AI w firmie 10–250 osób: gdzie daje efekt, a gdzie wystarczy automatyzacja

Czym AI różni się od zwykłej automatyzacji

Automatyzacja to reguły. Gdy zamówienie zmienia status, wysyła się SMS. Gdy stan magazynu spadnie poniżej dziesięciu sztuk, powstaje zamówienie do dostawcy. Ten sam warunek daje zawsze ten sam wynik, a program nie ma prawa się pomylić, jeśli reguła jest dobrze spisana.

AI radzi sobie z tym, czego nie da się ująć w reguły: z tekstem, zdjęciem, mową i niejednoznacznością. Odczyta zamówienie z maila napisanego przez klienta po swojemu, rozpozna, że zgłoszenie o „pralce, która skacze” to reklamacja, a nie pytanie o cenę, znajdzie w umowie zapis o karach, choć nikt nie nazwał go „kary”.

Cena za tę elastyczność jest jedna: AI bywa niepewna i bywa w błędzie. Dlatego tam, gdzie pomyłka kosztuje, AI proponuje, a człowiek zatwierdza. Program z regułami nie potrzebuje takiej kontroli.

Jeśli proces da się opisać regułami, wystarczy automatyzacja. Jest tańsza, przewidywalna i nie wymaga nadzoru. AI ma sens wtedy, gdy na wejściu jest coś, czego reguła nie ogarnie.

Cztery zastosowania, które dają efekt w MSP

W firmach z produkcji, dystrybucji, usług i handlu AI zwraca się najszybciej w czterech miejscach.

• Odczytywanie dokumentów. Faktury kosztowe, zamówienia w PDF, umowy, protokoły, listy przewozowe. AI wyciąga z nich dane i wpisuje do systemu, a człowiek sprawdza podgląd i klika „zatwierdź”. Jak to wygląda na ekranie i co z błędami, opisuję na stronie o odczytywaniu faktur i dokumentów.
• Sortowanie i wstępna obsługa zgłoszeń. Mail od klienta trafia do właściwej osoby z nadanym tematem, pilnością i zebranymi danymi, zamiast leżeć w ogólnej skrzynce, aż ktoś go przeczyta. Zgłoszenia o tym samym łączą się w jedno.
• Odpowiedzi na powtarzalne pytania klientów. Status zamówienia, termin, gdzie jest faktura, jak zgłosić reklamację. AI odpowiada z danych klienta w systemie i z firmowych procedur, a trudne sprawy przekazuje człowiekowi. Granice opisuję na stronie o odpowiedziach na pytania klientów.
• Wyszukiwanie w firmowej wiedzy. Procedury, umowy, oferty, maile. Pracownik pyta po ludzku i dostaje odpowiedź ze wskazaniem, z którego dokumentu pochodzi. Szczegóły na stronie o wyszukiwaniu w firmowej wiedzy.

We wszystkich czterech na wejściu jest tekst albo obraz od człowieka, a na wyjściu dane w systemie, na które dziś ktoś czeka.

Gdzie AI nie ma sensu

Powiem to na pierwszej rozmowie, jeśli tak jest. Najczęstsze przypadki:

• Proces ma jasne reguły. Naliczanie rabatów, przypomnienia o płatnościach, generowanie dokumentów z szablonu. To robi zwykły program, taniej i bez pomyłek.
• Danych jest mało. Dziesięć faktur miesięcznie księgowa przepisze szybciej, niż zdąży sprawdzić, co odczytała AI. Efekt pojawia się przy setkach dokumentów albo zgłoszeń.
• Błąd jest nieakceptowalny, a kontroli nie będzie. Jeśli nikt nie ma czasu sprawdzać propozycji AI, a pomyłka oznacza złą wysyłkę albo zły przelew, lepiej zostać przy regułach.
• Chodzi o to, żeby „mieć AI”. Funkcja, która nie zdejmuje z nikogo pracy, kosztuje i nie zwraca się. Zawsze pytam, ile godzin miesięcznie ma oszczędzić i komu.

Jak wbudować AI w system, w którym pracuje zespół

Osobny czat, do którego pracownik ma przekleić fakturę, po tygodniu przestaje być używany. AI działa wtedy, gdy siedzi w tym samym panelu, w którym zespół i tak pracuje: przycisk „odczytaj” przy dokumencie, propozycja odpowiedzi w karcie zgłoszenia, pole wyszukiwania nad listą procedur.

Dlatego buduję ją jako część systemu, a nie jako dodatkowe narzędzie. System składa się z modułów, czyli samodzielnych części: zamówienia, dokumenty, obsługa klienta. AI dokładam do tego modułu, w którym ma pracować, i tam, gdzie błąd kosztuje, wynik czeka na zatwierdzenie człowieka. Jeśli takiego systemu jeszcze nie ma, najpierw buduję jego pierwszą część, a AI dokładam do niej. Jak wygląda budowa takiego systemu, opisuję na stronie o systemach wewnętrznych dla firm.

Dane i poufność

Przed startem ustalamy trzy rzeczy. Które dane w ogóle mogą trafić do AI, a które nigdy, na przykład dane osobowe klientów albo warunki umów. Gdzie AI ma pracować: u zewnętrznego dostawcy, którego warunki nie pozwalają na użycie Twoich danych do jego celów, co sprawdzam przed startem, albo na serwerze, który wybierzemy razem, gdy dane są wrażliwe. Kto w firmie widzi wyniki, bo wyszukiwanie w firmowej wiedzy nie może pokazać pracownikowi umowy, której sam nie mógłby otworzyć.

To wszystko dostajesz na piśmie razem z zakresem, w języku, który zrozumie Twój prawnik i Twoja księgowa.

Jak zaczynam

1. Jeden proces. Wybieramy ten, w którym jest najwięcej dokumentów albo zgłoszeń i w którym najdłużej czeka się na wynik. Nie robimy „strategii AI dla firmy”.
2. Pomiar przed. Ile dokumentów miesięcznie, ile minut na jeden, ile osób. Bez tego nie da się powiedzieć, czy funkcja się zwróciła.
3. Funkcja w systemie. Buduję ją w module, w którym zespół pracuje, z ekranem zatwierdzania. Zwykle jest gotowa do użycia w ciągu pierwszego miesiąca.
4. Pomiar po. Ten sam miesiąc, te same liczby. Jeśli efekt jest, dokładamy kolejny proces. Jeśli nie ma, mówię to wprost.

Płacisz po odbiorze działającej funkcji, nie z góry i nie za prezentacje.

Ryzyka i koszty w czasie

AI ma koszty, które nie znikają po wdrożeniu. Dostawcy pobierają opłaty za użycie, zwykle za każdy odczytany dokument albo odpowiedź. Przy setkach dokumentów miesięcznie ten koszt zwykle jest niewielki w porównaniu z godzinami pracy, ale liczymy go przed startem i dostajesz go na piśmie.

Druga sprawa to jakość. Dostawcy zmieniają swoje narzędzia, a dokumenty od nowego kontrahenta mogą wyglądać inaczej niż te, na których ustawialiśmy odczyt. Dlatego każda funkcja ma ekran, na którym widać, ile wyników człowiek poprawił. Gdy ta liczba rośnie, wiadomo, że coś trzeba dostroić, zanim ktoś zauważy błąd na fakturze.

Jeśli chcesz sprawdzić, czy AI ma sens w Twoim procesie, opisz w formularzu poniżej, gdzie u Was jest najwięcej dokumentów albo zgłoszeń i ile tego jest miesięcznie. Odezwę się do Ciebie.