Polskie firmy wydają miliardy na systemy AI, które mają zrewolucjonizować ich działanie. Tymczasem większość z nich nie potrafi w pięciu zdaniach opisać swoich podstawowych procesów biznesowych. Czy to recepta na sukces, czy na kosztowną porażkę?

87% firm planuje zwiększyć inwestycje w sztuczną inteligencję w 2025 roku, ale tylko 23% ma zmapowane i zoptymalizowane podstawowe procesy biznesowe. To paradoks, który coraz częściej obserwujemy w polskich i międzynarodowych organizacjach – pęd za nowymi technologiami przy jednoczesnym ignorowaniu fundamentów operacyjnych.

Automatyzacja chaosu to nadal chaos

Wyobraźmy sobie fabrykę, w której surowce są składowane bez systemu, pracownicy nie wiedzą, gdzie znajdą potrzebne narzędzia, a harmonogramy produkcji zmieniają się codziennie. Czy zainstalowanie najnowocześniejszych robotów przemysłowych rozwiąże te problemy? Prawdopodobnie nie – po prostu uzyskamy szybszy i droższy sposób wytwarzania chaosu.

Podobnie dzieje się z wdrażaniem AI w przedsiębiorstwach. Badanie McKinsey Global Institute z 2024 roku pokazuje, że organizacje, które przed implementacją sztucznej inteligencji nie uporządkowały swoich procesów, odnotowują średnio o 40% gorsze wyniki ROI z inwestycji w AI niż te, które wcześniej przeprowadziły optymalizację operacyjną.

Dlaczego tak się dzieje? Sztuczna inteligencja, niezależnie od swojej zaawansowania, opiera się na danych i wzorcach. Jeśli procesy są nieprzejrzyste, niespójne lub pełne wyjątków, algorytmy będą uczyć się i powielać te same błędy – tylko w większej skali i z większą prędkością.

Dane nie kłamią: jakość procesów determinuje sukces AI

Raport Deloitte „State of AI in the Enterprise 2024” ujawnił niepokojące trendy:

• 64% firm przyznaje, że ich dane są niewystarczająco uporządkowane do skutecznego wykorzystania AI
• 58% organizacji nie ma jasno zdefiniowanych przepływów pracy, które mogłyby zostać zautomatyzowane
• 71% projektów AI kończy się niepowodzeniem lub przynosi rezultaty poniżej oczekiwań, głównie z powodu problemów z jakością danych i procesów

Te liczby są szczególnie wymowne w kontekście polskiego rynku. Według raportu PARP „Cyfrowa transformacja MŚP” z 2024 roku, polskie małe i średnie przedsiębiorstwa inwestują rocznie średnio 180 tysięcy złotych w nowe technologie, ale tylko 12% z nich przeprowadziło wcześniej audyt swoich procesów biznesowych.

Co to oznacza w praktyce? Wdrażamy chatboty, które udzielają nieprecyzyjnych odpowiedzi, bo nie wiemy, jakie informacje naprawdę potrzebują klienci. Instalujemy systemy przewidujące popyt, ale nasze procesy sprzedażowe są tak niespójne, że prognozy okazują się bezużyteczne. Automatyzujemy księgowość, ale nasze procedury finansowe zawierają tyle wyjątków, że system generuje więcej błędów niż korzyści.

Niewidzialna podstawa piramidy

Większość organizacji traktuje optymalizację procesów jako krok, który można pominąć lub wykonać „po drodze” wraz z wdrażaniem AI. To podejście przypomina budowanie domu od dachu. Gartner w swoim raporcie „Process Mining Market Guide 2024” wskazuje, że firmy, które najpierw przeprowadzają mapowanie i optymalizację procesów, a dopiero potem implementują rozwiązania AI, osiągają:

• 3,2 razy wyższy zwrot z inwestycji w technologie
• 47% krótszy czas wdrożenia nowych rozwiązań
• 38% mniej problemów związanych z integracją systemów

Dlaczego te różnice są tak znaczące? Uporządkowane procesy tworzą stabilną podstawę dla algorytmów. Gdy każdy krok jest jasno zdefiniowany, zmierzony i udokumentowany, sztuczna inteligencja może skuteczniej rozpoznawać wzorce, przewidywać anomalie i proponować ulepszenia.

Ale jest jeszcze jeden, często pomijany aspekt – ludzie. Badanie Boston Consulting Group z 2024 roku wykazało, że w organizacjach z uporządkowanymi procesami pracownicy są o 52% bardziej skłonni do przyjęcia i efektywnego wykorzystania narzędzi AI. Przejrzystość procedur zmniejsza lęk przed automatyzacją i ułatwia zrozumienie, w jaki sposób technologia może wspierać, a nie zastępować ludzką pracę.

Pytania, które warto sobie zadać

Zanim Twoja organizacja zainwestuje kolejne środki w najnowsze rozwiązania AI, warto szczerze odpowiedzieć na kilka fundamentalnych pytań:

Czy potrafisz w pięciu zdaniach opisać, jak przebiega Twój najważniejszy proces biznesowy? Jeśli nie, prawdopodobnie algorytm też tego nie zrozumie.

Ile czasu zajmuje Ci znalezienie konkretnej informacji potrzebnej do podjęcia decyzji? Jeśli więcej niż kilka minut, AI będzie miała problem z dostępem do tych samych danych.

Czy Twoi pracownicy wykonują te same zadania w różny sposób? Jeśli tak, żaden system nie będzie w stanie nauczyć się „właściwego” wzorca.

Jak często zmieniasz procedury i czy wszyscy o tym wiedzą? Niestabilne procesy generują niestabilne dane, a te prowadzą do nieprzewidywalnych rezultatów AI.

Koszt odwróconej kolejności

Firmy, które wdrażają AI bez wcześniejszego uporządkowania procesów, często ponoszą podwójne koszty. Najpierw płacą za implementację technologii, potem za jej przeprojektowanie, gdy okazuje się, że nie przynosi oczekiwanych rezultatów. Eurostat w raporcie „Digital Transformation Costs in EU Enterprises” wylicza, że średni koszt „naprawy” źle wdrożonego systemu AI wynosi 240% pierwotnej inwestycji.

To nie oznacza, że należy rezygnować z nowoczesnych technologii. Przeciwnie – sztuczna inteligencja ma ogromny potencjał transformacyjny. Ale ten potencjał można w pełni wykorzystać tylko wtedy, gdy istnieje solidna podstawa procesowa.

Niektóre organizacje idą jeszcze dalej i wykorzystują okres przygotowania do wdrożenia AI jako okazję do gruntownego przeformułowania sposobu swojego działania. Zamiast automatyzować istniejące, często nieefektywne procedury, projektują je od nowa z myślą o tym, jak będą współpracować z algorytmami.

Nowy paradygmat: procesy zaprojektowane dla AI

Najciekawsze rezultaty osiągają te firmy, które nie tylko porządkują istniejące procesy przed wdrożeniem AI, ale projektują je od początku z myślą o współpracy człowieka z maszyną. To wymaga zmiany perspektywy – od pytania „jak zautomatyzować to, co robimy?” do „jak robić to, co robimy, żeby AI mogło nam najlepiej pomóc?”

Takie podejście oznacza myślenie o danych już na etapie projektowania procesu, uwzględnianie punktów kontroli jakości, które będą czytelne dla algorytmów, oraz tworzenie mechanizmów sprzężenia zwrotnego, które pozwolą systemom uczącym się na ciągłe doskonalenie.

Refleksja otwarta

Może warto zastanowić się nad tym, czy pośpiech w wyścigu technologicznym nie prowadzi nas czasem w stronę kosztownych błędów? Czy inwestycja w „nudną” optymalizację procesów nie jest właśnie tym, co wyróżni prawdziwie innowacyjne organizacje od tych, które tylko gonią trendy?

Temat pozostaje otwarty do dalszej dyskusji.

Artykuł powstał we współpracy z Andrzejem Pawłowskim, konsultantem ds. procesów i automatyzacji. Więcej na: andrzejpawlowski.com

(Artykuł gościnny)