AI w muzeum wódki. Notatki z Konesera

Czy sztuczna inteligencja naprawdę pracuje w polskich firmach, czy tylko w prezentacjach?

Koneser, warszawska Praga, sala obok ekspozycji o destylatach. Rzecz o automatyzacji i AI. Brzmi jak jeden z tych eventów, gdzie wszyscy kiwają głowami nad „przyszłością”, a potem wracają do Excela z 2009. Tyle że tym razem padły liczby, które trochę trzeźwią. I kilka tez, które warto powiesić nad biurkiem.

Kontekst: badanie, dwie gospodarki i codzienność menedżera

Webcon pokazał wyniki sondażu w Polsce i w Niemczech. Próba: 200 firm (po 100 na rynek), głównie średnie i duże, z przewagą produkcji. Rozmawiali nie z zarządami od „wizji 2030”, tylko z liniowymi menedżerami: ludźmi od procesów, produktów i wyników.

• 8 na 10 menedżerów w Polsce mówi: korzystam z AI w codziennej pracy. W Niemczech – 9 na 10.
• Do czego? Dokumenty, transkrypcje, research, wyszukiwanie. Czyli prosta, przyziemna produktywność.
• I teraz hamulec: w Polsce brakuje szkoleń i wytycznych. Dwie trzecie badanych pracuje na narzędziach „z ulicy”, poza firmową infrastrukturą. W Niemczech odwrotnie – większość używa rozwiązań zatwierdzonych i wpiętych w systemy.
• Bezpieczeństwo danych? Połowa czuje się spokojna, połowa nie. Ale tylko 29% opiera ten spokój na twardym fakcie, że AI jest częścią kontrolowanej infrastruktury. Reszta – „bo tak mi się wydaje”.
• Najmocniejszy zgrzyt: 91% polskich firm nie mierzy wpływu AI na efektywność. W Niemczech połowa – mierzy.

Na wykresach to wyglądało prosto: używamy AI, ale bardziej jak kieszonkowego asystenta niż element procesu. Chcemy integracji z systemami, ale rzadko ją mamy. Boimy się o dane, ale kontroli brak. I nie mierzymy efektów, więc trudno potem bronić budżetów.

Dygresja o mentalności (z sali)

Padło też zdanie, które często słyszę w polskich firmach: „u nas ludzie są sceptyczni, nie lubią się chwalić”. Ok – może Niemcy częściej mówią „jesteśmy gotowi”, bo są dalej. A może po prostu wcześniej zaczęli projekty, więc mają też naturalnych oponentów i… wskaźniki. U nas oponenci jeszcze nie zdążyli, bo wdrożeń jest mniej. Zresztą, „trudno powiedzieć” pojawiało się w Polsce znacznie częściej niż w Niemczech. Brak szkoleń robi swoje.

Trzy historie z serwisu elektronarzędzi. AI tam, gdzie liczy się każda minuta.

W jednej z prezentacji padł konkretny case z branży elektronarzędzi. Duża skala: ok. 120 tys. zleceń serwisowych rocznie. Najpierw uporządkowali dane i procesy, a dopiero potem dołożyli AI. Efekt? Trzy miejsca, w których widać to „na liczbach”.

1. Obsługa klientów

• Przed: odpowiedź po ok. 4 godzinach, tylko 8–16. Koszt: ~11 zł za zgłoszenie, 8 maili na godzinę per agent.
• Po: agent „Krystyna” odpowiada 24/7 w 5 minut. 68% spraw domyka sam, resztę przygotowuje do akceptu. Koszt: ~0,10 zł za zgłoszenie.
• Bonus: wielojęzyczność i interpretacja zdjęć.

2. Kontrola jakości zdjęć z napraw

• Problem: dokumentacja „nie do wysłania” — chaos, słaba ekspozycja usterki, estetyka na bakier.
• Rozwiązanie: model sprawdza zgodność ze standardem (tło, wskazanie wadliwego elementu, czytelność).
• Efekt: 97% trafnych weryfikacji, brak kolejek, ludzie odzyskali po 4 godziny dziennie.

3. Porównywanie ofert logistycznych

• Kiedyś: ręczne przeklejanie maili do Excela.
• Teraz: automatyczne wyciąganie danych i porównanie; człowiek tylko decyduje.

Morał? AI nie zastępuje ludzi — zdejmuje to, czego nikt nie chce robić. Firma rośnie bez nowych oddziałów, a przy okazji da się policzyć oszczędność CO2 dzięki naprawom zamiast zakupów — bo dane są w porządku.

Miniwywiad z Łukaszem Wróblem. Trzy proste (i trudne) rzeczy

Złapaliśmy się jeszcze przed startem — ja z kawą, Łukasz przed prezentacją. Poprosiłem o esencję bez marketingu: co naprawdę trzeba mieć, żeby AI działało w firmie poza prezentacją. Odpowiedź była z tych, które brzmią banalnie, dopóki nie spróbujesz zrobić ich dobrze.

• Kontekst ponad wszystko
  Modele muszą „widzieć” firmę: systemy, słowniki, wyjątki, historię. Publiczna wiedza jest OK, ale prawdziwa wartość jest w połączeniu z wewnętrznymi danymi.
• Dane nadają ton
  Jeśli jakieś obszary nie są zdygitalizowane – AI nie ma paliwa. Nie tylko finanse i HR (bo „ustawa każe”), ale miejsca, gdzie faktycznie powstaje wartość. Proces, walidacja, kompletność – dopiero potem modele.
• Wyrównaj szanse w zespole
  Nie każdy jest „mistrzem promptów”. Dobrze skonfigurowani agenci i preprompty, wklejone w codzienne aplikacje, robią różnicę. Mniej halucynacji, lepsza struktura odpowiedzi, większa powtarzalność. I mniej „shadow AI”, bo ludzie przestają korzystać z narzędzi zewnętrznych.

Co z tego wynika dla menedżera, który jutro wraca do roboty?

Wychodząc z Konesera, miałem wrażenie, że najtrudniejsze w AI nie jest „co kupić”, tylko „gdzie to wpiąć” i „jak to policzyć”. Żeby nie wrócić do biura z kolejnym ładnym hasłem, tylko z planem na tydzień, miesiąc, kwartał — zebrałem to w pięć krótkich kroków. Bez fajerwerków, za to do odhaczenia.

• Przenieś AI z „kopiuj–wklej” do procesu
  Niech model siedzi tam, gdzie są decyzje i dane: w CRM, w systemie serwisowym, w obiegu dokumentów. Nie w kolejnej zakładce przeglądarki.
• Zrób szybką inwentaryzację danych
  Jakie zbiory są kompletne, aktualne, dostępne? Gdzie masz złoto, a gdzie piasek? Bez tego AI będzie zgadywać.
• Mierz, zanim zachwycisz
  Czas odpowiedzi, koszt per sprawa, SLA, NPS, first contact resolution. Cokolwiek, byle stale i porównywalnie. Bez tego budżety topnieją po pierwszym zachwycie.
• Daj ludziom narzędzia i instrukcję
  Szkolenia, lista dozwolonych narzędzi, gotowe szablony zapytań. Mniej „trudno powiedzieć”, więcej odpowiedzialnego użycia.
• Zacznij od miejsc, gdzie boli i się powtarza
  Obsługa klienta, weryfikacje jakości, ekstrakcja danych z maili i PDF-ów. Małe zwycięstwa karmią duże projekty.

Puenta

W muzeum wódki łatwo o metafory, ale nie o to chodzi. AI w polskich firmach już jest – w kieszeni menedżera, w bocznych skrótach, w wieczornych testach „co ten czat potrafi”. Problem w tym, że wciąż za rzadko pracuje w procesie, pod prąd liczbom, wpięte w systemy. Niemcy – z tego, co widać – zaczęli to porządkować wcześniej: szkolenia, governance, mierniki. My mamy energię i intuicję. Brakuje planu.

Jeśli miałbym zostawić jedno zdanie z Konesera: prawdziwa wartość AI zaczyna się tam, gdzie model wie, co jest w twojej firmowej szafie, a ty wiesz, czy naprawdę robi to szybciej i taniej. Reszta to hype. I dobre prezentacje.