Firma chce usprawnić proces i szybko pojawia się pomysł: „dodajmy AI”. Ja zaczynam od prostszego pytania: czy ten proces naprawdę wymaga rozumienia informacji, czy wystarczy kilka jednoznacznych reguł?
Jeśli da się go opisać jako „jeśli wydarzy się X, zrób Y”, zwykle wybieram klasyczną automatyzację. AI rozważam wtedy, gdy system musi przeczytać e-mail, zrozumieć dokument, rozpoznać intencję albo sklasyfikować nieuporządkowany tekst. Jest jeszcze trzecia możliwość: AI pomaga, ale ostateczną decyzję podejmuje człowiek.
Jeśli wystarcza „jeśli X → Y”, AI zwykle nie jest potrzebne
Załóżmy, że firma chce automatycznie wysyłać przypomnienia o niezapłaconych fakturach. Jeżeli termin minął, a faktura nadal ma status „niezapłacona”, system wysyła wiadomość.
Nie ma tu niczego do interpretowania. Znam datę, status i działanie, które powinno nastąpić. Dodawanie AI tylko zwiększyłoby koszt i liczbę elementów wymagających kontroli.
Podobnie podchodzę do tworzenia zadania po zmianie statusu w CRM, wysyłania ankiety siedem dni po zakończeniu projektu czy przekazywania zamówień powyżej określonej kwoty do dodatkowej akceptacji.
Stosuję prosty test: czy potrafię zapisać decyzję jako kilka jednoznacznych warunków? Jeśli tak, najczęściej zaczynam od reguł.
AI nie powinno być bardziej skomplikowanym sposobem na wykonanie instrukcji, którą można zapisać w jednym zdaniu.
AI przydaje się, gdy najpierw trzeba zrozumieć treść
Sytuacja zmienia się, gdy przed wykonaniem czynności pracownik musi coś przeczytać i ocenić.
Dobrym przykładem jest wspólna skrzynka e-mail. Jeden klient pyta o fakturę, drugi zgłasza reklamację, trzeci chce ofertę. Każdy opisuje sprawę inaczej.
Reguła oparta na słowach kluczowych szybko zaczyna zawodzić. Klient może napisać: „Nie chodzi o fakturę, tylko o brakujący produkt”, a prosty automat zobaczy słowo „faktura” i skieruje wiadomość do księgowości.
AI może przeczytać całą wiadomość i określić jej znaczenie: „reklamacja”, „zapytanie handlowe”, „sprawa księgowa”. Dopiero później zwykła automatyzacja przekazuje ją odpowiedniej osobie.
Podobnie wygląda praca z dokumentami. AI może wyciągnąć z różnych formatów numer zamówienia, nazwę klienta czy kwotę. Później klasyczna reguła decyduje na przykład, że dokument powyżej 20 000 zł wymaga dodatkowej akceptacji.
W praktyce AI i reguły często najlepiej działają razem: AI rozumie dane, a reguły wykonują przewidywalne działania.
Im droższy błąd, tym ważniejszy jest człowiek
Nie wystarczy zapytać: „Czy AI potrafi to zrobić?”. Ja pytam również: „Co się stanie, jeśli zrobi to źle?”.
Błędne przypisanie e-maila do niewłaściwej kolejki może kosztować kilka minut. Nieprawidłowe zaakceptowanie dużego zwrotu, umowy czy decyzji kadrowej może mieć znacznie poważniejsze konsekwencje.
Dlatego w procesach o większym ryzyku nie próbuję za wszelką cenę usuwać człowieka. AI może przygotować decyzję, zebrać informacje albo wskazać rekomendację, ale pracownik nadal ją zatwierdza.
Przykład? Przy reklamacji AI może przeczytać korespondencję, streścić problem, znaleźć numer zamówienia i zaproponować odpowiedź. Konsultant dostaje gotowy kontekst i podejmuje decyzję znacznie szybciej.
To nadal jest automatyzacja z AI, nawet jeśli ostatnie kliknięcie należy do człowieka. Celem nie zawsze jest pełna automatyzacja. Czasem największą oszczędność daje usunięcie 80% rutynowej pracy.
Cztery procesy i cztery właściwe podejścia
Różnicę najlepiej widać na konkretnych przykładach.
| Proces | Co wybrać? | Dlaczego |
|---|---|---|
| Przypomnienia o fakturach | Reguły | Termin i status są jednoznaczne |
| Sortowanie e-maili | AI + reguły | Trzeba zrozumieć treść |
| Kwalifikacja leadów | Reguły + AI | Część danych jest uporządkowana, część opisowa |
| Reklamacje | AI + człowiek | AI analizuje, ale błędna decyzja może być kosztowna |
W kwalifikacji leadów nie potrzebuję AI do sprawdzenia, czy firma zatrudnia 500 pracowników albo czy budżet przekracza określoną kwotę. To zwykłe reguły.
AI może natomiast ocenić opis potrzeb wpisany przez potencjalnego klienta i ustalić, czy pasuje on do oferty. Wynik można połączyć z danymi z CRM i dopiero wtedy ustawić priorytet dla handlowca.
W reklamacjach poszedłbym jeszcze krok dalej. AI może określić temat, emocje klienta i oczekiwane rozwiązanie. Proste sprawy można obsłużyć automatycznie, natomiast nietypowe przypadki, duże kwoty albo groźby prawne powinny trafić do pracownika.
AI w procesach biznesowych ma największą wartość tam, gdzie pomaga radzić sobie z niejednoznacznością, a nie tam, gdzie zastępuje prostą formułę.
Przed wdrożeniem sprawdzam pięć rzeczy
Zanim zacznę wybierać model AI czy konkretne narzędzie, analizuję sam proces. Technologia jest dopiero drugim krokiem.
Sprawdzam:
- czy decyzję da się opisać prostymi regułami,
- czy pracownik musi czytać i interpretować tekst lub dokument,
- jak często proces jest wykonywany,
- co się stanie w przypadku błędu,
- czy błędny wynik można łatwo wykryć i poprawić.
Ważna jest też skala. Jeśli pracownik obsługuje pięć takich spraw miesięcznie i zajmuje mu to łącznie godzinę, budowanie rozbudowanej automatyzacji może nie mieć ekonomicznego sensu.
Jeżeli jednak firma analizuje kilka tysięcy wiadomości albo dokumentów miesięcznie, nawet niewielka oszczędność przy pojedynczej operacji zaczyna mieć znaczenie.
Dlatego nie zaczynam od pytania „gdzie możemy wdrożyć AI?”. Najpierw szukam procesu, który rzeczywiście kosztuje firmę czas, pieniądze albo powoduje powtarzalne błędy.
Najpierw upraszczam proces, potem wybieram technologię
Gdy wybieram między AI a zwykłą automatyzacją, rozbijam proces na mniejsze decyzje.
Jeśli widzę schemat „jeśli X, zrób Y”, stosuję regułę. Jeśli system musi zrozumieć swobodny tekst, dokument lub intencję, rozważam AI. Jeśli koszt pomyłki jest wysoki, zostawiam człowieka w odpowiednim miejscu procesu.
W praktyce dobry model często wygląda tak:
AI rozumie → reguły decydują → system wykonuje → człowiek obsługuje wyjątki.
Jeśli zastanawiasz się nad automatyzacją konkretnego procesu, zacznij od zapisania kolejnych decyzji wykonywanych dziś przez pracownika. Przy każdej oznacz: reguła, interpretacja albo decyzja wymagająca człowieka. Już taki prosty podział często pokazuje, gdzie AI rzeczywiście pomoże, a gdzie będzie tylko niepotrzebnym dodatkiem. Od takiej analizy warto zacząć, zanim wybierzesz narzędzie.