AI w małej firmie: jak automatyzacja zmienia pracę i koszty

Sztuczna inteligencja wdrażana w polskich firmach zmienia sposób organizacji pracy, eliminuje monotonne zadania i obniża koszty operacyjne – ale wymaga przemyślanego podejścia i stałego nadzoru człowieka. Zamiast magicznego rozwiązania, które samo rozwiąże wszystkie problemy, AI to narzędzie wymagające przygotowania porównywalnego z rekrutacją pracownika.

Błędy przy wdrażaniu AI: podejście życzeniowe nie działa

Menedżerowie nierzadko wyobrażają sobie, że wystarczy “włączyć” sztuczną inteligencję, a problemy rozwiążą się same. Mateusz Andrzejewski, Chief Innovation Technology Officer w firmie SoftwareHut, ostrzega przed tym powszechnym błędem. Jeśli ktoś traktuje agenta AI jak magiczną różdżkę, która sama wszystko zrobi, to się zawiedziesz. Jednak jeśli wiadomo, do czego ma służyć – na przykład odbierać telefony na recepcji i zapisywać wizyty w grafiku – to działa jak najbardziej.

Klucz do sukcesu to jasne zdefiniowanie celu i przygotowanie agenta do konkretnego zadania. Przygotowanie takiego agenta wymaga co najmniej tyle pracy, ile rekrutacja nowego pracownika. Różnica pojawia się dopiero na etapie skalowania.

Fundamentalna zmiana logiki kosztów: koszt marginalny zbliża się do zera

W tradycyjnym modelu biznesowym każdy nowy pracownik oznacza proporcjonalnie wyższe wydatki – pensja, ubezpieczenie, szkolenie, urlop. W modelu opartym na AI sytuacja wygląda inaczej. Raz dobrze skonfigurowany agent może być kopiowany i skalowany praktycznie bezkosztowo.

Firma, która chce obsługiwać trzy razy więcej klientów telefonicznie, nie musi zatrudniać trzech nowych recepcjonistów. Wystarczy powielić rozwiązanie, które już działa. To oznacza, że koszt marginalny – czyli koszt obsługi kolejnego klienta czy przetworzenia kolejnego dokumentu – zbliża się do zera.

Dla firm planujących wzrost skali działania to argument nie do zignorowania. Podczas gdy tradycyjna ekspansja wymaga proporcjonalnego wzrostu kosztów operacyjnych, ekspansja oparta na AI pozwala rosnąć bez tego obciążenia.

Konkretny przykład: automatyzacja wyszukiwania specjalistów IT

Andrzejewski podaje praktyczny przykład z własnej firmy. SoftwareHut świadczy usługi wynajmu specjalistów IT klientom zewnętrznym. Gdy klient przesyłał zapytanie typu: “Potrzebuję programisty ze znajomością konkretnego języka, najlepiej mówiącego po francusku i z doświadczeniem w branży ubezpieczeniowej”, ktoś musiał ręcznie przeszukać bazę pracowników, sprawdzić dostępność, urlopy i alokacje w innych projektach.

To zadanie było czasochłonne, powtarzalne i podatne na przeoczenia. Menedżer traciłby na to czasami godzinę, czasami półtorej godziny dziennie. Teraz agent AI samodzielnie:

• odczytuje zapytanie klienta,
• wyciąga z niego kluczowe kompetencje,
• przeszukuje bazę pracowników,
• sprawdza plany urlopowe i dostępność w innych projektach,
• przygotowuje gotowe zestawienie kandydatów.

Człowiek wchodzi dopiero na etapie weryfikacji – i to jest etap, który rzeczywiście wymaga ludzkiego osądu. Jeśli podobne zadanie wykonuje w firmie 10 osób i każdej zajmuje to godzinę dziennie, automatyzacja oznacza odzyskanie dziesięciu godzin każdego dnia. W skali miesiąca to ponad dwieście godzin, które można przeznaczyć na pracę o wyższej wartości dodanej.

Przetwarzanie dokumentów: z 80 do 160 dokumentów dziennie

Andrzejewski opisuje przypadek klienta działającego w branży regulowanej przepisami prawa, gdzie znaczna część korespondencji dociera wyłącznie w formie papierowej. Cztery osoby na pełen etat zajmowały się przyjmowaniem, skanowaniem, digitalizacją i rozsyłaniem dokumentów do właściwych działów. Gdy adresat był niedostępny, trzeba było szukać zastępcy, a gdy i ten był na urlopie – procedura się komplikowała.

Matematyka była prosta: te cztery osoby przerabiały osiemdziesiąt dokumentów dziennie, a automat przerobiłby sto sześćdziesiąt. Teoretycznie moglibyśmy zwolnić dwie osoby. Ale tak się nie dzieje. Zazwyczaj ich czas jest po prostu przesuwany do innych obowiązków.

Agent AI – po zdigitalizowaniu dokumentu przez człowieka – identyfikuje adresata w bazie pracowników, sprawdza jego dostępność i wysyła powiadomienie na maila lub w komunikatorze firmowym. Cały proces, który wcześniej wymagał kilku minut ludzkiej uwagi i wiedzy o strukturze organizacji, trwa sekundy. I nie pomija dokumentów, bo “za dużo tego dzisiaj”.

Co to oznacza: od frustracji do zadowolenia w pracy

Ważna obserwacja: większość firm sięgających po AI nie robi tego, żeby zwalniać ludzi, lecz żeby odciążyć ich od pracy, która ich frustruje, a nie daje satysfakcji. Monotonne zadania, powtarzane dziesiątki razy dziennie, są jednym z głównych powodów wypalenia zawodowego. Przesunięcie tego obciążenia na AI pozwala pracownikom skupić się na zadaniach wymagających kreatywności, osądu i interakcji międzyludzkiej.

AI w praktyce: perspektywa programistów i firm technologicznych

Adam Kotowicz, wiceprezes ZETO – białostockiej firmy z wieloletnią tradycją w branży informatycznej – patrzy na AI z perspektywy przedsiębiorstwa, w którym sami programiści są pierwszymi użytkownikami nowych narzędzi. ZETO korzysta z dedykowanych systemów wspierających pracę klientów – systemów zintegrowanych bezpośrednio z procesem wytwarzania oprogramowania.

Zdecydowanie widać wzrost produktywności. Można zrobić dużo więcej. Ale to nie jest tak, że AI pracuje bez nadzoru i zawsze bezbłędnie. Doświadczony pracownik musi weryfikować efekty jej pracy i ewentualnie je poprawiać.

Wiceprezes ZETO porównuje rolę AI do praktykanta lub mniej doświadczonego pracownika: ktoś musi nim kierować, sprawdzać jego pracę i korygować błędy. Programista nie tyle sam pisze kod, ile coraz częściej zleca jego napisanie systemowi AI i weryfikuje wynik. Zmienia się charakter pracy, a nie jej sens.

Nieoczekiwane efekty uboczne: brak miejsca dla juniorów

Obaj rozmówcy – Andrzejewski i Kotowicz – zgodnie przyznają, że AI eliminuje pewne rodzaje pracy – szczególnie mechaniczne, powtarzalne zadania. Kotowicz wprost mówi o spadku zapotrzebowania na juniorów w branży IT.

Jeśli nikt nie zatrudni juniorów, to gdzie nabędą doświadczenie, by stać się bardziej wykwalifikowanymi specjalistami? Tu na pewno pewne zagrożenie jest – przyznaje wiceprezes ZETO.

To jeden z nieoczekiwanych efektów ubocznych automatyzacji. Tradycyjna ścieżka kariery w IT wyglądała tak: junior uczy się na prostych zadaniach, popełnia błędy, dostaje feedback, rośnie. Jeśli proste zadania przejmie AI, droga do stanowiska seniora może stać się trudniejsza i dłuższa. Branża musi wypracować nowe modele mentoringu i wejścia do zawodu.

Nowe potrzeby, nowe możliwości

Andrzejewski jest jednak optymistą. To, że technologia zajęła pewną przestrzeń, spowodowało, że powstała nowa potrzeba. Tak samo będzie z AI. Historia pokazuje, że automatyzacja zawsze tworzy nowe rodzaje pracy, choć nie zawsze tam, gdzie zniknęła stara.

Kotowicz wskazuje na poważną lukę między tym, czego uczą uczelnie, a tym, czego wymaga rynek. ZETO uczestniczyło w opracowywaniu nowych programów studiów na białostockiej politechnice, jednak wiceprezes jest realistą – żadna uczelnia nie zastąpi wiedzy zdobywanej w realnych projektach.

Pani pisze artykuły i wie, co robi dobry artykuł, bo to empirycznie zdobyta wiedza. I to właśnie ona pozwala panią dyrygować AI. Uczelnia da pewną podbudowę, ale nie to doświadczenie – mówi Kotowicz.

Analogii jest trafna i wybiega daleko poza branżę IT. Żeby sensownie współpracować z AI, trzeba wiedzieć, czego się od niej oczekuje. To wymaga doświadczenia, intuicji i zrozumienia domeny, w której pracujesz. AI to narzędzie dla tych, którzy już wiedzą, jak wykonywać swoją pracę – może ją przyspieszyć i ulepszyć, ale nie zastąpi fundamentalnej wiedzy i doświadczenia.