Przebuduj proces pracy, zamiast dokładać do niego narzędzie

Na czym to polega

Przejdź przez proces krok po kroku i zdecyduj od nowa: które kroki wykonuje AI, które ludzie, w jakiej kolejności następują kroki i gdzie sprawdza się wyniki. To jest przebudowa. Dodanie narzędzia oznacza, że ci sami ludzie wykonują te same kroki, a obok mają asystenta AI.

Co pokazują dowody

• Przebudowa wyróżnia firmy, które zarabiają na AI. W ankiecie McKinsey z 2025 roku wśród 1993 respondentów około 6% organizacji przypisywało AI 5% lub więcej zysku operacyjnego. Te organizacje prawie trzy razy częściej niż inne przebudowały od podstaw konkretne procesy pracy. Spośród 31 praktyk, którym przyjrzała się ankieta, była to jedna z tych, które najwyraźniej odróżniały firmy zarabiające na AI.
• Badania nad zadaniami wskazują ten sam kierunek. Badanie, które oceniło 18 156 zadań, doszło do wniosku, że czerpanie korzyści z uczenia maszynowego zwykle wymaga przebudowy tego, z czego składa się stanowisko.
• Samo rozdanie narzędzia niewiele zmienia. Na duńskim rynku pracy chatboty weszły do powszechnego użytku bez żadnej zmiany w zarobkach czy liczbie godzin pracy. Zmienił się natomiast sposób organizacji zadań. W eksperymencie w terenie z udziałem 7137 pracowników w 66 firmach pracownicy, którzy losowo dostali biurowego asystenta AI, spędzali nad e-mailami około dwóch godzin tygodniowo mniej, a ilość i rodzaj ich pozostałej pracy się nie zmieniły. Liczby pochodzą z zapisów aktywności samego oprogramowania. Trzech z czterech autorów pracowało dla Microsoftu, który sprzedaje tego asystenta.
• Jedną przebudowę sprawdzono w badaniu z losowym przydziałem. W szwedzkim badaniu przesiewowym raka piersi z udziałem 105 934 kobiet AI decydowała, które zdjęcia trafiają do jednego radiologa, a które do dwóch, i zaznaczała podejrzane obszary. W porównaniu ze standardową oceną przez dwóch radiologów wykryto o 29% więcej nowotworów na 1000 kobiet, liczba fałszywie dodatnich wyników nie wzrosła, a praca przy ocenie zdjęć spadła o 44,2%. To regulowana służba zdrowia ze stałym protokołem, a nie zwykła praca biurowa.

Jak to zrobić

1. Wybierz jeden proces, w którym pilotaż AI pokazał już zysk w pojedynczym kroku.
2. Rozpisz cały proces od pierwszych danych wejściowych do końcowego wyniku, łącznie z czasem oczekiwania i przekazywaniem pracy.
3. Dla każdego kroku zdecyduj: sama AI, sam człowiek albo oboje. Sprawdź to testem tam, gdzie się da.
4. Usuń kroki, które istniały tylko dlatego, że dawny sposób był wolny.
5. Określ, gdzie człowiek musi sprawdzić wynik AI i na co osoba sprawdzająca ma patrzeć.
6. Wyznacz jedną osobę odpowiedzialną za cały proces.
7. Przez krótki czas prowadź nowy proces równolegle ze starym i porównaj.

Co mierzyć

• Czas od początku do końca całego procesu, a nie poszczególnych kroków.
• Jakość końcowego wyniku.
• Liczbę przekazań pracy.

Gdzie to zawodzi

• Przebudowa, zanim wiesz, co AI potrafi w twoich warunkach. Najpierw przeprowadź mały pilotaż.
• Usunięcie wszystkich kontroli. Ta sama ankieta wykazała, że najlepsze firmy częściej określały, kiedy człowiek musi sprawdzić wynik AI.
• Nazywanie integracji przebudową. W ankietach „wbudowaliśmy AI w nasze procesy” to nie to samo co ich przebudowa. Analiza Federal Reserve wykazała, że małe firmy w USA, które wbudowały AI w swoje procesy, nie miały lepszych planów zatrudnienia niż firmy, które wciąż eksperymentowały. W danych płacowych Gusto, firmy sprzedającej oprogramowanie płacowe, firmy używające AI w niewielkim i w dużym zakresie wykazywały taki sam wzrost zatrudnienia.
• Pomijanie ludzi, którzy wykonują pracę. Ludzie, którzy wykonują pracę, wiedzą, po co istnieją dziwne kroki. Zob. chroń poczucie bezpieczeństwa psychologicznego.

Według wielkości firmy

• Mikro i małe: niewiele starych systemów i krótka droga decyzji oznaczają, że możesz przebudować proces w kilka tygodni.
• Duże: procesy przechodzą przez wiele działów i systemów. Daj przebudowie osobę odpowiedzialną, która ma władzę nad całym łańcuchem.

Przypadki firm

Firmy, które to zrobiły

• Duolingo Firma nie dodała AI do starego procesu. Zastąpiła “a slow, manual content creation process with one powered by AI” [„powolny, ręczny proces tworzenia treści procesem opartym na AI”], zbudowanym na jednym kursie bazowym, który dostosowuje się do wielu języków. Wynik podany przez firmę
• SAM Każdą sprawę klienta zamieniono w proces: kroki, oczekiwane dokumenty, instytucje, z którymi trzeba się kontaktować, i terminy. AI działa na każdym kroku i sygnalizuje, kiedy potrzebny jest człowiek. Wynik podany przez firmę
• Temple & Webster Oszczędność z 2026 roku wzięła się z nowej platformy czatu AI razem z “redesigned support flows” [„przebudowanym przebiegiem obsługi zgłoszeń”] i automatyczną wysyłką części zamiennych. Wynik podany przez firmę

Źródła

1. McKinsey & Company (2025). The State of AI: Global Survey 2025. McKinsey Global Survey, published 5 November 2025. Co zrobiło i co wykazało to badanie
2. Brynjolfsson, Mitchell and Rock (2018). What Can Machines Learn and What Does It Mean for Occupations and the Economy?. AEA Papers and Proceedings, 108, 43–47. Co zrobiło i co wykazało to badanie
3. 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
4. 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
5. Hernström, Josefsson, Sartor, Schmidt, Larsson, Hofvind, Andersson, Rosso, Hagberg and Lång (2025). Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI): a randomised, controlled, parallel-group, non-inferiority, single-blinded, screening accuracy study. The Lancet Digital Health, 7(3), e175–e183. Co zrobiło i co wykazało to badanie
6. Tremper and Bowen (Gusto) (2026). Small Businesses that Adopted AI Are Hiring Faster. Gusto Insights, September 2026. Co zrobiło i co wykazało to badanie
7. Aarons and Sarkar (October 2026). Federal Reserve Bank of New York, Liberty Street Economics. Analysis of AI use and hiring expectations in the Small Business Credit Survey. libertystreeteconomics.newyorkfed.org

Twierdzenia na ten temat, sprawdzone z tymi badaniami:

• „MIT Sloan pokazuje, że przeszkody w transformacji cyfrowej są głównie kulturowe” Brak potwierdzenia

Powiązane praktyki

• Rozpisz zadania, zanim zdecydujesz, co zautomatyzować Rozłóż stanowiska na zadania i przyjrzyj się każdemu z nich. Publikowane wskaźniki oceniają, jaką część pracy mogłaby wykonać AI, czyli jej „ekspozycję” na AI. Traktuj wysoki wynik jako miejsce, któremu warto się przyjrzeć, a nie jako decyzję o automatyzacji. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba) Dowody: Umiarkowane Sporne Przebudowa procesów · 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
• 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