Jak wdrażać AI w firmie, by nie sabotować rozwoju?

Jeśli wdrażasz AI w firmie albo właśnie się do tego przymierzasz, ten odcinek może oszczędzić ci sporo kosztownych błędów. Bartosz Szkudlarek bardzo konkretnie mówi o tym, co naprawdę blokuje rozwój organizacji i jak nie wpaść w pułapkę „wdrażania dla wdrażania”.

Posłuchaj odcinka DSS#30 na YouTube →

Artykuły, które czytasz na blogu „Druga Strona Sukcesu”, są inspirowane tematami poruszanymi w podcaście. I właśnie o to chodzi: nie o teoretyzowanie, tylko o biznes widziany od środka. O decyzje, które przyspieszają albo hamują firmę. O błędy, które wyglądają niewinnie, a potem kosztują najwięcej.

W tym odcinku Bartosz Szkudlarek mówi o AI bez marketingowej mgły. Bez zachwytu nad samą technologią i bez histerii, że „zaraz wszystko się zmieni”. Zamiast tego pokazuje prostą prawdę: jeśli chcesz wdrażać AI w firmie, musisz najpierw dobrze zrozumieć ludzi, proces, rynek i… własne nawyki zarządcze. Inaczej technologia zacznie ci przeszkadzać zamiast pomagać.

To właśnie dlatego temat „AI adoption” warto czytać nie jako historię o narzędziach, tylko o sposobie prowadzenia firmy. Bo największy sabotaż rozwoju zwykle nie zaczyna się od złej technologii. Zaczyna się od złych decyzji o tym, po co ją wdrażasz, kto ma z niej korzystać i jak ma wyglądać odpowiedzialność za efekt.

Jak wdrażać AI w firmie, by nie sabotować rozwoju? Zacznij od rynku, nie od narzędzia

Jedna z najmocniejszych rzeczy w rozmowie z Bartoszem to jego zasada: nic nie powstaje, dopóki nie zostanie skonfrontowane z rynkiem. To bardzo ważne także przy AI. W wielu firmach pierwszy odruch brzmi: „kupmy narzędzie”, „zróbmy pilota”, „pokażmy, że też mamy AI”. A potem okazuje się, że technologia działa, tylko nikt jej realnie nie potrzebuje.

W odcinku pada mocne zdanie: kreatywność w IT bywa pułapką. Bo łatwo zakochać się w tworzeniu. Można zbudować coś efektownego, inteligentnego i technicznie czystego, a jednocześnie kompletnie oderwanego od potrzeb firmy. I właśnie tu zaczyna się sabotaż. Nie w kodzie. W oderwaniu od rynku.

Jeśli chcesz wdrażać AI sensownie, zacznij od pytań, które nie są „techniczne”, tylko biznesowe:

• jaki problem konkretnie rozwiązujemy,
• kto dziś traci czas, pieniądze albo energię,
• czy klient lub dział wewnętrzny naprawdę tego potrzebuje,
• jak sprawdzimy, że rozwiązanie działa lepiej niż obecny proces.

To podejście jest brutalnie praktyczne, ale właśnie dlatego działa. AI ma być odpowiedzią na realny ból. Nie dekoracją. Nie gadżetem. Nie powodem do prezentacji na zarządzie.

Dlaczego doświadczenie potrafi blokować wdrażanie AI w firmie

W rozmowie padła bardzo ciekawa obserwacja: wiedza i doświadczenie mogą blokować biznes. Brzmi przewrotnie, ale ma sens. Im więcej masz za sobą projektów, tym więcej widzisz ryzyk. Im dłużej działasz, tym łatwiej powiedzieć: „to się nie uda”, „to jest za trudne”, „to już próbowaliśmy”.

I właśnie w kontekście AI to jest szczególnie groźne. Bo świat zmienia się szybciej niż nasze nawyki. Bartosz mówi wprost, że czasem organizacja musi się oduczyć tego, jak działała przez lata. Jeśli próbujesz robić przyszłość dokładnie tak samo jak robiłeś biznes 10 czy 20 lat temu, możesz po prostu nie zauważyć momentu, w którym rynek już odjechał.

To nie jest argument za chaosem. To jest argument za elastycznością. W praktyce oznacza to, że firma wdrażająca AI powinna pilnować dwóch rzeczy jednocześnie:

• nie ignorować doświadczenia, bo ono chroni przed naiwnością,
• nie pozwolić, by doświadczenie zamieniło się w automatyczne „nie da się”.

Bartosz bardzo dobrze pokazuje też, że dziś przewagę mają niekoniecznie najwięksi, ale ci, którzy potrafią szybciej reagować. AI nie nagradza biernych struktur. Nagradza ludzi i zespoły, które mają odwagę testować, uczyć się i odpuszczać stare schematy.

Strach przed AI w organizacji nie jest problemem technologicznym, tylko ludzkim

W połowie rozmowy robi się bardzo konkretnie: ludzie boją się AI, bo boją się o swoją rolę. I to jest normalne. Jeśli ktoś przez 10 czy 20 lat budował kompetencje, a teraz słyszy, że część jego pracy może przejąć system, trudno oczekiwać entuzjazmu. Bartosz nie udaje, że ten lęk nie istnieje. Mówi coś ważniejszego: trzeba go zrozumieć, ale nie pozwolić, by sterował firmą.

Najlepszy przykład z odcinka to historia dużej firmy ubezpieczeniowej, gdzie prezes publicznie zasugerowała, że wdrażany system może pomóc zwolnić część osób. Efekt? Natychmiastowy opór. Trudno się dziwić. Jeśli komunikacja wokół AI brzmi jak zapowiedź redukcji, ludzie będą sabotować projekt choćby podświadomie. Nie dlatego, że są „przeciw innowacji”. Tylko dlatego, że chcą chronić własne bezpieczeństwo.

Wniosek dla lidera jest prosty: jeśli chcesz wdrażać AI, nie mów o niej jak o zagrożeniu dla ludzi. Mów o niej jak o narzędziu do odciążenia, przyspieszenia i uporządkowania pracy. A jeszcze lepiej — pokaż to na konkretnych zadaniach. Zamiast wielkich haseł, lepiej działają małe, widoczne usprawnienia:

• automatyzacja powtarzalnych czynności,
• szybsze wyszukiwanie informacji,
• odciążenie zespołu z ręcznego przepisywania danych,
• usprawnienie raportowania lub analizy.

Jeśli ludzie zobaczą, że AI zabiera im nudę, a nie sens pracy, opór zaczyna słabnąć. A o to właśnie chodzi: nie o to, by wszyscy od razu pokochali technologię, tylko by przestali widzieć w niej wroga.

W tym miejscu warto zatrzymać się na chwilę, bo w odcinku Bartosz rozwija temat oporu przed zmianą i pokazuje, jak bardzo na wdrożenie AI wpływają emocje, komunikacja i kultura błędu. To nie jest poboczny wątek — to rdzeń całego procesu.

Posłuchaj odcinka DSS#30 na YouTube →

Jak wdrażać AI w firmie bez tworzenia „fajnych projektów” dla samego tworzenia

Jedna z najmocniejszych zasad, które padają w odcinku, brzmi: najpierw zderz pomysł z rynkiem, potem buduj. Bartosz mówi wręcz, że w jego organizacji nie ma miejsca na wymyślanie projektów wewnątrz, jeśli rynek wcześniej nie dał sygnału, że tego chce. To mocny filtr. I bardzo potrzebny przy AI.

Dlaczego? Bo technologia kusi. Daje poczucie postępu, daje satysfakcję z budowania, daje pretekst do eksperymentów. Ale jeśli AI ma wspierać rozwój firmy, to eksperyment musi być podpięty pod wynik. Inaczej robisz tylko „ładny proces”. Bartosz dobrze to nazywa: samo tworzenie jest przyjemne, ale łatwo wpaść w pułapkę dat kreatywności — projekt jest, ale nikt go nie potrzebuje.

Dlatego przy wdrażaniu AI warto pilnować prostego porządku:

• najpierw problem,
• potem hipoteza rozwiązania,
• następnie szybki kontakt z rynkiem lub użytkownikiem,
• dopiero później większa inwestycja.

To nie znaczy, że każda inicjatywa AI ma od razu przynosić zysk. Ale musi mieć sensowną drogę do zysku albo oszczędności. Jeżeli nie ma, to bardzo często oznacza, że organizacja po prostu karmi własną ciekawość.

Jak nie sabotować rozwoju firmy? Połącz miękkie zarządzanie z twardym wynikiem

W rozmowie Bartosz bardzo jasno pokazuje, że wdrożenie AI nie może istnieć bez miękkiej strony zarządzania. Ludzie potrzebują przestrzeni, wsparcia i poczucia bezpieczeństwa. Ale sama empatia nie wystarczy. Firma ma zarabiać. I właśnie dlatego technologiczne wdrożenia muszą być powiązane z ekonomią.

W jego firmie liderzy technologiczni mają budżety i widzą ich wpływ na wynik. Nie po to, żeby nagle stać się przedsiębiorcami w klasycznym sensie. Po to, żeby rozumieli ciąg przyczynowo-skutkowy. Jeśli ktoś optymalizuje proces, powinien wiedzieć, czy ta optymalizacja realnie obniża koszty albo zwiększa przychód. W jednym z przykładów padły konkretne oszczędności na hostingu rzędu 250–300 tys. zł rocznie. To już nie jest teoria. To jest wynik.

To podejście jest bardzo ważne przy AI, bo wiele firm wdraża narzędzia bez jasnej odpowiedzialności za efekt. A potem wszyscy są zajęci, tylko nikt nie wie, czy firma faktycznie jest lepsza. Jeśli chcesz tego uniknąć, trzy rzeczy są kluczowe:

• ustal jeden główny wskaźnik biznesowy,
• pokazuj ludziom, jak ich działania wpływają na koszt lub przychód,
• nie twórz kolejnych poziomów biurokracji „dla bezpieczeństwa”.

Największy paradoks? Bartosz przyznaje, że mimo wyznaczenia 15% czasu na nowe rzeczy, organizacja realnie wykorzystywała tylko 3%. To świetny sygnał ostrzegawczy: samo zapisanie przestrzeni na innowacje nic nie daje. Trzeba jeszcze pomóc ludziom naprawdę z niej skorzystać.

Czarna skrzynka AI: jak podejmować decyzje, gdy algorytm nie daje pełnej odpowiedzi

Ostatni ważny wątek w odcinku dotyczy odpowiedzialności. LLM-y i inne systemy AI działają probabilistycznie, a nie deterministycznie. To znaczy, że mogą się mylić. I będą się mylić. Bartosz mówi o tym bardzo trzeźwo: trzeba traktować AI jak narzędzie wspierające, a nie zastępujące decyzję człowieka.

To szczególnie ważne dla firm, które chcą budować przewagę na automatyzacji. Jeśli oddasz decyzję modelowi bez ludzkiej weryfikacji, prędzej czy później trafisz na błąd. A jeśli będziesz wymagać od AI absolutnej perfekcji, będziesz się tylko frustrować. Znacznie lepsze podejście to takie, w którym technologia przyspiesza pracę, ale ostatnie słowo pozostaje po stronie człowieka.

Tu warto zapamiętać jedną rzecz: AI nie zwalnia lidera z myślenia. Wręcz przeciwnie — wymaga lepszego zarządzania odpowiedzialnością. W praktyce to oznacza, że w firmie wdrażającej AI trzeba jasno ustalić:

• które decyzje może wspierać system,
• które decyzje muszą być zatwierdzane przez człowieka,
• jak weryfikujemy jakość odpowiedzi lub rekomendacji,
• co robimy, gdy algorytm się myli.

To właśnie tu wychodzi dojrzałość organizacji. Nie w tym, że ma najnowszy model. Tylko w tym, że wie, gdzie kończy się automatyzacja, a zaczyna odpowiedzialność.

Podsumowanie: AI nie ma zastąpić firmy. Ma ją zmusić do mądrzejszego działania

Najważniejszy wniosek z tej rozmowy jest prosty: wdrażanie AI w firmie nie powinno zaczynać się od technologii, tylko od myślenia. O rynku, o ludziach, o wyniku i o tym, co naprawdę może zostać uproszczone. Jeśli zaczynasz od narzędzia, bardzo łatwo zbudować kolejną rzecz „do pokazania”. Jeśli zaczynasz od problemu, masz szansę zbudować przewagę.

Druga rzecz: opór wobec AI jest normalny. Często nie wynika z ignorancji, tylko z lęku o pozycję, sens pracy i bezpieczeństwo. Dlatego lider nie powinien udawać, że ten lęk nie istnieje. Powinien go rozbroić przez komunikację, sensowne pilotaże i realne pokazanie korzyści. Nie sloganami, tylko konkretami.

I trzecia sprawa, chyba najważniejsza: technologia nie zwalnia z odpowiedzialności za wynik. Wręcz przeciwnie — wymusza większą dyscyplinę. Firmy, które połączą AI z rynkiem, wynikiem i zdrową kulturą błędu, będą rosły. Firmy, które wdrażają AI tylko dlatego, że „trzeba”, najpewniej tylko dołożą sobie chaosu.

Jeśli chcesz usłyszeć więcej przykładów, kontekstu i nieoczywistych wniosków z tej rozmowy, koniecznie obejrzyj pełny odcinek podcastu. To zdecydowanie rozwinięcie tematu, którego nie da się zamknąć w jednym artykule.

Jeśli ten temat uruchomił ci w głowie choć jedno pytanie o własną firmę, obejrzyj odcinek do końca. W rozmowie jest jeszcze więcej praktycznych obserwacji o AI, zmianie, oporze ludzi i budowaniu organizacji, która nie sabotuje sama siebie.

Posłuchaj odcinka DSS#30 na YouTube →