Widzę to w każdym projekcie. Firma kupuje licencję na model językowy, szkoli kilku pracowników i wdraża chatbota do obsługi zapytań. Po trzech miesiącach pyta: „Dlaczego nic się nie zmieniło?” Odpowiedź jest prosta, choć rzadko lubiana: bo przeprojektowanie procesów AI nie miało miejsca. AI usiadło na starym procesie jak farba na starej poręczy — wygląda inaczej, ale rdza nie zniknęła.
TL;DR: 78% firm wdraża AI regularnie, ale tylko 21% przeprojektowało procesy pod nowe możliwości. Reszta nakłada model językowy na stary przepływ pracy i oczekuje magicznych wyników. W tym artykule wyjaśniam, dlaczego to fundamentalny błąd — i jak podchodzę do przeprojektowania procesów w praktyce.
[Raport branżowy] McKinsey w State of AI z marca 2025 roku potwierdza to liczbami: spośród blisko 2000 przebadanych organizacji tylko 21% przeprojektowała choćby część swoich procesów pod generatywną AI (McKinsey, 2025). Reszta — 79% — po prostu dołożyła narzędzie do istniejącego przepływu pracy i liczy, że coś się zmieni.
Czym jest przeprojektowanie procesów AI?
Przeprojektowanie procesów AI to coś innego niż automatyzacja — i to jest pierwsza rzecz, którą wyjaśniam każdemu klientowi na początku projektu. Nie chodzi o zastąpienie człowieka modelem językowym w tym samym kroku procesu. Chodzi o zadanie pytania od zera: gdybyśmy budowali ten proces dziś, wiedząc co potrafi AI — jak by wyglądał?
W praktyce oznacza to zmianę sekwencji kroków, eliminację etapów pośrednich istniejących tylko dlatego, że człowiek potrzebował czasu na przetworzenie informacji, i redefinicję odpowiedzialności — kto, człowiek czy model, podejmuje którą decyzję. Przeprojektowanie procesów AI zaczyna się nie od wyboru narzędzia, lecz od analizy logiki biznesowej.
Przykład z mojej praktyki: firma obsługiwała reklamacje w 7 krokach. Trzy z nich istniały wyłącznie po to, żeby zebrać, ustrukturyzować i przekazać informacje między działami. AI potrafi zrobić to w milisekundach. Po przeprojektowaniu procesu zostały 3 kroki — i czas obsługi skrócił się z 4 dni do kilku godzin, bez żadnych zwolnień.
Czym to się różni od klasycznej automatyzacji? Automatyzacja — RPA (Robotic Process Automation) i skrypty — działa jak taśma montażowa: ten sam krok, w tej samej kolejności, szybciej. Przeprojektowanie procesów AI kwestionuje samą taśmę. Może okazać się, że kilka kroków można scalić w jeden, bo model jednocześnie analizuje, klasyfikuje i generuje odpowiedź — bez przesyłania dokumentu między działami. Analogia: automatyzacja to zatrudnienie szybszego pracownika. Przeprojektowanie to zmiana układu hali fabrycznej.
Dlaczego samo wdrożenie AI nie przynosi wyników?
Większość firm mierzy sukces wdrożenia AI liczbą uruchomionych narzędzi. To błąd. [Raport branżowy] Deloitte w State of AI in the Enterprise 2026 podaje, że 74% firm liczy na wzrost przychodów dzięki AI, ale tylko 20% go osiąga (Deloitte, 2026). Różnica między oczekiwaniem a rzeczywistością jest ogromna i nie maleje — rośnie.
Przyczyna jest strukturalna. Jeśli proces był wolny i kosztowny bez AI, po dołożeniu modelu językowego będzie tylko nieznacznie szybszy. AI nie naprawia złego procesu — amplifikuje jego mocne strony i słabości jednocześnie. W projektach, gdzie firmy implementują AI bez analizy procesu, obserwuję 5–15% oszczędności czasu. Tam, gdzie przeprojektowują — 40–60%.
[Raport branżowy] McKinsey precyzuje to jeszcze wyraźniej: „Przebudowa przepływów pracy ma największy wpływ na zdolność organizacji do osiągania efektu EBIT z generatywnej AI.” To wynik analizy 25 różnych czynników organizacyjnych — nie intuicja, lecz twarde dane (McKinsey, 2025). Spośród nich właśnie przeprojektowanie procesów okazało się numerem jeden.
Poniższa tabela pokazuje różnicę między dwoma podejściami, którą obserwuję w praktyce:
| Wymiar | Nakładanie AI na stary proces | Przeprojektowanie procesów AI |
|---|---|---|
| Punkt wyjścia | Istniejący proces — zachowany | Zero-based: „jak byśmy go budowali dziś?” |
| Sekwencja kroków | Zachowana, AI wstawiona w jeden krok | Zredefiniowana pod możliwości modelu |
| Efekt na koszty | Ograniczony (5–15% oszczędności) | Znaczący (30–60% przy udanych projektach) |
| Czas wdrożenia | Krótki (tygodnie) | Dłuższy (miesiące), ale trwalszy |
| Ryzyko organizacyjne | Niskie, lecz mały zwrot | Wyższe, ale potencjalnie transformacyjne |
| Typowy wynik po 6 miesiącach | „Mamy AI, ale nic się nie zmieniło” | Mierzalna zmiana KPI w ciągu kwartału |
Co zyskują firmy, które przeprojektowały procesy pod AI?
Dane McKinsey z 2025 roku są jednoznaczne. Firmy z grupy liderów — około 6% wszystkich badanych — fundamentalnie przebudowują przepływy pracy przed wdrożeniem AI lub równolegle z nim. Efekt: są prawie trzy razy częściej w grupie raportującej realny wpływ AI na wyniki finansowe niż pozostałe organizacje.
Deloitte uzupełnia obraz. Wśród firm, które głęboko transformują z użyciem AI — 34% całej próby badania — 66% raportuje wzrost produktywności, a 53% poprawę jakości decyzji (Deloitte, 2026). To wyniki nieosiągalne przy powierzchownym wdrożeniu, gdzie AI to tylko kolejne okno w przeglądarce pracownika.
[Raport instytucji międzynarodowej] Stanford HAI w AI Index 2025 wskazuje, że globalne inwestycje korporacyjne w AI osiągnęły 252,3 miliarda dolarów w 2024 roku — wzrost o 44,5% rok do roku (Stanford HAI, 2025). Część tych pieniędzy wraca jako zwrot. Pozostałe to stracony budżet na narzędzia, które nikt nie przeprojektował pod rzeczywiste potrzeby procesu.
Które procesy w firmie nadają się do przeprojektowania pod AI?
Nie każdy proces warto przeprojektowywać jako pierwszy. W swojej pracy zaczynam od analizy czterech wymiarów, które wspólnie decydują o potencjale zwrotu:
- Wysokie koszty pracy intelektualnej — procesy, w których człowiek spędza dużo czasu na czytaniu, streszczaniu, klasyfikowaniu lub formułowaniu odpowiedzi
- Powtarzalność — te same typy danych wejściowych, podobne decyzje, przewidywalne wyjście procesu
- Duże wolumeny — gdzie skalowanie jest drogie bez AI, bo wymaga proporcjonalnego wzrostu zatrudnienia
- Mierzalne wyjście — gdzie efekt można zmierzyć liczbą: czas, koszt, wskaźnik błędów, satysfakcja klienta
Procesy spełniające 3–4 z tych kryteriów to kandydaci pierwszego wyboru. Przykłady, z którymi najczęściej pracuję: onboarding klientów, obsługa zgłoszeń serwisowych, tworzenie i weryfikacja dokumentacji, analiza danych ze spotkań handlowych, przygotowywanie raportów i ofert.
Procesy, których nie zaczynam od przeprojektowania: te wymagające osądu w warunkach dużej niepewności, silnie regulowane (gdzie każdy krok ma wymóg prawny), oraz te, w których wartość wynika z relacji osobowej z klientem. AI w tych obszarach wspiera — ale nie prowadzi procesu.
Jakie błędy widzę najczęściej przy przeprojektowaniu procesów AI?
Po kilkudziesięciu projektach wdrożeniowych widzę pięć powtarzających się błędów. Każdy prowadzi do tego samego rezultatu: AI jest wdrożone, a wyników nie ma.
- Brak właściciela procesu — projekt trafia do działu IT, które dostarcza narzędzie, ale nie kwestionuje logiki biznesowej. Przeprojektowanie musi prowadzić ktoś rozumiejący zarówno cel biznesowy, jak i możliwości modelu. Bez tego dostajemy szybszy stary proces, nie nowy.
- Przeprojektowanie zaczyna się od narzędzia — firma wybiera model lub licencję, a potem szuka procesu do dopasowania. Powinno być odwrotnie: najpierw problem biznesowy, potem dopiero wybór narzędzia. Kolejność ma ogromne znaczenie.
- Brak definicji sukcesu przed startem — bez konkretnych KPI trudno ocenić, czy przeprojektowanie cokolwiek zmieniło. Mierzalne wyjście to warunek wejścia każdego projektu, który prowadzę, nie opcja dodana po fakcie.
- Przeprojektowanie bez pracowników — zmiana logiki procesu, o której pracownicy dowiadują się tuż przed wdrożeniem, kończy się oporem i sabotażem. Włączam zespół na etapie analizy, nie dopiero przy komunikacji zmiany.
- Zbyt szerokie pole przeprojektowania — próba zmiany wszystkiego naraz to przepis na chaos i zmęczenie organizacji. Zaczynam od jednego procesu, mierzę wyniki, uczę się, skaluję. Zawsze.
Od czego zacząć przeprojektowanie procesów w firmie?
Pierwszym krokiem nie jest zakup licencji ani wybór modelu. Pierwszym krokiem jest mapa aktualnych procesów z oceną kosztów czasu i wskaźnika błędów. Pytam klientów: „Gdzie w Twojej firmie traci się dziś czas na powtarzalne czynności intelektualne?” To zazwyczaj wskazuje dwa–trzy obszary, od których warto zacząć — i żaden z nich zwykle nie pokrywa się z tym, co firma wskazała jako priorytet przed rozmową.
Zanim przejdziesz do pełnego przeprojektowania, warto uruchomić ograniczony pilotaż. Pisałem o tym dokładniej w artykule o pilotażu AI w firmie — sprawdź, jak zaprojektować pierwsze 8 tygodni wdrożenia tak, żeby wyniki były mierzalne, a ryzyko ograniczone do akceptowalnego poziomu.
Po pilotażu masz dane — nie założenia. Wiesz, które hipotezy sprawdziły się, które nie, i gdzie AI zachowała się inaczej niż zakładałeś. Dopiero wtedy przystępujesz do pełnego przeprojektowania — z rzeczywistymi miernikami zamiast liczb z prezentacji sprzedawcy systemu.
Jak mierzyć efekty przeprojektowania procesów AI?
Mierniki, które stosuję w projektach, dzielę na trzy poziomy czasowe. Każdy poziom ma inne pytania i inne narzędzia pomiaru.
Poziom operacyjny — mierzony co tydzień w fazie pilotażu: czas realizacji procesu od zgłoszenia do zakończenia; koszt jednostkowy jednego cyklu; wskaźnik interwencji człowieka, czyli ile razy ludzka korekta okazała się konieczna.
Poziom produktowy — mierzony co miesiąc: satysfakcja klientów lub użytkowników wewnętrznych; wolumen obsługiwanych przypadków bez proporcjonalnego wzrostu kosztów personalnych.
Poziom biznesowy — mierzony kwartalnie: wpływ na EBIT lub marżę; zdolność do skalowania usługi bez rekrutacji. O metodach oceny zwrotu pisałem szerzej w artykule o wynikach wdrożenia AI — tam znajdziesz też zestaw wskaźników dla fazy post-wdrożeniowej.
[Raport instytucji międzynarodowej] WEF w Future of Jobs Report 2025 wskazuje, że 86% pracodawców postrzega AI jako technologię przełomową — ale równocześnie 40% planuje redukcję etatów w obszarach, gdzie AI może zastąpić pracę rutynową (WEF, 2025). To symptom myślenia „AI zastąpi człowieka” zamiast „AI zmieni to, co człowiek robi”. Przeprojektowanie procesów AI to nie projekt redukcji kosztów — to projekt redefinicji wartości, jaką człowiek wnosi do organizacji.
Najczęściej zadawane pytania (FAQ)
Czy przeprojektowanie procesów AI dotyczy tylko dużych firm?
Nie — przeprojektowanie procesów AI jest równie ważne w firmach 20-osobowych jak w korporacjach. Małe firmy mają wręcz przewagę: krótsze ścieżki decyzyjne i mniej silosów organizacyjnych. W praktyce przeprojektowanie jednego procesu w firmie 50-osobowej często zajmuje połowę czasu potrzebnego w organizacji z 5000 pracownikami i kilkunastoma warstwami zarządzania.
Ile czasu zajmuje przeprojektowanie jednego procesu pod AI?
Z mojego doświadczenia: od 4 do 12 tygodni na pierwszy proces, zależnie od złożoności i dostępu do danych. Pierwsze tygodnie to analiza stanu obecnego i mapowanie kroków. Następne — definicja nowej logiki i prototyp modelu. Ostatnie — pilotaż, pomiar, korekta. Kolejne procesy idą szybciej, bo organizacja buduje własne kompetencje analityczne.
Jak przekonać zarząd do przeprojektowania procesów, a nie tylko zakupu narzędzia AI?
Stosuję jedno ćwiczenie: proszę zarząd o wskazanie trzech procesów, które po wdrożeniu AI mają działać inaczej — nie szybciej, lecz inaczej. Jeśli nie potrafią odpowiedzieć, wdrożenie skończy się naklejeniem AI na stary mechanizm. Tę rozmowę przeprowadzam zawsze przed podpisaniem umowy z nowym klientem.
Czy przeprojektowanie procesów AI wymaga własnego działu IT lub programistów?
Nie zawsze. Wiele pierwszych projektów można zrealizować przy użyciu istniejących licencji — Microsoft 365 Copilot, Google Workspace AI lub narzędzi no-code jak Make czy Zapier. Największy koszt to nie technologia, lecz czas analityczny i gotowość organizacji do zakwestionowania tego, jak dotąd działała. To jest droższe i trudniejsze niż zakup API.
O mnie
Michał Pisańczuk — przez ponad 20 lat łączę technologię z biznesem: od architektury systemów IT po strategie cyfrowej transformacji. Od 4 lat specjalizuję się w AI — wdrożeniach modeli LLM, audytach gotowości i szkoleniach dla firm. Jako CEO i CTO w PCSiD prowadzę projekty wdrożeniowe dla przedsiębiorstw i instytucji publicznych. Edukuję też na YouTube — tłumaczę AI bez technicznego żargonu, żeby menedżerowie i właściciele firm podejmowali lepsze decyzje.
Źródła
- McKinsey & Company (2025, marzec). The state of AI: How organizations are rewiring to capture value. McKinsey & Company. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value [dostęp: 2026-05-12]
- Deloitte (2026). State of AI in the Enterprise. Deloitte Insights. https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html [dostęp: 2026-05-12]
- Stanford HAI (2025). AI Index Report 2025. Stanford University Human-Centered Artificial Intelligence. https://hai.stanford.edu/ai-index [dostęp: 2026-05-12]
- World Economic Forum (2025, styczeń). Future of Jobs Report 2025. World Economic Forum. https://www.weforum.org/publications/the-future-of-jobs-report-2025/ [dostęp: 2026-05-12]