Mała firma nie potrzebuje sztucznej inteligencji w każdym procesie. Potrzebuje wiedzieć, w którym miejscu technologia pomoże jej lepiej obsługiwać ludzi, ograniczyć powtarzalną pracę i utrzymać jakość. Podobnie jest w fundacji, stowarzyszeniu czy przedsiębiorstwie społecznym: o wartości wdrożenia decyduje poprawa codziennej pracy, a nie liczba kupionych narzędzi.
Inspiracją do tego tekstu jest artykuł Manjota Pala „The Counterintuitive AI Strategy That Small Businesses Need”, opublikowany 17 czerwca 2025 r. w Forbes Technology Council. Autor proponuje odwrócenie popularnego pytania o przyszłość: zamiast koncentrować się wyłącznie na zmianach technologicznych, warto rozpoznać trwałe potrzeby klientów i wokół nich planować zastosowania AI. To komentarz ekspercki autora, a nie raport badawczy. Poniżej rozwijamy tę myśl w autorski poradnik dla małych organizacji, uzupełniony o badania i praktyczne scenariusze. [1]
Najpierw problem, potem technologia
Wyobraźmy sobie niewielką organizację szkoleniową. Codziennie odpowiada na podobne pytania: kiedy zaczyna się kurs, jakie dokumenty trzeba dostarczyć, czy sala jest dostępna, jak wygląda program i z kim uzgodnić indywidualne potrzeby. Zespół zna odpowiedzi, ale szuka ich w kilku plikach, starych wiadomościach i kalendarzu. Uczestnik czeka, a pracownik przerywa inne zadanie.
Zakup chatbota nie rozwiąże automatycznie tej sytuacji. Najpierw trzeba ustalić, gdzie znajduje się aktualna informacja, kto odpowiada za jej zmianę oraz które pytania wymagają rozmowy z człowiekiem. Dopiero wtedy można sprawdzić, czy asystent oparty na uporządkowanej bazie wiedzy skróci przygotowanie odpowiedzi.
Dobrze sformułowany cel brzmi: „chcemy szybciej udzielać poprawnych informacji o szkoleniach”. Takie zdanie pozwala porównać różne rozwiązania: lepszą podstronę z pytaniami i odpowiedziami, formularz, szablony wiadomości albo AI. W części przypadków najprostsza z tych opcji okaże się wystarczająca.
Co warto zachować, kiedy zmieniają się narzędzia?
W ujęciu Pala technologia powinna wzmacniać trwałe fundamenty biznesu: relacje z klientami, jakość, zaufanie oraz więź z lokalnym otoczeniem. Autor zaleca rozpoczęcie od jednego wartościowego zastosowania i rozszerzanie wdrożenia po ocenie efektów. [1]
W realiach organizacji społecznej można przełożyć to na kilka konkretnych obietnic składanych odbiorcom. Osoba zgłaszająca się po wsparcie powinna otrzymać zrozumiałą informację. Pracodawca zamawiający usługę powinien wiedzieć, co obejmuje oferta. Uczestnik projektu powinien mieć możliwość wyjaśnienia nietypowej sytuacji. Pracownik powinien znać granice własnej odpowiedzialności.
Przed wdrożeniem warto więc zapisać trzy rzeczy, które organizacja chce poprawić, oraz trzy, których nie chce utracić. Na pierwszej liście mogą znaleźć się krótsze oczekiwanie na odpowiedź i mniej ręcznego przepisywania danych. Na drugiej: możliwość kontaktu telefonicznego, indywidualne podejście i kontrola nad przekazywanymi informacjami.
Co mówią badania — i czego nie wolno z nich obiecywać
Erik Brynjolfsson, Danielle Li i Lindsey R. Raymond w badaniu „Generative AI at Work”, udostępnionym jako working paper NBER w 2023 r., analizowali wykorzystanie asystenta AI w obsłudze klienta. W pierwotnej wersji badania odnotowano średni wzrost produktywności o około 14%, mierzony liczbą rozwiązanych spraw na godzinę. Efekty różniły się między pracownikami. [2]
Ten wynik dotyczy konkretnego środowiska pracy i konkretnego zastosowania. Nie oznacza, że każda firma lub fundacja uzyska taki sam wzrost wydajności. Nie jest również obietnicą redukcji kosztów o 14%. Dla małego zespołu użyteczny wniosek jest ostrożniejszy: warto przetestować jasno określoną pomoc w rzeczywistym zadaniu i zmierzyć rezultat u siebie.
Cztery scenariusze warte sprawdzenia w małej organizacji
Poniższe przykłady są propozycjami wdrożeniowymi. Nie opisują zrealizowanych wdrożeń ani potwierdzonych rezultatów IRiD.
1. Przygotowanie odpowiedzi na powtarzalne pytania
Asystent może przygotowywać projekty odpowiedzi na podstawie zatwierdzonego programu szkolenia, regulaminu i aktualnych informacji organizacyjnych. Pracownik sprawdza treść i decyduje o wysłaniu. W pilotażu warto mierzyć czas przygotowania wiadomości, liczbę poprawek oraz sytuacje, w których zabrakło informacji.
Ważną funkcją jest umiejętność wskazania braku odpowiedzi. Jeśli w bazie nie ma informacji o dostępnym tłumaczeniu na język migowy, system powinien przekazać pytanie koordynatorowi. Samodzielne dopisanie takiej usługi stworzyłoby zobowiązanie, którego organizacja może nie być w stanie spełnić.
2. Pierwszy szkic oferty
Firma otrzymuje zapytanie o warsztat. AI porządkuje wymagania i przygotowuje strukturę propozycji: temat, odbiorców, zakres, harmonogram oraz pytania do doprecyzowania. Cenę, dostępność trenerów i warunki realizacji zatwierdza osoba odpowiedzialna za ofertę.
Dobrą praktyką jest rozdzielenie informacji podanych przez klienta od założeń roboczych. Jeśli nie wiadomo, ilu będzie uczestników, szkic powinien zawierać miejsce do uzupełnienia, zamiast wymyślać liczbę. Wtedy oszczędność polega na szybszym opracowaniu materiału, a kontrola handlowa pozostaje w organizacji.
3. Porządkowanie materiałów po spotkaniu
Z notatki można przygotować listę ustaleń, zadań i otwartych pytań. Osoba prowadząca spotkanie sprawdza, czy wskazane terminy i odpowiedzialności rzeczywiście zostały uzgodnione. Warto rozpocząć od materiałów pozbawionych danych osobowych i informacji poufnych.
To szczególnie użyteczne tam, gdzie kilka osób łączy różne role i łatwo zgubić ustalenie między wiadomościami. Miarą sukcesu może być czas potrzebny na zatwierdzenie notatki oraz liczba błędnie przypisanych zadań. Sama długość wygenerowanego podsumowania niczego nie dowodzi.
4. Redakcja informacji dla odbiorców
AI może zaproponować krótszą wersję komunikatu, wyjaśnić trudne terminy lub pomóc uporządkować instrukcję. Zespół powinien jednak porównać wynik z oryginałem: uproszczenie nie może usuwać warunków udziału, ograniczeń ani ważnych terminów.
Jeżeli materiał jest kierowany do konkretnej grupy odbiorców, warto sprawdzić go z jej przedstawicielami. Zrozumiałość ocenia się w użyciu. Automatyczna redakcja nie jest potwierdzeniem dostępności dokumentu ani zastępstwem dla oceny jego struktury i sposobu obsługi.
Jak wybrać pierwszy proces?
Proponujemy prostą kartę oceny. Dla każdego pomysłu odpowiedz na pięć pytań: jak często wykonujemy zadanie, ile czasu zajmuje, czy mamy aktualne materiały źródłowe, jak łatwo sprawdzić wynik oraz jakie skutki miałby błąd.
- Dobry kandydat: częste zadanie, powtarzalny format, dostępne źródła i możliwość szybkiego sprawdzenia wyniku.
- Najpierw porządkowanie: sprzeczne dokumenty, niejasne zasady, brak właściciela procesu lub nieaktualna oferta.
- Większa ostrożność: zadania wpływające na dostęp konkretnej osoby do pracy, świadczeń lub wsparcia oraz procesy wymagające informacji szczególnie wrażliwych.
Na początek można wybrać przygotowanie wewnętrznego szkicu wiadomości z publicznych materiałów. Łatwiej wtedy zauważyć błąd przed kontaktem z odbiorcą i poprawić sposób pracy. Zakres pilotażu powinien być na tyle mały, aby zespół umiał wyjaśnić go jednym zdaniem.
Plan pilotażu na 30 dni
To przykładowy harmonogram organizacyjny, który trzeba dostosować do częstotliwości zadania i możliwości zespołu.
Tydzień 1: opisz punkt wyjścia
Wybierz jeden proces i jego opiekuna. Zbierz przykładowe sprawy, uporządkuj źródła oraz zmierz dotychczasowy czas wykonania. Ustal, co oznacza poprawny rezultat. Przy ofercie mogą to być zgodność zakresu z zapytaniem, poprawne dane i brak niezatwierdzonych obietnic.
Tydzień 2: sprawdź rozwiązanie na przykładach
Pracuj na danych testowych lub odpowiednio przygotowanych materiałach. Uwzględnij zarówno proste pytania, jak i przypadki z brakującą informacją. Sprawdź, czy narzędzie sygnalizuje niepewność. Zapisuj błędy w jednej wspólnej liście zamiast polegać na ogólnym wrażeniu.
Tydzień 3: uruchom ograniczone użycie
Mała grupa pracowników wykorzystuje narzędzie w wybranym zadaniu. Każdy wynik przeznaczony dla odbiorcy przechodzi kontrolę człowieka. Mierz cały czas pracy: przygotowanie danych, wygenerowanie odpowiedzi, sprawdzenie i poprawki. Ustal prostą drogę zgłaszania problemów.
Tydzień 4: podejmij decyzję
Porównaj efekty z punktem wyjścia. Czy zadanie zajmuje mniej czasu? Czy jakość jest co najmniej zachowana? Czy pracownicy rozumieją sposób użycia? Czy odbiorcy nie napotykają nowych barier? Możliwe decyzje to kontynuacja, poprawa rozwiązania, ograniczenie zakresu lub zakończenie testu. Rezygnacja z nieskutecznego narzędzia też jest wartościowym wynikiem pilotażu.
Oszczędność licz razem z kontrolą jakości
Załóżmy, wyłącznie na potrzeby przykładu, że przygotowanie jednej odpowiedzi zajmowało 15 minut. Z AI szkic powstaje w 3 minuty, lecz sprawdzenie i poprawki zajmują kolejne 5 minut. Faktyczna oszczędność wynosi 7 minut. Przy 80 podobnych sprawach miesięcznie daje to 560 minut, czyli 9 godzin i 20 minut.
Przy umownie przyjętym koszcie godziny pracy 60 zł wartość odzyskanego czasu wynosi 560 zł miesięcznie. Jeśli narzędzie kosztuje 200 zł, pozostaje 360 zł przed uwzględnieniem wdrożenia, szkolenia, utrzymania i innych nakładów. Wszystkie te liczby są ilustracyjne, a nie prognozą efektów.
Odzyskany czas nie musi oznaczać oszczędności gotówkowej. W NGO może pozwolić na dodatkową rozmowę z uczestnikiem albo dokładniejsze przygotowanie warsztatu. Dlatego obok kosztu warto zapisać, na co zespół przeznaczy uwolnione godziny.
Wiarygodność odpowiedzi trzeba sprawdzać
NIST w publikacji „Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile” z 2024 r. opisuje ryzyka generatywnej AI, w tym tworzenie przekonująco brzmiących, lecz błędnych treści. Dokument proponuje podejście do zarządzania ryzykiem dostosowane do celów i kontekstu organizacji. [3]
W praktyce małego zespołu proponujemy trzy reguły: odpowiedź ma opierać się na wskazanych materiałach, brak informacji ma być widoczny, a odpowiedzialność za zatwierdzenie ma być przypisana konkretnej roli. Samo dodanie prośby „nie zmyślaj” do polecenia nie stanowi kontroli jakości.
Przed użyciem narzędzia zespół powinien także ustalić, jakie informacje może do niego wprowadzać, kto ma dostęp do konta i jak zgłaszać pomyłki. Na etapie wyboru rozwiązania trzeba sprawdzić warunki przetwarzania danych oraz ustawienia usługi. W pilotażu nie ma potrzeby zaczynać od dokumentacji zawierającej dane o zdrowiu czy szczegółach sytuacji życiowej uczestników.
Dostępność powinna być częścią oceny wdrożenia
Dla IRiD ważnym pytaniem jest to, kto rzeczywiście skorzysta z usprawnienia. Nowy asystent może ułatwić uzyskanie informacji części odbiorców, ale utrudnić kontakt osobom, które nie wiedzą, jak zadać pytanie lub wolą rozmowę telefoniczną.
Proponujemy sprawdzać nie tylko trafność odpowiedzi, lecz także możliwość użycia narzędzia klawiaturą, czytelność komunikatów, sposób prezentacji błędów i dostęp do kontaktu z człowiekiem. W testach warto uwzględnić osoby o różnych potrzebach i poziomach kompetencji cyfrowych. Uruchomienie czatu nie powinno automatycznie oznaczać likwidacji pozostałych kanałów obsługi.
Podobne podejście dotyczy pracowników. Krótkie ćwiczenie na realnym zadaniu, instrukcja sprawdzania wyniku i jasna osoba do kontaktu mogą być bardziej przydatne niż prezentacja kilkudziesięciu funkcji. Wdrożenie powinno uwzględniać czas na naukę oraz możliwość zgłoszenia, że narzędzie w danym zadaniu nie pomaga.
Od czego zacząć już teraz?
Na najbliższym spotkaniu zespołu zbierzcie trzy powtarzalne zadania, które zabierają czas potrzebny na pracę z ludźmi. Dla jednego z nich opiszcie aktualny sposób działania, źródła informacji i kryteria poprawnego wyniku. Dopiero wtedy wybierzcie narzędzie do krótkiego testu.
Wartość AI ujawnia się wtedy, gdy odbiorca dostaje lepszą usługę, a pracownik ma więcej przestrzeni na zadania wymagające doświadczenia i uważności. Tak zdefiniowany cel pozwala ocenić wdrożenie nawet wtedy, gdy za kilka miesięcy zmienią się modele, aplikacje i rynkowe mody.
Chcesz uporządkować zastosowania AI w swojej firmie lub organizacji? Napisz do IRiD na przemyslaw.laskowski@irid.org.pl i opisz jedno zadanie, które chcesz usprawnić. To dobry punkt wyjścia do rozmowy o szkoleniu lub narzędziu dopasowanym do pracy zespołu.
Źródła i dalsza lektura
- Manjot Pal, The Counterintuitive AI Strategy That Small Businesses Need, Forbes Technology Council, 17.06.2025. Komentarz ekspercki i inspiracja dla głównego pytania artykułu.
- Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond, Generative AI at Work, NBER Working Paper nr 31161, pierwotna wersja z 2023 r. Źródło przytoczonego wyniku dotyczącego produktywności w obsłudze klienta.
- National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, NIST AI 600-1, 2024. Kontekst zarządzania ryzykiem generatywnej AI; zobacz również omówienie publikacji przez NIST.
Opracowanie redakcyjne IRiD. Scenariusze, plan 30 dni i kalkulacja są autorskimi propozycjami zastosowania opisanych idei, a nie wynikami badań ani opisami wdrożeń. Zdjęcie otwierające: Piotr Wilk / Unsplash.
