AI w codziennej pracy zespołu. Gdzie ma sens, a gdzie jeszcze nie

Po dwóch latach eksperymentów wiele firm jest w podobnym miejscu. Część pracowników korzysta z czatu AI na własną rękę, ktoś kupił kilka licencji, a zarząd pyta, co z tego właściwie wynika. Odpowiedź zwykle brzmi: trochę szybsze maile i dużo niepewności.

To nie znaczy, że AI w firmie się nie sprawdza. Znaczy, że narzędzie wdrożono bez procesu. Najlepsze efekty widzimy tam, gdzie sztuczna inteligencja jest jednym krokiem w dobrze opisanym przepływie: dostaje konkretne dane, robi jedną rzecz i oddaje wynik dalej, do człowieka albo do kolejnego systemu.

Poniżej sześć zastosowań, które działają już dziś, sytuacje, w których lepiej się wstrzymać, i sposób na rozsądny pilotaż.

AI jako krok w procesie, nie osobna aplikacja

Czat AI otwarty w osobnej karcie przeglądarki to narzędzie, o którym trzeba pamiętać. Pracownik musi skopiować tekst, wkleić go, napisać polecenie, sprawdzić wynik i przenieść go z powrotem. Przy pięciu zadaniach dziennie to działa. Przy pięćdziesięciu ludzie wracają do starych nawyków.

Zupełnie inaczej jest, gdy AI działa w tle. Mail od klienta trafia do skrzynki, model rozpoznaje temat i pilność, a zgłoszenie ląduje w odpowiedniej kolejce z gotowym szkicem odpowiedzi. Pracownik nie musi niczego pamiętać. Taki przepływ buduje się w narzędziach typu Make czy n8n, łącząc skrzynkę, model AI i system obsługi zgłoszeń.

Sześć zastosowań, które działają

1. Sortowanie zgłoszeń i wiadomości

Maile, formularze i wiadomości z czatu mogą być automatycznie oznaczane według tematu, pilności i działu. Reklamacja trafia do obsługi posprzedażowej, zapytanie ofertowe do handlowca, faktura do księgowości. Modele językowe radzą sobie z tym dużo lepiej niż dawne reguły oparte na pojedynczych słowach, bo rozumieją sens wiadomości, a nie reagują na pojedyncze wyrazy.

2. Notatki i ustalenia ze spotkań

Nagranie spotkania zamienia się w streszczenie z listą zadań, osób odpowiedzialnych i terminów. Zadania mogą od razu trafić do CRM albo narzędzia do projektów. To jedno z tych zastosowań, które ludzie doceniają od pierwszego dnia. Warunek: uczestnicy wiedzą, że spotkanie jest nagrywane, a notatkę ktoś przegląda, zanim pójdzie do klienta.

3. Odczyt danych z dokumentów

Faktury kosztowe, zamówienia w PDF, formularze, umowy. AI potrafi wyciągnąć z nich potrzebne pola, np. NIP, kwoty, daty, numery zamówień, nawet gdy każdy dokument wygląda inaczej. Wynik trafia do systemu, a człowiek sprawdza tylko przypadki, co do których model nie jest pewny. To szczególnie przydatne przy fakturach kosztowych, które od wejścia KSeF przychodzą w ustrukturyzowanej formie, ale w wielu firmach wciąż mieszają się z PDF-ami od kontrahentów zagranicznych. Takie przepływy budujemy przy automatyzacji księgowości.

4. Baza wiedzy, która odpowiada na pytania

Procedury, cenniki, instrukcje, odpowiedzi na typowe pytania klientów leżą zwykle w kilkunastu plikach i w głowach doświadczonych pracowników. Asystent AI podłączony do tych dokumentów odpowiada na pytania zespołu i podaje, z którego dokumentu pochodzi odpowiedź. Nowa osoba nie musi co chwilę pytać kolegów, a doświadczeni mają więcej spokoju.

Tu jedna uwaga: taki asystent jest tak dobry jak dokumenty, na których pracuje. Jeśli procedury są nieaktualne, odpowiedzi też będą. Dlatego przed wdrożeniem warto zadbać o porządek w danych.

5. Szkice odpowiedzi, ofert i opisów

AI przygotowuje pierwszą wersję odpowiedzi na zapytanie, opis produktu, podsumowanie oferty na podstawie notatek handlowca. Człowiek poprawia i wysyła. Oszczędność bierze się z tego, że poprawianie jest szybsze niż pisanie od zera, a nie z tego, że nikt nie czyta wyniku.

6. Porządkowanie danych

Duplikaty w CRM, nazwy firm zapisane na pięć sposobów, adresy w jednym polu zamiast w kilku. AI dobrze radzi sobie z ujednolicaniem takich danych, co przydaje się przed każdą integracją i każdym raportem.

Gdzie jeszcze się wstrzymać

Modele językowe potrafią napisać bardzo przekonujący tekst, który jest nieprawdziwy. To zjawisko nazywa się halucynacją i nie zniknie w najbliższym czasie. Dlatego są obszary, w których AI powinno najwyżej podpowiadać:

• decyzje finansowe, np. przyznanie kredytu kupieckiego czy rabatu powyżej limitu,
• wyceny kontraktów i warunki umów,
• odpowiedzi prawne i podatkowe dla klientów,
• komunikacja kryzysowa i reklamacje od największych klientów,
• decyzje dotyczące ludzi, np. odrzucanie kandydatów w rekrutacji.

W tym ostatnim przypadku dochodzą jeszcze przepisy o ochronie danych. Piszemy o nich w artykule RODO a automatyzacja procesów.

Ryzyka, o których warto wiedzieć przed startem

Dane firmy w cudzych rękach

Pracownicy wklejający umowy klientów do darmowego czatu to dziś jeden z częstszych wycieków danych w firmach. Rozwiązaniem nie jest zakaz, bo ludzie i tak będą korzystać z AI, tylko udostępnienie bezpiecznego narzędzia: wersji biznesowej albo modelu przez API, z jasną zasadą, czego nie wolno wklejać.

Koszt, który rośnie po cichu

Modele rozlicza się za ilość przetworzonego tekstu. Przy kilku zapytaniach dziennie to grosze. Przy tysiącach dokumentów miesięcznie koszt potrafi zaskoczyć. Dlatego warto dobrać model do zadania: do sortowania maili nie potrzeba najmocniejszego modelu na rynku.

Zależność od jednego dostawcy

Rynek zmienia się co kilka miesięcy. Model, który dziś jest najlepszy, za pół roku może być drogi albo przestarzały. Przepływ warto zbudować tak, żeby model dało się wymienić bez przebudowy całości. Tu dużo zależy od platformy, na której działa automatyzacja. Porównanie znajdziesz w artykule jak wybrać narzędzie do automatyzacji. Z naszego doświadczenia z ChatGPT, Claude, Gemini i modelami open source wynika, że różnice między nimi zależą mocno od zadania, więc testowanie na własnych danych jest ważniejsze niż rankingi.

Przykład: wspólna skrzynka obsługi klienta

Weźmy firmę, do której codziennie trafia kilkadziesiąt maili na adres biuro@. Jedna osoba rano je czyta, przekazuje dalej i odpisuje na najprostsze. Tak wygląda to samo po dodaniu AI do przepływu:

1. 1Mail trafia na skrzynkę, a narzędzie do automatyzacji przekazuje jego treść do modelu językowego.
2. 2Model rozpoznaje temat (zamówienie, reklamacja, faktura, zapytanie ofertowe, inne) i ocenia pilność.
3. 3Zapytania ofertowe trafiają do CRM jako nowe leady, faktury do księgowości, reklamacje do obsługi posprzedażowej.
4. 4Przy prostych pytaniach model przygotowuje szkic odpowiedzi na podstawie firmowej bazy wiedzy.
5. 5Pracownik widzi posortowaną kolejkę, zatwierdza albo poprawia szkice i zajmuje się sprawami, które wymagają decyzji.

Nikt tu nie traci kontroli. Zmienia się tylko to, że człowiek zaczyna dzień od gotowej listy spraw, a nie od czytania wszystkiego po kolei. Zapytania ofertowe od razu wpadają w ścieżkę opisaną w artykule o automatyzacji obsługi leadów.

Zasady dla zespołu

Wdrożenie AI to także decyzje organizacyjne. Zanim udostępnisz zespołowi nowe narzędzie, ustal kilka prostych zasad i zapisz je na jednej stronie:

• z jakich narzędzi AI wolno korzystać w pracy i na jakich kontach,
• jakich danych nie wolno wklejać (dane klientów, umowy, dane pracowników, hasła),
• które wyniki AI zawsze sprawdza człowiek przed wysłaniem na zewnątrz,
• kto w firmie odpowiada za narzędzia AI i do kogo zgłaszać problemy.

Krótkie szkolenie z tych zasad, połączone z pokazaniem dobrych przykładów, daje więcej niż długi regulamin. Ludzie chętnie korzystają z AI, jeśli wiedzą, co jest dozwolone.

Jak zacząć: pilotaż w pięciu krokach

1. 1Wybierz jedno zadanie, które jest częste, dobrze zdefiniowane i nie jest krytyczne, np. sortowanie maili na wspólnej skrzynce.
2. 2Zbierz próbkę prawdziwych danych z ostatnich tygodni, np. sto maili z oznaczeniem, jak powinny zostać posortowane.
3. 3Ustal miarę jakości: jaki odsetek poprawnych wyników jest dla was akceptowalny.
4. 4Uruchom AI obok obecnego procesu i porównaj wyniki z tym, co zrobili ludzie.
5. 5Dopiero gdy wyniki są dobre, włącz przepływ na stałe, z człowiekiem sprawdzającym niepewne przypadki.

Taki pilotaż trwa zwykle kilka tygodni i daje odpowiedź opartą na faktach, a nie na wrażeniach z demo. Wyniki od razu przydadzą się też do oceny opłacalności, którą opisujemy w artykule jak mierzyć ROI automatyzacji. Jeśli wypadnie źle, straciliście niewiele. Jeśli dobrze, macie gotowy wzór na kolejne zastosowania. Cały proces, od wyboru zastosowania po decyzję o kolejnych krokach, rozpisujemy w artykule wdrożenie AI w małej i średniej firmie. Plan na 90 dni. O innych pułapkach pierwszych wdrożeń piszemy w tekście 7 błędów przy pierwszym wdrożeniu automatyzacji.

AI dalej potrzebuje procesu

Firmy, które mają z AI realne korzyści, rzadko zaczynały od pytania „co możemy zrobić z AI?”. Zaczynały od pytania „co zabiera nam najwięcej czasu?”, a AI okazywało się jednym z elementów odpowiedzi. Często obok zwykłej automatyzacji bez żadnej sztucznej inteligencji. Jeśli nie wiesz, które procesy w twojej firmie są dobrymi kandydatami, zacznij od artykułu co zautomatyzować w małej firmie.

Zespoły uczymy pracy z AI na szkoleniach z AI, asystentów budujemy przy usłudze asystent AI na firmowej wiedzy, a sortowanie zgłoszeń i szkice odpowiedzi najczęściej przy automatyzacji obsługi klienta.