W czasach, gdy sztuczna inteligencja staje się modnym hasłem w niemal każdej branży, coraz więcej firm decyduje się na wdrożenia bez wcześniejszej analizy opłacalności. W najnowszym odcinku podcastu CEO HUB rozmawiam z Pawłem Nejmanem, ekspertem ds. automatyzacji i współtwórcą SynAI, o tym, jak podejść do wdrażania AI w firmie rozsądnie – krok po kroku, z myślą o realnym zwrocie z inwestycji.
Od czego zacząć wdrażanie AI w firmie?
Wdrożenie AI powinno być poprzedzone analizą procesów. Nie każde zadanie nadaje się do automatyzacji, a implementacja technologii bez jasnego celu może prowadzić do niepotrzebnych kosztów.
Najważniejsze kroki przed wdrożeniem:
- Zidentyfikuj powtarzalne, czasochłonne procesy w firmie.
- Oceń, które z nich generują największy koszt lub najwięcej błędów.
- Określ cel wdrożenia: oszczędność czasu, poprawa jakości, skalowalność.
Dopiero na tej podstawie warto wybierać konkretne rozwiązania AI.
Zastosowania AI, które przynoszą realny zwrot z inwestycji
1. Chatboty i asystenci AI
Nowoczesne chatboty AI potrafią prowadzić konwersacje na stronie, w Messengerze lub WhatsAppie. Wspierają działy obsługi klienta, odpowiadając na często zadawane pytania i przekierowując rozmowy do odpowiednich osób.
2. Automatyczna transkrypcja i podsumowanie spotkań
Rozwiązania takie jak Fireflies lub Otter pozwalają automatycznie nagrywać, transkrybować i analizować spotkania. Dzięki temu zespół zyskuje czas, a ważne informacje nie giną w notatkach.
3. Tworzenie treści marketingowych
AI wspiera zespoły marketingowe w przygotowywaniu postów, opisów produktów, artykułów blogowych czy newsletterów. Warunkiem skuteczności jest dobrze zaplanowany brief oraz edycja końcowa przez człowieka.
4. Wsparcie działu handlowego
AI może przygotować wstępne wersje ofert handlowych, analizować potrzeby klienta na podstawie zapytań oraz tworzyć podsumowania spotkań sprzedażowych. Takie wsparcie pozwala skrócić czas reakcji i zwiększyć skuteczność działań.
5. Automatyzacja operacji i analiza danych
Systemy oparte na AI przyspieszają raportowanie, analizę danych, weryfikację faktur oraz migrację danych między systemami. To ogromna oszczędność czasu i eliminacja błędów ludzkich.
Przykłady zastosowań AI, które nadal budzą wątpliwości
Nie wszystkie wdrożenia AI są dziś opłacalne. Do bardziej ryzykownych zastosowań należą:
- Zarządzanie zespołem wyłącznie przez algorytmy – AI nie uwzględnia kontekstu i relacji międzyludzkich.
- Samodzielne decyzje AI w rekrutacji – ryzyko błędnych filtrów i dyskryminacji.
- Pełna automatyzacja komunikacji z klientem – brak możliwości zrozumienia emocji, niuansów i intencji.
- Zastępowanie doradców AI w obszarach prawa i księgowości – ryzyko błędnych interpretacji przepisów.
Jak mierzyć skuteczność wdrożenia AI?
Wdrażanie AI powinno opierać się na mierzalnych KPI. Najczęściej analizowane wskaźniki to:
- Skrócenie czasu realizacji procesów (np. z 10 godzin do 2 godzin tygodniowo).
- Wzrost liczby obsłużonych klientów przy takim samym nakładzie pracy.
- Spadek liczby błędów lub reklamacji.
- Zwiększenie satysfakcji klientów (NPS).
- Wzrost konwersji w procesie sprzedaży lub marketingu.
Najczęstsze błędy przy wdrażaniu AI w biznesie
- Wybór narzędzia bez wcześniejszej analizy potrzeb.
- Brak jasnego celu biznesowego wdrożenia.
- Zbyt duże zaufanie do AI – brak testowania i kontroli jakości.
- Ignorowanie kwestii prawnych i zgodności z regulacjami (np. AI Act).
- Brak edukacji pracowników – AI bez przeszkolonego zespołu nie przyniesie efektów.
Jak podejść do AI jako właściciel firmy?
Zamiast inwestować w duże, kosztowne wdrożenia, warto:
- Zacząć od małych automatyzacji z szybkim zwrotem.
- Wyznaczyć 1–2 osoby w firmie jako ambasadorów AI.
- Uczyć zespół, jak współpracować z AI i jak z niego korzystać w codziennej pracy.
- Skupić się na poprawie konkretnego procesu, a nie ogólnej „transformacji”.
Podsumowanie
Sztuczna inteligencja może być realnym wsparciem dla firm – ale tylko wtedy, gdy wdrażana jest świadomie, z jasno określonym celem i analizą opłacalności. Warto zacząć od małych kroków i działań przynoszących szybki zwrot, zamiast ślepo podążać za trendami.
Chcesz poznać konkretne przykłady wdrożeń, które przynoszą efekty? Zobacz pełny odcinek podcastu CEO HUB z Pawłem Nejmanem – dostępny na YouTube.
Transkrypcja odcinka:
00:00
Speaker 1
Dzień dobry. Nie wszystko, co w nazwie ma AI, naprawdę działa, ale źle wdrożona sztuczna inteligencja może kosztować firmę najątek. W tym odcinku sprawdzimy, gdzie AI naprawdę przynosi konkretne efekty w biznesie, a które zastosowania to na razie tylko hype i strata pieniędzy. Moim gościem jest Paweł Neyman, specjalista od AI i automatyzacji procesów, a prywatnie mój wspólnik Jaaqob Holding. Zapraszam na odcinek. Cześć Paweł.
00:31
Speaker 2
Cześć Przemek.
00:32
Speaker 1
Paweł, jesteśmy, jak my to mówimy, w bańce AI, czyli praktycznie, co byśmy tam na YouTubie nie włączyli, czy w internecie pojawiają nam się reklamy, tak, różnych rozwiązań AI-owych, no, interesujemy się tym. Nieraz już łapaliśmy się na tym, że te wszystkie reklamy pięknie wyglądają, często to, co tam przedstawiają w reklamie, że rozwiązanie niemalże idealne, doskonałe i już automatyzuje Ci w całości jakiś proces i tak dalej. No a później wdraszamy, okazuje się, że nie jest to takie piękne, jak się na początku wydawało. Dlatego dzisiaj chciałbym, żebyśmy porozmawiali o tym, co tak naprawdę faktycznie warto dzisiaj wdrożyć, co działa, a co nie działa. Bo tych narzędzi jest multum. Ja już też widziałem, są takie stworzone wręcz strony, jakieś rankingi, narzędzi lepsze, gorsze. Więc dzisiaj o tym porozmawiajmy i może tak zaczynając od samego początku w sumie.
01:31
Speaker 1
Jeśli chcemy wdrożyć AI to od czego w sumie powinniśmy zacząć?
01:41
Speaker 2
Zacząć trzeba od audytów naszych procesów. Musimy wiedzieć, co robimy, żeby w ogóle wiedzieć, co możemy zautomatyzować. Więc znajdźmy takie procesy, takie czynności w naszej firmie, które są rutynowe, które są powtarzalne i czasochłonne najlepiej. Wszystko, co jest robione na komputerze i pasuje do tych kategorii, to jest coś, co na pewno można w jakimś stopniu zautomatyzować, wykorzystać AI, przyspieszyć, ulepszyć.
02:08
Speaker 1
Mieliśmy odcinek, gdzie rozmawialiśmy o tym, co przedsiębiorca powinien wdrożyć, albo o czym powinien pomyśleć w 2025 roku. Też rozmawialiśmy o tych procesach. Wiemy, że na samym początku musi być proces. Dopiero później zastanawiamy się, jak ten proces można zautomatyzować. Ale pytanie nawiązujące trochę do tego, co powiedziałem wcześniej. Jakie zastosowania faktycznie dzisiaj działają. Bo tak jak powiedziałem jest często hype, takie euforia, że przykładowo SORA wypuszcza możliwość tworzenia wideo, to wideo wygląda fajnie, ale okazuje się później, że są tam takie artefakty, że nie wygląda to doskonale, że ludzie mają zamiast pięć to siedem palców i inne takie różne rzeczy. No i wiesz, tak patrząc z perspektywy biznesu, jako przedsiębiorcy się zastanawiamy, co tutaj warto wdrożyć. No to pytanie, które faktycznie dzisiaj rozwiązania jajowe działają.
03:11
Speaker 2
Jasne, kilka przykładów. Chatboty AI. Chatboty może nie są ukochane przez użytkowników, ale w wielu aspektach przyspieszają kontakt i często badania wskazują, że chyba 70% osób na proste pytanie woli dostać szybką odpowiedź od automatycznego chatbota niż czekać długo na odpowiedź od człowieka. Oczywiście sytuacja się odwraca i zmienia przy skomplikowanych sytuacjach i problemach, kiedy naprawdę lepiej jest porozmawiać z człowiekiem, który nadal dokładnie rozumie kontekst, ale podstawowe informacje bardzo szybko, bardzo mocno i bardzo dobrze odpowiadają chatboty, a ich wdrożenie jest relatywnie proste już teraz i też nie jest to już taki chatbot jak był kiedyś, tylko faktycznie mówi bardziej ludzkim językiem, rozumie o co się go pyta, no i potrafi pobierać dane z naszej bazy i informacje jakie mu podamy.
04:00
Speaker 1
Myślę, że jeśli chodzi o czat boty, to tu warto powiedzieć nie tylko o tych czatach w takiej formie pisanej, ale również ta komunikacja głosowa, bo chyba wszyscy kojarzymy te nękające nas telefony z filmów fotowoltaicznych, gdzie nieraz widzieliśmy filmiki, jak tam gdzieś zapętlały się te roboty, ale ta komunikacja tak dobra była, że trudno było na początku rozróżnić, że to nie mówi rzeczywisty człowiek, że to jest faktycznie bot, czyli tutaj Wszelkiego rodzaju ta komunikacja, typu czat na stronie, ale to może być komunikacja przez Messengera, WhatsAppa, ale również AI w zakresie komunikacji głosowej.
04:41
Speaker 2
Oczywiście, jak najbardziej, chociaż jeszcze cały czas nie działa to idealnie, zwłaszcza w języku polskim. W języku angielskim trochę lepiej, jednak mamy ciągle kwestie opóźnienia. AI potrzebuje chwili czasu na przetworzenie informacji, wygenerowanie dźwięku i odtworzenie go, jednak tutaj…
04:58
Speaker 1
To jeszcze nie jest taki perfekcyjny. Pisane, wiadomo, ale to głosowe jeszcze… Tak.
05:03
Speaker 2
Jeszcze trochę, niedługo pewnie, ale jeszcze w tym momencie raczej bym się skupił na pisanych czadłbotach, zwłaszcza w Polsce, niż próbował zrobić coś No, co nie da efektu.
05:12
Speaker 1
Okej. Jakie inne jeszcze zastosowania faktycznie działają?
05:15
Speaker 2
Jedno z prostszych, a jednocześnie naszych ulubionych, czyli analiza rozmów z klientami wewnątrzfirmowych. Narzędzie, jedno z narzędzi, transkrypcji, jest ich już kilka, ale jedno z nich, które lubimy, to jest Fireflies na przykład. Wszystkie rozmowy wewnątrzfirmowe są automatycznie nagrywane. Rozmowy, spotkania.
05:35
Speaker 1
Znaczy może nie wszystkie, to trzeba nas napowiedzieć.
05:37
Speaker 2
Wszystkie mogą być. Ale mogą być wszystkie rozmowy, które są na Google Meet, które są w jakiś sposób w kalendarzu naszym zaznaczone. Możemy zautomatyzować, żeby narzędzie do transkrypcji samo się tam zawsze pojawiało. Oczywiście, jeżeli jest to rozmowa z klientem czy ze wszystkim, wszystkie osoby, które są na rozmowie muszą wyrazić zgodę nagrywanie. Ale jeżeli dotyczy to pracy, dotyczy to biznesu, to zwykle nie ma z tym problemu. Oczywiście, jeżeli nie przekazujemy żadnych danych poufnych, co jest też istotne. Ale mając takie narzędzie, które nagrywa nam codzienną pracę, powiedzmy, możemy właśnie analizować bardzo dobrze te dane, to po pierwsze. Po drugie, mamy całą historię rozmów, możemy łatwo do nich wrócić, możemy je łatwo przeszukiwać, możemy łatwo sprawdzić, o czym rozmawialiśmy. Dodatkowo te transkrypcje i te rozmowy możemy sobie analizować pod różnymi względami.
06:30
Speaker 2
Po pierwsze możemy analizować je pod względem upsellingu, czy w trakcie rozmów z klientem, kogoś kto nie jest z działu handlowego, ale też z działu handlowego jest możliwość poszerzenia oferty, sprzedaży lub pomocy klientowi jeszcze w jakiś sposób. Jednak można to też wykorzystać w inny sposób jako prezes firmy. No wiesz, że nadmiar czasu nie narzekasz. Nie ma go zbyt dużo i sądzę, że większość CEO ma tego typu problem. A jednocześnie bardzo chcielibyśmy wiedzieć, co się dzieje w firmie, co się dzieje na spotkaniach. Jednak 8-9 spotkań godzinnych dziennie to trochę dużo, bo już nie ma czasu robić innych rzeczy. Mając jednak takie transkrypcje i takie nagrania, a zamiast być na wszystkich spotkaniach, możemy dostać tylko podsumowanie każdego z nich. Włącznie z tym, że zostaną przedstawione kwestie, które nas dotyczą.
07:16
Speaker 2
Na przykład w trakcie spotkania pracowników z danego działu jest poruszona kwestia, że potrzebujemy decyzji szefa w tym czy innym aspekcie i zamiast czekać, czy zostanie do nas przekazane to pytanie, czy ktoś nam to powie, czy w ogóle być na tym kolu godzinnym, żeby dowiedzieć się przez trzy minuty, jakie jest pytanie, to możemy po prostu na koniec dnia dostać podsumowanie wszystkich rozmów, na których jest potrzeba naszego wkładu, naszej jakiejś decyzji. Świetna sprawa, bardzo ułatwiająca prowadzenie firmy.
07:43
Speaker 1
Spotkania, które tak powiedziałeś, są nagrywane i tutaj to, że można zrobić transkrypcję, no to największy jakby potencjał jest w obróbce tych informacji, czyli można wyciągać wnioski, można tworzyć z tego jakieś briefy, dokumenty. Ja czasem o tym opowiadam, chociażby tak, że mamy takie automatyzacje, gdzie po na przykład spotkaniu zamiast ten brief wypełniać można użyć asystenta, który ten brief wypełni i tak dalej. Czyli bardzo duży potencjał w tym, żeby z tego korzystać. No i to faktycznie działa. Tu się w ogóle zastanawiam, bo powiedziałaś o… No wiadomo, wszyscy muszą wyrazić zgodę i tak dalej, żeby to było nagrane. Tak się zastanawiam, czy już coś takiego może istnieje, albo coś takiego być może będzie wprowadzone.
08:29
Speaker 1
Zauważ, że jak mamy narzędzia do tak zwanych map ciepła, gdzie jest nagrywanie w formie wideo strony internetowej, to tam jest takie rozwiązanie, że jeśli użytkownik wpisuje, na przykład gdzieś tam się loguje, no bo możemy sobie podpiąć narzędzie, które nagrywa w formie, w cudzysłowie, wideo, co robi użytkownik na stronie. I tam jest coś takiego, że przykładowo jeśli się loguje gdziekolwiek ten użytkownik, to jest, wiesz, zagwiazdkowane, w sensie te dane nie są nigdzie, jak gdyby, przetwarzane, pokazywane i tak dalej. Bo to jest w ogóle, historia sięga daleko, ale pamiętam, że te pierwsze narzędzia nie robiły tego, w sensie można było zobaczyć wszystko, co w zasadzie użytkownik wpisuje. Później to zabezpieczyli.
09:06
Speaker 1
Zastanawiam się tutaj, czy albo już coś takiego funkcjonuje, albo to myślę, że może będzie wprowadzone, że przykładowo jesteśmy w stanie ten model wytrenować, że na konkretne jakieś słowa, jakieś konkretne frazy, czy jakieś może tematy, że on ma ich nie zapisywać na przykład. Czy właśnie taka anonimizacja tych danych, czy coś takiego jest możliwe?
09:28
Speaker 2
Potencjalnie możemy coś takiego zrobić, jednak i tak te dane najpierw trafią do AI, zanim zostaną zanonimizowane. Więc mimo wszystko, jeżeli rozmowy są poufne, dotyczą takich naprawdę ważnych rzeczy, które nie powinny pod żadnym pozorem wyciec, to raczej bym nie zachęcał do ich nagrywania. Firmy, które świadczą o tego typu usługi oczywiście zapewniają, że wszystko jest zabezpieczone, że to jest na ich własnych serwerach i ja im ufam. Ale jednak nie do końca różnego rodzaju sytuacje się dzieją. Także jak zawsze do wszystkiego należy podchodzić rozsądnie i z pewną dozą ostrości.
10:08
Speaker 1
Ja tu się zastanawiam, bo wiesz co? Dużo się o tym mówi, że wysyłamy te dane do chmury, do tych systemów LLM, które to gdzieś tam mogą przetwarzać. Taki OpenAI, tego typu największa firma na świecie, Ale myślę sobie, że tak, jeśli korzystam z Gmaila, no to wysyłam tam maile i przez Gmaila wysyłam często poufne dane. I teraz w jakiś sposób musieliśmy zaufać Google’owi, że jednak te dane on przetwarza tylko, znaczy, że nie przetwarza ich. No bo ja rozumiem, że powiedzmy jeśli korzystamy z tego systemu chińskiego tam możemy mieć ciut mniejszy poziom zaufania do tych danych co tam się robi ale pytanie w ogóle to jest ciekawe jak do tego podejść no bo tak powiedziałem korzystasz z gmaila No to tak naprawdę przecież te dane, jak wiesz, jak wysyłasz maila, to przecież to leci na serwery Google’a. Jest dużo takich narzędzi, z których korzystamy.
11:07
Speaker 1
Nawet słuchaj, nagrania wideo. Przecież od dawna były nagrania wideo, z których korzystamy. Google Meet powiedzmy, tak? Czy Zoom? No też nagrywa to wideo, nie? No to… Wszystko. Żebyś ty to wideo dostał w formie pliku, to musi przejść przez ich serwer, nie? I tu jest w ogóle ciekawe, wydaje mi się, i takie pytanie. No właśnie, jak z tym AI. Dlaczego my się boimy tego, że to idzie przez AI?
11:31
Speaker 2
Boimy się, bo nie wiemy co tak naprawdę z tym się dzieje. Przede wszystkim często boimy się, że nasze dane będą używane do trenowania kolejnych modeli LLM. Korzystając z przykładu OpenAI i chata GPT, o ile korzystając z darmowej wersji to wyrażamy automatycznie zgodę, że całe wszystkie nasze rozmowy będą źródłem do dalszych treningów, o tyle w wersjach komercyjnych jest możliwość wyłączenia tego. Więc te dane są oczywiście przetwarzane, no bo w jakiś sposób muszą zostać przetworzone, żebyśmy dostali odpowiedź, ale OpenAI zapewnia, że nie są wykorzystywane do trenowania kolejnych modeli, przez co w żaden sposób niechcący nie wycieknął. Potencjalnie ryzyko jest takie, że jeżeli podamy jakiś klucz API, albo jakieś nasze dane logowania, albo jakieś inne wrażliwe dane, to że gdzieś potencjalnie z jakiegoś powodu Ktoś gdzieś kiedyś dostanie w odpowiedzi te dane.
12:28
Speaker 2
Szansa może jest nikła, no ale nie chcemy ryzykować, prawda, że nasze hasło u kogoś raptym przypadkiem się pojawi.
12:33
Speaker 1
Wiemy o tym, że można zastosować własny system LLM w chmurze, tak? Czyli można własną chmurę, powiedzmy, postawić, tak?
12:41
Speaker 2
Tak, też postawić.
12:42
Speaker 1
Znaczy cały system postawić, tak?
12:43
Speaker 2
Jak najbardziej, to wiele z tych systemów jest w ogóle open source, chociażby od Mety. Możemy to postawić, nie jest to skomplikowane. Trzebuje po prostu mieć komputer odpowiednio mocny, z odpowiednio dobrą kartą graficzną, procesorem, ilością RAMu i korzystać z własnego serwera i jest to na pewno rozwiązanie dużo lepsze. Niż próba trenowania całkowicie od podstaw swojego modelu, bo jest to już wtedy ogromny kosmiczny koszt. Dla małych i średnich przedsiębiorstw raczej nie do udźwignięcia, zwłaszcza, że efektów nie osiągniemy takich jak najlepsze modele, z których korzystamy. Po co wydawać bardzo dużo pieniędzy za osiągnięcie średniego efektu, jeżeli można skorzystać z czegoś, co jest już gotowe, prawda? Nie wyważajmy otwartej liczby.
13:29
Speaker 1
Nie mamy tu za bardzo w takim układzie wyjścia, tak? Albo musimy zaufać tym rozwiązaniem, czyli wgrywamy te dane praktycznie, powiedzmy, do czata GPT, gdzie to idzie na ich serwery albo korzystamy z własnej chmury, no ale tak powiedziałeś, możliwości są mniejsze.
13:43
Speaker 2
Nawet skorzystając z czyjegoś modelu, no wtedy już na pewno dane, które do naszej instancji tego modelu trafiają, no to już nigdzie nie wyciekają dalej, więc w przypadku bardziej poufnych informacji jest to na pewno bardzo dobre rozwiązanie.
13:55
Speaker 1
Poruszyłem ten temat, bo rozmawiamy o tym, co faktycznie działa w AI, no i te kwestie związane właśnie z analizą rozmów, transkrypcję na bazie transkrypcji i tak dalej, to jest coś, co działa bardzo dobrze. I faktycznie można to wykorzystywać w firmach, w sprzedaży, w marketingu, bo w ten sposób możemy zorientować się, jakie ma na przykład klient potrzeby, albo wyciągać wnioski z rozmów, czy to handlowych, czy to, tak jak powiedziałeś, osoby, które mają spotkania z klientami, na tej podstawie można wyciągać informacje i robić podsumowania. Poszedłem w kierunku tego bezpieczeństwa, jak to zrobić dobrze, stąd też Tak mi się wydaje, także jeśli faktycznie mamy jakieś takie dane, które są absolutnie nie do ruszenia, absolutnie nie mogą nigdzie dalej, no to wtedy pozostajemy tylko, że tak powiem, z tą opcją, gdzie musimy postawić sobie system LLM na własnym serwerze. Okej, no dobra, to co dalej działa?
15:01
Speaker 1
Powiedzieliśmy o tych chatbotach, powiedzieliśmy o transkrypcji. Co takiego jeszcze faktycznie działa?
15:07
Speaker 2
To na pewno bardzo dobrze działa ogólnie marketing, chociażby content marketing, to jest bardzo wręcz proste, każdy, zakładam, że każdy już teraz używa czata GPT.
15:17
Speaker 1
To myślę, że tutaj, to właśnie to jest to o czym powiedziałem, że żyjemy w takiej pańce. Dużo osób jednak nie korzysta jeszcze, albo nie w taki sposób, jak nam się wydaje, że ludzie korzystają. Warto o tym powiedzieć. Wręcz jest czasem taka niechęć do korzystania. Właśnie ten trochę lęk przed tym, że to mi zabierze pracę, albo nagle okaże się, że tą czynność, którą robię, że da się ją zrobić trzy razy szybciej. Więc to tak nie do końca bym mówił, że to tak jest, że każdy.
15:48
Speaker 2
Okej, może nie każdy używa, ale uważam, że każdy powinien. Dość powszechne jest teraz stwierdzenie, że może AI nie zastąpi pracowników, ale pracownicy używający AI zastąpią tych, którzy tego nie robią. To samo tyczy się firm i wszystkich innych, także AI jest częścią naszej rzeczywistości. Można to ignorować albo po prostu można z tego korzystać i robić lepiej to, co robimy. Na to już niestety nic nie poradzę, ale zachęcam do korzystania. Wracając do poprzedniego pytania a propos marketingu i jak zacząłem mówić kontent marketingu, no tutaj możemy bardzo łatwo generować większą ilość po prostu kontentu. Przykładowo po stworzeniu jednego, może jeszcze inaczej, AI to jest narzędzie, które z informacji, z zapytań, z promptów tworzy jakieś treści, jakieś inne informacje. Im lepszy dostanie zapytanie, im dokładniejszy prąd, im lepsze dane są na wejściu, tym lepsze będą dane wyjściowe.
16:49
Speaker 2
Jeżeli wrzucimy mu tekst, napisz mi post, no to jakiś post napisze, jakiś artykuł napisze, nie wiadomo o czym. Czasami będzie nawet bardzo ciekawy, warto sobie poeksperymentować, no ale do pracy na co dzień, do biznesu nie zachęcam. Jeżeli jednak napiszemy mu dokładne informacje, dostaniemy dobrą treść, którą często jeszcze trzeba zweryfikować, czy nie halucynował, czy są dane wszystkie poprawne, czy jest zgodne z tym, co oczekujemy, dopracować. Ale kiedy już mamy dokładny, dopracowany chociażby artykuł naszego bloga, no to dzięki temu, dzięki AI możemy bardzo szybko wygenerować post na Facebooka, na Twittera, na Instagrama, możemy tego zrobić też grafikę. Możemy napisać treść do newslettera, Możliwości są ogromne, ilość pracy jest przyspieszona, optymalizacja.
17:41
Speaker 1
Ok, ale porozmawiajmy w takim układzie od tej drugiej strony. Co nie warto jeszcze w AI robić, co jeszcze się nie sprawdza?
17:50
Speaker 2
Nie sprawdza się 100% zaufanie AI na pewno. AI nie sprawdza się jeszcze zbyt dobrze w zarządzaniu zespołem. Chyba nawet były takie próby już robione, ale wtedy ludzie czują się jak te przyspiewały numerki. Zarządza mną robot, zarządza mną skrypt. Jesteśmy na to bardzo wyczuleni, sam sobie tego nie wyobrażam. Oczywiście narzędzia AI Managerowi bardzo mogą pomóc. Mogą pomóc chociażby te wspomniane już transkrypcje rozmów. Możemy pomóc sobie generując różnego rodzaju raporty, ale to są rzeczy, które tak jakby skracają czynności, które i tak są wykonywane. Ułatwiają analizę, ułatwiają pracę i pozwalają skupić się na innych aspektach dużo bardziej. Na pewno AI nie możemy wykorzystać w rekrutacji i tutaj gwiazdka w pełnym procesie rekrutacji, bo też znowu możemy wykorzystać jako wsparcie.
18:48
Speaker 1
Mówiliśmy właśnie o tym, że w sumie rekrutacja to super przyspiesza jakby ten proces kwalifikacji i tak dalej, ale są tu pewne obostrzenia. No i właśnie czego tu nie warto ruszać?
18:59
Speaker 2
AI nie może podejmować finalnych decyzji. Nie jest to zgodne z wytycznymi, nie jest to legalne i tutaj AI może nam pomóc właśnie znaleźć CV, wstępnie ocenić, które są lepsze, które gorsze, które w większym zakresie spełniają kryteria jakich oczekujemy, ale finalną decyzję i tak musi podjąć tutaj człowiek. No jednak bardzo dużo nam to usprawni, bo wiadomo, jeżeli trafia do nas 100-200 CV w tygodniu, samo przeczytanie ich, no to jest praca na pełny etat. Zamiast cały dzień czytać różne, często niepotrzebne CV, lepiej skupić się na rozmowach z naprawdę wartościowymi ludźmi, którzy się do nas zgłaszają.
19:41
Speaker 1
OK. Czego jeszcze, jeśli chodzi o jaj, nie warto dzisiaj wdrażać, nie ma jeszcze zastosowania?
19:50
Speaker 2
Na pewno nie polecałbym z AI robić prezesa. Nie stworzy nam z firmy, nie poprowadzi firmy, nie poprowadzi strategii. I tutaj znowu, bardzo nam pomoże, bardzo ułatwi, na pewno poda wiele pomysłów, ale nie potrafi dostosować się do wszystkich zmiennych, nie potrafi wszystkiego przewidzieć, więc to jest kolejny obszar, gdzie w stu procentach nam nie zautomatyzuje.
20:19
Speaker 1
Czyli decyzyjność, czyli w kwestii na końc dnia decyzja zostaje, musi ją podjąć człowiek, nie zastąpi w tym przypadku nas. W jakich jeszcze obszarach to się nie sprawdza?
20:33
Speaker 2
Na pewno nie sprawdzi się w obszarach, które wynikają chociażby z AI Act. Już o tym mówiliśmy tak w dwóch słowach.
20:42
Speaker 1
Czyli bardziej tak naprawdę to nie wynika z ograniczenia technologii, tylko ograniczenia prawnych w zasadzie.
20:48
Speaker 2
Pół na pół bym powiedział. Częściowo ograniczenia prawne, ale chociażby księgowość. To jest znowu AI może nas pomóc w zarządzaniu fakturami, w jakichś analizach danych. Ale biorąc pod uwagę, że kilka procent odpowiedzi AI to są halucynacje, to znaczy powierzyłbyś prowadzenie całej księgowości AI, gdzie w sumie odpowiedzialność wtedy spada na firmę. Już nie ma kogoś kto to weryfikuje, więc jeżeli jakiś raport zostałby złożony w zły sposób, jakiś wydatek byłby źle zakwalifikowany, to Urząd Skarbowy nie będzie za bardzo słuchał wytłumaczenia, że to AI się pomyliło. Jako firma wprowadziłeś błąd, więc teraz ponosisz konsekwencje tego.
21:30
Speaker 1
Pomyślałem od razu o firmach księgowych, które zajmują się księgowością, bo biorą odpowiedzialność za te dokumenty, które nam księgują, przedważają itd. I tu się zastanawiam, że w tego typu firmach Automatyzacja procesów na pewno tak, ale jakieś takie analizy księgowe i tak dalej, to oni wręcz nie mogą tego robić, bo faktycznie jeśli AI popełni błąd, to bierze odpowiedzialność człowiek, który za tym stoi. To samo pewnie prawnicy.
22:02
Speaker 2
Tak, dokładnie. Móc mogą, ale tak jak powiedziałeś, odpowiedzialność finalnie ciąży na człowieku. Także na pewno warto korzystać tam, gdzie jest to sensowne, tam gdzie to ułatwi pracę, tam gdzie jest to powtarzalne, tam gdzie jest mniejsza możliwość błędu. Ale nie w stu procentach. Nie ufanie AI w stu procentach to jest w ogóle bardzo dobra zasada, którą stosujemy na wszystkich etapach nawet zdawałoby się prostszych typu tworzenie treści do bloga czy do artykułów. Jeżeli AI w ogóle świetnie pomaga, świetnie tworzy pierwszy draft, bardzo często daje ciekawe informacje, ale często zmyśla źródła, wymyśla wydarzenia, Jego głównym zadaniem jest sprawić zadowolenie użytkownikowi. A on nie ma ani moralności, ani mózgu, ani niczego innego. On tylko chce, żebyś dostał odpowiedź taką jaka cię ucieszy. Reszta jest nieistotna i tutaj właśnie jest ważne, w jaki sposób go o to poprosimy, jakie dane mu podamy.
23:07
Speaker 2
Im lepsze są dane na wejściu, tym lepsze będą na wejściu.
23:11
Speaker 1
Okej, no to wiemy, co nie warto wdrożyć, ale pytanie może w takim układzie, jakie błędy firmy najczęściej popełniają w wdrożającej AI?
23:20
Speaker 2
Tak, jest kilka powtarzających się błędów. Jednym z nich na pewno jest wdrażanie AI, bo jest modne.
23:26
Speaker 1
Totalny hype.
23:28
Speaker 2
Totalny hype, po prostu wdrużmy AI, bo wszyscy mają AI. Albo w drugą stronę załóżmy, że AI zmieni nam wszystko. Mieliśmy zapytania, gdzie firmy chciały wdrożyć automatyzację do wszystkiego. Być może kiedyś już tak będzie, ale jeszcze na pewno nie na tym etapie. Więc wdrażanie, bo modne, to każda decyzja biznesowa, bo jest coś fajne, bo jest modne, bo jest ciekawe, to nie jest najlepszą decyzją. Zawsze powinna być uzasadniona i przemyślana. Podobnie, jeżeli chodzi o to, w jakim zakresie wdrażamy. Już wiele razy wspominałem o tym, że AI jest świetne, ale nie ufajmy mu w 100% i testujmy. Wdrożenie nawet prostych automatyzacji, wdrożenie AI nawet na prostszych etapach pracy, wymaga przede wszystkim testów. Zanim dostaniemy dobry prąd, przygotujemy dobry prąd, który działa w różnych sytuacjach, no to pojawią się pewne wyjątki, w których on nie będzie działał.
24:27
Speaker 2
Więc nawet jeżeli stworzenie przykładowej automatyzacji zajmuje nam, nie wiem, jeden, dwa dni robocze, tak rzeczywistej pracy, żeby faktycznie technicznie to przygotować, no to później testowanie tego często zajmuje dwa tygodnie. Oczywiście nie mówię tutaj o testowaniu 2 tygodnie, 18 godzin dziennie, tylko ogólnie rozłożone w czasie, kiedy pojawiają się… Cały proces taki, tak? Tak, różne dane się pojawiają, różne wyjątki nam się pojawiają i wtedy też trzeba to trochę dostosowywać. Nawet chcąc wdrożyć AI w jakimś dużym zakresie, najlepiej zacząć od małego kawałka. To też nie jest, to jest wręcz banał, prawda, że każda podróż zaczyna się od pierwszego kroku i tak dalej, albo duże działania należy podzielić na mniejsze kawałki. Tutaj jest ta sama sytuacja. Lepiej jest po prostu AI wdrożyć do małego wycinka nawet całego procesu, niż od razu próbować zrobić stuprocentowo automatyczny proces. Chociażby tworzenie ofert.
25:25
Speaker 2
Jeżeli nasi handlowcy dostajemy zapytanie od klienta, AI może oczywiście to zapytanie przeanalizować na bazie naszej oferty, informacji jakie mu dajemy, przygotować odpowiedź i wysłać ją do klienta bez żadnego nadzoru. I w większości wypadków będzie to dobra odpowiedź, zwłaszcza jeżeli pytania od klientów są powtarzalne albo bazują na informacjach, które mamy u nas w bazie wiedzy. Jednak mocno zachęcam, żeby na początku tą odpowiedź po prostu agent AI przygotował do wglądu i handlowiec ją przeczytał i zatwierdził. To też będzie dużo już szybsze, bo zamiast pisać od początku często powtarzalne treści, no to handlowiec sprawdza to, co zostało napisane, weryfikuje, wprowadza ewentualne korekty, poprawki i dopiero wysyła. No ale mamy tutaj też human in the loop, czyli człowieka, który weryfikuje działania AI. Jest ktoś odpowiedzialny za to, co jest też jednak ważne, że nie ma tłumaczenia, że albo AI tak zrobiło.
26:24
Speaker 2
No i też ta osoba, zwłaszcza na początkowych etapach działania danej automatyzacji, może zwrócić uwagę na to, w których momentach pojawiają się jakieś problemy, jakieś wyjątki, które odpowiedzi są błędne, kiedy coś nie działa. Dzięki temu możemy po prostu też to poprawić i dopracować, bo to też nie jest tak, że wprowadzamy jakąś automatyzację i ona jest już zrobiona raz na zawsze. Jest to praca bardzo iteracyjna, zmieniają się potrzeby, znajdują się nowe wyjątki, znajdują się nowe sytuacje, dopracowujemy, poprawiamy, ale tak jak powiedziałem zwykle w ciągu kilkunastu dni jest to już na tyle dobrze działający system, mówiąc o takiej pojedynczej, mniejszej automatyzacji, że można spokojnie to Może nadal nie zostawić w stu procentach automatyzacji, ale już jest z minimalnym udziałem człowieka z niej korzystać.
27:16
Speaker 1
Myślę tutaj, że w kontekście komunikacji, na przykład chociażby firma, klient, wysyłanie maili, wiadomości, to można to zautomatyzować i to już tak jak powiedziałaś, jest to proces, który musi to nadzorować człowiek. I tutaj jest oczywiście taka pokusa, żeby to już odpalić, tak na autopilocie, całkowicie. Tak, że klienci będą pisali, to będzie z automatu się, wiesz, odpisywać. I ja to rozumiem, to jest duża pokusa, bo sam widziałem, jak ten system działa, jakie są możliwości. I nawet u nas, tak, trenowaliśmy taki model, gdzie ten asystent analizuje jakieś zapytanie, może przygotować odpowiedź. De facto mógłby sam już tą wiadomość wysłać, mógłby prowadzić tą korespondencję z klientem.
27:59
Speaker 1
I tu myślę jest właśnie taka pokusa tego, że to można byłoby tak na automacie odpalić, natomiast to o czym mówisz, rozumiem, no to jest po prostu oczywiście duży błąd, gdybyśmy to tak całkowicie zostawili zautomatyzowane, no bo to, tak mówisz, w większości to działa dobrze, nie? Czyli do stu klientów powiedzmy napisze dobrze, ale do tego stu pierwszego może źle napisać i to może mieć ogromny impakt naszą firmę, wpływ w sensie taki jakiś negatywny, bo coś źle po prostu napisze. Więc tutaj czynnik taki ryzyka jest duży, że ktoś zawsze musi gdzieś tam to na końc dnia nadzorować.
28:37
Speaker 2
Zdecydowanie tak. To jest zasada, którą w zasadzie wyznaję do niemal wszystkich aspektów współpracy z AI. To jest cały czas narzędzie, a nie jakaś natchniona świadomość.
28:48
Speaker 1
Często jak rozmawiam z przedsiębiorcami pada takie właśnie pytanie. OK, czy masz programistę od AI? To jest pytanie. Czy do EA jest potrzebny konkretny programista?
28:57
Speaker 2
Nie jest potrzebny, to od razu powiem. AI jest prostsze. Niż się wydaje na pierwszy rzut oka. Tak naprawdę uważam, że do pewnych zastosowań niemal każdy mógłby się tego nauczyć. Oczywiście jest kwestia czasu i chęci, ale to dotyczy się większości umiejętności. W każdym razie programista nie jest potrzebny. Jest szereg narzędzi. Ogólnie do samego AI korzystania to wiadomo, wystarczy umieć pisać albo nagrywać głosówki i z czatem rozmawiać. Jeżeli jednak rozmawiamy o takich kwestiach jak już automatyzację trochę dokładniejszej do firmy, To jest szereg narzędzi tzw. No-code albo low-code, które pozwalają tworzyć z klocków niemal różnego rodzaju automatyzacje bez konieczności programowania. Oczywiście umiejętność programowania pozwala na trochę więcej, bo możemy robić bardziej skomplikowane rzeczy, ale samo rozpoczęcie takich działań sprowadza się do wybrania klocka. Jeżeli zadzieje się coś jednego, np.
29:52
Speaker 2
Jeżeli dostanę maila, to i później różnego rodzaju rzeczy się dzieją, jakie zależą od naszych potrzeb, ale możemy jeżeli dostanę maila, no to drugim klockiem może być sprawdź jaki to jest rodzaj maila. Zresztą mamy też przecież sortowanie maili w naszej skrzynce firmowej. Na bazie tego jak zostanie skategoryzowany dany mail, mogą dziać się następne rzeczy. Jeżeli mail jest ofertą od klienta, ofertą od innej firmy, no to może zostać przekierowany do naszego dyrektora zakupów.
30:22
Speaker 1
Czyli to jest bardziej nie programista, tylko taki architekt, tak? Stratek, który poukłada to, albo właśnie architekt, który stworzy taką architekturę z tych elementów, tak? Ta sekwencja.
30:35
Speaker 2
Tak i tutaj w zasadzie architekt, jeżeli mamy opisane i zdefiniowane procesy w firmie, W zasadzie jest nam potrzebny ktoś, kto je odbuduje w tym narzędziu, bo nie potrzebujemy już wtedy tego wymyślać od nowa. Jeżeli wiemy krok po kroku jakie działania są podejmowane, to naszego agenta czy naszą automatyzację możemy poinstruować, żeby dokładnie krok po kroku te same działania wykonywała. Większość narzędzi, z których korzystamy są dostępne właśnie z poziomu Zapiera, Make.com albo N8N możemy bezpośrednio, tak samo jak instruujemy nowego pracownika, którego przyjmujemy w firmie, tak samo możemy tutaj stworzyć agenta, stworzyć automatyzację, którą poinstruujemy dokładnie według naszych procesów, krok po kroku, co ma wykonać. Jeżeli zadzieje się to, wykonaj tą czynność, następnie przekaż w to miejsce lub w tamto miejsce. Dlatego właśnie automatyzacje są tak dobre do robienia powtarzalnych działań.
31:31
Speaker 1
W kontekście jeszcze tych takich zagrożeń, czy błędów, które firmy popełniają, chciałem do tego jeszcze trochę odnieść, bo pojawia mi się pytanie, czy jejaj może w ogóle zaszkodzić firmie, czy są takie momenty, gdzie jakieś nieumiejętne korzystanie z jejaj może zaszkodzić poza tym, co tu mówiłem, tak że na przykład maila wyślę, jeśli byśmy tego nie nadzorowali, tak, o niewłaściwej treści, czy tu widzisz jakieś takie ryzyka, które mogłyby jejaj, które mogłyby zaszkodzić Tutaj jest tak naprawdę.
32:03
Speaker 2
Kwestia, jak z każdym narzędziem. Oczywiście, że mogłyby. Korzystając z Gmaila, jak wyślesz nieodpowiednią wiadomość do nieodpowiedniej osoby.
32:15
Speaker 1
Albo załączysz do wszystkich. Jak nie kupię ukrytej, to czasem się potrafi zdarzyć.
32:19
Speaker 2
Więc tutaj jest przede wszystkim ryzyko popełniania błędów i tak jakby zbytniego zaufania. Podobnie ryzykiem można być. Zwłaszcza w połączeniu z takim nadmiernym zaufaniem, wrzucanie słabych danych. Jeżeli podajemy bardzo kiepskie dane i dodatkowo całkowicie staramy się zrzucić działanie na AI, no to bez żadnego nadzoru uzyskamy z kiepskich danych kiepskie informacje, nieraz błędne, no a wysyłając ofertę, błędną ofertę do klienta, no to wiadomo, że później jeżeli jest ta oferta, no to już jest wiążąca dla nas, więc musimy się z niej potem rozliczyć, także To może być problemem, podobnie jeżeli chcemy skorzystać z czata GPT zamiast z prawnika lub z kancelarii, to też musimy liczyć się z tym, że jego odpowiedzi prawdopodobnie są dobre z naciskiem na prawdopodobnie. Więc to jest interesujące i słuszne, żeby Po prostu skorzystać z takiego własnego researchu, żeby wiedzieć w ogóle o czym rozmawiamy.
33:29
Speaker 2
Ale no ponownie, nadmiar zaufania to jest jedna z głównych takich rzeczy, który bym opatrywał, potencjalne źródło problemów.
33:37
Speaker 1
Wspomniałeś o kancelariach prawnych, o tych biurach księgowych, o których wcześniej rozmawialiśmy. Tutaj jest oczywiście potencjalne ryzyko, ale wiemy również, że to są branże, firmy, które tutaj mają znowu bardzo duży potencjał do wykorzystania AI, do różnego rodzaju automatyzacji. Pytanie, twoim zdaniem, jakie branże dzisiaj najbardziej zyskują na AI?
33:57
Speaker 2
Na pewno jest to branża jak e-commerce, gdzie możemy wykorzystać AI z jednej strony do generowania lepszych opisów w sklepie, do poprawiania zdjęć, do generowania lepszych fit zdjęć, większej ilości. Świetnym przykładem są sklepy odzieżowe, gdzie mając zdjęcie produktu możemy wygenerować przykładowe zdjęcia na modelce lub modelu. Wiadomo, że musimy poinformować, że są to poglądowe zdjęcia, a nie prawdziwa sesja, ale dają już wyobrażenie naszego produktu w rzeczywistym świecie. Ogólnie marketing też jest świetnym miejscem, chociażby dużą częścią pracy w marketingu to jest analiza danych, robienie researchu, sprawdzanie, tworzenie raportów i na bazie tego opracowywanie strategii. AI nam to bardzo przyspiesza i znowu nie robi tego w 100% za nas, nie zrobi tego, nie powierzymy całkowicie wszystkiego AI, ale zamiast robić ręcznie jakieś analizy, możemy uzyskać je kilka razy szybciej ze wspomaganiem właśnie AI.
35:04
Speaker 2
Finanse, o ile znowu 100% powierzenie finansów, narzędziom i automatyzacji jest raczej, nie zalecałbym, nie zachęcałbym do tego, no to możemy dużo uprościć pewnych procesów i procedur, które są znowu powtarzalne. Czyli przetwarzanie dokumentów, przerzucanie informacji z miejsca A do miejsca B, tworzenie raportów, analizowanie. To wszystko z powodzeniem można sobie uprościć. Jeżeli jednak mówimy o tym, kto powinien jeszcze trochę zaczekać, no to chociażby prawnicy. I też to nie jest tak, że całkowicie prawnicy i kancelarie powinny nie korzystać z AI, wręcz przeciwnie uważam, że powinny, bo też w wielu miejscach to uprości, przyspieszy tworzenie powtarzalnych dokumentów, analiza i szukanie różnego rodzaju spraw czy precedensów. Ale była też niedawno sytuacja, nie pamiętam z której kancelarii prawnej amerykańskiej, dość dużej z tego co kojarzę, prawnicy w sprawie sądowej powołali się na nieistniejące sprawy. Zostali ukarani srogą grzywną, ale po prostu znowu nie zweryfikowali tego co wysłali.
36:18
Speaker 2
To jest niemal żart, no ale jeżeli klientowi byśmy wysłali ofertę zaczynającą się jako duży model językowy, odpisuje tutaj to co chciałeś, no to byłoby trochę niepoważne.
36:29
Speaker 1
To w sumie ciekawe, bo tak sobie pomyślałem. Prawnicy, no tak doskonale wiemy… Oni w sumie, ich praca polega na tym, że oni trochę tam muszą kłamać. Czasem nie trochę, czasem więcej. Więc tak sobie pomyślałem, że może tutaj właśnie, o czym wspomniałeś, czas GPT, czy jakieś inne te modele językowe, gdzie tam halucynują, to mi się wydaje, że to jest taki typowy prawnik może.
36:54
Speaker 2
Może i trochę tak jest. No ale mimo wszystko nie powinien kłamać co do faktów, jedynie próbować naginać ich interpretację albo naciągać na swoją korzyść. No a tutaj jeżeli całkowicie z myśla, no to nie było to przez sędziego mile widziane w każdym razie.
37:10
Speaker 1
Czyli jeśli chodzi o prawo, to przygotowanie powiedzmy pisma, jakichś dokumentów, mam na myśli kancelarii prawną, czyli usprawnienie tej pracy. No ale jakieś takie sprawy związane właśnie, tak jak już powiedziałeś. Z reprezentowaniem klienta, z tworzeniem materiałów dowodowych i tak dalej. No tutaj możemy się wspierać, wspomagać tym, ale no nie można stworzyć jednego dokumentu, który wyślemy, no bo może mogą być tam informacje nieprawdziwe całkowicie, tak?
37:41
Speaker 2
Dokładnie. No kolejną w ogóle branżą, sądzę, że jeszcze poważniejsią, to jest medycyna. O ile również testy narzędzi dedykowanych wydają się bardzo obiecujące, No tyle nie wiem, czy całkowicie chciałbyś AI powierzyć swojej zdrowie, czy zdrowie swojej rodziny. Więc tutaj w ogóle medycyna jest jednym z bardziej uregulowanych przez Unię Europejską branż, które w jaki sposób mogą korzystać z AI. Także no tu na pewno lekarzom też bym nie zachęcał, żeby automatycznie z czata GPT stawiali diagnozy.
38:18
Speaker 1
Chociaż już znamy przypadki, gdzie po pierwsze zdaje się, że chyba Charles G.P.T. Już zdał egzaminy do tej takiej najbardziej prestiżowej tam uczelni z medycyny.
38:31
Speaker 2
Tak, z bardzo dobrym wynikiem.
38:32
Speaker 1
Tak. Wiemy też, że często potrafi już na podstawie przeanalizowania danych pacjenta, jego choroby itd. Potrafi słusznie postawić diagnozę. To znamy takie przypadki, gdzie naprawdę robi to bardzo dobrze. Jako narzędzie wspierające myślę, że to się będzie super sprawdzać. Ale tak sobie pomyślałem o tym, co mówisz o medycynie, bo tak pomyślałem sobie o Wszelkiego rodzaju jakichś takich urządzeniach, które jakieś aparatury, typu nie wiem, słuchaj, wyobraźmy sobie ciśnieniomierz, żeby ten ciśnieniomierz wszedł do obrotu, musi mieć jakieś tam certyfikaty, musi spełniać jakieś normy, no bo gdyby nie było to w jakiś sposób tam kontrolowane, to mógłby ktoś przyjmować leki. Na podstawie błędnych wskazań, na przykład źle mierzy ciśnienie czy coś tego typu.
39:26
Speaker 1
I tutaj myślę sobie, jak to zostanie kiedykolwiek w ogóle uregulowane, no bo żeby na podstawie tych danych, które są wyrzucane z AI, Ktoś właśnie przypisał leki i tak dalej, kto za to weźmie odpowiedzialność i w jakim kierunku to pójdzie?
39:46
Speaker 2
Ciekawa kwestia, zobaczymy w jakim kierunku to pójdzie. Póki co Unia Europejska stara się to w jakiś sposób regulować. W przypadku medycyny właśnie, to wszystkie tego typu działania podpadają pod kategorię, gdzie jest wysokie ryzyko, więc jest to możliwe do używania AI, ale musi być tam człowiek w procesie, musi być bardzo dobrze udokumentowany sposób w jaki działa dane urządzenie, dana automatyzacja. Zaczęliśmy trochę temat bardziej skomplikowanych działań niż nasze takie doraźne, ale jest to możliwe. Na pewno ludzie też popełniają błędy. Ktoś kiedyś powiedział, że to nie jest tak, że autonomiczne samochody nie będą mogły jeździć, że prawo na to nie pozwoli, że będą musiały być bezbłędne. Tylko wystarczy, że będą popełniały mniej błędów niż ludzie. No i statystycznie już wtedy to będzie jak najbardziej dopuszczalne. Myślę, że w przypadku medycyny ma to bardzo podobne stosowanie. Ciekawą kwestią jest tylko właśnie, kto będzie ponosił odpowiedzialność.
40:46
Speaker 2
Czy producent, czy osoba, która korzysta, czy po prostu korzystając z takiego urządzenia będę musiał zaakceptować regulamin, że robię to na własną odpowiedzialność.
40:56
Speaker 1
No dobrze, wdrażamy AI jako przedsiębiorcy, ale pojawia mi się takie pytanie, na co zwrócić uwagę, żebym wiedział, czy to wdrożenie konkretnie ma sens. W mojej firmie rzeczywiście to będzie miało wpływ na rozwój mojej firmy. Jak to jakoś zmierzyć, zbadać?
41:10
Speaker 2
Tutaj w zasadzie możemy korzystać z tych najbardziej podstawowych metryki klasycznych, których korzystamy we wszystkich innych aspektach i wdrożeniach. No przede wszystkim, jeżeli mamy rutynowe działania, które wykonują nasi pracownicy, sprawdźmy czy po wdrożeniu narzędzia, czy automatyzacji, no oszczędzamy trochę godzin. Jeżeli już wspominane przetwarzanie faktur, czyli dodawanie skanowanych faktur do systemu zajmowało do tej pory 20 godzin w tygodniu, a w tym momencie po wdrożeniu automatyzacji zajmuje 10, no to znaczy, że jednak już jest dobrze. Możemy sprawdzić ilu klientów jesteśmy w stanie obsługiwać przy tej samej wielkości zespołu. Jeżeli zespół naszych sprzedawców, handlowców do tej pory był w stanie w ciągu tygodnia odpisać na 100 ofert, a jest teraz z automatyzacją 120, a 150 ofert obsługuje, no to znaczy, że jest dużo lepiej. Podobnie czas reakcji na pytania np.
42:11
Speaker 2
Naszych klientów, odpowiedzi na maile, jeżeli był mierzony w godzinach, a jest teraz w minutach, albo był w dniach, a jest w godzinach, to też jest to bardzo jasny wskaźnik, że tutaj przynosi to efekty. Możemy monitorować NPSy, to zresztą zawsze powinniśmy, ale możemy zwracać uwagę, czy powdrożenie automatyzacji na danym etapie, klienci są bardziej zadowoleni, czy mamy mniej reklamacji na przykład, no i same reklamacje właśnie, błędy. Wiem, że nie powinny być nigdy popełniane, nie chcemy, żeby były popełniane, ale prawda jest taka, że zawsze się zdarzają. No i tutaj też możemy sprawdzać, czy właśnie mamy mniej zgłoszeń dotyczących błędów, czy mniej reklamacji od klientów.
42:55
Speaker 1
Myślę, że tu poruszyłeś też taki kluczowy temat analizy danych i w ogóle planowanie przed wdrożeniem takim AI-owym, czyli musimy najpierw wiedzieć, mieć dane wyjściowe. Tak powiedziałeś powiedzmy o tej sprzedaży. Jeśli mi to zoptymalizował, to o ile? I to ja z racji tego, że też prowadzę różnych przedsiębiorców, robię warsztaty, spotkania z nimi, widzę to, że firmy naprawdę często nie mierzą danych. Czyli nie wiedzą. Można powiedzieć, no wzrosła mi sprzedaż albo, nie wiem, liczba zapytań, ale jeśli nie wiem dokładnie, ile tych zapytań mi wchodziło i wdrożyłem jakieś rozwiązanie, no to jak ja to mogę sprawdzić, czy to jest lepsze, tak? Czy na zasadzie takiej, a, spotkałem się na przykład z czymś takim, że przedsiębiorca mówił, a, no w tym tygodniu tak, było trochę mniej zapytań, nie? Ale mniej to ile? No tak obserwujemy, że mniej. Ale ile? Konkretnie?
43:50
Speaker 1
Wiesz, nie jest nic mierzone i to może być subiektywnie coś wydawać, że coś poprawia bądź nie. Myślę, że tutaj to jest jakby fundament. To jest dane i analityka tych danych. I dopiero później możemy na tej podstawie wyciągać wnioski, bo czasem to może być poprawa o 5% czasem o 500% czasem nie wiem o 1% tego nie jak to będą takie małe wskaźniki tego może tak nie zaobserwujemy bez konkretnego pomiaru tak ale to będzie miało oczywiście pozytywny wpływ na na przykład na to co optymalizujemy powiedzmy tak więc no klucz wydaje mi się to jest to mierzenie tego.
44:31
Speaker 2
Tak oczywiście tutaj to o czym mówisz to jest nawet bez AI bez automatyzacji jest to coś koniecznego moim zdaniem, nie wyobrażam sobie jak firma może działać nie analizując danych i nie analizując tego co robi.
44:42
Speaker 1
Ale Paweł mówisz mi, że tak nie działają firmy, ponieważ analizujemy te firmy, widzimy co się dzieje.
44:47
Speaker 2
To wszystkim firmom, które tego nie robią właśnie, no to nawet jeżeli nie mają jeszcze w planach wdrażania AI, co też jest słabym pomysłem, a zaś brakiem dobrego pomysłu. Uważam, że przede wszystkim trzeba analizować dane jakie mamy. Musimy mieć, przynajmniej starać się mieć określone procesy w firmie, żeby po prostu wiedzieć co robimy, jak robimy. A jeżeli mamy te rzeczy uporządkowane, które tak czy inaczej należy uporządkować, to wtedy już mamy otwartą drogę do tworzenia automatyzacji i usprawnienia tego jeszcze dalej. Tak że jeżeli ktoś tego nie ma, to uważam, że jeszcze jest krok do tyłu w stosunku nawet do tych, którzy nie mają jeszcze AI i automatyzacji wdrożonych.
45:29
Speaker 1
Paweł, to czy masz jeszcze jakieś rady dla przedsiębiorców odnośnie AI?
45:33
Speaker 2
Jeszcze z jedną kwestią się spotykamy czasami, strach przed AI. I jeżeli oglądają nas tutaj CEO, to zakładam, że są zainteresowani co najmniej, ale doskonale wiemy, że ludzie mają opór przed czymś nowym. Jak wspomniałeś, dla nas to już nie jest nic nowego, jest to wręcz codzienność, ale doskonale wiemy, że wiele osób jeszcze tego nie korzysta i może się bać. Więc moją radą byłoby na pewno, żeby zachęcać ludzi do korzystania, bo nawet jeżeli stworzymy najlepsze automatyzacje, najlepsze narzędzie, no to jeżeli nie będzie ono wykorzystywane, to nic nie da. Więc na pewno zachęcam tutaj, żeby zachęcać swoich pracowników i żeby pokazywać im jak to ma działać. Więc konieczne jest znalezienie osoby, osób, które rzeczywiście chcą ulepszać firmę, a nie tylko robić tak jak do tej pory bez zmian.
46:27
Speaker 1
No i myślę, że to jest takie kluczowe podsumowanie tego, że to testowanie, wdrażanie, próba, ale właśnie testowanie w szerszym gronie, czyli zachęcić pracowników do tego, żeby korzystali z tego EIA, żeby nie bali się też tego, że to będzie gdzieś tam popełniać błędy i że zabierze im pracę, ale efektywnie docelowo wspomoże ich pracę.
46:50
Speaker 2
Często to jest znalezienie dwóch, trzech osób chętnych, takich freaków, którzy są zainteresowani nowościami, potrafi pokazać wreszcie zespołu, że warto skorzystać z tych narzędzi, z tych rozwiązań.
47:04
Speaker 1
Paweł, bardzo Ci dziękuję za dzisiejszy odcinek.
47:06
Speaker 2
Dziękuję.
47:07
Speaker 1
Cześć.
47:07
Speaker 2
Cześć.
