Latest / Zależy Od Kontekstu / Dlaczego większość firm nie ma zwrotu z AI?

Transcript

Dlaczego większość firm nie ma zwrotu z AI? · Zależy Od Kontekstu

• Tomasz Grochowski: W sierpniu 2026, czyli zupełnie niedawno McKinsey wydał nowy raport, mówiący o stanie sztucznej inteligencji. Trochę ciekawych liczb się w nim pojawia, m.in. to, że 80 % badanych w tym raporcie mówi, że sztuczna inteligencja poprawiła ich osobistą efektywność w pracy. Ale z drugiej strony jest druga fajna liczba, 37 % respondentów mówi, że sztuczna inteligencja ma jakikolwiek pozytywny wpływ na ebit całej organizacji. Mamy fajną rozbieżność 40 % z grubsza między tymi liczbami, bo jeżeli ludzie rzeczywiście pracują szybciej, to pojawia się pytanie, gdzie znika ta wartość, gdzie znika ta efektywność albo w ogóle co się dzieje z tym, że to się nie przekłada na jakąś wartość Także co, firma sobie kupuje kopiloty, kupuje licencje, buduje własne rozwiązania, odpala agentów, pracownicy mówią, że oszczędzają czas, pracują szybciej, efektywniej, A kiedy zarząd patrzy na rachunek wyników, efekt jest znacznie trudniejszy do znalezienia. Wojciech Dymowski: Czyli jak zwykle zapierniczamy, zapierniczamy, inwestujemy i nic z tego nie ma. A myślałem, że powiesz coś nowego na start dzisiaj. Tomasz Grochowski: czyli za tym pojawia się pytanie, no to co się musi wydarzyć pomiędzy tym, że sztuczna inteligencja pomaga pojedynczemu człowiekowi, a tym, że zaczyna na tym zarabiać organizacja. tylko takie myślę ważne zastrzeżenie a propos tytułu tego odcinka, bo on brzmi dlaczego większość organizacji nie ma zwrotu ze sztucznej inteligencji. On taki trochę prowokacyjny oczywiście był i lekko sarkastyczny. Nie będziemy tłumaczyć, że 60 % organizacji traci pieniądze na sztuczną inteligencję, bo tak naprawdę dane tego nie pokazują i nie potwierdzają. Brak wskazanego wpływu na EBIT wcale nie oznacza, że ten zwrot z inwestycji jest ujemny. Tak samo udany pilot albo jakaś oszczędność czasu pojedynczego pracownika wcale nie musi oznaczać dodatniego ROI. Także tutaj właśnie to rozróżnienie będzie istotą problemu. Wojciech Dymowski: Ja myślę, że jak zwykle dane i obserwacje pokazują jedno, że między oczekiwaniami, zwłaszcza napędzanymi przez dostawców modeli i narzędzi, a tym co firmy widzą w swoim biznesie, bo kurde firmy są dla biznesu, a nie żeby się bawić technologią, jest rozjazd, jest duży rozjazd i to jakby widać wszędzie gdzie się spojrzy. Pytanie jest dlaczego i co z tym zrobić. Tomasz Grochowski: No tak, no szczególnie jeżeli organizacje budujące modele tak bardzo chcą o nas zadbać, o nasze bezpieczeństwo, że straszą nas tym, że ich modele im uciekły i zhakowały inne organizacje. Jak w jednej organizacji się to przydarzyło, to w ciągu kilku tygodni druga organizacja też ogłasza światu bardzo transparentnie i otwarcie, że ojej, nasz model też uciekł, też kogoś zhakował. Dobry myk Wojciech Dymowski: Tak, mistr- Tomasz Grochowski: marketingowy na budowanie poczucia wysoko zajebistości tych rozwiązań, które budują. Wojciech Dymowski: Pierwsza wskazówka a propos danych i analizowania to odciąłbym przede wszystkim dane, które pochodzą z jakichkolwiek źródeł powiązanych z dostawcami technologii, a przynajmniej z ich interpretacją bardzo bym był ostrożny i wtedy można zacząć się analizować rzeczywiście co się dzieje. Tomasz Grochowski: Jakoś tak próbując złapać problem, który będziemy próbowali opowiedzieć, czy trochę się do niego odnieść, to jest to, że z jednej strony widzimy efektywność pojedynczych osób, a z drugiej strony nie przekłada się to na wartość na poziomie organizacji, czyli można byłoby... spróbować pobawić dzisiaj taką hipotezę, że produktywność nie jest jeszcze wartością finansową. Jest dopiero możliwością jej stworzenia, a organizacje muszą znaleźć sposób na to, żeby wyłapać tą możliwość i przerobić realnie na pieniądze, które będą widoczne w sprawozdaniu finansowym na koniec. Wojciech Dymowski: Myślę, że kluczowe jest słowo jeszcze i dokładnie tak jak proponujesz to jest pragmatyczne podejście, bo nie ma co się chować przed tą technologią, nie ma co próbować stwierdzić, że nie potrzebujemy AI albo my będziemy wyjątkowi, no bo to jest jednak rewolucyjna technologia i rewolucyjna zmiana, tylko jak najwcześniej zacząć myśleć jak to robić. Tektor z głową. Tomasz Grochowski: Dobra, to spójrzmy z głową. Spójrzmy na trochę danych, żebyśmy też odnieśli się do jakichś konkretów. Trzy najnowsze badania. Dobrze się składa, bo teraz rozmawiając o tym we wrześniu, mamy najnowsze badania, które są w zasadzie z lipca, sierpnia i września. Pierwszy to jest wspomniany raport McKinsey. 1700 respondentów, prawie 100 krajów. Ciekawie. bo mówią o tym, że prawie 9 na 10 organizacji używa już sztucznej inteligencji w jakiejś jednej funkcji, czyli mamy wysoką, przynajmniej wysokie nasycenie, jeszcze nie jestem pewien, czy odważyłbym się powiedzieć, że wysoką adopcję, bo to może być już zbyt daleko idąca opinia, ale mamy wysokie nasycenie funkcjonowania sztucznej inteligencji w organizacjach. 80 % respondentów w tych organizacjach mówi, że sztuczna inteligencja zwiększyła im indywidualną produktywność, ale tak jak wspominałem wcześniej, tylko 37 % przypisuje sztucznej inteligencji jakikolwiek pozytywny wpływ na EBIT na poziomie całej organizacji. I jakby co z tego widać, to, że możliwości technologii są powszechne, natomiast wynik ekonomiczny wynikający z tego absolutnie nie jest. Wojciech Dymowski: To pokazuje też fajną rzecz, bardzo zbieżną z obserwacjami, które mam chyba w każdej organizacji, którą widziałem, że to przełożenie obserwacji tego, się w organizacji dzieje z pojedynczych pracowników, tak, ludzie chwytają. To jest ewidentnie w 90 myślę, pewnie przypadkach, dużej większości jest to dolna rewolucja. Ludzie dotykają, próbują, używają, a czasem na górze tak zwanej nawet nie do końca wiadomo, co się dzieje. To jest w ogóle taki rozjazd też widoczny i myślę te dane też trochę pokazują. że tak jest, że nie zawsze firmy wiedzą co się do końca u nich dzieje, deklaratywnie są przekonani, że pracownicy używają, bo coś tam słyszeli, ale to jest początek drogi. Tomasz Grochowski: Z drugiej strony to, propos tej oddolności McKinsey identyfikuje tzw. AI High Performance. To jest ciekawe, bo to są organizacje, co najmniej 5 % EBIT jest przypisywane Sztucznej Inteligencji plus również te organizacje dużą wartość biznesową przypisują dla Sztucznej Inteligencji. Natomiast jest to tylko około 6 % badanych w ich ankiecie. trochę idąc dalej, czym te organizacje się różniły, przede wszystkim różniły się tym, że mierzyły ten EBIT. jest jakby mierzyły wskaźniki tej efektywności. Więc to troszeczkę jakby od razu ujawniając jakby co się dzieje i jest różnica. To też nie jest tak, że organizacje, które nie mają tego efektu, efektywności organizacyjnej po prostu nie przynoszą wartości. Tutaj przyczyna może być dużo bardziej prozaiczna. one po prostu nie zaczęły tego mierzyć i nie wiedzą jak to mierzyć i w żaden sposób nie traktują portfelowo rozwiązań czy jakichkolwiek prototypów czy proof of concepts zbudowanych na sztucznej inteligencji promując doskalowania te efektywne a eliminując te, które nie przynoszą efektywności tylko to jest taki trochę efekt hajpu i super hura mamy fajnego nowego tula to się nim pobawimy mamy fajną nową licencję to sobie potestujemy i przyśpieszymy pracę pojedynczej osobie. Wojciech Dymowski: Czyli w podejściu do danych nic się nie zmieniło, to tak jak we wdrażaniu z winności. Jakby mogliśmy sobie długo dyskutować o tym jak łatwo można mierzyć albo jakie wskaźniki można mierzyć, a potem się okazało, że my po prostu danych nie zbieramy, bo nie wiemy po co nie mamy pomysłu. Absolutnie tak, to w ogóle myślę, że jest taki ważny komunikat, bo dużo się mówi o tym, że dane są tak ważne, że EA pokazuje, przekonuje firmę jak bardzo ważne są dane i myślę, że problem w większości organizacji właśnie tutaj tkwi, że nawet dane o tym jak używamy AI czy dane o tym jak w ogóle nasza efektywność wygląda, bo powiedziałeś o efektywności osobistej, przełożonej na organizację. Organizacje mierzą EBIT czy EBITDA, bo tak jest w sprawozdaniach finansowych i to trzeba mierzyć i nie ma wyjścia. I jeszcze jedną dotyka bardzo ważnej rzeczy, uważam, że tu organizacje powinny postawić istotne zadanie. W ogóle co to znaczy, że przypisują jakąś część zysku, redukcji kosztów, efektu finansowego AI-owi. To jest pewnie w miarę łatwe do zrobienia w organizacjach. Pewnie tak na przykład w organizacjach, które tworzą oprogramowanie, bo tam wszystko z automatu się liczy, można policzyć linijki kodu, czasy kompilacji, różne rzeczy, przy testach można dużo rzeczy zrobić. Ale dla firm, które nie wiem są firmami sprzedażywymi, doradczymi, jakimikolwiek innymi, to przypisanie to jest trochę wyróżnienie z fusów często. I teraz jak się nie usiądzie do tego porządnie... to nawet nie wiadomo jak to do końca zmierzyć i znowu wrócimy do początku, czyli do tego, że większość danych będzie się wypierało na deklaracjach menedżerów i te dane będą warte. Przejdźmy dalej. Tomasz Grochowski: Dobra, to złapmy jeszcze dwa pozostałe badania badania. BCG lipiec 2026, też jest Około 150 CEO zapytanych. Właśnie o wpływ sztucznej inteligencji na wartość biznesową w organizacji. I teraz 9 na 10 mówi, że widzi jakiś efekt przychodowy albo kosztowy w jakichś konkretnych obszarach wewnątrz firmy, czyli w jakimś wycinku procesu. Oczywiście można sobie postawić pytanie, ono jest nieco retoryczne, to od razu odpowiada, gdzie to znika, no bo jeżeli to nie jest na ścieżce krytycznej, no to co z tego, że poprawisz jakiś element, który nie jest na ścieżce krytycznej do doprowadzenia do wzrostu wartości organizacji. Fajnie, ktoś się świetnie tym pobawił, natomiast efektywność była niewielka. I tu jest kolejna liczba od nich, która mówi, że tylko 14 % z nich mówi, że firma w jakikolwiek jasny sposób definiuje oczekiwany wpływ na P&L z inicjatyw AI-owych. Czyli w większości te 9 na 10 robi coś, wdrażamy AI. Być może jak zapytamy po co, to usłyszymy, że żeby być AI first, czyli wdrażamy AI, żeby mieć AI, ale z drugiej strony, tak tylko te 14 % mówi, wdrażamy AI po to, ten portfel... projektów związanych ze sztuczną inteligencją przyniósł jakiś efekt P&L-owy i to jest pewnie taki zaczątek tego, faktycznie myśleć o tym, żeby osadzać sztuczną inteligencję w szerszej transformacji biznesowej. Wojciech Dymowski: Znowu naczelny sceptyk dzisiaj będzie ze mnie, ale okej i znowu dwa elementy. No właśnie cel, kto sobie stawia cel i znowu to nie jest tak, że od samego początku zanim dotkniemy, zanim kupimy pierwszą licencję, nie wiem, czatę GPT, musimy wiedzieć wszystko, bo tego się nie da zrobić często, ale rzeczywiście warto sobie jak najszybciej popatrzeć, dobra to tu, tu coś robimy, to sobie ustalmy ten cel, cel w sensie co chcemy osiągnąć, ale może właśnie też... taki cel pod tytułem ile jesteśmy w stanie na to wydać. jest pytanie ile organizacji się zadaje takie pytanie ile na przykład w ciągu najbliższego roku jesteśmy w stanie wydać. Jeszcze coś fajnego powiedziałeś do czego chciałem się odnieść ale mi kurde ucieknęło. Tomasz Grochowski: Za dużo fajnych rzeczy powiedziałem, po prostu nie możesz się zdecydować. Dobra, to polecę do Gartnera. Wojciech Dymowski: Tak, staram się być relatywnie mniej sceptyczny, żeby się nie przypieprzać do wszystkiego, ale to nie w moim stylu i to jest trudne, rzeczywiście. Tomasz Grochowski: Dobrze, to polecę do Gartnera. Na początku września pojawił artykuł podsumowujący 1300 liderów z różnych dużych organizacji. teraz to, co stamtąd wynika, dosyć w zbliżonej kierunek, tylko 22 % organizacji skutecznie wyskalowało sztuczną inteligencję. jakby cross-organizacyjnie albo gdzieś przez wiele jednostek biznesowych czy w ogóle doszło do modelu, który moglibyśmy First. I też Gartner próbował w jakiś sposób sklasyfikować High Performance, czyli te organizacje, właśnie te 22 % które to osiągnęły. I one systematycznie mierzą ROI. traktują sztuczną inteligencję jako portfel inwestycji i zamykają nieefektywne albo redukują słabe inicjatywy i wspierają te, które są efektywne. I one definiują pozytywny zwrot w 81 % swoich inicjatyw. Ale przede wszystkim mierzą i tak naprawdę realizują, jakby na podstawie feedbacku z tych miar realizują zmiany w portfelu. niwelują to, co nie przynosi efektu, a wzmacniają to, co ten efekt przynosi. tu są różne liczby, one nie są dla mnie ze sobą sprzeczne, natomiast myślę ciekawą taką warstwę tego samego problemu, czyli to, że na dzień dzisiejszy zdecydowanie widzimy, że sztuczna inteligencja jest w stanie tworzyć lokalną wartość. Tak, osobistą wartość, tak, absolutnie. Tu mamy deklarację rzędu 80-90 % zależności od tego, kogo i jak zapytamy. Natomiast to absolutnie nie znaczy jeszcze, że organizacje potrafią to wyskalować, przechwycić i w jakikolwiek sposób pokazać w P&L-u oraz ewidentnie nie robi się to samo. Czyli te 90 % indywidualnej efektywności nie przekłada się na... samo z siebie nie przekłada się w żaden sposób na PNL-owe zmiany czy jakieś wzrosty. Wojciech Dymowski: To jeszcze dwa słowa, które sobie tym razem byłem smart i zapisałem co chciałem powiedzieć. Po pierwsze tam padło właśnie na początku duże organizacje. Tutaj musimy uważać bo możemy straszyć bo większość organizacji to nie są duże organizacje, zatem się nie uważają i mają inne mechanizmy i te raporty często dotyczą dużych organizacji. Zwłaszcza takie raporty ilościowe czy udające ilościowe, no bo dużo ciężej zrobić badania na małych firmach. A dwa, co zwróciło moją uwagę Ten raport może też być straszący dla niektórych naszych słuchaczy, no bo trochę brzmi tak jakby oni już osiągnęli transformację, zakończyli transformację, osiągnęli jakiś jakby element, tak osiągnęli jakiś wyskalowany model, nie oszukujmy się to jest bzdura, to znaczy one zrobiły istotny krok, ja bym tak to interpretował, jasne doszły do jakiegoś elementu, które uważają za zamkniętą fazę etap, ale nikt jeszcze nie wie jak bardzo AI będzie zmieniać biznes w najbliższych miesiącach i latach, to jakby absolutnie nie można tutaj osiąść na laurach. Natomiast bardzo podoba mi się do podsumowania podchodząc. To jest właśnie to, że trzeba na to patrzeć pozytywnie i otwarcie. To co powiedziałeś, że AI jest w stanie, mamy obserwacje, mamy wyniki, jest w stanie poprawić lokalnie różne rzeczy na personalnym poziomie i zespołowym i to widać i to już nie są tylko deklaracje, to widać w różnych obserwacjach. AI to jest potencjał, ale nadal patrząc na te raporty Ja bym wyciągnął taki wniosek i rekomendacje. Nie panikujmy, to nie jest tak, że nam odjechał pociąg. I tak jak zawsze tylko Early Adopter to jest bardzo mała procentowo część i nie próbujmy się pchać za szalką cenę tam. Po prostu rozsądnie teraz się podłączymy do tego pociągu. Tomasz Grochowski: Ja wiesz, nawet bym powiedział, że to może nie tyle odjechał pociąg, co odpadło kółko od lokomotywy i pojechało pierwsze. I to jest jedyne, co odjechało tak naprawdę. Bo z tych raportów i z tych liczb, i zresztą to jest to, co wydaje mi się, że obserwujemy też w organizacjach, to jest to, że ta indywidualna efektywność na poziomie zadania, absolutnie, czy to mylenie produktywności człowieka, w żaden sposób nie należy tego utożsamiać z produktywnością systemu. którym ten człowiek operuje czy funkcjonuje, bo to może być jakieś usprawnienie lokalne, które chociażby służyło tylko do tego, żeby ten człowiek był mniej przepracowany, czy to w jakiś sposób... Dobra, może nie jest to najbezpieczniejsze stwierdzenie, bo oczywiście na makro poziomie znajdziemy powody do tego, żeby udowodnić, że jakiś wynik to przyniosło, natomiast bezpośrednio, jakby na wyjściu z systemu, to, że ktoś pracuje szybciej czy nawet ktoś wykonał raport w 15 minut z użyciem sztucznej inteligencji, a wcześniej wykonywał go 6 godzin, więc uzyskał 5,5 godziny efektywności, to w żaden sposób nie przełoży Wojciech Dymowski: Pytanie ile czeka się na approval. Tomasz Grochowski: się to na efektywność organizacji, bo po pierwsze z tym 5,5 godziny coś trzeba zrobić sensownego. Dokładnie, a z drugiej strony może być tak, że wysłał ten aport do aprovala do przełożonego, który i tak przeczyta to jutro i który i tak potwierdzi to dopiero pojutrze. I dopiero wyjdzie to do klienta za dwa dni, niezależnie czy robiłeś to 15 minut, czy 6 godzin, Wojciech Dymowski: jeszcze jedna straszna rzecz, bardzo ważna rzecz, a propos produktywności czy efektywności. Zobaczcie, że w przywództwie, w zarządzaniu od paru już ładnych lat mówimy o tym, że tak naprawdę trzeba się przyglądać i wspierać efektywność zespołów, a nie pojedynczych ludzi, bo większość roboty robią zespoły. I przykład... I przykład z obserwacji słuchajcie dokładnie jednego z zespołów gdzie okej wrzucamy hasło próbujcie działajcie z AI podrzucanie różnych pomysłów i zespół pracuje działa i teraz po tygodniu się okazuje że każdy zrobił jakiś postęp z AI tylko poszedł w różną stronę i zespół zaczął wyglądać w ten sposób że oni przestali się synchronizować nie chcę używać słowa celowo na razie proces ale ich praca z AI-em się przyspieszyła tylko że poprzez to rozciągnięcie to się sprawiło że na poziomie nawet zespołu powiedziałbym że wartość może się okazać że jest ujemna. Tomasz Grochowski: ale jeszcze tak sobie dalej myślę, bo przeszliśmy tak od zadania do procesu, czy jak to przed chwilą też jakby sparafrazowałeś, jakby od jednego człowieka do zespołu, trochę idąc dalej. To tak sobie teraz myślę zespół, znowu w wielu organizacjach podchodząc jakiegoś transformowania organizacji czy do wdrażania AI bardzo często opieramy się na jakiś proof of concept. I teraz też patrząc na wiele takich POC-ów realizowanych w organizacjach, myślę, że widać to, co, że wokół POC-a jakiejś zebrane grono, jakiś zespół mocno zmotywowanych, zaangażowanych pracowników, jakiegoś eksperta, który pomaga, gdy coś nie działa. Tak naprawdę pięknie wyczyszczone dane wszystko fantastycznie przygotowane, czyli robi się z tego takie trochę... laboratoryjne środowisko mega dobrze przygotowane do czegoś, się uruchamia, zaczyna działać. Natomiast to nadal wcale nie znaczy, że jest to rozwiązanie, które będzie w stanie być skalowalne, bo wyobraźmy sobie, że takiego działającego POC-a spróbujemy puścić na danych, które są jakby szeroko organizacyjne. No i co się dzieje? w najlepszym razie myślę, przestanie działać, a w najgorszym razie... zacznie bardzo wiarygodnie zmyśleć i halucynować i doprowadzić do jakichś absurdalnych sytuacji podejmowania decyzji, które są do niczego. Wojciech Dymowski: nadal wielu ludzi, Tomasz Grochowski: wchodzi taka różnica w pytaniu, które sobie postawimy do POCA. Pytanie czy nasz pilot działa, czy nasz proof of concept działa jest totalnie innym pytaniem od tego czy możemy na tym zbudować ekonomicznie sensowne rozwiązanie w skali całej organizacji, które będzie przynosiło faktycznie zauważalną, finansowo zauważalną wartość dla organizacji. To jest totalnie inne pytanie, bo na poziomie POCA wieloma rzeczami się nie musisz przejmować. Natomiast na poziomie zeskalowania tego na poziomie organizacji musisz sobie pomyśleć o integracji z innymi systemami, jakichś prawach dostępu, o jakichś wyjątkach procesowych, o bezpieczeństwie, o compliance, o monitorowaniu, o nadzorze ludzkim, o utrzymaniu tego, być może w wielu strefach czasowych, o dziesiątkach innych rzeczy, których na poziomie POCA w ogóle nie istniały. Ja już nie mówię o... mechanice wmontowania tego w ten proof of concept, ale z samej perspektywy PNL-u to są dodatkowe koszty, które trzeba poniż, żeby to rozwiązanie utrzymywać na poziomie POCA. W ogóle nie musiałeś brać tego pod uwagę, Czyli znowu, myśląc Wojciech Dymowski: w nowo ustraszysz. Tomasz Grochowski: o wdrożeniu rozwiązania sztucznej inteligencji w skali firmy, mamy tak naprawdę dużo więcej dodatkowych elementów, jeśli chcemy myśleć o efektywności finansowej tego. Wojciech Dymowski: Ale nie, poczekaj, bo znowu straszysz, to się wszystko zgadza. Tylko właśnie ja wiem jakby, że ty to rozumiesz, ale patrzę na wiele organizacji, wiele firm i teraz wychodzi ktoś nagle i mówi, ktoś został mianowany Chief AI Executive albo coś tam i mówi dobra słuchajcie teraz my musimy przygotować polityki. My musimy najpierw przygotować to i to i tamto siamto. I w tym momencie 90 % ludzi robi tak, aha dobra to sobie dajmy spokój, będziemy to robić po cichu albo wcale. I znowu to nie znaczy, tak musi być i to jest prawda wszystko co powiedziałaś tylko dlatego wracam cały czas do tej małej krokami z winności. Pomyślmy sobie jak tego po co przeskalować kawałek dalej bo to ewidentnie są wielkie koszty i każdy wie jak pracuje przy dużych rozwiązaniach mamy technology readiness level zawsze mówiliśmy że tak wiecie najłatwiej zrobić coś na trójce a potem przeciągnąć to na dziewiątkę to koszty są ogromne tak ale niech zespół właśnie może nie kombinuję na razie jak to na całą organizację, ale niech ten przekaz informacji będzie. Niech zespół pomyśli kawałek dalej, a jak to by zastosować szerzej, bo nawet te personalne, tu się to zaczyna między tymi personalnymi pomysłami potem na zespół. miejmy świadomość z jednej strony edukujmy ludzi, że trzeba uwzględnić te rzeczy, których mówiłeś, ale bardzo dbajmy to w jaki sposób to pokazujemy, bo ja osobiście, tak a propos jakiś czas temu tutaj powiedziałeś o adopcji, że to do adopcji jeszcze daleko. Tak. bo często hamulcem adopcji są nieumiejętne próby propagowania tej technologii w organizacji i tu bym bardzo uczulił wszystkich słuchających, wdrażających entuzjastów. Tomasz Grochowski: To są nieumiejętne próby, być może to jest to patrzenie i próba wyciągnięcia wniosków z nie tego etapu wdrożenia na nie tą skalę, której patrzymy. Być może ktoś nazywając pojedynczy proof of concept próbuje mówić, że robimy w organizacji transformację sztucznej inteligencji. To tu mamy pewien zgrzyt logiczny. Przed chwilą sobie powiedzieliśmy, jedno to jest usprawnijmy pracę pojedynczej osoby. Super. I to, możemy podsumowywać wtedy, to są podsumowania dotyczące usprawnień pracy pojedynczych osób. Koniec, kropka. Nie ma co dyskutować o tym, że robiliśmy transformację sztucznej inteligencji poprzez danie tysiącu pracowników dostępu do licencji Copilota Pro. No nie, usprawniliśmy jedną rzecz. Jak zaczynamy mówić o usprawnieniu pracy zespołu, dokładnie. Czyli jakby Wojciech Dymowski: Ale wiele osób tak myśli, ale absolutnie. To... Dokładnie to są myśli. Tomasz Grochowski: dalej idźmy. Przejdźmy sobie do tego, że robimy jakiś proof of concept, zaczniemy je traktować jakoś w jakiś sposób portfelowo dobra, natomiast nadal wnioski będą tylko na poziomie proof of concept. Pojedynczych eksperymentów i tego, co one przyniosły, nadal nie jest to transformacja organizacyjna, która w jakiś sposób przekłada się na strategię biznesową. dopiero później gdzieś, idąc biorąc pod uwagę te wszystkie dodatkowe czynniki, które muszą się pojawić, koszty. czy powinniśmy sobie też odpowiedzieć na pytanie, ale po co my to robimy? Czy tam nam jest potrzebna lepsza marża, mniej kosztów, błędów na przykład, krótszy time to market z tych rozwiązań związanych ze sztuczną inteligencją, lepsze wykorzystanie majątku, szybsze odpowiedzi dla klientów na przykład. I wtedy de facto jesteśmy w stanie gdzieś dojść do tego, że ROI ma w zasadzie licznik i mianownik. Że musimy sobie odpowiedzieć na Wojciech Dymowski: Słuchaj, zacząłeś? Tomasz Grochowski: pytanie, jaką wartość stworzyliśmy. i móc to policzyć, ale z drugiej strony, ile też tak naprawdę jakby kosztowało nas stworzenie tej wartości. Tylko rzeczywiście rozmawiając o uruchamianiu sztucznej inteligencji w organizacji, to co potrzebujemy wiedzieć, to potrzebujemy rozumieć na jakim etapie w danym miejscu my jesteśmy. Czy my jakby poprawiamy efektywność czy rozwiązaniami, które proponujemy, poprawiamy efektywność pojedynczej osoby, czy de facto rozmawiamy o strategicznej... zmianie, która jest w pewien sposób transformacją organizacyjną. Wojciech Dymowski: od razu mi się skojarzyło czy mogę polecajkę lekturową w ostatnim numerze Harvard Business Review jest bardzo fajny artykuł o tym, który mówi właśnie, że taka AI-owa transformacja musi być czymś takim trochę na wzór journey, customer journey, taką podróżą takim pospinanym do kupy przykładem. związku z tym fajne jest to, że jakby branża zarządcza dostrzega. To jest sporo artykułów, eksperymentów pokazujących jak to zrobić. Więc to naprawdę nie jest tak, że to trzeba wszystko wymyślać samemu. Tomasz Grochowski: No dobra, to spróbuję syntezować i zebrać to, o czym sobie rozmawialiśmy. Czyli w sumie z tej rozmowy, patrząc na te dane z raportów i później dyskutując o tym, trochę nam się łańcuch wytworzył. Będziemy uruchamiania czy wprowadzania sztucznej inteligencji do organizacji, który mówi, ta sztuczna inteligencja zaczyna się gdzieś najpierw na poziomie pojedynczych zadań pojedynczej osoby, potem przechodzi do poziomu jakiegoś procesu. Potem dopiero wchodzi na poziom jakiejś skali organizacyjnej. Dopiero wtedy możemy myśleć o jakimś koszcie i przychodzi i widzieć efektywność tego na poziomie EBIT-u. Czyli tak naprawdę produktywność zadania sama w sobie nie będzie zmieniała ekonomii całego procesu. Ten krok trzeba wykonać świadomie i przeprowadzić w organizacji. Samo wprowadzenie zwiększonej produktywności nie wpłynie nam na zwiększenie efektywności procesu. Wojciech Dymowski: Chcesz Tomasz Grochowski: sam pilot, czy wdrożenie jakiegoś pilota, czy proof of concept, dokładnie to samo. Też nie przejdzie nam w ekonomiczną skalę. To zadanie też trzeba wykonać. W procesie transformacji organizacyjnej to, że uruchomiliśmy pilota nie będzie jeszcze znaczyło, że organizacja zacznie na tym zarabiać. I to, organizacja uzyska na poziomie pilotów czy indywidualnej... efektywności czy produktywności, jakieś oszczędności nie znaczy, że przechwyci to i przetworzy w jakąś wartość albo co gorsza być może wiele organizacji, co pokazują te raporty, które dzisiaj cytowaliśmy w ogóle tego nie mierzy, więc nawet nie wiedzą co się z tą indywidualną produktywnością będzie działo. Wojciech Dymowski: takie dziwne wrażenie Tomek, że chcesz bardzo przekonać ludzi, że zarządzanie organizacją powinno być świadome i rozsądne. Ale pół żartem, pół serio, tak powinno być, ale jest jeden wyjątek. Jak zaczynałeś na samym początku to mi się uświadomiło takie jedno słowo, mi się, że tak powiem, wrzuciło tutaj, że na początku używanie AI w organizacji nam się wyłania. I o ile... Wiele razy używaliśmy wyłania w takim kontekście dość negatywnym, że to tak nie do końca w organizacji to powinno być bardziej przemyślane, nie powinny się rzeczy wyłaniać, ale tak innowacje się często wyłaniają. I naszym zadaniem mamy dwa proste zadania na tym etapie. Po pierwsze pozwolić im się wyłaniać, a po drugie monitorować gdzie one się wyłaniają i wtedy wyrzucać taki trochę lejek. Ten proces, który opisałeś, pełni się nim zgadzam? A tym na początku on jest taki trochę i myślę, że tutaj wielu osobom sprawia to trudność, że może chcieliby, żeby ten proces od początku był taki... od górny, wprowadzony, że my jakby wymyślimy jak robić, potem do niego usiądziemy, to sorry, ale to się nie uda. To tak w 90 % organizacji nie zadziała, poza tym nawet zgodnie z tym jak innowacje działają, ludzi powinny działać, lepiej żeby one się wyłoniły w tym wypadku, ale potem łapać je szybko do lejka. Tomasz Grochowski: już łapiąc wątek o czym następnym razem jest jeszcze jeden wspólny czynnik, który się pojawił w tych wszystkich raportach. Myśmy w sumie też nim cały czas jest to, że te organizacje, które faktycznie są tymi AI High Performance, niezależnie czy do McKinsey czy BCG czy Gartner w swoim raporcie pokazywali, to były organizacje, które w jakiś sposób przeprojektowały sposób pracy. nie podłączyły sztuczną inteligencję do istniejącego procesu, tylko przeprojektowały to pod nowy paradygmat używania technologii, która w jakiś sposób rewolucjonizuje tą pracę. Czyli w sumie zaczęły od tego, co właściwie musi się zmienić w procesie, żeby sztuczna inteligencja zaczęła zmieniać ekonomikę tego procesu.