Posłuchaj artykułu
No może z tym płakaniem to nad wyraz, odrobinę Cię czytelniku wprowadziłem w błąd, dla clickbajtu, bo przecież wszyscy wiemy, że bez clickbajtu nie byłoby klikania. Ale nie zmienia to faktu, że jest mi przykro. Nie tylko ze względu na empatię względem zwalnianych osób, ale również dlatego, że zawiodłem. Już tłumaczę.
95% wdrożeń bez zwrotu. To nie moja opinia, to MIT
Według głośnego badania "State of AI in Business 2025" z MIT (Project NANDA) aż 95% firmowych pilotaży generatywnej SI nie przynosi żadnego mierzalnego zwrotu. Zero. Mimo 30-40 miliardów dolarów wpompowanych w firmowe wdrożenia, tylko 5% zintegrowanych pilotaży wyciąga z tej technologii miliony. Naukowcy z MIT nazwali to zjawisko GenAI Divide: przepaścią między firmami, które umieją korzystać z tej technologii, a całą resztą, która płaci i czeka na cud.
To nie jest badanie zrobione na kolanie: 52 wywiady z organizacjami, ankiety wśród 153 menedżerów wyższego szczebla i analiza ponad 300 publicznych wdrożeń. A wnioski? Wskazują, że głównymi przyczynami problematycznych wdrożeń są:
- brak zrozumienia technologii, jej możliwości i ograniczeń,
- narzędzia, które się nie uczą: nie zapamiętują feedbacku, nie budują kontekstu, każdą rozmowę zaczynają od zera (MIT nazywa to "learning gap"),
- brak integracji z realnymi procesami firmy, przez co narzędzie żyje obok pracy, a nie w pracy,
- budżety wydawane tam, gdzie ładnie wygląda na slajdzie (sprzedaż i marketing zgarniają około połowy wydatków), podczas gdy najlepszy zwrot jest ukryty w back-office,
- opór ludzi, których nikt nie zapytał o zdanie, a którym kazano pracować z narzędziem gorszym od darmowego czatu.
Jak ujął to jeden z ankietowanych dyrektorów operacyjnych: "Szum na LinkedIn mówi, że zmieniło się wszystko. W naszych operacjach nie zmieniło się nic fundamentalnego. Szybciej przetwarzamy trochę umów i to cała zmiana."
Forbes, opisując to badanie, dorzuca kolejne kamyczki: według Gartnera tylko 1 na 50 inwestycji w AI przynosi wartość transformacyjną, a mniej niż 30% prezesów jest zadowolonych ze zwrotu z tych inwestycji. I puenta z tytułu artykułu, którą podpisuję się obiema rękami: problemem nie jest technologia. Problemem jest sposób, w jaki się ją wdraża.
Chciałbym się skupić na jednym wycinku tej układanki: braku zrozumienia technologii i ogólnie problemie w komunikacji między firmami a ich klientami.
Ścieżka zdrowia, czyli jak infolinie hodują złość
Od wielu lat klienci tłumaczą firmom, że nie podobają im się pewne automatyzacje. Choćby znienawidzone infolinie, gdzie aby połączyć się z konsultantem, klient musi przejść przez zestaw pytań i ćwiczeń wymagających sporego samozaparcia, uważności w obsłudze klawiatury telefonu i mnóstwa cierpliwości. I po całym tak zafundowanym procesie dobija się do konsultanta. Mnie samego nieraz ogarniało szaleństwo, gdy w taki sposób musiałem załatwić ważną dla mnie sprawę w banku lub telekomie.
Nie dość, że firma pokazuje, co tak naprawdę o mnie myśli, wdzięcząc się, że jestem dla nich najważniejszy i wyjątkowy, to przy załatwieniu najprostszej sprawy przepuszcza mnie przez ścieżkę zdrowia pokazując mi co tak naprawde o nie myśli.
A teraz wyobraź sobie, że na końcu tej ścieżki udręk i automatów zamiast prawdziwego człowieka odbiera superinteligentny, świetny, prawie się nie zacinający i potrafiący wzdychać bot o imieniu Kasia. Z generycznym głosem słyszanym wielokrotnie w każdej reklamie i w milionie generycznych treści epatujących z platform społecznościowych. Irytacja przeradza się w czystą złość.
Skoro to nie działa, to czemu wszyscy tak robią?
Bo rynek wybaczał tego typu aberracje. Bo wszyscy tak robili i dziś nadal tak robią. Wszystkie telekomy tną obsługę na infoliniach, wszystkie banki tną działy konsultantów i w pogoni za pieniądzem wszyscy zwalniają, dostarczając klientom coraz gorsze usługi i coraz gorsze doznania. Bo przecież wszyscy tak robią. Bycie trendy przecież wymaga poświęceń.
I nagle mamy badanie MIT, z którego wynika, że większość takich automatyzacji się nie sprawdza. Mamy niezadowolonych klientów. Mamy Klarnę, która chwaliła się, że dzięki AI zmniejszyła zatrudnienie o 40%, a jej asystent SI przejął pracę 700 konsultantów i obsłużył 2,3 miliona rozmów w pierwszym miesiącu. Brzmi jak sen dyrektora finansowego? No właśnie. Satysfakcja klientów spadła, liczba powtórnych kontaktów w tej samej sprawie wzrosła, a prezes Sebastian Siemiątkowski musiał publicznie przyznać: "poszliśmy za daleko" i zaczął z powrotem zatrudniać ludzi do obsługi. Dziś deklaruje, że "klient zawsze będzie miał możliwość rozmowy z człowiekiem, jeśli tego chce". Kosztowna lekcja pokory, którą inni mogą dostać za darmo, wystarczy czytać.
A w tym samym czasie "niewiadomo skąd" wyrastają nowe firmy, które robią dokładnie to samo co tradycyjne, tylko inaczej. Revolut w raporcie rocznym za 2025 pokazał 68,3 miliona klientów (wzrost o 30% w rok), 6 miliardów dolarów przychodu i 2,3 miliarda zysku. Stare banki patrzą i nie rozumieją: przecież my mamy oddziały, handlowców, nasze automaty, a teraz nawet rzeszę agentów SI... więc czemu nasze wdrożenie nie przekłada się na oczekiwane zyski? Może dlatego, że tu nie chodzi o posiadanie automatów, tylko o to, czemu one służą: obniżeniu kosztu klienta czy podniesieniu jego doświadczenia?
Trzy powody, dla których mi przykro
Gdy firma zwalnia pracownika przez błędnie prowadzone wdrożenie, jest mi przykro z trzech powodów, które obiecałem w tytule:
Powód pierwszy: czysto ludzki. Moja praca doprowadziła do tego, że ktoś inny stracił pracę. Empatia, mam, miewam, staram się jej nigdzie nie zgubić. KPI zawsze ma inny kolor na raporcie zaleznie od tego co ono tak naprawdę znaczy.
Powód drugi: zawodowy. Zawiodłem jako wdrożeniowiec. Nie udało mi się wytłumaczyć klientowi, na czym naprawdę polega ta technologia, gdzie pomaga, a gdzie szkodzi. Skoro klient po rozmowach ze mną nadal uważa, że SI służy głównie do cięcia etatów, to znaczy, że moja komunikacja poległa tak samo jak te 95% pilotaży z badania MIT.
Powód trzeci: strategiczny i ten boli najbardziej. Zmarnowana szansa. Utracony potencjał wzrostu dla firmy i pracownika. SI to wielka nadzieja na lepsze, szybsze i wygodniejsze procesy, a wdrożenia tej technologii są niestety ukierunkowane na krótkotrwałe zyski, szybkie marże i kwartalne oszczędności, gdy badania i klienci mówią coś zupełnie innego.
I nie zrozum mnie źle: nie twierdzę, że zwalnianie osób jest czymś nagannym. Uważam, że to naturalny element relacji między firmą a pracownikiem. Ludzie przychodzą i odchodzą, i tak jak pracownik ma pełnię praw decydowania o swoim losie, tak i pracodawca może decydować, kto i jak długo będzie w jego firmie pracował. To po prostu uczciwe, że każdy rządzi tym, co jest jego. Ale zauważam pewną asymetrię: gdy z mądrych, rynkowych przyczyn firma zatrudnia, to dobrze. A gdy zwalnia, nawet z najlepszych powodów, to i tak jest źle. Pracownicy to najcenniejszy zasób każdej firmy. To właśnie ludzie tworzą najtrwalszy fundament każdej organizacji.
Zresztą nie tylko ja tak uważam. Badacze MIT piszą wprost, że u zaawansowanych adopterów SI redukcje dotknęły 5-20% stanowisk w obsłudze klienta i procesach administracyjnych, ale najlepsze organizacje wcale nie budowały zwrotu na zwolnieniach: budowały go na redukcji wydatków zewnętrznych, na przykład eliminując kontrakty BPO warte miliony dolarów rocznie. Ten sam raport pokazuje też, że przy złożonej, wielotygodniowej pracy ludzie wygrywają z AI w preferencjach użytkowników stosunkiem 9 do 1. Dziewięć do jednego, drogi decydencie. To już może być wynik meczu, po którym rozwiązuje się drużynę przegranego.
Cichy drenaż: gdy AI myśli za Twoich ludzi
Tyle nerwów i złości w wyniku błędnego zrozumienia technologii w jednej tylko dziedzinie firmy, jaką jest obsługa klienta. A co dzieje się głębiej, w miejscach na zapleczu biznesu, które nie wychodzą do światła kamer i fleszy?
Przeczytasz o tym problemie szerzej w tekście o długu poznawczym: dlaczego zbytnie poleganie na AI może nas kosztować umiejętność myślenia. Shuchen Meng z New York University opisuje dług poznawczy jako różnicę między tym, co człowiek potrafi wytworzyć z pomocą SI, a tym, co nadal potrafi samodzielnie odtworzyć, zweryfikować i poprawić. Im więcej rozumowania oddajemy maszynie, tym mniej ćwiczymy własne kompetencje, a ukryty dług rośnie.
Wyobraź sobie zespół analityków, bardzo inteligentnych ludzi, specjalnie wyselekcjonowanych fizyków, matematyków i finansistów, którzy coraz większą część własnej pracy oddają maszynom. Raporty powstają w godzinę, analizowanych jest więcej danych, wykresy robią się same, a zarząd jest zachwycony. Tyle że człowiek coraz rzadziej buduje model, a coraz częściej tylko prosi o jego zbudowanie. Coraz rzadziej liczy, częściej akceptuje. Coraz rzadziej szuka błędu, częściej pyta tę samą maszynę, czy na pewno go nie popełniła.
I wszystko działa. A skoro działa, to po co sprawdzać?
To nie jest już wyłącznie teoretyczna obawa. W pracy „Generative AI for Analysts” badacze przeanalizowali ponad 52 tysiące raportów finansowych przygotowanych przez amerykańskich analityków przed i po wdrożeniu platformy FactSet Mercury. Po pojawieniu się narzędzi generatywnej SI raporty stały się szybsze, bogatsze i obejmowały więcej źródeł, tematów oraz metod analitycznych. Brzmi jak sukces. Tyle że błędy prognoz wzrosły aż o 59%.
Co ciekawe, problemem nie były przede wszystkim halucynacje ani śmieciowe dane. Poszczególne informacje dostarczane przez system nadal były wartościowe. Było ich po prostu więcej, były bardziej zróżnicowane i częściej wskazywały w przeciwnych kierunkach. SI zwiększyła więc zdolność produkowania analiz szybciej, niż człowiek był w stanie zwiększyć zdolność ich rozumienia i syntezy. Raport wyglądał lepiej, powstawał szybciej i korzystał z większej liczby źródeł, ale końcowy osąd był gorszy.
Nie jest to jeszcze dowód, że analitycy po kilku miesiącach przestali umieć samodzielnie budować modele finansowe. Badanie nie sprawdzało retencji kompetencji ani tego, jak poradziliby sobie po odcięciu od narzędzia. Pokazuje jednak praktyczny początek problemu: człowiek produkuje więcej dzięki maszynie, ale coraz trudniej jest mu zachować kontrolę nad znaczeniem i poprawnością tego, co wyprodukował.
Najbardziej przewrotne jest to, że im dłużej system działa prawidłowo, tym bardziej mu ufamy, tym mniej go kontrolujemy i tym więcej mu powierzamy. Subiektywne ryzyko spada, a prawdziwa kruchość organizacji rośnie. Aż do pierwszego kryzysu, nietypowego zadania albo błędu ukrytego w założeniach, gdy nagle okazuje się, że w firmie nie ma już nikogo, kto potrafi wrócić do pierwszych zasad i zweryfikować wynik maszyny.
To właśnie cichy drenaż intelektualny zespołu. Nie musi wyglądać jak nagłe zapomnienie zawodu. Częściej zaczyna się niewinnie: od rzadszego liczenia, rzadszego sprawdzania, coraz mniejszej liczby pytań i coraz większej pewności, że skoro maszyna brzmi przekonująco, to zapewne ma rację.
A skoro błędnie wdrożona SI może ograniczyć kontrolę poznawczą ludzi stanowiących trzon intelektualny firmy, to co zrobi z szeregowym pracownikiem, któremu od pierwszego dnia pozwolimy tylko kopiować odpowiedzi maszyny? Co zrobi z Twoimi klientami? I co zrobi z Tobą?
NIE TAKICH EJAJÓW CHCEMY, czyli skąd bot bierze te bzdury
Te zagrożenia to tylko wierzchołek góry lodowej ryzyk, z którymi musimy się mierzyć, wdrażając SI. Głębiej mamy także problemy wynikające z właściwości samych modeli. Na przykład modele typu LLM ze względu na swój trening mają tendencję do konfabulowania, co w branży nazywa się halucynacjami. Nad minimalizowaniem tego zjawiska powstało wiele narzędzi i dobrych praktyk, a każde rozwiązanie ma swoje plusy i minusy.
Wdrażając SI do organizacji, musimy wziąć pod uwagę wiele czynników, łącznie z tym, w jaki sposób trenowany i oceniany był model (nie zawsze to wiemy). Badacze OpenAI pokazali w pracy "Why Language Models Hallucinate", że wystarczy spojrzeć na trzy liczby, którymi nagradza się model w testach: dobra odpowiedź dostaje 1 punkt, błędna 0 i uczciwe "nie wiem" też 0. Na samym ułożeniu tych trzech liczb można całkowicie zmienić zachowanie modelu. Skoro za "nie wiem" nie ma żadnej korzyści, statystycznie bardziej opłaca się zmyślić coś i ubrać to w bardzo elokwentną wypowiedź będącą totalną bzdurą, niż przyznać się do niewiedzy. Model jest jak student na egzaminie testowym: skoro za puste pole nie ma punktów, to strzela. Tyle że student po studiach idzie w świat, a bot zostaje w Twojej firmie i strzela dalej, tylko z klientami albo nawet do klientów 🙂
I zaczęło się od płaczu nad zwalnianymi pracownikami, a dobrnęliśmy do sposobu trenowania modeli. Więc powinniśmy przejść do brzegu... czyli do tego, że wdrożenie SI to nie jest taka prosta sprawa, jak się wielu wydaje. Zatrudnienie do firmy studenta, co nam będzie robił ejaje i automaty, może wiązać się z wyzwaniami i ryzykami, o których ani klient, ani student nie będą mieli pojęcia. A stąd już prosta droga do błędnych wniosków, że przecież cały ten dział można prawie w całości zwolnić i mamy szybkie oszczędności.
Gdy tak naprawdę chodzi o to, aby nie zwalniać załogi, tylko chronić jej potencjał przed redukcją i rozszerzać jej możliwości mądrze przygotowanymi automatami. SI ma wspierać proces, w tym myślenie pracownika, a nie go zastępować. Nie tędy droga Panocku, by zastępować Twoich pracowników, tylko żeby poszerzać ich możliwości i horyzonty.
Dwa wdrożenia, jedna firma: studium przypadku
Podam przykład, jak może wyglądać błędne wdrożenie, a jak wdrożenie obarczone mniejszym ryzykiem, na podstawie mojego klienta, który w dziale obsługi klienta w swojej niewielkiej firmie handlowej zatrudnia 7 pracowników.
Pomysł bazowy klienta: mamy centralkę, klienci wybierają odpowiednie działy by dowiedzieć się, gdzie przesyłka, jak płatność, co zrobić z reklamacją, skąd pobrać brakujące instrukcje itp. a na końcu procesu zamiast pracowników wdróżmy telefonicznego agenta SI, który odciąży część naszych ludzi, żeby nasi ludzie nie musieli zajmować się sprawami klienta nie będącymi sprzedażą bezpośrednią.
Rozmawiam z klientem, rozrysowuję procesy, spisujemy czynności, jakie ma przejąć agent, i rysuję klientowi następujące etapy obsługi. Odbiera automatyczna odbieraczka telefonów i emocje zaczynają rosnąć. Następnie przechodzimy przez gąszcz opcji i odbiera superinteligentna maszyna do udawania, że rozumie, co się do niej mówi. Próbując odpowiedzieć na potrzebę klienta, w pewnym momencie się myli (a ma prawo, bo to tylko maszyna) i emocje sięgają zenitu. Klient jakimś cudem wyrywa się maszynie z autonapaści, czeka podirytowany w kolejce na operatora bo sprawa nie została załatwiona i pracownicy obsługi otrzymują do obsłużenia klienta pięknie "nastawionego", na pewno chętnego do współpracy, otwartego na sprzedaż wiązaną i pomysły wzbogacenia jego portfolio o nowo odkryte możliwości. Czyż nie tak jest dziś praktycznie na każdej infolinii?
Pole do redukcji dla działu obsługi jest? Według szacunków klienta były to nawet 3 osoby, przeniesione do innych działów lub zredukowane. Na papierze: oszczędność. W praktyce: fabryka wściekłych klientów z botem Kasią w roli brygadzistki.
Moja propozycja po zmapowaniu procesów wymagających automatyzacji: klient dzwoni do obsługi, odbiera człowiek, który miłym głosem serdecznie wita gościa (pierwsze wrażenie robi się tylko raz), wypytuje o cel telefonu i gdy zbierze niezbędne informacje, przełącza klienta do odpowiedniego asystenta SI. Z nim klient załatwia sprawę wymagającą żmudnej roboty: szczegółowej weryfikacji zamówienia, odnalezienia danych i plików, sprawdzenia, wykonania szeregu czynności, poczekania na wygenerowanie dokumentów. A gdy bot załatwi sprawę (czasami źle, o tym trzeba pamiętać), klient znów przełączany jest do operatora. W sytuacji błędnego działania maszyny operator może zareagować i zredukować negatywne doznania klienta. A gdy automat zadziałał prawidłowo lub znośnie, operator może porozmawiać o odczuciach, będąc punktem kontroli jakości nad pracą maszyny. Przy okazji zbiera dodatkowe instrukcje i materiały w cyklu rozwoju agenta, a jednocześnie ma świetny pretekst, aby porozmawiać o potrzebach i oczekiwaniach klienta, zaproponować dodatkowe opcje czy zmiany w warunkach współpracy.
Obciążenie i stres pracowników spada, a ci zamiast gonić za kolejną znormowaną rozmową, mogą poświęcić klientowi więcej uwagi, pozwolić mu się wygadać, zebrać cenne informacje i spróbować sprzedać swoje produkty, a może i pomysły. Uzysk czasowy był na tyle wystarczający, że każdy z pracowników po krótkim przeszkoleniu, w prostym panelu sterowania agentami, może wprowadzać uwagi do pracy agenta bezpośrednio od klientów, analizować pracę automatów i dodawać do ich pamięci nowe instrukcje lub usuwać stare. Dosłownie co rozmowę zespół usprawnia działanie agenta i podnosi zadowolenie klienta. Dokładnie tego brakowało 95% wdrożeń z badania MIT: systemu, który się uczy, i ludzi, którzy tym uczeniem zarządzają.
Ten sam automat, ci sami pracownicy, ta sama firma i te same procesy... tylko przepływy ułożone tak, aby wydobyć z pracowników maksymalny potencjał, dostarczyć klientowi maksymalną wartość, a do systemu dostarczyć możliwie najlepszą informację zwrotną jako element pętli ciągle usprawniającej całość.
Prawdziwa rewolucja SI
Gdy uda mi się przekonać klienta do wdrożenia SI i automatyzacji w myśl idei wspierania pracowników i budowania wartości w formie kompetencji zespołu, procedur i bazy wiedzy dla narzędzi i agentów, wtedy jestem bardzo zadowolony. Czuję, że wykonałem dobrą pracę, bo pokazałem, na czym polega prawdziwa rewolucja SI, która wlewa się w nasze życia z prawie wszystkich urządzeń.
Jak długo klienci będą znosić obecny stan? Kiedy firmy zrozumieją, że podstawą zdrowych relacji z klientami i jedynym gwarantem rozwoju jest zaangażowany, profesjonalny zespół, budowany i wykuwany w ogniu problemów oraz wyzwań? Nie wiem. Wiem za to, że rachunek za wdrożenia "na skróty" już przychodzi: podpisała go Klarna, kwituje MIT, a dopłacają klienci na infoliniach.
Więc jeśli planujesz wdrożenie SI w swojej firmie, zrób z tego okazję do wzmocnienia zespołu, a nie do jego demontażu. Pracownicy wsparci dobrze ułożonymi automatami to fundament, którego nie skopiuje żadna konkurencja, bo można kupić taki sam model językowy, ale nie da się kupić takiego samego zespołu. A jeśli chcesz, żeby ktoś ułożył te przepływy z Tobą, wiesz gdzie mnie znaleźć. Obiecuję, że odbierze człowiek.
