Dlaczego wdrożenia AI w firmach kończą się demem, a nie wynikiem

Znasz ten scenariusz. Dostawca pokazuje prezentację. Model czyta fakturę, pisze maila do klienta, streszcza umowę w kilka sekund. Na sali kiwanie głowami. Trzy miesiące później narzędzie leży nieużywane, a nikt nie potrafi powiedzieć, ile firma na nim zarobiła ani zaoszczędziła.

To nie jest problem technologii. Modele językowe są dziś naprawdę dobre. Problem leży w tym, jak firmy podchodzą do wdrożenia AI. Pracuję z firmami MŚP przy projektach automatyzacji sprzedaży, operacji i finansów i widzę te same przyczyny w kółko. Poniżej opisuję sześć najczęstszych i to, co z nimi zrobić.

Demo to nie wdrożenie

Demo odpowiada na pytanie „czy to w ogóle działa”. Wdrożenie odpowiada na inne pytanie: „czy to działa w naszym procesie, na naszych danych, u naszych ludzi, i czy się opłaca”.

Demo pracuje na wybranym, czystym przykładzie. Prawdziwy proces to setki dokumentów w różnych formatach, wyjątki, braki w danych i pracownik, który ma swoje nawyki. Dlatego pierwszy test nie powinien sprawdzać najłatwiejszego przypadku, tylko najtrudniejsze. W ebooku nazywam to testem pięciu trudnych przypadków: zanim podpiszesz umowę, poproś dostawcę, żeby przepuścił przez rozwiązanie pięć realnych, kłopotliwych spraw z Twojej firmy. Na rynku taki test bywa wyceniany różnie, czasem jest częścią większego projektu, czasem osobną usługą. Ważniejsze od ceny jest to, czy kończy się konkretną decyzją: robimy, nie robimy albo robimy inaczej.

Przyczyna 1: zaczyna się od narzędzia, a nie od procesu

„Kupmy Copilota”, „zróbmy chatbota”, „musimy coś mieć z AI”. Tak zaczyna się większość projektów, które kończą się demem. Narzędzie jest wybrane, zanim ktokolwiek wskazał konkretny proces, który kosztuje firmę czas i pieniądze.

Dobre wdrożenie AI w firmie zaczyna się od pytania: która powtarzalna praca zjada najwięcej godzin? Przygotowanie ofert, sprawdzanie dokumentów, odpowiadanie na powtarzalne zgłoszenia, raporty. Dopiero gdy wiesz, jaki proces poprawiasz, możesz rozsądnie wybrać technologię.

Jak to poprawić

Napisz jedno zdanie: „Chcemy skrócić [proces] z [stan dziś] do [cel], żeby [efekt biznesowy]”. Jeśli nie umiesz go napisać, nie jesteś gotowy na zakup narzędzia.

Przyczyna 2: brak liczby, która mówi „udało się”

Projekt bez mierzalnego celu nie może się udać, bo nie może się też nie udać. „Usprawnić obsługę klienta” to nie cel. „Skrócić czas przygotowania oferty z 45 do 15 minut przy zachowaniu jakości” to cel.

Bez liczby wyjściowej nie wiesz, od czego zaczynasz. Zmierz stan dziś: ile spraw miesięcznie, ile minut na sprawę, jaki koszt godziny pracy. To kilka godzin pracy, a bez nich każda dyskusja o efektach jest opinią, a nie faktem.

Przyczyna 3: nikt nie wie, gdzie człowiek zatwierdza wynik

AI się myli. Nie zawsze, ale wystarczająco często, żeby w procesie musiał być punkt kontroli. W ebooku nazywam go bramką zatwierdzenia: konkretne miejsce, w którym człowiek sprawdza wynik, zanim pójdzie dalej do klienta, do systemu księgowego czy do umowy.

Projekty, które kończą się demem, często pomijają ten krok. Albo nikt nie sprawdza i pierwszy poważny błąd zabija zaufanie do narzędzia. Albo wszyscy sprawdzają wszystko i oszczędność czasu znika. Trzeba zdecydować z góry: co sprawdzamy, kto sprawdza, ile czasu to zajmuje. I ten czas weryfikacji wliczyć w koszty.

Przyczyna 4: dane są w gorszym stanie, niż wszyscy myślą

„Mamy wszystko w systemie” to jedno z najczęściej słyszanych zdań. Potem okazuje się, że połowa informacji jest w mailach, część w Excelu na dysku jednej osoby, a reguły decyzyjne w głowie doświadczonej pracownicy.

AI pracuje na tym, co dostanie. Jeśli dane są niepełne albo reguły nie są spisane, wynik będzie słaby. Dlatego w budżecie projektu powinna być osobna pozycja na uporządkowanie danych i spisanie reguł. To nie jest koszt dodatkowy, to warunek działania.

Przyczyna 5: nikt nie jest odpowiedzialny

Projekt AI „należący do wszystkich” nie należy do nikogo. IT myśli, że to sprawa sprzedaży. Sprzedaż myśli, że to projekt IT. Zarząd czeka na raport, którego nikt nie pisze.

Każde wdrożenie potrzebuje jednej osoby po stronie firmy, która odpowiada za wynik, ma czas na projekt (realnie kilka godzin tygodniowo) i ma prawo podejmować decyzje o procesie. Bez niej nawet dobry dostawca nie dowiezie efektu, bo nie będzie miał z kim ustalać wyjątków.

Przyczyna 6: brak decyzji po pilotażu

Pilotaż się kończy i… nic. Nikt nie wraca do liczb, nikt nie decyduje. Narzędzie powoli przestaje być używane.

Pilotaż ma sens tylko wtedy, gdy z góry wiadomo, jak go ocenić. Przed startem ustal kryteria odbioru i termin decyzji. Po pilotażu są trzy uczciwe opcje: rozszerz, popraw albo zatrzymaj. Zatrzymanie projektu, który nie spełnił kryteriów, to też dobry wynik. Wydałeś mniej, niż wydałbyś na wdrożenie na całą firmę.

Jak wygląda wdrożenie AI, które daje wynik

Odwracając powyższe przyczyny, dostajesz prosty schemat:

1. Jeden proces, nazwany i opisany.
2. Jedna liczba celu i zmierzony stan wyjściowy.
3. Bramka zatwierdzenia: kto, co i jak sprawdza.
4. Dane i reguły sprawdzone przed startem, z budżetem na porządki.
5. Rachunek: koszt budowy, koszt miesięczny (utrzymanie, licencje, użycie modelu, czas weryfikacji) i okres zwrotu.
6. Osoba odpowiedzialna z czasem i uprawnieniami.
7. Pilotaż z kryteriami odbioru i datą decyzji.

Przykład ilustracyjny

Biuro rachunkowe przygotowuje co miesiąc kilkaset zestawień dla klientów. Zamiast „wdrażać AI”, wybiera jeden krok: wstępne przypisanie dokumentów do kategorii. Mierzy czas dziś, ustala, że księgowa zatwierdza każdą propozycję, porządkuje słownik kategorii i liczy, po ilu miesiącach projekt się zwróci. Pilotaż trwa kilka tygodni na części klientów. Po nim zapada decyzja na podstawie liczb, a nie wrażeń. To przykład ilustracyjny, nie opis konkretnego klienta.

Od czego zacząć w tym tygodniu

Nie musisz od razu rozmawiać z dostawcą. Zacznij od kartki albo arkusza:

• wypisz trzy procesy, które najbardziej zjadają czas zespołu,
• przy każdym oszacuj liczbę spraw miesięcznie i minuty na sprawę,
• wybierz jeden, w którym błąd da się łatwo wyłapać przed klientem,
• wskaż osobę, która mogłaby za niego odpowiadać.

Tę pracę porządkuje Karta Projektu AI. Jeśli po jej wypełnieniu widzisz, że proces ma sens i chcesz go wdrożyć z kimś z zewnątrz, opisuję, jak pracuję, na stronie wdrożenia AI dla firm.

Pytania, które warto zadać na prezentacji dostawcy

Jeśli jesteś już po pierwszym demo, zadaj dostawcy kilka pytań, zanim przejdziecie do oferty:

• Na jakich danych pokazaliście to demo i czy możemy sprawdzić rozwiązanie na pięciu naszych trudnych przypadkach?
• Gdzie w procesie człowiek zatwierdza wynik i ile czasu to zajmie?
• Jakie są koszty miesięczne po wdrożeniu, łącznie z opłatą za użycie modelu?
• Jak będziemy mierzyć efekt i kiedy podejmiemy decyzję po pilotażu?
• Kogo potrzebujecie po naszej stronie i ile godzin tygodniowo?
• Co się dzieje, gdy wynik jest błędny albo model się zmieni?

Dobry dostawca ucieszy się z tych pytań, bo oszczędzają mu nieporozumień. Jeśli odpowiedzi są ogólne („AI się uczy”, „to zależy”, „zobaczymy w trakcie”), to sygnał, że projekt może skończyć się na demie. Nie chodzi o to, żeby dostawca znał wszystkie odpowiedzi od razu. Chodzi o to, żeby wiedział, że te pytania trzeba zamknąć przed startem, i miał plan, jak to zrobić razem z Tobą.

FAQ

Dlaczego tyle projektów AI w firmach nie daje efektu?

Najczęściej dlatego, że zaczynają się od narzędzia zamiast od procesu, nie mają mierzalnego celu ani osoby odpowiedzialnej, a po pilotażu nikt nie podejmuje decyzji na podstawie liczb.

Czym różni się demo od wdrożenia AI?

Demo pokazuje, że technologia działa na wybranym przykładzie. Wdrożenie działa w Twoim procesie, na Twoich danych, z kontrolą człowieka i mierzonym efektem finansowym.

Ile trwa pilotaż AI w firmie MŚP?

Zwykle kilka tygodni, zależnie od procesu, stanu danych i integracji. Ważniejsza od długości jest wcześniejsza zgoda co do kryteriów odbioru i daty decyzji.

Czy potrzebujemy działu IT, żeby wdrożyć AI?

Nie zawsze. Potrzebna jest osoba odpowiedzialna po stronie biznesu i dostęp do systemów, z którymi rozwiązanie ma się łączyć. Zakres udziału IT wynika z integracji.