myślenie i planowanie:
Zdefiniuj cel biznesowy: Zdecyduj, jaki konkretny problem rozwiąże AI (np. automatyzacja fakturowania, analiza klientów). Ustal, jak zmierzysz sukces (oszczędność czasu, wzrost przychodów itp.)
Stwórz zespół projektowy: Połącz ludzi z biznesu (znają potrzeby), IT/AI (znają technologie) oraz HR/L&D (wspierają zmiany). Zadaniem zespołu jest przejrzenie celu, identyfikacja ryzyk i kluczowych czynników sukcesu.
Zacznij od pilotażu: Wybierz niewielki zakres wdrożenia (1–3 miesiące), zbierz szybko feedback. Sprawdź, czy AI faktycznie pomaga – i czy jest skalowalny.
Inwestuj w kompetencje: Zaplanuj szkolenia z obsługi nowych narzędzi. Wyjaśnij, dlaczego wdrażacie AI i jak wpłynie to na pracę. Ludzie muszą wiedzieć, co zyskują (np. mniej powtarzalnych zadań) i jakie umiejętności warto rozwijać.
Wybieraj gotowe rozwiązania: Sprawdź, czy już istnieje oprogramowanie spełniające Twoje potrzeby. Często nie warto „odkrywać koła na nowo” – lepiej zbudować na sprawdzonym narzędziu i dostosować je do swoich procesów.
Mierz i ucz się: Regularnie analizuj wyniki (np. mierząc czas obsługi procesów czy koszty operacyjne). Ustal procedury bieżącego utrzymania AI (retraining modeli). Nawet po wdrożeniu wprowadzaj poprawki – świat się zmienia, dane się zmieniają, więc AI też musi ewoluować.
Dbaj o etykę i bezpieczeństwo: Ustal reguły użycia danych i narzędzi AI (zgodność z RODO, cyberbezpieczeństwo). To kluczowy fundament, bo błędy w tej sferze mogą zablokować projekt.
Każdy z tych kroków odpowiada wnioskom płynącym z raportów firm konsultingowych i niezależnych badań. Warto pamiętać, że zwrot z AI przychodzi tam, gdzie technologia idzie w parze z przygotowaniem ludzi i organizacji. Nawet jeżeli wprowadzasz, wydawałoby się, małą zmianę polegającą na wdrożeniu pojedynczych narzędzi AI, nie lekceważ ryzyk "ludzkich". Wokół AI jest mnóstwo emocji - jeśli w Twojej organizacji wdrożenie AI "polegnie" na małym odcinku, w przyszłości będzie tym trudniej z wdrożeniem na szerszą skalę organizacyjną. A, chcąc - nie chcąc, wygląda na to, że od tego kierunku nie ma już odwrotu.
