Zanim zaprosisz agenta AI do pracy, posprzątaj.

Zainstalowanie systemu do obsługi faktoringu poszło sprawnie. Byłem dumny jak paw, że unowocześniam funkcjonowanie oddziału banku, w którym zacząłem pracę zaledwie dziesięć miesięcy wcześniej. Pozostała ostatnia rzecz, uzgodnić z kierownikiem obsługi wypłaty środków dla klientów.

I wtedy zaczęły się schody.

Kierownik zasugerował, że to ja, jako oficer kredytowy, powinienem zlecać wypłaty. Brzmi niewinnie, ale łamało to zasadę zasadę czterech oczu zapewniającą kontrolę nad wypłatami. Jedna osoba nie może jednocześnie decydować o kredycie i wypłacać pieniędzy. Dla obserwatora z boku była to propozycja zupełnie nieracjonalna, która nigdy nie powinna paść ze strony menedżera w banku.

Dlaczego tak zareagował? Bo bał się nowego procesu. Nie rozumiał go, nie czuł się w nim pewnie, więc próbował odepchnąć odpowiedzialność. Wolał złamać zasadę niż zmierzyć się z nową rolą.

Ale muszę przyznać, że też popełniłem swój błąd. Przyszedłem z gotowym rozwiązaniem i postawiłem go przed faktem dokonanym. Nie wciągnąłem go w temat wcześniej. Nie dałem mu czasu, żeby zrozumiał zmianę i poczuł się jej częścią. Naturalnie się okopał.

To była moja pierwsza lekcja o tym, że zarządzanie zmianą jest ważniejsze od technologii. Miałem 25 lat a świat dopiero czekał na internetową bańkę. A mimo to wzorzec, który właśnie opisałem, pojawia się dziś w co drugim nagłówku o porażkach sztucznej inteligencji.

Niedawno BCG przeanalizowało setki wdrożeń AI w dużych organizacjach i doszło do wniosków, które wielu miłośnikom technologii mogą się nie spodobać. Na podstawie badań BCG przedstawiło formułę 10-20-70 opisującą sukces wdrożenia rozwiązań AI. Wg niej źródłem sukcesu jest skoncentrowanie 70% wysiłków na ludziach, procesach i kulturze organizacyjnej. Jedynie 10% uwagi należy poświęcić algorytmom, pozostałe 20% to technologia. Siedemdziesiąt procent sukcesu nie ma nic wspólnego z kodem ani modelami.

Dane McKinsey potwierdzają tę proporcję z innej strony. Zaledwie 6% firm generuje realny, mierzalny wpływ AI na wynik finansowy. Reszta albo eksperymentuje bez rezultatów, albo porzuca projekty. W 2025 roku ponad 42% firm porzuciło większość swoich inicjatyw AI, ponad dwukrotnie więcej niż rok wcześniej. Te 6%, które odnosi sukces, nie ma lepszych modeli ani większych budżetów. Ma lepiej poukładane procesy i lepiej przygotowanych ludzi.

Dla mnie to brzmi jak potwierdzenie czegoś, co widziałem przy każdym wdrożeniu technologicznym w ciągu ostatnich piętnastu lat.

Zamiast wracać do Klarny czy Air Canada, o których pisał już każdy blog, spójrzmy na dwa mniej znane przypadki.

Chatbot dealera Chevroleta w USA zgodził się sprzedać SUV-a Tahoe wartego 76 tysięcy dolarów za jednego dolara i opisał transakcję jako „prawnie wiążącą, bez odwoływania”. Kilku klientów powtórzyło sztuckę. Nikt nie połączył chatbota z systemem cenowym. Bot mógł obiecać dowolną cenę, bo nie było mechanizmu weryfikacji. Nikt nie zadał sobie pytania: „a co jeśli bot zgodzi się na cenę, która nie istnieje?”

Z kolei chatbot rządu Nowego Jorku, zbudowany przez Microsoft za publiczne pieniądze, doradzał pracodawcom, że mogą zabierać napiwki pracownikom, zwalnniać osoby zgłaszające molestowanie i serwować jedzenie nadgryzione przez gryzonie. Wszystko nielegalne. Baza wiedzy nie była nadzorowana. Nikt nie sprawdził, czego chatbot się „nauczył” i czy to jest zgodne z prawem.

Dwa różne konteksty, ten sam schemat: technologia robiła dokładnie to, co jej kazano. Problem polegał na tym, że nikt nie ustalił właściwych zasad gry.

Przy innym projekcie, lata temu, wybieraliśmy system ERP dla klienta. Częścią procesu było opisanie istniejących procesów, żeby oszacować zakres wdrożenia i liczbę potrzebnych licencji. Kiedy dotarliśmy do działu płatności, okazało się, że potrzebna będzie tak duża liczba licencji, że zabiłaby cały budżet projektu.

Po głębszej analizie odkryliśmy przyczynę. W dziale był przerost zatrudnienia i skrajnie nieefektywny proces. Ludzie robili ręcznie rzeczy, które dawno powinny być uproszczone albo zautomatyzowane.

Technologia podziałała tu jak rentgen. Oświetliła problem, który wcześniej był niewidoczny, bo „jakoś działało”. Gdybyśmy kupili licencje bez weryfikacji procesu i jego efektywności zapłacilibyśmy fortunę za utrwalenie bałaganu. Najpierw trzeba było naprawić proces.

I to jest dokładnie to, co widzę dziś w dyskusjach o AI. Firmy chcą wdrożyć chatbota na proces, który nie działa. Automatyzują bałagan, a potem dziwią się, że AI generuje bałagan szybciej i na większą skalę. BCG nie bez powodu mówi organizacjom: zanim wdrożysz kolejny przypadek użycia AI, zbuduj infrastrukturę procesów i zasad, która sprawi, że drugie i trzecie wdrożenie będzie pięć razy łatwiejsze niż pierwsze. Bez tego każdy kolejny projekt zaczyna od zera i powtarza te same błędy.

AI nie zmienia podstawowych prawd o prowadzeniu biznesu. Efektywność procesów, eliminacja marnotrawstwa, dopasowanie do potrzeb klienta to zasady które nadal obowiązują. Tak jak obowiązywały przy wdrożeniach systemów ERP, Business Intelligence czy RPA.

Różnica polega na moc zwielokrotnienia i przyspieszenia procesów przez AI. Jeśli Twój proces jest sprawny, AI zwielokrotni korzyści. Jeśli jest zły, AI powtórzy każdy błąd szybciej i na większą skalę, nie pytając, czy to ma sens.

Dlatego ekscytując się rozpędzającą się rewolucją AI warto zakotwiczyć się w podstawowych prawdach biznesowych i kontynuować obowiązki dobrego lidera: przygotować ludzi na zmianę, zanim ta zmiana nadejdzie; dać im przestrzeń do nauki i adaptacji.

Wiele lat temu popełniłem ten błąd stawiając kierownika przed faktem dokonanym.  Wtedy chodziło o system faktoringu w jednym oddziale banku. Dziś chodzi o agentów AI. Ale lekcja jest ta sama.

Czekając na nadejście przełomowego wdrożenia AI w Twojej organizacji nie bądź bierny. Usprawniaj procesy, rozwijaj pracowników, buduj kapitał zaufania i współpracy.  Kiedy technologia przyjdzie, będziesz gotowy. A jeśli nie przyjdzie, lub projekt nie wypali i tak wygrasz bo będziesz miał lepszą organizację.

Ostatecznie przecież, niezależnie od technologicznych fajerwerków chodzi o to czy praca, którą wykonujesz tworzy realną wartość.

Wojciech Pozarzycki, luty 2026

Źródła:

BCG, „From Potential to Profit: Closing the AI Impact Gap,” January 2025

BCG / Astrafy, „10-20-70 Principle for AI Success,” 2025

McKinsey, „The State of AI in 2025,” November 2025

S&P Global, „AI Initiative Abandonment Survey,” 2025

The Markup, NYC MyCity chatbot investigation, 2024