„Mamy Copilota” nie znaczy „pracujemy inaczej”
Według Microsoft Work Trend Index 75% pracowników wiedzy na świecie używa generatywnej sztucznej inteligencji w pracy. Brzmi jak sukces. Ale jest haczyk: sam Microsoft opisuje obecny etap jako „moment przejścia od eksperymentów do trudniejszego zadania, czyli dowiezienia realnego wpływu biznesowego”.
Widzę ten wzorzec regularnie. Firma kupuje kilkaset licencji Copilota, robi kickoff, wysyła maila z instrukcją logowania. Po trzech miesiącach sprawdza statystyki i odkrywa, że aktywnie korzysta może co piąty pracownik. Reszta próbowała raz, dwa, stwierdziła, że „to nie dla mnie” i wróciła do starego sposobu pracy.
Co poszło nie tak? Zwykle to samo: firma zmieniła narzędzie, ale nie zmieniła sposobu pracy. Copilot pomaga pisać szybciej maile i streszczać spotkania. Ale jeśli problemem organizacji jest to, że ludzie spędzają 60% dnia na mailach i spotkaniach, to przyspieszenie tych czynności nie rozwiązuje problemu. Utrwala go.
Dlaczego ludzie uciekają do prywatnych narzędzi
Oto paradoks, który powinien niepokoić każdego CIO. Firma wydaje budżet na Copilota, a pracownicy i tak korzystają z prywatnego ChatGPT, Claude albo Perplexity. Według raportu Microsoft 78% użytkowników sztucznej inteligencji przynosi do pracy własne narzędzia.
Dlaczego? Bo firmowy Copilot działa w ramach korporacyjnych ograniczeń. Jest wolniejszy, ma mniejszy kontekst, nie integruje się z narzędziami, których ludzie realnie używają. A pracownik, który odkrył, że ChatGPT w 30 sekund robi to, co mu zajmowało godzinę, nie wróci do starego sposobu z grzeczności wobec działu IT.
To nie jest bunt. To racjonalna odpowiedź na lukę w organizacji. Ludzie potrzebują rozwiązań teraz, a firmowy proces zakupowy, wdrożeniowy i szkoleniowy zajmuje miesiące. BYOAI jest objawem, nie przyczyną. Przyczyną jest to, że firma kupiła narzędzie, ale nie zaprojektowała workflow, w którym to narzędzie ma sens.
Narzędzie na stary proces to drogi plaster
Błąd „tool-first” zamiast „work-first”
MIT Sloan Management Review stawia diagnozę wprost: firmy nie wyciągają produktywności ze sztucznej inteligencji, bo nie przeprojektowują pracy. Zamiast tego nakładają nowe narzędzie na sztywne role, procesy i strukturę odpowiedzialności. To jak dać Formułę 1 komuś, kto jeździ po miejskich uliczkach. Samochód jest szybki, ale trasa nie pozwala tego wykorzystać.
Błąd „tool-first” wygląda tak: kupujemy Copilota, dajemy wszystkim dostęp, mierzymy liczbę logowań i ogłaszamy sukces. Podejście „work-first” jest odwrotne: najpierw rozkładamy proces na zadania, identyfikujemy, które z nich można zautomatyzować, które przenieść, które wzmocnić technologią, a dopiero potem dobieramy narzędzia.
Case study: firma finansowa, która przebudowała przepływ pracy
MIT Sloan opisuje przypadek firmy z sektora finansowego, która nie poprzestała na zakupie licencji. Zamiast tego rozłożyła proces na poszczególne zadania i zaprojektowała go od nowa. Wynik: 68 zadań zautomatyzowano całkowicie, 17 przeniesiono z menedżerów do juniorów wspieranych generatywną sztuczną inteligencją, 29 zadań analitycznych trafiło do wyspecjalizowanego centrum kompetencyjnego, a 14 zadań seniorów wzmocniono technologią.
Liczby są konkretne: 50% mniej pracy w dotychczasowym modelu, 40% niższy koszt procesu i 18% niższa rotacja pracowników. Żadnego z tych wyników nie osiągnęłoby samo kupienie Copilota bez przebudowy workflow. To nie narzędzie dało wynik. Dał go redesign pracy.
Jak wygląda prawdziwa transformacja: rozłóż, przenieś, złóż od nowa
MIT Sloan proponuje framework w trzech krokach: deconstruct, redeploy, reconstruct. Po polsku: rozłóż pracę na zadania, przenieś je do właściwego człowieka lub systemu i złóż nowy proces.
- Rozłóż proces na zadania. Nie pytaj „gdzie wstawić AI?”. Pytaj „z jakich zadań składa się ten proces i kto je dzisiaj wykonuje?”. Często okaże się, że senior wykonuje zadania, które mógłby robić junior ze wsparciem technologii, albo że 30% czynności to kopiowanie danych między systemami.
- Przenieś zadania do właściwego wykonawcy. Część zadań automatyzujesz całkowicie (RPA, proste reguły). Część wzmacniasz generatywną sztuczną inteligencją (analiza dokumentów, drafty, podsumowania). Część przenosisz do tańszych lub bardziej wyspecjalizowanych zespołów. A część zostawiasz ludziom, bo wymaga osądu, relacji albo kreatywności.
- Złóż nowy proces i mierz wyniki. Nowy workflow to nie stary workflow z AI w środku. To inny podział ról, inna sekwencja kroków, inne KPI. I inne oczekiwania wobec ludzi, którzy w nim pracują.
Zbyt wiele firm traktuje sztuczną inteligencję jako samodzielne narzędzie, zamiast jako mnożnik dla całego stosu technologicznego. Copilot działa najlepiej razem z RPA, machine learning, integracją danych i przebudowanymi procesami. Sam, jako osobny czat obok Outlooka, robi tyle co ładniejsza wyszukiwarka.
Co liczyć jako sukces: metryki zamiast licencji
Znam firmy, które raportują sukces wdrożenia AI na podstawie liczby aktywnych użytkowników Copilota. To tak, jakby mierzyć sukces transformacji cyfrowej liczbą zainstalowanych aplikacji na służbowym telefonie. Metryka jest łatwa do zmierzenia i kompletnie bezużyteczna.
Realny sukces mierzy się inaczej. Koszt procesu: ile kosztuje jedno zamknięcie sprawy, jeden raport, jedno onboardowanie klienta. Czas realizacji: ile dni od zgłoszenia do rozwiązania. Jakość: ile spraw wymaga poprawki lub eskalacji. Retencja: czy ludzie zostają, bo praca jest sensowniejsza. I wykorzystanie uwolnionej przepustowości: co robią ludzie, którym technologia zabrała powtarzalne zadania.
Jest jeszcze jeden element, o którym się zapomina. Według raportu BCG tylko 25% pracowników frontline odczuwa wsparcie i modelowanie zachowań przez liderów w kontekście sztucznej inteligencji, a zaledwie 36% uważa szkolenie za wystarczające. Nawet najlepsze narzędzie nie skaluje się w organizacji bez przywództwa, które pokazuje jak z niego korzystać i po co.
Licencja to dopiero bilet wstępu
Kupno Copilota nie jest błędem. Błędem jest uznanie zakupu za cel, a nie za początek. Firmy, które traktują licencję jako bilet wstępu i następnie przebudowują procesy, alokację zadań i sposób mierzenia wyników, widzą realne efekty. Te, które kupują i czekają, dopisują kolejną pozycję do budżetu IT bez przełożenia na wynik biznesowy.
Jeśli chcesz przejść od „mamy narzędzie” do „pracujemy inaczej”, kurs Future Leaders prowadzi krok po kroku przez projektowanie transformacji, od analizy procesów po mierzenie wyników wdrożenia.
