Automatyzacja AI dla firm

Czym automatyzacja AI różni się od zwykłej automatyzacji

Różnica nie polega na tym, że jedna jest nowocześniejsza od drugiej. Polega na tym, co się dzieje, gdy rzeczywistość nie pasuje do reguły.

Klasyczna automatyzacja wykonuje reguły zapisane z góry i jest w tym niezawodna: jeżeli faktura ma numer w tym samym miejscu co poprzednia, przepisze go bezbłędnie sto tysięcy razy. Kiedy trafi na fakturę o innym układzie, zatrzyma się albo przepisze rzecz niewłaściwą — i będzie to robić konsekwentnie, aż ktoś dopisze regułę.

Automatyzacja AI radzi sobie z tym wariantem: rozpoznaje, czym jest dokument, którego nikt wcześniej nie opisał, i podejmuje decyzję na podstawie podobieństwa, a nie dopasowania wzorca. Płaci się za to jednak konkretną cenę — wynik przestaje być pewny, a staje się prawdopodobny. Dlatego projekt automatyzacji AI, który nie rozstrzyga z góry, co się dzieje przy pomyłce, nie jest projektem gotowym do uruchomienia.

W praktyce dobre rozwiązania łączą oba podejścia: reguły tam, gdzie reguły wystarczają, bo są tańsze i przewidywalne, a model tam, gdzie reguł nie da się wypisać.

Które procesy nadają się do automatyzacji

Dobry pierwszy kandydat spełnia pięć warunków naraz. Brak któregokolwiek nie przekreśla projektu, ale zmienia jego zakres — i lepiej wiedzieć o tym przed wyceną niż po niej.

• Powtarza się często — kilkadziesiąt razy w miesiącu lub więcej. Koszt integracji jest w dużej mierze stały, więc rzadki proces rzadko go uzasadnia.
• Ma w miarę stałe reguły. Jeżeli dwie osoby wykonują go dziś inaczej i obie uważają, że poprawnie, najpierw trzeba rozstrzygnąć, która ma rację. Automatyzacja tego nie rozstrzygnie — utrwali jedną z wersji.
• Dane wejściowe istnieją w formie, którą da się przetworzyć maszynowo. To warunek, który najczęściej okazuje się nieoczywisty.
• Pomyłka jest wykrywalna i odwracalna. Na pierwszy projekt nie wybieraj procesu, w którym błąd wychodzi na jaw dopiero u klienta albo w urzędzie.
• Ma właściciela — osobę, która może rozstrzygać wątpliwości i której zależy na wyniku.

Test na stan danych zajmuje jedno popołudnie i jest wart każdej z tych godzin: spróbuj wyeksportować ostatnie sto przypadków tego procesu jako jedną tabelę. Nie opisać, jak to zrobić — zrobić. To, na co natrafisz przy tej próbie, jest realnym zakresem pierwszego etapu.

Gdzie w tym procesie stoi człowiek

To decyzja, która najmocniej wpływa na koszt i na ryzyko, a bywa podejmowana przypadkowo, dopiero na etapie uruchomienia. Warianty są w praktyce trzy: człowiek zatwierdza każdy wynik, człowiek zatwierdza wyjątki, albo nadzór jest statystyczny i polega na monitorowaniu wskaźników.

Zaczynamy od pierwszego wariantu, nawet jeżeli celem jest trzeci. Przejście między nimi jest znacznie łatwiejsze niż cofnięcie się po incydencie, a kilka tygodni pracy z akceptacją człowieka daje dane o jakości, których inaczej nie sposób zdobyć. Cały podział decyzji — co rozstrzygamy my, a co zostaje po Twojej stronie — opisaliśmy w metodyce wdrożenia.

Co robimy, a czego nie

Automatyzacja bywa sprzedawana jako rzecz, która zawsze się opłaca. Nie zawsze, i warto wiedzieć, kiedy odradzamy projekt:

• Gdy wąskim gardłem nie jest praca, którą miałby przejąć system. Bywa, że sprawy nie stoją dlatego, że nikt ich nie przetwarza, tylko dlatego, że czekają na decyzję albo na formularz, którego nikt nie wypełnia. Automatyzacja przyspieszy wtedy fragment, który i tak nie był problemem.
• Gdy proces nie ma ustalonych reguł. To zadanie do wykonania przed projektem, nie w jego trakcie.
• Gdy istnieje gotowe narzędzie, które to robi. Nie buduj tego, co możesz kupić w abonamencie — powiemy to również wtedy, gdy oznacza to brak zlecenia.

Ile to kosztuje

O koszcie decydują trzy rzeczy: liczba systemów, które trzeba połączyć, stan danych i wymagany poziom pewności. Wielkość firmy prawie nie ma tu znaczenia — mała firma z jednym uporządkowanym procesem zapłaci mniej niż większa organizacja z tym samym procesem rozrzuconym po czterech narzędziach.

Osobną pozycją, którą najczęściej się pomija, jest utrzymanie: opłaty zależne od liczby operacji, monitorowanie jakości i okresowe testy, bo dostawcy modeli wycofują wersje, a rozwiązanie zbudowane na wycofanej wersji trzeba przetestować od nowa. Rozpisaliśmy wszystkie te składniki w tekście o tym, ile kosztuje wdrożenie AI.

Kompetencje zespołu, który będzie z tym pracował

Automatyzacja, której nikt w firmie nie rozumie, degraduje się cicho: zmienia się format dokumentu, jakość spada, nikt tego nie zauważa przez kwartał. Dlatego przekazanie rozwiązania obejmuje wyjaśnienie, na czym polega jego działanie, gdzie bywa zawodne i po czym poznać, że coś się popsuło.

Jeżeli w firmie działają już systemy AI, warto pamiętać, że obowiązek wspierania kompetencji AI u osób, które je obsługują, wynika wprost z AI Act i obowiązuje od lutego 2025 roku. Co to oznacza w praktyce technicznej, opisaliśmy przy audycie gotowości na AI Act.

Jak zaczynamy

Automatyzacja jest jednym z etapów szerszego wdrożenia i podlega tym samym zasadom: jeden proces, zmierzona liczba przed startem, najwęższy możliwy pilotaż, praca równoległa przed przełączeniem. Pełny zakres — od audytu procesów po utrzymanie — opisaliśmy na stronie wdrożenie AI w firmie. Jeżeli wolisz przejść pierwsze kroki samodzielnie, zanim porozmawiamy, prowadzi przez nie przewodnik jak wdrożyć AI w firmie.

Najczęstsze pytania

Czym automatyzacja AI różni się od zwykłej automatyzacji?

Klasyczna automatyzacja wykonuje reguły, które ktoś wcześniej zapisał — jeżeli faktura ma to pole w tym miejscu, przepisz je tam. Automatyzacja AI radzi sobie z sytuacjami, w których reguły są niepełne: dokument ma inny układ niż poprzedni, wiadomość od klienta nie mieści się w żadnej kategorii, opis jest niejednoznaczny. Cena tej elastyczności jest taka, że wynik nie jest gwarantowany, tylko prawdopodobny — dlatego projekt musi z góry rozstrzygać, co się dzieje, gdy system się pomyli.

Jakie procesy najlepiej nadają się do automatyzacji AI?

Takie, które powtarzają się często, mają w miarę stałe reguły, mają dane wejściowe w formie nadającej się do przetwarzania, i w których pomyłka jest wykrywalna oraz odwracalna. Najczęściej są to procesy oparte na tekście: kwalifikacja i kierowanie zapytań, odczyt dokumentów, przygotowywanie odpowiedzi do zatwierdzenia, uzupełnianie danych w systemie. Proces wykonywany pięć razy w miesiącu rzadko uzasadnia koszt integracji, bo ten koszt jest w dużej mierze stały.

Ile kosztuje automatyzacja AI?

O koszcie decyduje liczba systemów, które trzeba połączyć, stan danych i wymagany poziom pewności — nie wielkość firmy. Ten sam proces w firmie z danymi w jednym systemie i w firmie z tym samym procesem rozrzuconym po skrzynkach i skanach to dwa różne projekty i dwie różne wyceny. Rozpisaliśmy to szczegółowo w tekście o tym, ile kosztuje wdrożenie AI; widełki podawane bez pytania o Twoje systemy i dane są podawane z sufitu.

Czy automatyzacja AI oznacza zwolnienia?

W projektach, które prowadzimy, zwykle nie — i nie dlatego, że tak brzmi lepiej, tylko dlatego, że pierwszy wariant, który rekomendujemy, wymaga człowieka zatwierdzającego każdy wynik. To on jest źródłem danych o jakości systemu. Realny efekt na starcie to zwykle skrócenie czasu obsługi i zdjęcie z ludzi pracy przepisywania, a nie redukcja etatów. Jeżeli celem projektu jest redukcja, warto to powiedzieć wprost na początku, bo zmienia to wymagany poziom pewności, a więc i koszt.

Ile trwa wdrożenie automatyzacji?

Pojedynczy proces z jedną integracją i czytelnymi danymi to skala tygodni. Proces dotykający kilku systemów, z danymi wymagającymi uporządkowania i z wymogami nadzoru, to skala miesięcy. Najdłuższym pojedynczym elementem harmonogramu bywa uzyskanie dostępów do systemów, z których rozwiązanie ma czytać dane — dlatego warto zacząć je załatwiać w tym samym tygodniu, w którym wybierasz proces.