AI multiplikuje to, co w firmie już istnieje – dobre rzeczy i błędy w równym stopniu. Według badania METR z 2025 roku doświadczeni programiści używający AI realizowali zaawansowane zadania o 19% wolniej, a Deloitte dostarczył rządowi Australii raport z halucynacjami AI – bez weryfikacji outputu przez człowieka. Wdrożenie sztucznej inteligencji bez procesów, nadzoru i jasnej odpowiedzialności nie przyspiesza biznesu – tylko skaluje chaos.
Wdrożenie sztucznej inteligencji bez procesów, nadzoru i jasnej odpowiedzialności nie przyspiesza biznesu – tylko skaluje chaos.
Z tego artykułu dowiesz się:
- Dlaczego AI bez spisanych procesów pogłębia chaos zamiast go usuwać
- Czym jest „human in the loop” i kto realnie odpowiada za błędy AI
- Jakie ukryte koszty generuje utrzymanie automatyzacji w firmie
- Dlaczego obsługa przez człowieka staje się usługą premium
- Kiedy wdrożenie AI rzeczywiście się opłaca, a kiedy generuje stratę
- Co zmienia AI Act od 2 sierpnia 2026 w oznaczaniu treści generowanych przez AI
Hype kontra rzeczywistość: czego nie powie LinkedIn o wdrożeniu AI
Wdrożenie AI w firmie B2B to projekt technologiczny i organizacyjny jednocześnie, który zakończony bez fundamentów (procesy, nadzór, odpowiedzialność) najczęściej generuje straty, a nie oszczędności. Internet jest zalany treściami pokazującymi wyłącznie korzyści sztucznej inteligencji. Druga strona, czyli to, co AI realnie psuje w firmach po wdrożeniu, pojawia się rzadko.
Przemysław Jończyk, CEO JAAQOB HOLDING® i prowadzący CEO Hub, w rozmowie z Pawłem Nejmanem omawia konkretne pułapki, które obserwują podczas audytów i wdrożeń u klientów. Punkt wyjścia jest neutralny: AI to narzędzie. Jak każde narzędzie, źle użyte, może zaszkodzić. To nie hejt technologii, to obserwacja praktyków.
„AI zwiększa wszystko. Jeżeli jest dobrze, to zwiększa to, co jest dobre. Jeżeli jest źle, to zwiększa to, co jest złe. Jeżeli nie mamy procesów, to zwiększa bałagan.”
Automatyzacja chaosu: dlaczego AI bez procesów pogarsza sytuację
Automatyzacja chaosu to sytuacja, w której firma wdraża AI na nieuporządkowanych procesach, przez co technologia jedynie przyspiesza popełnianie tych samych błędów na większej skali. Pracownik z doświadczeniem ma intuicję, doczyta kontekst, zweryfikuje. AI przyjmie dane, jakie dostanie, brakujące fragmenty dohalucynuje i zrobi to szybciej, niż człowiek zdąży zauważyć błąd.
Metoda, którą Jończyk stosował jeszcze przed erą AI, sprowadzała się do notatnika: zapisywał każdą wykonaną czynność i zadawał sobie pytanie, czy przybliża go ona do celu strategicznego. To samo dziś można zrobić szybciej, dyktafonem.
Schemat jest prosty. Pracownik włącza nagrywanie i opisuje każdy krok pracy: „uruchamiam Excela, kopiuję bazę klientów, filtruję po regionie”. Z nagrania powstaje transkrypcja, którą model językowy zamienia w draft procesu. Około 80% pracy jest zrobione, pozostaje weryfikacja i dopracowanie przez człowieka, który zna kontekst.
Problem polega na tym, że tego etapu nie da się ładnie zaprezentować zarządowi. Powiedzieć, że firma wydała 200 godzin na zrozumienie własnych procesów, brzmi gorzej niż „zautomatyzowaliśmy obsługę zamówień”. Tyle że bez pierwszego kroku drugi jest zwykle stratą pieniędzy.
Jeżeli nie masz pewności, czy Twoja firma ma już fundamenty pod wdrożenie sztucznej inteligencji, warto zacząć od diagnozy. Pomocny może być audyt dojrzałości AI Twojej firmy, który pozwala sprawdzić, czy organizacja ma uporządkowane procesy, dane, kompetencje i obszary odpowiedzialności przed rozpoczęciem automatyzacji.
Human in the loop: kto odpowiada za błędy AI
Human in the loop to zasada, według której każdy istotny output generowany przez AI musi zostać zweryfikowany przez kompetentnego człowieka, zanim trafi do klienta lub stanie się podstawą decyzji biznesowej. Odpowiedzialność za błędy sztucznej inteligencji nie spoczywa na technologii, tylko na firmie i konkretnych osobach, które się pod tym podpisują.
Najbardziej znany przypadek dotyczy Deloitte. Firma z Wielkiej Czwórki dostarczyła rządowi Australii płatny raport zawierający odwołania do nieistniejących prac naukowych i sfabrykowany cytat z wyroku sądu federalnego, wygenerowane przez AI bez weryfikacji. Kontrakt opiewał na 440 tys. AUD – Deloitte zgodziło się zwrócić ostatnią transzę wynagrodzenia.
Miesiąc później ten sam problem powtórzył się w raporcie dla rządu kanadyjskiej prowincji Nowa Fundlandia i Labrador. 526-stronicowy raport dotyczący systemu ochrony zdrowia, za który Deloitte otrzymało 1,6 mln CAD, zawierał sfabrykowane cytowania przypisane nieistniejącym autorom.
Mechanizm jest pokusą trudną do odrzucenia: AI generuje szybko, output wygląda profesjonalnie, brzmi wiarygodnie. Weryfikacja człowieka zajmuje czas. Im większa presja na szybkość, tym mocniejsza pokusa, żeby pominąć ten etap. Konsekwencje, jak pokazuje przypadek Deloitte, mogą być ekstremalnie kosztowne, zwłaszcza w branżach opartych na zaufaniu i wiedzy eksperckiej.
W obsłudze klienta zasada jest jeszcze bardziej brutalna. AI może przygotować backend, znaleźć rozwiązanie, zaproponować odpowiedź. W sytuacjach kryzysowych lub wymagających eskalacji kontakt musi przejąć człowiek. Automatyczny mail w reklamacji albo agent głosowy przy próbie odzyskania klienta to, według Jończyka, „strzał w kolano”.
Od 2 sierpnia 2026 dochodzi do tego wymiar prawny. AI Act (art. 50) wprowadza obowiązek informowania użytkowników o kontakcie z AI, ujawniania deepfaków oraz oznaczania treści generowanych przez AI. Materiał bez oznaczenia traktowany jest jako stworzony przez człowieka, co automatycznie przesuwa odpowiedzialność.
Pułapka pozornej jakości: gdy junior wygląda jak senior
Pułapka pozornej jakości to sytuacja, w której AI pozwala osobie bez kompetencji wygenerować materiał wyglądający jak praca eksperta, co prowadzi do błędnych decyzji rekrutacyjnych i degradacji jakości w firmie. Wcześniej forma dokumentu była dość wiarygodnym sygnałem kompetencji. Dziś nie jest.
Przemysław Jończyk zwraca uwagę na podwójne ryzyko. Z jednej strony zarząd może uznać, że skoro junior generuje raporty „tej samej jakości” co senior za pięć razy wyższą stawkę, to nie ma sensu płacić specjaliście. Z drugiej, kultura organizacyjna premiująca pozory demotywuje doświadczonych pracowników, którzy budowali kompetencje latami i widzą, że są zrównywani z osobami, które dopiero zaczęły.
To zależy oczywiście od branży i charakteru pracy. W obszarach wymagających głębokiej wiedzy domenowej, gdzie konsekwencje błędu są wysokie (prawo, medycyna, doradztwo strategiczne, finanse), kończy się to scenariuszem Deloitte. Co więcej, do weryfikacji outputu AI nadal potrzeba seniora, więc paradoksalnie wartość doświadczonego eksperta rośnie, a nie spada.
AI w obsłudze klienta: gdzie automatyzacja niszczy zaufanie
Automatyzacja obsługi klienta przez AI niszczy zaufanie wtedy, gdy klient w sytuacji kryzysowej nie ma możliwości szybkiej eskalacji do człowieka. Dane są tu niejednoznaczne: adopcja AI rośnie, ale zaufanie pozostaje wyzwaniem – według globalnego badania KPMG i Uniwersytetu w Melbourne z 2025 roku, obejmującego 48 000 respondentów z 47 krajów, tylko 46% jest gotowych ufać systemom AI.
Przemysław Jończyk leciał do Dubaju z przesiadką w Arabii Saudyjskiej. O 2:00 w nocy zorientował się, że elektroniczny bilet zniknął i nie da się go pobrać ze strony przewoźnika. Jedyną dostępną drogą kontaktu z polskim przewoźnikiem był WhatsApp, na którym odpowiadał bot. Przez 15-20 minut bot proponował szablonowe rozwiązania, zanim eskalacja przeszła do żywego konsultanta.
W sytuacji kryzysowej (lotnisko, noc, ryzyko utraty kolejnego lotu) frustracja klienta narasta wykładniczo z każdą minutą rozmowy z botem. Wdrożenie AI w obsłudze działa tam, gdzie ruch jest masowy i powtarzalny. Załamuje się w punktach, w których klient potrzebuje empatii i decyzji wykraczającej poza skrypt.
Jończyk formułuje z tego prognozę: obsługa przez człowieka, jeszcze niedawno standard, stanie się usługą premium. Kto dziś inwestuje w dostępność realnego konsultanta przy kluczowych momentach kontaktu, buduje przewagę, której konkurencja oparta wyłącznie na automatach nie odtworzy.
Ukryty koszt automatyzacji: utrzymanie, monitoring, aktualizacje API
Każda automatyzacja AI wymaga ciągłego nadzoru – monitoringu odpowiedzi, reagowania na zmiany w API zewnętrznych narzędzi i aktualizacji modeli językowych. To koszt, który większość firm pomija przy planowaniu budżetu wdrożenia.
Automatyzacje rzadko działają w izolacji. Łączą się z CRM-ami, systemami pocztowymi, kalendarzami, narzędziami fakturowymi, zewnętrznymi API. Twórcy tych narzędzi co kilka dni publikują aktualizacje. Pojedyncza zmiana w formacie odpowiedzi API potrafi zatrzymać cały proces. Sama zmiana wersji modelu językowego przez dostawcę (OpenAI, Anthropic) potrafi zmienić sposób, w jaki automat formułuje odpowiedzi, co może wpływać na działanie biznesu.
Znany schemat z praktyki wdrożeniowej: firma użyła AI do wygenerowania narzędzia w kilka dni. Brzmiało to jak triumf. Problem zaczął się później – od ponad pół roku zespół poprawia błędy w tym narzędziu, a wewnętrznie pojawiły się głosy, że taniej byłoby zbudować je od zera.
Dla zarządu praktyczna konsekwencja jest taka: w budżecie projektu AI należy uwzględnić nie tylko koszt wdrożenia, ale i utrzymanie. Albo w postaci abonamentu u dostawcy, albo zatrudniając kogoś, kto monitoruje działanie automatów. Wdrożenie na zasadzie „uruchamiamy i jedziemy na wakacje” to scenariusz, który w praktyce nie istnieje.
Kiedy AI naprawdę się opłaca: efekt skali i multiplikacja wartości
AI opłaca się tam, gdzie inwestycja we wdrożenie zwraca się dzięki efektowi skali, czyli automatyzacji procesu wykonywanego wielokrotnie, dla wielu klientów lub generującego mierzalną przewagę jakościową. Sama oszczędność czasu jednej osoby na pojedynczym zadaniu rzadko uzasadnia inwestycję.
Matematyka jest prosta. Automatyzacja procesu zajmującego kilkanaście minut tygodniowo rzadko uzasadnia kilkudziesięciotysięczną inwestycję – zwrot rozciąga się na lata. Ta sama kwota wydana na automatyzację procesu wykonywanego przez cały zespół kilkadziesiąt godzin tygodniowo zmienia rachunek o rząd wielkości, nawet po doliczeniu kosztu utrzymania.
Dlatego przed wdrożeniem warto policzyć, ile czasu i pieniędzy firma realnie traci na powtarzalnych zadaniach. Do takiej wstępnej kalkulacji możesz wykorzystać kalkulator marnowania AI, który pomaga oszacować, czy automatyzacja danego procesu ma szansę przynieść rzeczywisty zwrot.
Automatyzacja nie tylko zastępuje pracę człowieka, ale ją multiplikuje. Proces, który pracownik wykonywał dla jednej paczki na godzinę, automat może wykonać równolegle dla pięćdziesięciu. Oszczędność czasu liczy się więc nie tylko po stronie kosztów, ale i po stronie skali, jaką firma jest w stanie obsłużyć bez proporcjonalnego wzrostu zatrudnienia.
Trzeci wymiar to jakość punktu styku z klientem. Oferta wysłana jako trzy zdania w mailu była kiedyś normą. Potem standardem stał się PDF. Teraz, mając narzędzia AI, można w tym samym czasie przygotować interaktywną prezentację z nagranym komentarzem wideo, spersonalizowaną do konkretnego klienta. Firma, która tego nie zrobi, nie konkuruje z gorszą ofertą – tylko z brakiem oferty w odczuciu odbiorcy.
Kluczowe wnioski
- AI nie zastępuje strategii, tylko skaluje to, co w firmie już istnieje – bez spisanych procesów wdrożenie pogłębi chaos zamiast go usunąć.
- Spisywanie procesów jest nudne, ale technicznie banalne: dyktafon, transkrypcja, draft generowany przez AI, weryfikacja człowieka. To zwykle 80% pracy w pierwszym podejściu.
- Human in the loop nie jest opcją, tylko warunkiem koniecznym. Odpowiedzialność za błędy AI ponosi firma, nie technologia, a wpadki takie jak raporty Deloitte dla rządów Australii i Nowej Fundlandii kosztują reputacyjnie – i finansowo.
- Obsługa kryzysowa i kluczowe momenty kontaktu z klientem powinny mieć szybką ścieżkę eskalacji do człowieka. Inaczej automatyzacja niszczy zaufanie szybciej, niż buduje oszczędności.
- Każda automatyzacja wymaga 10-15% czasu wdrożenia na nadzór miesięcznie. Aktualizacje API, zmiany modeli i drobne błędy potrafią zatrzymać cały proces.
- Wdrożenie AI opłaca się wtedy, gdy oszczędność czasu mnoży się przez skalę procesu lub liczbę klientów, a jakość outputu staje się przewagą konkurencyjną.
- Od 2 sierpnia 2026 AI Act wymaga oznaczania treści generowanych przez AI. Transparentność wobec klienta przestaje być wyborem etycznym, a staje się obowiązkiem prawnym.
Zastanawiasz się, czy wdrożenie AI ma sens w Twojej firmie, czy może najpierw warto poukładać procesy? Umów się na bezpłatną konsultację ekspercką – przeanalizujemy Twój konkretny przypadek i powiemy wprost, gdzie automatyzacja przyniesie zwrot, a gdzie tylko wygeneruje koszt.
Chcesz zobaczyć jak to wygląda w praktyce? Obejrzyj pełny odcinek na kanale CEO Hub.
Najczęściej zadawane pytania
Czy AI może zaszkodzić firmie, jeśli wdrożę je źle?
Tak, źle wdrożone AI generuje straty zamiast oszczędności. Najczęstsze skutki to powielanie błędów na większej skali, utrata zaufania klienta, koszty reputacyjne po nieweryfikowanych outputach oraz ukryte koszty utrzymania automatyzacji. Skala szkód zależy od branży, ale w obszarach opartych na wiedzy eksperckiej pojedyncza wpadka może kosztować więcej niż całe wdrożenie.
Dlaczego trzeba spisywać procesy przed wdrożeniem AI?
AI wykonuje zadanie w taki sposób, jaki zostanie mu pokazany, a brakujące fragmenty uzupełnia halucynacjami. Bez spisanego procesu automat nie ma punktu odniesienia, więc generuje błędy szybciej, niż człowiek zdąży je zauważyć. Spisanie procesu to zwykle kilka godzin pracy z dyktafonem i transkrypcją, a oszczędza miesiące poprawiania błędnej automatyzacji.
Co to znaczy „human in the loop” i dlaczego jest ważne?
Human in the loop to zasada, według której kompetentny człowiek weryfikuje istotny output AI przed jego użyciem. Jest ważna z dwóch powodów: AI nadal halucynuje i potrafi generować wiarygodnie wyglądające błędy, a odpowiedzialność prawna i biznesowa za te błędy spoczywa na firmie, nie na dostawcy modelu.
Czy można w 100% zautomatyzować obsługę klienta przez AI?
Technicznie tak, biznesowo to zwykle błąd. Automatyzacja sprawdza się w masowych, powtarzalnych zapytaniach, ale w sytuacjach kryzysowych, reklamacjach i rozmowach o utrzymanie klienta brak szybkiej eskalacji do człowieka generuje frustrację i utratę zaufania. Lepszy model to AI w backendzie i człowiek na froncie tam, gdzie liczy się empatia i decyzja poza skryptem.
Ile kosztuje utrzymanie automatyzacji AI w firmie?
W praktyce zespoły wdrożeniowe szacują koszt utrzymania na 10-15% czasu poświęconego na wdrożenie, liczone w skali miesiąca. Składają się na to monitoring odpowiedzi, reagowanie na zmiany w API zewnętrznych narzędzi, aktualizacje modeli językowych i bieżące poprawki. Przy większych systemach utrzymanie może wymagać dedykowanej osoby lub zespołu.
Czy muszę informować klienta, że treści są generowane przez AI?
Zgodnie z AI Act (art. 50), treści generowane przez sztuczną inteligencję muszą być odpowiednio oznaczone. Obowiązek wchodzi w życie 2 sierpnia 2026. Niezależnie od regulacji, transparentność wobec klienta buduje zaufanie, podczas gdy ukrywanie użycia AI w razie wykrycia generuje znacznie większy koszt reputacyjny.
Kiedy wdrożenie AI w firmie się opłaca, a kiedy nie?
Wdrożenie opłaca się wtedy, gdy proces jest powtarzalny, wykonywany na dużą skalę lub generuje mierzalną przewagę jakościową na punkcie styku z klientem. Nie opłaca się przy pojedynczych zadaniach zajmujących niewiele czasu tygodniowo, gdy koszt wdrożenia i utrzymania nie zwraca się w realnym horyzoncie. Punkt graniczny zależy od stawek w zespole i skali procesu.
