AI zmieni narzędzia, nie sens pracy

„AI to nowa elektryczność” – to pana słowa. Co miał pan na myśli, używając tego porównania?

– To rzeczywiście cytat, który często powtarzam, choć oczywiście nie twierdzę, że byłem pierwszy. Porównania AI do przełomowych technologii pojawiają się od dawna, ale kluczowe jest właściwe zrozumienie skali tej zmiany. Sztuczna inteligencja jest tzw. General Purpose Technology – technologią ogólnego zastosowania. W historii ludzkości mieliśmy z nią do czynienia zaledwie kilka razy, a elektryczność jest tu najlepszym przykładem.

Gdy pojawił się pierwszy łuk elektryczny, nikt nie był w stanie wyobrazić sobie telewizora czy całego ekosystemu urządzeń, które później powstały. Bez elektryczności nie byłoby tych innowacji. Podobnie jest dziś z AI. To nie jest kolejna addytywna technologia, jak choćby telefonia komórkowa, lecz fundament, na którym dopiero będą budowane nowe modele biznesowe, procesy i rozwiązania.

Jesteśmy na samym początku tej drogi. Dyskusje o agentach AI czy konkretnych zastosowaniach pokazują, jak intensywnie próbujemy zrozumieć potencjał tej technologii. Jedno jest jednak pewne: AI zostanie z nami na stałe i każdy – prywatnie, zawodowo i jako organizacja – będzie musiał nauczyć się w jakiś sposób z niej korzystać. Dokładnie tak, jak kiedyś nauczyliśmy się funkcjonować w świecie z elektrycznością.

Porównuje pan AI do koła czy elektryczności – wynalazków przełomowych. Czy polski biznes naprawdę już to rozumie i akceptuje, że odwrotu nie ma?

– Co do końcowej tezy – zgadzam się w pełni. To jest dopiero początek i nie potrafię sobie wyobrazić świata, w którym ktoś wyłącza sztuczną inteligencję albo tak ją reguluje, że jej rozwój zostaje zatrzymany. Taki scenariusz jest dziś po prostu nierealny.

Natomiast odpowiedź na pytanie, czy biznes w Polsce już to rozumie, jest bardziej złożona. W sektorze finansowym – a rozmawiamy przecież w środowisku bankowym – nie mam wątpliwości. Tutaj AI jest znana, testowana i wykorzystywana. Banki prowadzą projekty pilotażowe, tworzą piaskownice, eksperymentują z nowymi zastosowaniami. To jednak wciąż jest specyficzna bańka – technologicznie dojrzała i silnie regulowana, ale też bardzo świadoma.

Jeśli jednak spojrzymy szerzej, na cały rynek – od największych korporacji po kilkuosobowe firmy – obraz nie jest już tak jednoznaczny. Owszem, mieliśmy masową, konsumencką fascynację ChatGPT: wszyscy zadali mu kilka pytań, część uznała, że halucynuje, inni zaczęli używać go bardzo intensywnie, a jeszcze inni traktują go jak nieco lepszą wyszukiwarkę. Problem zaczyna się wtedy, gdy przechodzimy z poziomu ciekawości do realnego zastosowania biznesowego.

Szczególnie w segmencie małych i średnich firm widać dużą niepewność. Przedsiębiorcy często nie wiedzą, jak konkretnie wykorzystać AI, w których obszarach może ona realnie podnieść efektywność, a gdzie będzie tylko dodatkowym kosztem. I właśnie tu widzę ogromną rolę dla całego sektora IT – także dla firm takich jak Dell Technologies – żeby tę technologię odczarować, pokazać praktyczne scenariusze i pomóc w mądrym wdrażaniu.

W bankowości to zrozumienie już jest – nawet jeśli nie zawsze przekłada się jeszcze na wymierną wartość biznesową. Ale sam fakt, że instytucje finansowe wiedzą, iż mają do czynienia z technologią ogólnego zastosowania, jest kluczowy. Moim marzeniem jest, aby podobna świadomość dotarła do sektora MŚP. Gdyby każda z tych firm dzięki AI podniosła swoją efektywność o 5-10%, byłby to realny impuls rozwojowy dla całej gospodarki.

Czy wdrażanie AI w średniej firmie oznacza dziś strategiczną zmianę całej organizacji, a nie tylko kolejny projekt IT? Czy tak powinna wyglądać rozmowa z dostawcą technologii?

– Nie do końca w ten sposób to wygląda. Kompleksowa zmiana całej organizacji i jej procesów to domena firm stricte konsultingowych realizujących duże, systemowe transformacje. Dell Technologies pełni inną rolę.

Warto najpierw dobrze zdefiniować, czym w praktyce jest AI. Z naszej perspektywy to zawsze połączenie trzech elementów: algorytmów, danych oraz mocy obliczeniowej. My nie tworzymy algorytmów – nie jesteśmy ani OpenAI, ani twórcami dużych modeli językowych. Naszą kompetencją są dane oraz infrastruktura do ich bezpiecznego i efektywnego przetwarzania.

Dlatego, wchodząc do klienta, mówimy raczej o budowie fabryki AI. To kluczowe pojęcie. Tak jak w klasycznej fabryce mamy surowce na wejściu i produkt na wyjściu, tak w fabryce AI wejściem są dane, procesy i konkretna potrzeba biznesowa, a wyjściem – jasno zdefiniowany przypadek użycia sztucznej inteligencji. My specjalizujemy się w zaprojektowaniu i uruchomieniu takiej fabryki.

W praktyce oznacza to bardzo konkretne rozmowy. Jeśli klientem jest zakład produkcyjny, analizujemy np. proces kontroli jakości: czy odbywa się ona tylko na końcu linii, czy w kilku punktach, a może warto ją prowadzić na każdym stanowisku pracy. Wtedy naturalnym rozwiązaniem jest wykorzystanie computer vision – algorytmów, które uczą się prawidłowych sekwencji i identyfikują wszelkie odchylenia mogące wpływać na jakość produktu.

Podobnie w firmach usługowych czy administracyjnych. Jeśli organizacja pracuje na dużej liczbie dokumentów, proponujemy rozwiązania klasy OCR oparte na AI, które automatyzują obieg i analizę dokumentów, realnie zwiększając efektywność pracy zespołów back office.

Oczywiście pod tym wszystkim kryje się potrzeba odpowiedniej mocy obliczeniowej, jakości danych, ich oczyszczenia, ustrukturyzowania, bezpiecznego przechowywania i przetwarzania. I to właśnie jest obszar, w którym Dell Technologies wnosi największą wartość.

Wdrożenia AI mogą budzić obawy pracowników – czy technologia oznacza dziś realne zagrożenie dla miejsc pracy i konieczność radykalnej zmiany mentalności?

– Nie demonizujmy tego zjawiska. AI nie przychodzi po to, by zwalniać panią Mariolę czy pana Marka z kadr i likwidować całe zespoły. W naszej ocenie w większości obszarów liczba pracowników pozostanie podobna, natomiast zasadniczo zmieni się ich efektywność. Technologia ma ludzi wspierać – poprzez aplikacje, agentów czy automatyzację powtarzalnych czynności – a nie ich zastępować.

Dziś trudno znaleźć osoby, które w ogóle nie miały kontaktu z narzędziami opartymi na AI. Dlatego kluczową rolą firm technologicznych i pracodawców jest edukacja – od poziomu podstawowego po bardziej zaawansowany. Umiejętność formułowania poleceń, budowania prostych instrukcji czy uczenia modelu kontekstu, w którym pracuje – czy to dokument finansowy, prawny czy kadrowy – realnie zmienia jakość efektów pracy.

Nie nazwałbym tego rewolucją mentalną. To raczej naturalna ewolucja. Gdy pojawiły się telefony komórkowe, a później smartfony i bankowość mobilna, też zmieniliśmy sposób działania, ale istota procesów pozostała ta sama. Nadal zarządzamy finansami, tylko robimy to inaczej i szybciej. Dokładnie tak samo będzie z funkcjami kadrowymi, finansowymi czy operacyjnymi – AI zmieni narzędzia, nie sens pracy.

Gdzie w praktyce digitalizacji procesów – także z wykorzystaniem AI – leży dziś większe wyzwanie: w kompetencjach cyfrowych pracowników czy w jakości i spójności danych, z którymi organizacje pracują na co dzień?

– To zależy od tego, o jakim obszarze mówimy. Jeśli projekt dotyczy zaplecza IT, czyli szeroko rozumianego back-endu, to kluczowym problemem niemal zawsze są dane: ich jakość, ustrukturyzowanie, dostępność oraz historyczne zaszłości, które przez lata nie były porządkowane. Bez tego trudno myśleć o sensownej automatyzacji czy wykorzystaniu AI.

Jeżeli natomiast mówimy o digitalizacji ­front-endu – sprzedaży, księgowości, HR-u czy obsługi klienta – wyzwanie ma zupełnie inny charakter. Tu nie chodzi wyłącznie o nauczenie ludzi nowych narzędzi czy innego klikania, ale o przekonanie ich, że ta zmiana realnie poprawi ich codzienną pracę. Problem polega na tym, że w większości projektów wdrożeniowych nowość na początku spowalnia pracę, a rzadko mówi się o tym wprost.

Widzę to również u siebie w Dell Technologies. Jesteśmy organizacją bardzo zaawansowaną cyfrowo, a mimo to każda zmiana procesu – nawet taka, która docelowo upraszcza pracę – spotyka się z oporem. Wynika to nie z braku kompetencji, lecz z ludzkich przyzwyczajeń i utrwalonych rutyn. To jest w dużej mierze kwestia psychologii organizacji, a nie technologii.

Dlatego nie wierzę wyłącznie w model kija i marchewki. Znacznie skuteczniejsze jest podejście oparte na agentach zmiany i zasadzie train the trainer. Kilku wewnętrznych ambasadorów, którzy realnie zobaczą korzyści i powiedzą kolegom: „zrobiłem to w pół dnia zamiast w cały”, potrafi uruchomić efekt domina w organizacji. Oczywiście są obszary krytyczne – jak serwis czy obsługa klienta – gdzie trzeba działać bardziej stanowczo. Ale co do zasady każda organizacja, każdy proces i każdy zespół wymagają nieco innego podejścia do zmiany.

Czy rozwiązania oparte na AI i digitalizacji można wdrażać etapami – testować je pilotażowo, a w razie niepowodzenia wycofać się i spróbować ponownie?

– Tak, to w dużej mierze kwestia właściwej metody implementacji. Z mojego doświadczenia – a sporą część kariery spędziłem w amerykańskich korporacjach działających w Polsce – wynika, że pilotaże są niezwykle skutecznym podejściem. Polska jest rynkiem średniej wielkości: wystarczająco dużym, by test był reprezentatywny, a jednocześnie na tyle małym, by ewentualne niepowodzenie nie generowało nadmiernych kosztów.

Dlatego przy projektach globalnych często rekomenduję, by to Polska była środowiskiem testowym. Jeśli rozwiązanie sprawdzi się u nas, z dużym prawdopodobieństwem zadziała także w większych krajach. Jeśli nie – koszt lekcji jest relatywnie ograniczony. Tego nie da się powiedzieć o bardzo małych rynkach, gdzie sukces pilotażu trudno potem skalować.

Analogicznie w organizacjach: warto wybierać takie zespoły lub jednostki, które są reprezentatywne dla całości, i na nich testować nowe rozwiązania, zanim zapadnie decyzja o pełnym wdrożeniu. Oczywiście nie dotyczy  to wszystkich projektów – są systemy centralne, jak core banking, których nie da się wdrażać fragmentami. Natomiast w przypadku wielu zastosowań AI takie podejście pilotażowe jest jak najbardziej racjonalne i rekomendowane.

Wróćmy do punktu wyjścia: najsłabszym ogniwem całej tej układanki pozostaje energia. W razie blackoutu, bez papierowych kopii, zostajemy z niczym. Czy to nie jest realna luka, na którą wciąż nie mamy odpowiedzi?

– Nie straszmy się nadmiernie. To, co obserwowaliśmy – choćby masowe wypłaty gotówki po wybuchu wojny w Ukrainie – było przede wszystkim reakcją paniczną społeczeństwa, a nie dowodem zawodności technologii. Systemy działały.

Przykład Ukrainy jest zresztą pouczający: mimo wielokrotnych ataków na infrastrukturę energetyczną państwo funkcjonowało dzięki generatorom i rozwiązaniom awaryjnym. Oczywiście, całkowity blackout trwający miesiąc oznaczałby kolaps państwa, ale to scenariusz skrajny, trudny dziś do realnego wyobrażenia.

Krótsze przerwy w dostawach energii są do opanowania – pod warunkiem przygotowania. Czasem problemem nie jest brak generatorów, tylko to, że paliwo w nich jest stare i bezużyteczne. O takich prozaicznych rzeczach rzadko się pamięta.

Z drugiej strony nie demonizujmy też AI jako pożeracza prądu. Szacunki pokazują, że dziś całkowite zużycie energii przez AI to ok. 3% globalnej konsumpcji, a nawet w scenariuszu rozwoju centrów danych mówimy o 5%. Dla porównania: same komputery i urządzenia gamingowe odpowiadają za blisko 7% zużycia energii na świecie.

Dlatego warto zachować proporcje i nie ulegać alarmistycznym nagłówkom. Technologia wymaga rozsądnego zarządzania ryzykiem, ale nie jest źródłem katastrofy sama w sobie.

Na zakończenie naszej rozmowy chciałbym zapytać, czy są branże szczególnie oporne na digitalizację. Mimo że przyzwyczailiśmy się do codziennego korzystania z internetu, smartfonów czy  usług mobile-only w bankowości, czy wciąż istnieją obszary, w których digitalizacja nie przebija się tak łatwo?

– Najbardziej zaawansowana pod tym względem jest oczywiście branża bankowa. Ale jeśli spojrzymy na e-commerce, również tam możemy być zaskoczeni poziomem innowacyjności. Wiele sektorów wprowadza technologie dual-use, czyli wykorzystywane w różnych dziedzinach – to dziś prawdziwy hit.

Nie wskazałbym jednak branży, która byłaby najbardziej oporna. Nawet w rolnictwie w Polsce widzimy zautomatyzowane farmy i spichlerze bliskie AI – z Wi-Fi na polach, monitorowaniem produkcji czy składowaniem mąki. To pokazuje, że oporność nie wynika z rodzaju branży, lecz raczej z wielkości firmy i poziomu wiedzy zarządu.

Chodzi panu o małe i średnie przedsiębiorstwa?

– Dokładnie. W mniejszych firmach, zwłaszcza gdy właściciel nadal aktywnie zarządza, trudno przekonać do wdrożeń nowych technologii. Często właściciel wywodzi się z czasów, gdy nie było internetu, i sam zbudował biznes w trudnych warunkach. Dla niego pomysł, że ktoś przychodzi i mówi: „musisz wprowadzić AI”, może brzmieć jak ingerencja w jego osiągnięcia. Zmiana staje się łatwiejsza, gdy właściciel przekazuje pałeczkę menedżerom, którzy są bardziej otwarci na nowe technologie i gotowi podejmować decyzje w tym obszarze.