Gdzie AI skróci pracę, a gdzie będzie tylko kosztem

Nie wystarczy rozmowa z zarządem ani lista narzędzi, które firma już kupiła. Najlepsze informacje są u osób, które codziennie obsługują klientów, tworzą oferty, pilnują dokumentów, aktualizują CRM, przygotowują raporty i gaszą problemy operacyjne. To one wiedzą, gdzie naprawdę ucieka czas.

Podczas audytu zbieramy konkretne przykłady: maile, formularze, ticketing, dokumenty, arkusze, raporty, eksporty z systemów i powtarzalne decyzje. Dzięki temu rekomendacja nie brzmi „użyjcie AI w marketingu”, tylko „zautomatyzujcie kwalifikację zapytań ofertowych, bo zabiera 14 godzin tygodniowo i ma jasne kryteria”.

Dobry audyt AI nie jest listą wszystkich miejsc, gdzie można wcisnąć model językowy. Równie ważne jest wskazanie obszarów, których nie warto automatyzować teraz. Powodem może być słaba jakość danych, wysokie ryzyko prawne, brak API, zbyt mała powtarzalność albo proces, który najpierw trzeba uprościć organizacyjnie.

Taka negatywna rekomendacja oszczędza budżet. Firma nie traci miesięcy na projekt, który wygląda nowocześnie, ale nie ma szansy się zwrócić. Zamiast tego wybiera jeden lub dwa obszary, gdzie AI może szybko pokazać wynik i przygotować organizację na większe wdrożenia.

W audycie sprawdzamy, czy firma ma dane, na których AI może pracować: formaty plików, historię zgłoszeń, opisy produktów, bazę wiedzy, strukturę CRM, eksporty z ERP, dokumenty i uprawnienia. Jeżeli dane są rozproszone, nieaktualne albo niespójne, pierwszym etapem może być porządkowanie informacji, a nie budowa agenta.

Nie oznacza to, że trzeba mieć idealną hurtownię danych. Często wystarczy sensowna próbka, jasny zakres i proces akceptacji. Ważne, żeby nie udawać, że model rozwiąże problem braku procesu. AI wzmacnia system, który istnieje. Jeśli system jest chaotyczny, AI tylko przyspieszy chaos.

Wynikiem audytu powinna być mapa decyzji: procesy z potencjałem AI, spodziewany efekt, trudność wdrożenia, wymagane dane, ryzyka, rekomendowany pierwszy prototyp i elementy, których nie warto ruszać. Do tego dochodzi szacunkowy zakres techniczny: integracje, role, monitoring, bezpieczeństwo i sposób mierzenia efektu.

W audycie nie uruchamiamy modelu na żywych danych klientów. Szukamy miejsc, gdzie pomyłka byłaby kosztowna, i oznaczamy je jako obszar do pominięcia albo do pracy wyłącznie z akceptacją. Wynik to mapa, nie agent na produkcji. To nie jest warsztat z promptów.