Automatyzacja procesów AI: od czego zacząć w firmie

Automatyzacja procesów AI brzmi dziś jak coś, co trzeba mieć. Problem w tym, że większość firm zaczyna od złej strony: najpierw kupuje narzędzie, potem szuka, do czego je wykorzystać. W tym tekście pokazujemy, jak zrobić to odwrotnie: znaleźć proces, który faktycznie warto zautomatyzować, i sprawdzić go w kwartał, zanim zainwestujecie w coś większego.

Dlaczego większość automatyzacji kończy się rozczarowaniem

Typowy scenariusz: ktoś w firmie widzi demo ChatGPT albo narzędzia typu "AI agent", jest pod wrażeniem i chce to wdrożyć. Zespół dostaje zadanie: znajdźcie zastosowanie. Miesiąc później mają gotowy prototyp, który rozwiązuje problem, którego nikt specjalnie nie odczuwał. Budżet wydany, entuzjazm spada, temat AI w firmie zostaje odłożony na rok.

W naszej pracy widzimy to regularnie: firma pyta o "automatyzację z AI" w ogóle, zamiast wskazać konkretny proces. To jak pytanie o remont domu bez powiedzenia, który pokój boli najbardziej. Dobra automatyzacja zaczyna się od diagnozy procesu, nie od wyboru narzędzia.

Cztery kryteria wyboru pierwszego procesu

Zanim wybierzecie, co automatyzować, sprawdźcie każdy kandydat pod tymi czterema kątami.

Powtarzalność. Proces musi wyglądać podobnie za każdym razem. Jeśli każde zgłoszenie klienta jest inne i wymaga innego podejścia, AI będzie się mylić częściej niż pomagać. Szukajcie zadań, które robicie w kółko, według tego samego schematu.

Wolumen. Automatyzacja czegoś, co zdarza się raz w miesiącu, się nie zwróci, nawet jeśli zajmuje dużo czasu. Liczy się skala: im więcej powtórzeń dziennie czy tygodniowo, tym szybciej automatyzacja spłaca koszt wdrożenia.

Koszt błędu. To kryterium najczęściej pomijane. Jeśli AI się pomyli przy sortowaniu maili do folderów, nic się nie stanie: ktoś poprawi ręcznie. Jeśli pomyli się przy wysyłce faktury do złego kontrahenta albo przy kwalifikacji reklamacji na gwarancji, koszt błędu jest wysoki. Na start wybierzcie proces, gdzie pomyłka jest tania i łatwa do wyłapania.

Dostępność danych. AI potrzebuje danych w formie, z której da się korzystać: maile, pliki PDF, wpisy w systemie, historyczne przykłady decyzji. Jeśli dane siedzą w głowach ludzi albo w papierowych teczkach, najpierw trzeba je uporządkować, a to osobny projekt.

Proces, który spełnia wszystkie cztery warunki na tak, jest dobrym kandydatem na pilotaż. Jeśli spełnia dwa z czterech, prawdopodobnie warto poszukać czegoś innego na start.

Przykłady procesów, które da się zautomatyzować

Kilka obszarów, które sprawdzają się jako pierwszy krok, bo są powtarzalne i mają wysoki wolumen.

• Obieg faktur kosztowych. Odczyt danych z PDF-a lub skanu, przypisanie do kategorii kosztowej, sprawdzenie zgodności z zamówieniem, przekazanie do akceptacji. Klasyczny proces papierkowy, który da się w dużej części zautomatyzować.
• Klasyfikacja zgłoszeń i maili. Przychodzące wiadomości od klientów można automatycznie sortować według tematu (reklamacja, pytanie o produkt, prośba o fakturę) i kierować do właściwej osoby, zamiast trzymać wspólną skrzynkę, którą ktoś przegląda ręcznie.
• Przygotowanie pierwszej wersji oferty. Na podstawie briefu od klienta i wcześniejszych ofert AI może złożyć szkic dokumentu, który handlowiec potem dopracowuje. Oszczędność czasu jest widoczna od razu, bo szkic zawsze trzeba było robić od zera.
• Raporty cykliczne. Zestawienia sprzedaży, wskaźników marketingowych czy statusu projektów, które ktoś dziś ręcznie zbiera z kilku systemów i wkleja do Excela albo prezentacji. To zadanie idealnie powtarzalne, o niskim koszcie błędu i wysokim wolumenie czasowym.

Jak policzyć, czy się to opłaca

Zanim ktokolwiek zacznie pisać prompt czy wdrażać narzędzie, policzcie to na kartce. Potrzebne są trzy liczby.

1. Ile godzin miesięcznie zajmuje dziś ten proces w firmie, zsumowane po wszystkich osobach, które go dotykają.
2. Koszt godziny pracy osoby, która to robi (pensja plus narzuty, podzielona przez godziny robocze w miesiącu).
3. Realny procent redukcji czasu po automatyzacji. Rzadko jest to 100%, bo ktoś nadal musi weryfikować wynik. W naszym doświadczeniu 50-70% oszczędności czasu na dobrze dobranym procesie to realistyczny wynik na start.

Pomnóżcie te trzy liczby, a dostaniecie miesięczną oszczędność w złotówkach. Porównajcie ją z kosztem wdrożenia: prototyp sprawdzający, czy dany proces w ogóle da się zautomatyzować, to zwykle koszt rzędu kilkudziesięciu tysięcy złotych. Pełne wdrożenie produkcyjne, zintegrowane z waszymi systemami, zaczyna się od stu kilkudziesięciu tysięcy złotych, w zależności od złożoności integracji. Jeśli oszczędność miesięczna nie zwraca kosztu prototypu w rozsądnym czasie, szukajcie innego procesu albo poczekajcie, aż wolumen urośnie.

Jak zrobić pilotaż w kwartał

Pilotaż ma sens, jeśli ma jasny początek i koniec, a nie jest otwartym projektem "sprawdzamy AI".

Tydzień 1-2: wybór i przygotowanie danych. Wybieracie jeden proces według kryteriów z wcześniejszej sekcji i zbieracie przykłady: 50-100 realnych przypadków z ostatnich miesięcy, razem z tym, jak zostały wcześniej rozwiązane. To dane, na których będzie się uczyć albo testować rozwiązanie.

Tydzień 3-6: budowa prototypu. Powstaje wersja robocza, która działa na realnych danych, ale jeszcze nie jest podłączona do żadnego systemu produkcyjnego. Testujecie ją na przykładach z przeszłości i porównujecie wynik z tym, co faktycznie zrobił człowiek.

Tydzień 7-9: test równoległy. Prototyp pracuje obok istniejącego procesu, na nowych, bieżących przypadkach. Człowiek nadal decyduje, ale sprawdzacie, jak często AI zgadza się z jego decyzją i gdzie się myli.

Tydzień 10-12: decyzja i wdrożenie albo wycofanie. Na podstawie wyników z testu równoległego podejmujecie decyzję: wdrażamy produkcyjnie, poprawiamy i testujemy dalej, albo rezygnujemy z tego procesu i szukamy innego kandydata. Wszystkie trzy opcje są sukcesem pilotażu, bo dają odpowiedź opartą na danych, a nie na przeczuciu.

Typowe błędy przy wdrażaniu automatyzacji AI

Błąd	Skutek	Co zrobić zamiast tego
Start od narzędzia, nie od procesu	Rozwiązanie szuka problemu, entuzjazm szybko gaśnie	Najpierw wybrać proces według czterech kryteriów
Brak pomiaru przed startem	Nie da się udowodnić, czy automatyzacja się opłaciła	Zmierzyć czas i koszt procesu przed pilotażem
Automatyzacja procesu o wysokim koszcie błędu na start	Jedna poważna pomyłka podważa zaufanie do całego projektu	Zacząć od procesu, gdzie błąd jest tani i widoczny
Brak planu wycofania	Firma tkwi w projekcie, który nie działa, bo szkoda zainwestowanych pieniędzy	Ustalić z góry kryteria, przy których projekt się zamyka
Ignorowanie ludzi, których to dotyczy	Opór zespołu, sabotaż wdrożenia, dane wprowadzane "na złość"	Włączyć zespół w wybór procesu i testowanie od początku

Bezpieczeństwo danych przy automatyzacji

Automatyzacja procesów AI często oznacza przepuszczenie danych firmowych, czasem wrażliwych, przez zewnętrzne modele. Kilka zasad, które warto ustalić, zanim zaczniecie.

Sprawdźcie, gdzie fizycznie trafiają dane i na jak długo są przechowywane przez dostawcę modelu. Dla danych osobowych klientów potrzebna jest umowa powierzenia przetwarzania, taka sama jak z każdym innym podwykonawcą IT. Rozważcie anonimizację albo maskowanie danych wrażliwych przed wysłaniem do modelu, tam gdzie to możliwe: numer klienta zamiast imienia i nazwiska często wystarczy do działania procesu. I nie dawajcie automatyzacji dostępu szerszego, niż faktycznie potrzebuje: proces do klasyfikacji zgłoszeń nie musi mieć wglądu w dane finansowe firmy.

Najczęstsze pytania

Czy automatyzację AI trzeba zaczynać od dużego budżetu?

Nie. Sensowny pilotaż sprawdzający jeden proces to zwykle kilkadziesiąt tysięcy złotych, nie kilkaset. Dopiero po potwierdzeniu, że proces się nadaje i przynosi oszczędność, warto inwestować w pełne wdrożenie produkcyjne.

Ile trwa, zanim automatyzacja zacznie się zwracać?

Przy dobrze dobranym procesie, wysokim wolumenie i realnej oszczędności czasu, zwrot z pilotażu widać zwykle w ciągu kilku miesięcy od uruchomienia produkcyjnego. Kluczowe jest jednak dobre policzenie oszczędności przed startem, nie po fakcie.

Czy AI może całkowicie zastąpić człowieka w danym procesie?

Rzadko na początku i rzadko warto do tego dążyć od razu. Bezpieczniejszy model to AI przygotowujące pierwszą wersję decyzji czy dokumentu, a człowiek zatwierdzający albo poprawiający wynik. Ogranicza to koszt błędu i buduje zaufanie do systemu w firmie.

Jak wybrać między gotowym narzędziem a dedykowanym rozwiązaniem?

Gotowe narzędzia sprawdzają się przy standardowych zadaniach, jak sortowanie maili czy transkrypcja. Gdy proces jest specyficzny dla waszej branży albo wymaga integracji z wewnętrznymi systemami, dedykowane rozwiązanie zwykle daje lepszy wynik, choć wymaga większej inwestycji na start.

Jeśli zastanawiacie się, który proces w waszej firmie nadaje się do pierwszego pilotażu, u nas pomagamy to ocenić i zbudować prototyp, zanim padnie decyzja o pełnym wdrożeniu. Więcej o naszym podejściu do projektów AI na stronie DOPEST.software.