Firma decyduje się na wdrożenie AI. Inwestuje w technologię, angażuje zespół, a po kilku miesiącach okazuje się, że rozwiązanie nie daje żadnych korzyści. Albo nikt z niego nie korzysta. Albo, co gorsza, pomysł od początku nie miał sensu biznesowego. Brzmiał tylko dobrze na spotkaniu zarządu.
Problem rzadko leży w technologii. Zwykle leży w sposobie oceny pomysłów. Większość firm nie ma uporządkowanego sposobu, żeby sprawdzić, czy dany pomysł zasługuje na czas i budżet. Poniżej pokazujemy, jak to zrobić: od pierwszej iskry po pilotaż, który potwierdza albo obala wartość rozwiązania.
Ten tekst jest dostępny także po angielsku: How to Tell Whether an AI Implementation Idea Actually Makes Business Sense.
Trzy rodzaje pomysłów na AI
Po kilkudziesięciu projektach widzimy wyraźny wzór. Pomysły dzielą się na trzy grupy. Tylko jedna z nich regularnie prowadzi do dobrych efektów.
Pomysły dobre
Rodzą się ze znajomości branży i z prawdziwego problemu biznesowego. Ich autorzy nie pytają: “co możemy zrobić z AI?”. Pytają: “mamy problem X, kosztuje nas Y, czy AI pomoże go rozwiązać?”.
Ta różnica jest kluczowa. Takie zespoły rozumieją proces, znają wąskie gardła i potrafią oszacować oszczędność albo wzrost przychodu. Chcą optymalizować. Technologia jest dla nich narzędziem, a nie celem.
Pomysły modne
Druga grupa brzmi tak: “chcemy chatbota, bo wszyscy mają chatbota”. Albo: “podobno agenty AI to teraz przyszłość, zróbmy agenta”.
Co ma robić ten agent? To zwykle jeszcze nie jest jasne.
Takie pomysły biorą się z konferencji, artykułów, ruchów konkurencji albo nacisku zarządu. Czasem przypadkiem prowadzą do czegoś sensownego. Częściej kończą się rozczarowaniem, bo technologia została narzucona problemowi, zamiast wybrana jako sposób jego rozwiązania.
Pomysły pozornie ciekawe
Tę grupę najtrudniej wyłapać. Takie pomysły brzmią dobrze, wyglądają nowocześnie i często da się je zrealizować. Problem w tym, że nie przekładają się na wynik firmy.
Przykład: narzędzie AI, które formatuje dokumenty według szablonu. Miła funkcja. Ale czy oszczędza godziny pracy? Czy zmniejsza liczbę błędów, które kosztują firmę albo klienta? Czy przyspiesza proces, który wpływa na przychód?
Jeśli odpowiedź brzmi “nie”, nawet udane wdrożenie nie da zwrotu z inwestycji.
Dwa kryteria, które rozstrzygają
Pomysły można oceniać na wiele sposobów. Niektóre firmy używają macierzy z dwunastoma kryteriami, analiz SWOT albo złożonych scoringów. Z naszego doświadczenia wystarczą dwa pytania.
Kryterium 1: wpływ na biznes
Ile zaoszczędzimy albo ile więcej zarobimy?
Odpowiedź musi być w pieniądzach, choćby w szerokich widełkach. “Przyspieszy procesy” to nie jest uzasadnienie biznesowe. “Oszczędzi 200-300 roboczogodzin miesięcznie, co przy stawce 150 zł za godzinę daje 30-45 tys. zł miesięcznie” - to jest uzasadnienie.
Wpływ może być po stronie kosztów:
- mniej czasu na powtarzalne zadania,
- mniej błędów,
- mniej potrzebnych zasobów,
- szybsza obsługa.
Może też być po stronie przychodów:
- szybsza konwersja,
- większa sprzedaż krzyżowa,
- lepsze utrzymanie klientów,
- lepsze doświadczenie klienta.
Bez tej miary każdy pomysł to loteria. Możecie wydać 100 tys. zł, żeby oszczędzić 20 tys. rocznie.
Kryterium 2: wykonalność
Czy da się to zrobić? W jakim czasie? Za jakie pieniądze? Czy macie dane, ludzi, procesy i infrastrukturę? Czy technologia jest dojrzała, czy będziecie pionierami na własne ryzyko?
Wykonalność to nie tylko pytanie, czy da się coś zbudować. To także pytanie, czy da się to wdrożyć w waszej organizacji.
Nawet najlepszy pomysł rozbije się o opór zespołu, brak danych, niejasną odpowiedzialność albo niestabilną infrastrukturę.
Dopiero gdy pomysł wypada dobrze w obu kryteriach, warto iść dalej.
- Duży wpływ i trudna wykonalność = projekt strategiczny na dłużej. Wymaga zasobów i cierpliwości.
- Mały wpływ i łatwa wykonalność = szybka wygrana. Można zrobić przy okazji, ale nie jako priorytet.
- Mały wpływ i trudna wykonalność = nie róbcie tego.
A gotowość firmy? To nie kryterium oceny
Częsty zarzut brzmi: “nasza firma nie jest jeszcze gotowa na AI”.
Może tak być. Ale to nie przesądza, czy pomysł jest dobry. Dobry pomysł zostaje dobry, nawet jeśli firma nie jest dziś gotowa go przyjąć.
Gotowość wpływa na sposób realizacji, a nie na wartość pomysłu.
Jeśli pomysł przeszedł test wpływu i wykonalności, gotowością da się zarządzać:
- Zacznijcie od pilotażu w jednym dziale, z ludźmi otwartymi na zmianę, a potem skalujcie.
- Przeszkolcie zespół. Ludzie boją się tego, czego nie rozumieją.
- Zróbcie warsztaty i ćwiczenia praktyczne, żeby zbić opór.
- Zbudujcie osobny zespół wokół konkretnego zastosowania, żeby działać szybciej.
- Zatrudnijcie eksperta z zewnątrz na 3-6 miesięcy, żeby poprowadził zmianę i wyszkolił ludzi u was.
Nie odkładajcie dobrego pomysłu tylko dlatego, że dziś firma nie jest gotowa. Traktujcie gotowość jak zmienną projektu.
Przykład: od ambitnej wizji do działającego pilotażu
Klient z branży wydawniczej przyszedł do nas z szerokim pomysłem: “chcemy, żeby AI przebudowało cały proces składu: automatyczne łamanie książek, przygotowanie do druku i generowanie wariantów layoutu”.
Brzmiało dobrze. Potencjalny wpływ był duży: setki godzin pracy grafików i korektorów miesięcznie. Wykonalność też wyglądała realnie: technologia była dostępna, a klient miał materiały i dane.
Zaczęliśmy od pilotażu. Po miesiącu okazało się, że każdy rozumiał ten pomysł inaczej.
Klient wyobrażał sobie uniwersalny system do każdego typu publikacji, od podręczników po albumy. My budowaliśmy narzędzie do konkretnego formatu. Pierwotna wizja była za szeroka, żeby zmieścić się w rozsądnym czasie i budżecie.
Podzieliliśmy więc pomysł na mniejsze części. Zamiast “wszystkie materiały do wszystkich książek” wybraliśmy:
- jeden typ publikacji,
- jeden obieg pracy,
- jedną grupę użytkowników.
Ten węższy pomysł zachował wartość biznesową, bo nadal oszczędzał dziesiątki godzin. Stał się za to wykonalny. Pilotaż pokazał, że koncepcja działa. Stamtąd dało się ją skalować na kolejne formaty.
Czy pilotaż się udał? Tak, bo nauczył nas czegoś ważnego.
Nie zbudowaliśmy dokładnie tego, co zapisaliśmy na warsztacie. Zbudowaliśmy coś, co działa i daje zwrot. To jest sens pilotażu: testować, uczyć się i korygować.
Kiedy pilotaż można uznać za udany?
Są trzy sygnały.
1. Cele pilotażu zostały osiągnięte
Jeśli celem było skrócenie czasu kwalifikacji leadów o 30%, a wyszło 28%, kierunek jest dobry.
Jeśli celem było zmniejszenie liczby błędów w fakturach o połowę, a wyszło 15%, trzeba zrozumieć dlaczego i co zmienić.
2. Firma tego używa i reaguje
Dobry sygnał to zdanie: “to jest przydatne”. Drugi mocny sygnał, choć trudniejszy w obsłudze, to sytuacja, w której część ludzi jest zachwycona, a część zaniepokojona, bo widzi, że rozwiązanie zmieni ich pracę.
Reakcja emocjonalna, pozytywna czy negatywna, oznacza realny wpływ.
Najgorszym sygnałem jest obojętność.
3. Ktoś podejmuje decyzję o produkcji
Pilotaż, który kończy się słowami “ciekawe, ale odłóżmy to na razie”, zwykle oznacza zmarnowany czas i budżet.
Pilotaż spełnił swoją rolę, gdy prowadzi do jasnej decyzji: skalujemy, zmieniamy albo kończymy.
Nawet pilotaż, który obala pierwotny pomysł, jest udany, jeśli czegoś uczy. Testujecie po to, żeby potwierdzić albo odrzucić koncepcję. Jeśli ją potwierdzicie, idziecie dalej. Jeśli odrzucicie, korygujecie, zanim wydacie więcej.
Najgorszy wynik to nie nieudany pilotaż. Najgorszy wynik to brak wniosków.
Ile kosztuje pilotaż? Zwykle 10-15% całego projektu
To zaskakuje klientów. Kiedy widzą działający prototyp, zakładają, że mają za sobą 60-70% pracy.
W rzeczywistości pilotaż to zwykle 10-15% docelowego rozwiązania: pod względem kosztu, czasu i funkcji.
Dlaczego? Bo pilotaż sprawdza koncepcję. Nie dostarcza systemu produkcyjnego.
Na etapie pilotażu zwykle nie rozwiązujecie jeszcze tych spraw:
- Powtarzalność wyników. Pilotaż może działać na 100 przykładach i wysypać się na 10 tysiącach.
- Integracja z systemami. Pilotaż często pracuje w izolacji, a produkcja wymaga API, synchronizacji, logów i monitoringu.
- Jakość przy większej skali. Ręczne sprawdzenie 20 wyników to co innego niż walidacja 2000 dziennie.
- Wygoda pracy. Pilotaż obsługuje zwykle jego twórca, a system produkcyjny musi być zrozumiały dla 50 osób o różnych kompetencjach.
- Koszty tokenów. Pilotaż może zużywać ile chce, produkcję trzeba zoptymalizować pod koszt jednej transakcji.
- Zgodność i bezpieczeństwo. RODO, audyty, logi i uprawnienia porządkuje się dopiero na produkcji.
Stąd nieporozumienie: “mamy działające narzędzie, po co jeszcze reszta budżetu?”.
Bo pilotaż to dowód koncepcji, a nie gotowy produkt. Pozostałe 85% to inżynieria, optymalizacja, wpięcie w procesy, szkolenia i utrzymanie.
Najczęstsze błędy przy ocenie pomysłów
Te same pułapki powtarzają się w wielu firmach.
Brak mierzalnych celów
“Chcemy poprawić obsługę klienta” nie jest celem.
“Chcemy skrócić średni czas odpowiedzi z 24 godzin do 4 godzin” jest celem.
Zakochanie się w technologii
Chatbot brzmi atrakcyjnie. Ale czy klient chce rozmawiać z botem? Czy woli dostać pomocną odpowiedź mailem w 10 minut?
Ignorowanie kosztów utrzymania
Zbudowanie rozwiązania to tylko część kosztu. O wartości w dłuższym okresie decydują utrzymanie, aktualizacje, monitoring, szkolenia i ciągłe poprawki.
Zbyt szeroki pilotaż
“Zautomatyzujmy cały dział HR” to zwykle za dużo.
“Zautomatyzujmy przegląd CV na jedno stanowisko” to pilotaż, który da się potem skalować.
Brak sponsora po stronie biznesu
IT nie wdroży AI za HR. Musi być ktoś w biznesie, kto odpowiada za wynik, ma prawo zmieniać procesy i rozlicza się z efektu.
Co zrobić jutro?
Jeśli planujecie wdrożenie AI, zacznijcie tak:
- Wypiszcie problemy biznesowe, nie rozwiązania. Co boli? Co kosztuje czas albo pieniądze?
- Oceńcie każdy problem przez wpływ na biznes i wykonalność.
- Wybierzcie jeden pomysł z największym potencjałem zwrotu przy rozsądnym ryzyku.
- Zaplanujcie pilotaż na 4-6 tygodni, z jasnymi miarami i budżetem.
- Wyciągnijcie wnioski. Nawet jeśli pilotaż nie potwierdzi pomysłu, nauczy was czegoś wartościowego.
AI to mocne narzędzie, ale tylko wtedy, gdy wiecie, co chcecie nim naprawić.
Dobry pomysł na wdrożenie AI nie rodzi się z zachwytu technologią. Rodzi się ze zrozumienia biznesu i z gotowości do mierzenia efektów. Reszta to inżynieria.