AI w firmie: kiedy pomaga, a kiedy powiela błędy?

AI potrafi w kilka minut przygotować pierwszą wersję oferty. Problem pojawia się wtedy, gdy dokument wygląda wiarygodnie, choć powstał na podstawie nieaktualnych danych.

W skrócie

  • AI oszczędza czas tylko wtedy, gdy liczysz cały czas zadania: przygotowanie danych, poprawki i kontrolę, a nie samo wygenerowanie odpowiedzi.
  • Największa szansa dla małych firm to nie kilka zaoszczędzonych minut, tylko możliwość sprawdzenia pomysłów, które wcześniej były poza budżetem.
  • Najdroższy jest błąd, który AI powiela bez kontroli: jedna pomyłka w danych może trafić do kilkudziesięciu klientów naraz.

Gdy myślę o AI w firmie, pytanie, od którego zaczynam, brzmi: kto sprawdzi wynik i po czym poznamy, że jest poprawny?

Sam korzystam z AI coraz częściej. Swoją asystentkę nazywam Anią. Wiem, że nie rozmawiam z człowiekiem, ale tak łatwiej mi się z nią komunikować. Używam jej przy własnych projektach, zwłaszcza gdy chcę przeanalizować problem albo sprawdzić możliwe rozwiązanie. Zdarza się, że się myli, dlatego sprawdzanie wyniku traktuję jako część pracy.

Gdzie AI naprawdę oszczędza czas?

Tam, gdzie trzeba przejrzeć dużo materiału, żeby znaleźć mały fragment. Pracownik wie, że odpowiedź gdzieś jest w dokumentacji, ale zanim ją znajdzie, otwiera kilkanaście plików. Przy dobrze przygotowanych materiałach AI wskaże fragmenty dotyczące konkretnego pytania. Podobnie przy porównywaniu kolejnych wersji umów: może pokazać, jakie zapisy się zmieniły. W obu przypadkach pracownik wraca do oryginalnego dokumentu i potwierdza wynik.

Warto przy tym mierzyć czas całego zadania, a nie samej odpowiedzi. Wygenerowanie jej trwa kilka sekund, ale potem trzeba ją przeczytać i zweryfikować. Jeśli zadanie zajmuje pięć minut, a przygotowanie danych, poprawki i kontrola dziesięć, niczego nie zyskaliśmy. AI nie powinna być kolejną czynnością, którą trzeba dopisać do listy obowiązków.

Dlatego zanim obiecam komuś oszczędność czasu, chcę zobaczyć, jak naprawdę wygląda jego praca.

Pomysły, które wcześniej zostawały w szufladzie

Szybsza obsługa korespondencji jest przydatna. Dla mniejszej firmy AI może jednak znaczyć więcej wtedy, gdy pozwala sprawdzić pomysł, na który wcześniej trudno było znaleźć pieniądze.

Jeszcze niedawno przedsiębiorca z pomysłem na usprawnienie pracy zatrzymywał się na pytaniu: kto mi to zrobi i ile będzie kosztowało? Nie każda firma ma dział IT ani budżet na eksperymenty, więc wiele pomysłów lądowało w szufladzie.

Dziś można opisać pomysł AI, dowiedzieć się, jakie rozwiązania wchodzą w grę, a czasem przygotować prostą wersję roboczą. Mając ją przed sobą, łatwiej zdecydować, czy projekt jest wart dalszej pracy i pieniędzy. A jeśli potrzebny jest specjalista, można mu pokazać konkretny pomysł zamiast opowiadać, że „przydałby się jakiś system”.

Od kilku rozmów z chatbotem do bezpiecznego systemu gotowego do obsługi klientów jest jednak długa droga. AI potrafi zaproponować rozwiązanie, które świetnie wygląda na ekranie, a nie wytrzymuje pierwszego poważniejszego testu. Znam to z własnych projektów: często trzeba wrócić do początku, sprawdzić, co poszło źle, i poprawić założenia. Mimo to próg wejścia wyraźnie się obniżył.

Dlatego pytanie o to, ile minut AI zaoszczędzi przy jednym zadaniu, jest dla mnie za małe. Ciekawsze jest to, ilu rzeczy firmy w ogóle nie próbują robić, bo z góry zakładają, że ich na to nie stać albo sobie nie poradzą. Tu AI otwiera najwięcej możliwości.

Co pokazują badania

Same obietnice dostawców niewiele wyjaśniają. Lepiej zobaczyć, co pokazują badania prawdziwej pracy.

Obsługa klienta. W badaniu opublikowanym w 2025 roku w „The Quarterly Journal of Economics” przeanalizowano pracę ponad pięciu tysięcy pracowników obsługi klienta. Ci, którzy korzystali z asystenta AI, rozwiązywali średnio około 15% więcej spraw na godzinę. Najwięcej zyskiwały osoby mniej doświadczone, u których poprawa sięgała około 30%. U doświadczonych efekt był znacznie mniejszy. Wynik robi wrażenie, ale dotyczy konkretnej pracy i konkretnego narzędzia, które wspierało pracowników przy określonych zadaniach. Samo uruchomienie ChatGPT w firmie nie musi dać podobnego wzrostu.

Doradztwo. W eksperymencie z udziałem konsultantów Boston Consulting Group (2023 rok, GPT-4) AI pomagała wykonywać część zadań szybciej i z lepszym rezultatem. Przy bardziej złożonym problemie biznesowym osoby korzystające z AI częściej wybierały jednak błędne rozwiązanie niż uczestnicy pracujący samodzielnie. Harvard Business School opisała oba zjawiska w podsumowaniu badania. Autorzy nazwali to „poszarpaną granicą” możliwości AI: dwa polecenia mogą wyglądać podobnie, a jedno leży w zasięgu narzędzia, drugie poza nim. Z zewnątrz nie widać, które jest które.

Programowanie. Badanie METR z 2025 roku objęło 16 doświadczonych programistów pracujących nad własnymi projektami (246 zadań). Z AI zadania trwały średnio o 19% dłużej. Sami uczestnicy spodziewali się przyspieszenia o 24%, a po zakończeniu szacowali, że pracowali około 20% szybciej. Wyniki były zaskakujące, ale dotyczyły konkretnych programistów, projektów i narzędzi z początku 2025 roku.

W lutym 2026 roku METR opublikował kolejną analizę, sugerującą, że nowsze narzędzia mogą już przyspieszać podobną pracę. Autorzy podkreślili jednak, że problemy z doborem uczestników i zadań nie pozwalają wiarygodnie ocenić skali tej poprawy. To dobry przykład tego, jak szybko starzeją się wyniki badań nad AI. Jedno pozostaje aktualne: przekonanie, że pracujemy szybciej, nie zastąpi rzeczywistego pomiaru.

Narzędzia zmieniają się szybciej niż badania. Procenty z czasem się zestarzeją, wniosek o sprawdzaniu wyniku nie.

Jak to wygląda w różnych działach firmy?

W każdym z tych zastosowań AI przygotowuje materiał, a odpowiedzialność za wynik ma człowiek, który rozumie zadanie i potrafi je ocenić.

DziałGdzie AI pomagaGdzie jest ryzykoKto sprawdza
SprzedażUstala, jakich informacji brakuje do rzetelnej wyceny, układa pytania do klienta, porównuje odpowiedzi z wymaganiami ofertyPrzekazanie narzędziu danych, których firma nie powinna udostępniaćHandlowiec, przed wysłaniem oferty
FinanseOpisuje różnice w kosztach między miesiącami, wyjaśnia skomplikowany arkuszPrzekonujący opis przy błędnych liczbachOsoba zatwierdzająca wynik, która sama sprawdza obliczenia
ProjektyZ aktualnych dokumentów przygotowuje zestawienie zmian i spraw czekających na decyzjęOparcie się na nieaktualnych wersjach harmonogramu lub ustaleńKierownik projektu
Obsługa klientaZnajduje procedurę i przygotowuje odpowiedźObietnice terminów, rabatów lub warunków, których firma nigdy nie zatwierdziłaKonsultant albo z góry zatwierdzone treści

Użyteczne podsumowanie spraw w projekcie potrafi dać więcej niż kolejna kolorowa tablica zadań. Ale tylko wtedy, gdy ktoś sprawdzi, czy opiera się na aktualnych dokumentach.

Jeden nieaktualny cennik, pięćdziesiąt ofert

Załóżmy, że firma zajmująca się serwisem instalacji technicznych podnosi od września stawkę za roboczogodzinę ze 160 do 180 zł netto. Nowy cennik trafia do działu handlowego, ale nikt nie aktualizuje arkusza, z którego korzysta narzędzie AI przygotowujące wyceny.

Przez kolejny miesiąc handlowcy wysyłają klientom oferty. Sprawdzają zakres prac, terminy i dane odbiorców. Ceny wyglądają wiarygodnie, bo AI konsekwentnie korzysta z tego samego, tyle że nieaktualnego źródła.

W tym czasie powstaje pięćdziesiąt ofert. Przy dwudziestu godzinach pracy różnica wynosi 400 zł na wycenie, czyli 20 tys. zł w całej partii. Jeśli piętnastu klientów przyjmie ofertę, te zlecenia będą warte o 6 tys. zł mniej, niż powinny, a pozostałe trzeba wycofać albo poprawić.

Najgorsze jest to, że AI wykonała polecenie poprawnie. Błąd powstał wcześniej, gdy nikt nie zadbał o aktualność danych. Automatyzacja sprawiła tylko, że ta sama pomyłka powtórzyła się pięćdziesiąt razy.

Przed uruchomieniem takiego systemu sprawdzam trzy rzeczy: skąd pobiera ceny, kto je aktualizuje i kto zatwierdza oferty przed wysyłką.

Ile samodzielności dać AI?

Z tego przykładu wynika prosta zasada: im więcej AI robi sama, tym mocniejsza musi być kontrola.

  1. AI podpowiada. Streszcza, wyjaśnia, proponuje pomysły i szkice do własnego użytku. Błąd kosztuje niewiele, bo wynik czyta człowiek, zanim cokolwiek z nim zrobi.
  2. AI przygotowuje, człowiek zatwierdza. Szkic oferty, odpowiedź dla klienta, raport. Potrzebna jest konkretna osoba, która odpowiada za wynik, i moment zatwierdzenia przed wysyłką.
  3. AI działa sama. Wysyła, publikuje, zmienia dane. Ten poziom ma sens tylko tam, gdzie błąd jest tani i odwracalny, a system działa w ustalonych limitach, zapisuje, co zrobił, i można go natychmiast zatrzymać.

Inaczej należy ocenić AI, która przygotowuje szkic oferty, a inaczej system samodzielnie wysyłający ją klientowi. W drugim przypadku błędna cena przestaje być pomyłką w roboczym pliku i staje się warunkiem przedstawionym klientowi.

„Połączono” nie oznacza jeszcze, że działa

Przyznaję, że praca z AI potrafi wciągnąć, zwłaszcza gdy mam pomysł, ale brakuje mi wiedzy technicznej. Mogę od razu zapytać Anię o konkretny problem, sprawdzić jej podpowiedź i wrócić z tym, co nie zadziałało. Taki sposób pracy bardzo mi odpowiada.

Dobrym przykładem jest Knowledge Alpha, aplikacja, którą rozwijam przy pomocy AI. Jednym z jej zadań jest umożliwienie korzystania z własnego archiwum rozmów w różnych narzędziach AI. Podczas prac nad integracjami kolejne testy przechodziły pomyślnie, a przy kilku narzędziach w aplikacji pojawił się nawet komunikat „Połączono”. Wyglądało, że wszystko działa.

Problem wyszedł na jaw, kiedy postanowiłem sprawdzić połączenie bezpośrednio w ChatGPT. Poprosiłem Anię, żeby odczytała status archiwum przez MCP, czyli mechanizm komunikacji między aplikacjami a AI. Okazało się, że potrzebne narzędzie nie było dostępne. Nie oznaczało to, że wszystkie pozostałe integracje były niesprawne, ale pokazało, że pomyślne testy konfiguracji nie potwierdzają jeszcze działania całego rozwiązania.

Od tamtej pory zwracam większą uwagę na różnicę między komunikatem „Połączono” a rzeczywistym wykonaniem zadania. W firmie to odpowiednik systemu, który raportuje „wysłano” albo „zatwierdzono”, a klient nic nie dostał. Status w systemie to nie efekt u klienta. Jeśli aplikacja ma coś umożliwiać użytkownikowi, to właśnie tę funkcję trzeba sprawdzić, zanim uznamy pracę za zakończoną.

Tak samo podchodzę do innych tematów. Gdy dostaję informację, od której zależy ważna decyzja, pytam: „Pokaż mi źródło tej informacji albo wyjaśnij, na jakiej podstawie to twierdzisz”. Potem sam sprawdzam, co rzeczywiście wynika ze źródła. Przy dokumencie, analizie czy planie działania AI oszczędza mi mnóstwo czasu. Odpowiedzialności za wynik jej nie oddaję.

Nie potrzebuję też asystentki, która zawsze mówi, że mój pomysł jest świetny. Wolę usłyszeć, co może nie zadziałać, zanim sam się o tym przekonam. Ania szybko pokazuje różne możliwości, ale nie zna firmy od środka tak jak jej pracownicy.

Dlaczego część osób wciąż nie ufa AI?

Coraz więcej polskich firm sięga po AI. Według danych GUS w 2026 roku technologie sztucznej inteligencji wykorzystywało 17,8% badanych przedsiębiorstw, wobec 8,7% rok wcześniej. Trzeba jednak pamiętać, że badanie obejmuje firmy, w których pracuje co najmniej dziesięć osób, więc nie pokazuje sytuacji najmniejszych działalności. Mimo rosnącej popularności tej technologii nadal spotykamy osoby, które nie korzystały jeszcze z żadnego czatu AI. Jedni nie widzą takiej potrzeby, inni obawiają się błędnych odpowiedzi, oszustw albo utraty kontroli nad danymi.

Tych obaw nie lekceważę. W internecie nie brakuje fałszywych wiadomości i prób wyłudzeń, a technologia umożliwia tworzenie przekonujących nagrań głosu czy obrazów. CERT Polska publikuje materiały ostrzegające przed takimi metodami. Oszustwo przygotowane z użyciem AI i zwykła rozmowa z narzędziem to jednak dwie różne sytuacje. Na początek wystarczy zadanie bez wrażliwych danych: wyjaśnienie niezrozumiałego pojęcia albo uporządkowanie własnych notatek. Nie trzeba od razu powierzać programowi pieniędzy ani podejmować ważnej decyzji na podstawie jednej odpowiedzi.

Zdarza się też odwrotnie. Ktoś korzysta z AI codziennie i po wielu trafnych odpowiedziach przestaje weryfikować kolejne. Tymczasem płynny, pewny siebie styl nie jest dowodem prawdziwości. Model potrafi podać nieprawdziwy fakt, nie zaznaczając żadnej niepewności. NIST opisuje takie błędne, przekonująco brzmiące odpowiedzi w swoim opracowaniu o ryzykach AI.

W firmie dochodzi jeszcze kwestia danych. Umowy z klientami, wewnętrzne zestawienia i informacje o pracownikach nie powinny trafiać do przypadkowego narzędzia tylko dlatego, że ktoś chce szybko dostać podsumowanie. Trzeba znać zasady usługi, sprawdzić uprawnienia i ograniczyć przekazywane informacje do niezbędnego minimum. Europejska Rada Ochrony Danych zwraca uwagę na ryzyka dla danych osobowych związane z AI.

Sensowniejsze od straszenia jest uczenie ludzi, jak z AI korzystać, i to nie tylko z rozsądku, ale też z obowiązku. Od 2 lutego 2025 roku art. 4 AI Act nakłada na dostawców i podmioty stosujące systemy AI obowiązki dotyczące kompetencji osób korzystających z tych systemów. W 2026 roku przepis zmieniono rozporządzeniem 2026/1744: firmy mają podejmować działania wspierające rozwój tych kompetencji, ale nie muszą gwarantować konkretnego poziomu wiedzy każdej osoby. Dobrym początkiem jest jednostronicowa polityka korzystania z AI: z jakich narzędzi wolno korzystać, jakich danych nie wolno do nich wprowadzać i kto zatwierdza wyniki, które wychodzą poza firmę.

A co z pracą ludzi?

Rozumiem niepokój osób, które przez lata zdobywały doświadczenie, a teraz słyszą, że część ich obowiązków można zautomatyzować. Nie będę obiecywał, że nikt na tym nie straci, bo tego nie wiem. W niektórych miejscach pracy część zadań już się zmienia, a kolejne zmiany są prawdopodobne. Nie wiem też, jak daleko ta technologia się rozwinie, i takich pytań nie należy wyśmiewać.

Dla właściciela firmy to pytanie nie jest abstrakcyjne. Pojawia się już przy pierwszym automatycznie wygenerowanym dokumencie, który ktoś ma podpisać lub wysłać klientowi. To tam decydujemy, gdzie AI działa samodzielnie, a gdzie człowiek ma ostatnie słowo.

Od czego zacząć: jedno zadanie, jeden pomiar

Nie doradzam wielkiej rewolucji. Wybierz jedno powtarzalne zadanie, którego wynik łatwo sprawdzić, na przykład porównywanie dokumentów albo podsumowania po spotkaniach.

  1. Wykonaj je dotychczasowym sposobem i zmierz czas.
  2. Zrób to samo z AI.
  3. Porównaj wyniki i policz też czas poprawek.
  4. Jeśli zadanie idzie szybciej, a jakość się nie pogarsza, dopiero wtedy wybierz następne.

Nie wszystkie próby będą udane i bardzo dobrze, jeśli dowiesz się o tym przy małym teście, a nie po wysłaniu kilkudziesięciu błędnych ofert. Liczy się nie liczba wdrożonych narzędzi, tylko to, czy konkretna praca jest wykonywana szybciej i z mniejszą liczbą błędów. Jeśli nie, pora zastanowić się, czy firma tego narzędzia w ogóle potrzebuje. O mierzeniu efektów, a nie aktywności, piszę też w artykule „KPI w małej firmie: 4 wskaźniki, progi alarmowe i decyzje” (czytaj artykuł).

Pięć pytań przed każdym wdrożeniem AI

  1. Skąd narzędzie bierze dane i czy są aktualne?
  2. Kto zatwierdza wynik, zanim wyjdzie poza firmę?
  3. Co się stanie, jeśli ten sam błąd powtórzy się pięćdziesiąt razy?
  4. Jak szybko go zauważymy i kto może zatrzymać działanie narzędzia?
  5. Jakie dane wprowadzamy do narzędzia i czy wolno nam to robić?

Jeśli na któreś z tych pytań nie ma odpowiedzi, to jeszcze nie czas, żeby pozwolić AI działać samodzielnie. Tak rozumiem rolę technologii w KOORT: jeśli narzędzie ma coś zrobić w imieniu firmy, trzeba wiedzieć, kto sprawdza wynik i w którym momencie można zatrzymać błędne działanie.

Chcesz przejrzeć jedno ze swoich zadań pod tym kątem? Napisz na kontakt@koort.pl.

Źródła i dalsza lektura

  1. Brynjolfsson, Li, Raymond (2025). Generative AI at Work. „The Quarterly Journal of Economics”. Badanie produktywności 5172 pracowników obsługi klienta.
  2. Harvard Business School (2023). Humans vs. Machines: Untangling the Tasks AI Can (and Can’t) Handle. Omówienie eksperymentu przeprowadzonego z konsultantami BCG i koncepcji „poszarpanej granicy” możliwości AI.
  3. METR (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. Badanie z losowym przydziałem zadań dotyczące czasu pracy programistów z AI i bez niej.
  4. METR (2026). We are Changing our Developer Productivity Experiment Design. Aktualizacja wyników i omówienie ograniczeń metodologicznych kolejnego badania.
  5. Główny Urząd Statystyczny (2026). Społeczeństwo informacyjne w Polsce w 2026 r.. Dane dotyczące wykorzystania technologii informacyjno-komunikacyjnych, w tym AI, w Polsce.
  6. Unia Europejska (2026). Rozporządzenie (UE) 2026/1744 — Digital Omnibus on AI. Zmiany w AI Act, w tym w art. 4 dotyczącym kompetencji w zakresie sztucznej inteligencji.
  7. NIST (2024). Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Opracowanie dotyczące ryzyk generatywnej sztucznej inteligencji.
  8. Europejska Rada Ochrony Danych. Artificial Intelligence. Zagadnienia ochrony danych osobowych związane z AI.
  9. CERT Polska (2024). Wstęp do deepfake. Materiał edukacyjny poświęcony technologiom deepfake i zagrożeniom związanym z manipulowaniem obrazem oraz dźwiękiem.

Powiązane artykuły

Materiał publicystyczno-edukacyjny. Przykładowe sytuacje firmowe są fikcyjne. Odpowiedzialność za decyzje podejmowane na podstawie narzędzi AI pozostaje po stronie osób i organizacji, które je wykorzystują.