Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego

Na czym to polega

Zanim dodasz AI, zapisz liczbę, którą chcesz poprawić: minuty na sprawę, sprawy na godzinę, odsetek błędów. Ta liczba to twój pomiar wyjściowy. Gdy AI już działa, zmierz to samo w ten sam sposób i porównaj.

Co pokazują dowody

Opublikowane wyniki bardzo się różnią, więc cudza liczba niewiele mówi o twojej.

• Eksperyment z zadaniami pisarskimi wykazał skrócenie czasu o 40%.
• Badanie konsultantów obsługi klienta w pracy wykazało o 15% więcej spraw rozwiązanych w ciągu godziny.
• Badanie duńskiego rynku pracy nie wykazało żadnej zmiany w zarobkach ani w liczbie godzin pracy. Wcześniejsza wersja tego badania szacowała średnią oszczędność czasu na 2,8%.

Te trzy wyniki sobie nie przeczą. Dwa pierwsze badania mierzyły jedno dobrze wybrane zadanie. Trzecie mierzyło wszystkich, którzy mieli dostęp do chatbota.

Własne szacunki ludzi są słabą wskazówką, więc mierz, zamiast pytać.

• Pracownicy mogą czuć się szybsi i być wolniejsi. W badaniu z losowym przydziałem z udziałem 16 doświadczonych programistów każde z 246 prawdziwych zadań losowo dopuszczano do użycia AI albo go zakazywano. Zadania z AI trwały o 19% dłużej. Wcześniej programiści spodziewali się, że AI przyspieszy ich o 24%. Potem uważali, że przyspieszyła ich o około 20%.
• Krajowe deklaracje są niewielkie. W serii ankiet internetowych wśród dorosłych w USA prowadzonej przez ekonomistów Bicka, Blandina i Deminga osoby pracujące oceniały czas, który oszczędza im generatywna AI, na 2,17% wszystkich ich godzin pracy w drugim kwartale 2026 roku. Ta liczba jest deklarowana.

Deklarowane zwroty z inwestycji to jeszcze coś innego. W ankiecie IDC przygotowanej dla Microsoftu, który sprzedaje narzędzia AI, menedżerowie firm deklarowali średni zwrot $3,50 z każdego $1 zainwestowanego w AI. Ta liczba to to, co powiedzieli menedżerowie, a nie pomiar. Gdy zapytano prawie 6000 menedżerów najwyższego szczebla w czterech krajach, dziewięciu na dziesięciu nie zgłosiło żadnego wpływu AI na produktywność ani zatrudnienie w ich firmie w ciągu ostatnich trzech lat.

Jak to zrobić

1. Wybierz jedną lub dwie miary dla każdego zadania: czas na sprawę i jedną miarę jakości.
2. Zapisuj je przez kilka tygodni przed zmianą. Gdzie się da, korzystaj z danych z systemów, a nie z szacunków. Pomiaru wyjściowego nie da się odtworzyć później. Gdy opisane niżej badanie programistów powtórzono w 2026 roku, wielu programistów nie chciało pracować bez AI, a 30–50% zatrzymywało zadania, których nie chcieli wykonywać bez niej, więc porównanie się nie udało. W czterech ośrodkach endoskopii w Polsce wykrywalność zmian przez lekarzy w kolonoskopiach wykonanych bez AI spadła z 28,4% do 22,4% już trzy miesiące po pojawieniu się AI. Liczba „bez AI” zmierzona po wdrożeniu sprawia, że AI wygląda lepiej, niż jest.
3. Zmieniaj jedną rzecz naraz.
4. Zmierz ponownie, gdy ludzie przejdą już okres nauki.
5. Jeśli możesz, zostaw do porównania grupę pracującą po staremu. Utwórz ją na samym początku. Gdy ludzie przyzwyczają się do narzędzia, odmawiają pracy po staremu albo sami wybierają, które zadania tak wykonać.
6. Wlicz czas sprawdzania i poprawiania do nowego procesu.
7. Podaj wynik nawet wtedy, gdy jest mały albo ujemny.

Co mierzyć

• Czas na sprawę albo liczbę spraw na godzinę.
• Miarę jakości: odsetek błędów, poprawki, skargi klientów.
• Czas sprawdzania dodany przez AI.
• Sprzedaż lub honoraria na zlecenie i to, czy zmieniły się twoje ceny. Zaoszczędzony czas i zarobione pieniądze mogą się rozjechać. Wśród małych firm zatrudniających pracowników w USA, które używają AI, 71% odpowiedziało w ankiecie Federal Reserve, że ich produktywność wzrosła, a 31%, że wzrosła ich sprzedaż.
• Uniknięte wydatki zewnętrzne. W tej samej ankiecie 18% firm używających AI obniżyło wydatki na usługi zewnętrzne.
• Praca, której wcześniej nie wykonywano: zapytania bez odpowiedzi, produkty bez opisu. W eksperymentach z losowym przydziałem na dużej platformie handlu internetowego największy wzrost sprzedaży, o 16,3%, dał chatbot odpowiadający kupującym, którzy wcześniej nie mieli żadnej pomocy na żywo.
• Obiektywna miara jakości, a nie tylko oceny klientów. W eksperymencie w terenie w obsłudze klienta Alibaby pomoc AI podniosła oceny klientów, ale klienci wracali z tym samym problemem tak samo często. Badanie jest dokumentem roboczym, jeszcze bez recenzji naukowej.
• Wyniki na dzień, gdy ludzie prowadzą kilka zadań AI naraz. W powtórzeniu badania programistów z 2026 roku czas na zadanie przestał być wiarygodny, gdy programiści uruchamiali równolegle kilku agentów AI.

Żeby zobaczyć, ile minut tygodniowo każda osoba musi zaoszczędzić, by pokryć koszty, wpisz swoje liczby do narzędzia Czy AI się opłaci?.

Gdzie to zawodzi

• Deklarowane oszczędności czasu. Szacunki ludzi mogą się mylić co do kierunku, a nie tylko co do wielkości. Opisani wyżej programiści czuli się szybsi, a byli wolniejsi. Dwie oceny tego samego asystenta biurowego w brytyjskiej administracji też się różnią. W całej administracji użytkownicy mówili, że Microsoft 365 Copilot oszczędza im 26 minut dziennie. HMRC, brytyjski urząd skarbowy, dał 3000 licencji losowo wybranym pracownikom i obniżył deklarowane liczby o około 20% z powodu skrzywienia. Wyszło mu około 60 minut tygodniowo. Obie liczby to deklaracje pracowników. Zob. weryfikację twierdzenia o 26 minutach. Korzystaj z danych z systemów albo z mierzonych próbek.
• Szybkość bez jakości. Szybszy proces, który daje więcej błędów, nie jest zyskiem.
• Zaoszczędzony czas, który nigdzie nie trafia. Minuty zaoszczędzone na zadaniu mają znaczenie tylko wtedy, gdy ten czas zostanie wykorzystany. W eksperymencie w terenie z udziałem 7137 pracowników w 66 firmach pracownicy, którzy dostali biurowego asystenta AI, spędzali nad e-mailami około dwóch godzin tygodniowo mniej, a ilość i rodzaj ich pozostałej pracy się nie zmieniły. Trzech z czterech autorów pracowało dla Microsoftu, który sprzedaje tego asystenta. Zdecyduj z góry, na co ten czas zostanie wykorzystany.
• Rozliczanie za godziny. Jeśli obciążasz klientów za czas, godzina zaoszczędzona przez AI to godzina, której nie możesz już zafakturować, chyba że zmienisz sposób ustalania cen. Clio, które sprzedaje oprogramowanie dla prawników, podaje, że w jego ankiecie z 2026 roku 86% prawników prowadzących praktykę jednoosobową i 78% małych kancelarii nie zmieniło z powodu AI sposobu ustalania cen. Zanim policzysz zaoszczędzony czas jako zysk, zdecyduj, czy będziesz pobierać opłatę za zlecenie, stałą kwotę czy za godzinę, i co to oznacza dla twoich przychodów.
• Praca, którą trudno policzyć. Przy zróżnicowanej pracy ekspertów porównuj próbki wyników, a nie minuty.

Według wielkości firmy

• Mikro i małe: wystarczy arkusz kalkulacyjny i dwa tygodnie liczenia. W tym samym arkuszu zapisuj sprzedaż lub honoraria na zlecenie. Jeśli rozliczasz się za godziny, zdecyduj, jak będziesz ustalać ceny, zanim uznasz zaoszczędzony czas za zysk.
• Średnio-duże i duże: korzystaj z danych z systemów obiegu pracy i uzgodnij miary z działem finansów przed startem projektu, żeby wynik został potem przyjęty.

Zobacz w praktyce

• Przykład praktyczny Pomiary i punkty decyzji w 90-dniowym planie pilotażu Każdy etap zaczyna się od pomiaru wyjściowego i określa, co zmierzyć przed przejściem dalej.

Przypadki firm

Firmy, które to zrobiły

• Ashurst Kancelaria mierzyła czas ustalonych zadań w kontrolowanych warunkach. Poprosiła też starszych prawników o ocenę projektów AI i projektów prawników bez wiedzy, który jest który. Wynik podany przez firmę
• eBay Sprzedaż porównano przed zmianą i po niej oraz z krajami, w których nic się nie zmieniło. Zmierzony wynik
• Herges Stahl- und Blechbau Firma najpierw zbudowała sposób zapisywania rzeczywistych czasów produkcji. Jej wcześniejsze ręczne zapisy dla identycznych części różniły się nawet o 30 minut. Zmierzony wynik
• Hitachi Energy Jedną partię produkcyjną podzielono na cztery grupy. Jedną wykonano zwykłym sposobem, a pozostałe trzy z jedną lub obiema zaproponowanymi zmianami. Zmierzony wynik
• HM Revenue & Customs (HMRC) HMRC wybrał posiadaczy licencji losowo, zamiast brać tylko ochotników, i obniżył deklarowane oszczędności czasu o około 20%, bo na ankietę częściej odpowiadali aktywni użytkownicy. Zmierzony wynik
• Klarna Klarna podała czas produkcji zdjęć przed i po: z 6 tygodni do 7 dni, razem z kontrolami. Wynik podany przez firmę
• Klarna Klarna podała czas rozwiązania sprawy przed i po (z 11 minut do poniżej 2), a także liczbę ponownych zapytań i zadowolenie klientów. Częściowy odwrót
• PSG Global Solutions Kandydatów losowo przydzielano do rozmowy z AI albo z człowiekiem, więc obie grupy można było porównać bezpośrednio. Zmierzony wynik
• Rue La La Przez pięć miesięcy zestawy konkurujących ze sobą produktów przydzielano albo do cen rekomendowanych, albo do dawnych cen, i porównywano oba warianty. Zmierzony wynik
• SAM Firma podaje każdy wynik w porównaniu z wartością sprzed zmiany: godziny na sprawę, tygodnie na zebranie dokumentów, odsetek niekompletnych spraw. Wynik podany przez firmę
• Siemens Każdy pracownik oceniał te same 200 zdjęć produktów w tych samych limitach czasu, a odpowiedzi porównano ze znanym poprawnym wynikiem. Zmierzony wynik
• Temple & Webster Koszt obsługi klienta podaje się jako udział w przychodach w porównaniu z poziomem z 2023 roku. Przeglądy asortymentu robione przez AI porównano z przeglądami robionymi ręcznie. Wynik podany przez firmę
• UK Department for Business and Trade Ewaluatorzy nie polegali na tym, co mówili użytkownicy. Zmierzyli czas tych samych zadań u użytkowników i osób bez licencji, a wyniki oceniono bez wiedzy, kto korzystał z narzędzia. Zmierzony wynik

Co się stało bez niej

• Commonwealth Bank of Australia Bank uznał, że stanowiska nie są potrzebne, zanim wykazano, że voicebot zmniejsza ilość pracy. Związek mówił, że liczba połączeń rośnie. Częściowy odwrót

Źródła

1. Humlum and Vestergaard (2025). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777 (revised March 2026). Co zrobiło i co wykazało to badanie
2. Brynjolfsson, Li and Raymond (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2), 889–942. Co zrobiło i co wykazało to badanie
3. Noy and Zhang (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. Co zrobiło i co wykazało to badanie
4. Becker, Rush, Barnes and Rein (METR) (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, published 10 July 2025 (arXiv 2507.09089); follow-up published 24 February 2026. Co zrobiło i co wykazało to badanie
5. Dillon, Jaffe, Immorlica and Stanton (2025). Shifting Work Patterns with Generative AI. NBER Working Paper 33795; arXiv 2504.11436, version 4 (November 2025). Co zrobiło i co wykazało to badanie
6. Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. Co zrobiło i co wykazało to badanie
7. Federal Reserve Banks (2026). Small Business Credit Survey: 2026 Report on Employer Firms. Federal Reserve Banks, Small Business Credit Survey (published March 2026). Co zrobiło i co wykazało to badanie
8. Fang, Yuan, Zhang, Donati and Sarvary (2025). Generative AI and Sales Productivity: Field Experiments in Online Retail. arXiv 2510.12049, version 6 (29 June 2026). Co zrobiło i co wykazało to badanie
9. Yotzov, Barrero, Bloom, Bunn, Davis, Foster, Jalca, Meyer, Mizen, Navarrete, Smietanka, Thwaites and Wang (2026). Firm Data on AI. NBER Working Paper 34836 (February 2026, revised March 2026). Co zrobiło i co wykazało to badanie
10. Microsoft (2023), reporting IDC survey research: an average return of $3.50 per $1 invested in AI, as reported by business leaders. blogs.microsoft.com
11. Bick, Blandin and Deming. Generative AI, time savings: employed adults (series RPSGENAITSALL), from the Real-Time Population Survey, an online survey of US adults. Federal Reserve Bank of St. Louis, FRED. fred.stlouisfed.org
12. UK Government Digital Service (2 June 2025). Microsoft 365 Copilot experiment: cross-government findings report. gov.uk
13. Ni, Wang, Feng, Lu, Wang and Zhou (2026). Generative AI in Action: Field Experimental Evidence from Alibaba's Customer Service Operations. arXiv 2603.29888. Working paper, not peer-reviewed. arxiv.org
14. Clio (2026). Legal Trends for Solo and Small Law Firms. Press release. Clio sells legal software with AI built in. clio.com

Twierdzenia na ten temat, sprawdzone z tymi badaniami:

• „66% małych firm używa AI” Wymaga korekty

Powiązane praktyki

• Zacznij od jednego kosztownego procesu, a nie od wdrożenia w całej firmie Wybierz jeden proces, który wyraźnie kosztuje czas lub pieniądze. Zastosuj w nim AI, z człowiekiem sprawdzającym wyniki, i rozszerzaj dopiero wtedy, gdy liczby się poprawią. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób) Dowody: Powszechna praktyka Strategia · Rozpoznanie
• Nie traktuj wyniku oceny dojrzałości jak prognozy Wynik oceny dojrzałości lub gotowości do AI opisuje, gdzie według własnej deklaracji jesteś. Dowody, że wyższy wynik prowadzi do lepszych rezultatów, są skąpe i sporne. Używaj go, by zacząć rozmowę, a nie by przewidywać zyski. Zrób potem · Nakład pracy: niski (dni, jedna osoba) Dowody: Umiarkowane Sporne Pomiar · Rozpoznanie
• Dla każdego rodzaju zadania sprawdź, czy człowiek z AI wypada lepiej niż każde z nich osobno Nie zakładaj, że dodanie człowieka do AI albo AI do człowieka daje najlepszy wynik. Sprawdź to dla każdego rodzaju zadania, zanim ustalisz proces. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób) Dowody: Silne Zależy od kontekstu Przebudowa procesów · Przebudowa