Na czym to polega
Wybierz jeden proces, w którym koszt łatwo zobaczyć: odpowiadanie na rutynowe zapytania, przygotowywanie ofert, obsługa faktur. Zmierz go, zastosuj narzędzie AI z człowiekiem, który przegląda wyniki, i zmierz ponownie. Do następnego procesu przejdź dopiero wtedy, gdy pierwszy pokaże wynik.
Co pokazują dowody
Cztery badania wyjaśniają, dlaczego ta rada jest tak powszechna.
- Zyski pojawiają się w konkretnych zadaniach. W badaniu 5172 konsultantów obsługi klienta w pracy asystent AI zwiększył liczbę spraw rozwiązanych w ciągu godziny o 15%. Zadanie było częste, dobrze określone i łatwe do zmierzenia.
- Szeroki dostęp niewiele zmienia. Badanie obejmujące duński rynek pracy wykazało, że chatboty AI weszły do powszechnego użytku, a mimo to zarobki i liczba godzin pracy się nie zmieniły. Wcześniejsza wersja badania szacowała średnią oszczędność czasu na 2,8% czasu pracy. 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. Trzech z czterech autorów pracowało dla Microsoftu, który sprzedaje tego asystenta.
- Najwięcej może zyskać praca, której nikt nie wykonywał. W eksperymentach z losowym przydziałem na dużej platformie handlu internetowego największy zysk, o 16,3% większą sprzedaż, dał chatbot odpowiadający kupującym, którzy wcześniej nie mieli żadnej pomocy na żywo. Opisy produktów napisane przez AI zwiększyły sprzedaż tylko przy produktach, które wcześniej miały opis krótszy niż 50 słów.
Wiele projektów jest też porzucanych. W ankiecie S&P Global opisanej w 2025 roku 42% firm podało, że porzuciło większość swoich inicjatyw AI. Jeden proces z jasną miarą tanio jest zatrzymać, jeśli nie działa.
Jak to zrobić
- Wypisz trzy do pięciu procesów, które zabierają pracownikom najwięcej czasu albo powodują największe opóźnienia.
- Wybierz ten, który jest najczęstszy i ma najjaśniejszy standard dobrego wyniku. Najwięcej może zyskać proces, którego dziś w ogóle nie obsługujesz, na przykład zapytania bez odpowiedzi albo brakujące opisy produktów.
- Przez dwa do czterech tygodni zapisuj obecne liczby: czas na sprawę, odsetek błędów, koszt.
- Zastosuj gotowe narzędzie AI. Na początku niech człowiek przegląda każdy wynik.
- Używaj go przez ustalony okres, a potem porównaj z liczbami wyjściowymi.
- Zdecyduj: zostawić, zmienić czy zatrzymać. Zapisz dlaczego.
- Dopiero wtedy wybierz drugi proces.
Co mierzyć
- Czas na sprawę przed zmianą i po niej.
- Odsetek błędów lub poprawek przed zmianą i po niej.
- Czas, który osoba przeglądająca poświęca na sprawdzanie. To część kosztu.
Żeby zobaczyć, co te liczby oznaczają w pieniądzach, wpisz je do narzędzia Czy AI się opłaci?. Narzędzie porównuje jeden wybrany proces z wdrożeniem dla wszystkich.
Gdzie to zawodzi
- Proces jest rzadki albo niejasny. Jeśli zdarza się kilka razy w miesiącu, jest za mało do zmierzenia.
- Proces jest wadliwy. AI nałożona na zły proces daje szybszy zły proces. Najpierw go napraw albo przebuduj.
- Pilotaż nigdy się nie kończy. Ustal termin decyzji, zanim zaczniesz.
- Nie wiadomo, czy lepiej zacząć wąsko, czy szeroko. W ankiecie OECD wśród 2018 małych i średnich firm tylko 2% firm używających AI do pojedynczych zadań zgłosiło przełomowy efekt, wobec 23% firm używających jej w całej działalności. Efekty to deklaracje firm, OECD zaznacza, że ankieta nie jest reprezentatywna, a około trzech czwartych odpowiedzi dotyczących AI pochodziło z Japonii. Dwa inne źródła wskazują coś innego. 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 do codziennych zadań wykazywały taki sam wzrost zatrudnienia jak firmy, które głęboko wbudowały ją w swoją działalność. Nie rozstrzygnięto, czy więcej daje wąski start, czy szerokie wdrożenie.
Według wielkości firmy
- Mikro i małe: przez pierwsze miesiące jeden proces to cały program. To w porządku.
- Średnie i średnio-duże: prowadź dwa lub trzy w różnych działach, każdy z własnym pomiarem wyjściowym i własną osobą odpowiedzialną.
- Duże: duże firmy zwykle mają już pilotaże. Ich problemem jest przekształcenie tych pilotaży w przebudowane procesy pracy, więc ta praktyka ma dla nich mniejsze znaczenie.
Zobacz w praktyce
Przypadki firm
Firmy, które to zrobiły
- Duolingo Pierwszym celem było tworzenie kursów, gdzie jeden nowy kurs mógł zająć małemu zespołowi lata.
- eBay eBay skierował tłumaczenie maszynowe na jedną barierę: kupujący w Ameryce Łacińskiej nie mogli przeczytać ofert sprzedawców z USA.
- EIST Właściciel wybrał jedno zadanie: wycenę części na zamówienie, która mogła zająć godziny na jedno zapytanie i kosztowała firmę zamówienia.
- Herges Stahl- und Blechbau Projekt ograniczono do jednego procesu, walcowania blachy, w konstrukcji, którą można rozszerzyć na spawanie i montaż.
- Hitachi Energy Praca dotyczyła jednego produktu i jednego kosztu: chipy tranzystorowe, które nie przejdą testu końcowego, idą do odrzutu.
- META-Regalbau Analiza objęła jeden proces: kompletowanie w magazynie wielu osobnych części zamówionego systemu regałów.
- Milkforbubs Sklep skierował narzędzie do jednego zadania: odpowiadania wciąż na te same pytania klientów, często w nocy.
- Ministry of Clean Oprogramowanie skierowano na jeden problem: rosnącą listę klientów prowadzoną w arkuszach.
- Rue La La Praca dotyczyła jednej decyzji: pierwszej ceny produktów, których sprzedawca nigdy wcześniej nie sprzedawał, a które przynoszą większość jego przychodów.
- Temple & Webster Pierwsze liczby, które firma podała, dotyczyły jednego procesu: odpowiadania klientom przed sprzedażą i po niej.
- Walmart Walmart skierował AI do jednego zadania: uzupełniania i poprawiania danych o produktach, które według prezesa “affects nearly everything we do” [„wpływają niemal na wszystko, co robimy”].
Źródła
- 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
- 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
- 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
- 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
- Gartner (2024). Prediction that at least 30% of generative AI projects would be abandoned after proof of concept by the end of 2025. gartner.com
- CIO Dive (2025), reporting an S&P Global Market Intelligence survey: 42% of companies abandoned most of their AI initiatives. ciodive.com
- OECD (April 2026). Empowering SMEs in the age of AI. Includes the D4SME survey of 2,018 small and medium-sized firms; the OECD says it is not representative. oecd.org
- 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
Powiązane praktyki
- Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego Zanim dodasz AI, zapisz, ile trwa zadanie i jak dobry jest wynik. Bez tej liczby wyjściowej nie odróżnisz prawdziwego zysku od pobożnego życzenia. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- 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)
- Przebuduj proces pracy, zamiast dokładać do niego narzędzie Danie ludziom narzędzia AI w niezmienionym procesie niewiele zmienia. Zdecyduj od nowa, kto wykonuje każdy krok, w jakiej kolejności i gdzie sprawdza człowiek. Zrób potem · Nakład pracy: wysoki (miesiące, kilka zespołów)