Wdrożenie AI w firmie nie dowozi wyników? Co widzimy w organizacjach

W wielu firmach, z którymi rozmawiamy przy planowaniu budżetu na 2027 rok, pozycja „narzędzia AI” stoi obok licencji, szkoleń i abonamentów. Rzadziej stoi obok niej odpowiedź na pytanie, kto w firmie zmieni sposób pracy, żeby te narzędzia miały na czym działać. Kilka miesięcy po starcie zarząd widzi faktury, ale nie widzi wyników: zespoły używają asystenta do pisania maili, raporty dalej powstają ręcznie, a decyzje zapadają tak samo jak wcześniej.

Ten tekst opisuje, co zwykle widzimy w organizacjach, w których wdrożenie AI w firmie nie dowozi wyników, skąd biorą się te problemy i co pomaga, zanim zapadnie kolejna decyzja budżetowa. Opieramy się na doświadczeniach HR Hints z ponad 350 organizacji oraz na materiale z webinaru Róży Szafranek „Dlaczego Twoje AI nie dowiezie wyników?”.

Jak wygląda wdrożenie AI w firmie, które nie przynosi efektów

Scenariusz powtarza się w firmach różnej wielkości. Zarząd kupuje narzędzie albo zleca zbudowanie automatyzacji, dział IT je konfiguruje, a pracownicy dostają dostęp i krótkie szkolenie. Przez pierwsze tygodnie widać zainteresowanie. Potem z narzędzia korzysta kilka osób, które i tak lubiły nowinki, a reszta zespołu wraca do arkuszy i skrzynki mailowej.

Na spotkaniu podsumowującym padają zwykle podobne wyjaśnienia: narzędzie jest słabo dopasowane, ludzie nie mieli czasu się go nauczyć, dane są niekompletne. Każde z nich bywa prawdziwe. Rzadko jednak ktoś pyta, jaki proces narzędzie miało usprawnić, kto za ten proces odpowiada i po czym firma pozna, że działa on lepiej niż przed wdrożeniem.

Róża Szafranek zwraca uwagę, że tematy rozwojowe przychodzą do firm falami. Była fala szkoleń z prezentacji, potem transformacji ESG i big data, dziś jest fala AI. Przy każdej z nich rzadko pada pytanie, co ma być wynikiem zmiany i jaką organizacją firma chce się stać. Bez odpowiedzi na nie nawet dobre narzędzie nie ma do czego się odnieść.

Dlaczego wdrożenie AI w firmie zatrzymuje się na procesach i ludziach

Na webinarze Róża ujęła punkt wyjścia krótko: jakość danych przekłada się na jakość decyzji. Narzędzie, które dostaje niespójne dane z trzech arkuszy prowadzonych przez trzy osoby według trzech różnych zasad, przyspieszy pracę, ale nie poprawi jej wyniku. Za takim stanem stoją zwykle trzy przyczyny.

Procesy nie zostały nazwane ani opisane

Automatyzacja potrzebuje procesu, który ma początek, koniec, właściciela i powtarzalne kroki. W wielu firmach zatrudniających od 20 do 500 osób proces istnieje w głowach kilku pracowników. Każdy zespół wykonuje go trochę inaczej, a wyjątki obsługuje się po znajomości. Gdy taki sposób działania trafia do narzędzia AI, narzędzie powiela niespójności szybciej niż człowiek. Dlatego Róża wskazywała nazwanie, ułożenie i opisanie procesów jako warunek wstępny każdej automatyzacji.

Ludzie przenoszą stare nawyki do nowego narzędzia

W książce „Culturivy: The Power of Changing a Workplace” Róża opisuje mechanizm znany z wdrożeń systemów: pracownicy przenoszą przyzwyczajenia z poprzednich rozwiązań do nowego. Przy każdym narzędziu potrzebna jest więc informacja, dlaczego firma je wprowadza, czemu ma ono służyć i jak z niego korzystać na co dzień. Bez tego handlowiec wpisuje do nowego systemu dokładnie to, co wcześniej zapisywał w notatniku, i wynik sprzedaży się nie zmienia.

Opór, którego nikt nie nazwał

Na webinarze Róża opisywała triadę oporu: obawy, przekonania i nawyki. Obawy dotyczą zwykle przyszłości stanowiska. Przekonania brzmią np. „w naszej branży to się nie sprawdzi”. Nawyki obejmują wszystko, co ludzie robią odruchowo, bo tak było szybciej. Każdy z tych elementów wymaga innej reakcji ze strony managera. Szkolenie z obsługi narzędzia odpowiada tylko na brak umiejętności, a ten rzadko jest głównym powodem, dla którego zespół nie korzysta z nowego rozwiązania.

Konsekwencje nieudanego wdrożenia AI dla firmy i budżetu na 2027 rok

Pierwszą konsekwencją jest koszt, który nie wraca. Licencje, integracje i godziny pracy zespołu wdrożeniowego zostają w budżecie, a efekt w postaci krótszego czasu obsługi czy mniejszej liczby błędów nie pojawia się w wynikach.

Druga konsekwencja jest mniej widoczna. Po nieudanym wdrożeniu zespół zapamiętuje, że kolejna zmiana ogłoszona przez zarząd przeszła bokiem. Przy następnym projekcie, nawet dobrze przygotowanym, opór jest większy, bo ludzie mają już doświadczenie, że wystarczy przeczekać.

Trzecia konsekwencja dotyczy decyzji kadrowych. Część firm łączy wdrożenie AI z redukcją zatrudnienia. To decyzja zarządu i zarząd ma do niej prawo. W tekście o redukcji zatrudnienia w erze AI opisaliśmy jednak przypadki Commonwealth Bank of Australia i Klarny, w których rachunek przed decyzją pominął wiedzę odchodzących ludzi, a firmy wróciły później do zatrudniania. Jeśli procesy nie są opisane, ta wiedza istnieje wyłącznie w głowach pracowników i odchodzi razem z nimi.

Co pomaga, żeby wdrożenie AI w firmie przyniosło wynik

Z materiału webinarowego i z naszych wdrożeń wynika kolejność, która zwykle działa lepiej niż zaczynanie od zakupu narzędzia.

1. Wybór procesu i opis jego obecnego przebiegu. Podczas webinaru, który Róża prowadziła dla MyBenefit, jeden z ekspertów radził zaczynać od procesów o dużym wolumenie i małej liczbie wyjątków, np. obsługi nieobecności albo wniosków pracowniczych. Na takim procesie najłatwiej zmierzyć efekt i pokazać go zespołowi.
2. Właściciel procesu po stronie biznesu. Osoba, która odpowiada za wynik procesu, a nie tylko za działanie narzędzia. To ona decyduje, które kroki można usunąć, zanim cokolwiek zostanie zautomatyzowane.
3. Uporządkowanie danych. Jedno źródło informacji, jedne zasady oznaczania i jedna osoba odpowiedzialna za ich aktualność.
4. Zmiana prowadzona kaskadowo. Róża opisywała ją jako trzy kroki: komunikację, oswojenie i powtarzanie. Najpierw zarząd mówi, po co firma wprowadza zmianę. Potem managerowie pracują z narzędziem razem z zespołem na prawdziwych zadaniach. Na końcu nowy sposób pracy pojawia się w cotygodniowym rytmie, aż stanie się nawykiem.
5. Zamknięcie starej ścieżki. Na tym samym webinarze padła obserwacja, że jeśli dotychczasowy sposób pracy zostaje dostępny „na wszelki wypadek”, ludzie z niego korzystają. Każdy wyjątek obsłużony po staremu potwierdza, że zmiana jest opcjonalna.

Ostatni element to osoba, która pilnuje zmiany po starcie. Róża nazywa tę rolę strażnikiem zmiany: to człowiek lub funkcja, która przez kolejne miesiące sprawdza, czy nowe praktyki działają, i reaguje, zanim zespół wróci do starych nawyków. Ten sam mechanizm opisujemy w tekście o tym, dlaczego szkolenia dla managerów nie działają.

Taka kolejność ma jeszcze jedną zaletę. Gdy firma najpierw opisze proces i ustali jego właściciela, często okazuje się, że część kroków można usunąć bez żadnej technologii. Narzędzie AI dostaje wtedy krótszy i prostszy proces, a efekt jego wdrożenia łatwiej oddzielić od efektu samego uporządkowania pracy.

Kultura i technologia w planie na 2027 rok

Pytanie o to, czy technologia zmienia firmę, czy tylko przyspiesza to, co już w niej działa, wraca w grudniu, gdy zarządy zamykają budżety. Na konferencji Kwartał Zero, którą HR Hints organizuje 10–11 grudnia w Warszawie, jedna z sesji Strategy Day nosi tytuł „Kultura a technologia jako czynniki zmiany” i opiera się na przykładach wdrożeń. Rozmowa dotyczy tego samego, o czym piszemy wyżej: dlaczego budżety na 2027 rok zawierają pozycje na narzędzia, a rzadziej na zmianę sposobu pracy zespołów, które mają z nich korzystać. Szczegóły sesji są w programie konferencji Kwartał Zero.

Wnioski

Wdrożenie AI w firmie rzadko zawodzi z powodu samego narzędzia. Częściej zawodzi, bo firma automatyzuje proces, którego nikt wcześniej nie opisał, przekazuje narzędzie ludziom bez wyjaśnienia celu i nie sprawdza, czy nowy sposób pracy przetrwał pierwsze tygodnie. Zanim kolejna pozycja na narzędzia AI trafi do budżetu na 2027 rok, warto sprawdzić, czy proces, który ma zostać usprawniony, ma właściciela, opis i miarę efektu.

Najczęstsze pytania o wdrożenie AI w firmie

Od czego zacząć wdrożenie AI w firmie?

Od wyboru jednego procesu, który ma duży wolumen i niewiele wyjątków, opisania jego obecnego przebiegu i zmierzenia stanu wyjściowego, np. czasu obsługi albo liczby błędów. Narzędzie warto wybierać dopiero wtedy, gdy wiadomo, co dokładnie ma usprawnić.

Dlaczego pracownicy nie korzystają z narzędzi AI, które kupiła firma?

Najczęściej dlatego, że nikt nie wyjaśnił, czemu narzędzie ma służyć, stary sposób pracy nadal jest dostępny, a w tygodniowym rytmie zespołu nie pojawiło się miejsce na nowy. Ludzie przenoszą też do nowych systemów nawyki z poprzednich rozwiązań.

Kto powinien odpowiadać za wdrożenie AI w firmie?

Za konfigurację odpowiada zwykle dział IT albo dostawca. Za wynik powinien odpowiadać właściciel procesu po stronie biznesu, a za utrzymanie nowego sposobu pracy osoba, która przez kolejne miesiące sprawdza, czy zespół z niego korzysta.

Jak zmierzyć efekt wdrożenia AI?

Porównując ten sam wskaźnik przed wdrożeniem i po nim, np. czas realizacji, liczbę błędów albo liczbę osób zaangażowanych w proces. Pomiar bez stanu wyjściowego pokazuje jedynie, że narzędzie działa, a nie że poprawiło wynik.

Czy wdrożenie AI wymaga zmian w strukturze organizacji?

Często wymaga przynajmniej ustalenia, kto jest właścicielem procesu i źródła danych. W części firm okazuje się też, że te same zadania wykonuje kilka osób albo że część zadań nie ma właściciela. Te kwestie warto uporządkować przed automatyzacją, a nie po niej.

Porozmawiajmy o Waszym planie na 2027 rok

Jeżeli przygotowujecie budżet, w którym pojawiają się narzędzia AI, zapraszamy na konferencję Kwartał Zero 10–11 grudnia w Warszawie. Pierwszy dzień dotyczy tego, co w organizacji blokuje realizację planów, drugi pracy z zespołem, którą można zacząć w styczniu.

Jeżeli wolicie najpierw porozmawiać o swojej sytuacji, możemy pokazać, jak firmy o podobnej skali przygotowywały procesy i zespoły do wdrożenia nowych narzędzi. Umów konsultację.