Jeżeli zautomatyzujemy chaos, otrzymamy zautomatyzowany chaos. To zdanie powinno wybrzmieć zanim firma zainwestuje w kolejne narzędzie lub uruchomi nowy projekt AI. Dobrze zaprojektowana automatyzacja rzeczywiście potrafi ograniczyć błędy, uwolnić czas ludzi i poprawić jakość decyzji. Jednak punktem wyjścia powinien być najpierw prawidłowo ułożony proces a następnie jego automatyzacja. Problem zaczyna się wtedy, gdy organizacja próbuje przyspieszyć proces, którego wcześniej nie zrozumiała, nie uporządkowała i nie osadziła w jasnej odpowiedzialności. Wtedy technologia nie naprawia firmy. Sprawia jedynie, że te same niespójności, wyjątki i ręczne obejścia zaczynają działać szybciej. W efekcie automatyzacja staje się więc testem tego, czy organizacja naprawdę rozumie własne procesy, dane i sposób podejmowania decyzji. 

Obietnica technologii i rozczarowanie efektem 

W ostatnich latach automatyzacja stała się jednym z najczęściej powtarzanych haseł w rozmowach o efektywności. Zarządzający oczekują szybszego obiegu dokumentów, krótszego zamknięcia miesiąca, mniejszej liczby ręcznych czynności, lepszej jakości danych oraz szybszychprocesów. Dostawcy pokazują gotowe rozwiązania, konkurencja komunikuje wdrożenia, a presja na działanie stale rośnie. 

Problem polega na tym, że decyzja o wdrożeniu narzędzia bywa często szybsza niż decyzja o uporządkowaniu procesu. Badania Boston Consulting Group pokazują skalę tego rozdźwięku: tylko 5% firm osiąga znaczącą wartość z AI na skalę całej organizacji, podczas gdy 60% nie uzyskuje materialnych korzyści mimo poniesionych inwestycji [1]. BCG wskazuje też, że firmy osiągające największą wartość z AI nie zatrzymują się na lokalnych pilotażach. Częściej przebudowują całe przepływy pracy, angażują kierownictwo i budują współodpowiedzialność biznesu oraz IT za efekt [2].  

Technologia nie jest więc niezależnym źródłem wartości. Wartość powstaje dopiero wtedy, gdy narzędzie zostaje osadzone w uporządkowanym procesie, odpowiedzialności konkretnych osób, danych oraz sposobie pracy.  

Proces, którego nikt nie zaprojektował 

Najpierw była prosta czynność. Potem doszła dodatkowa kontrola, wyjątek dla ważnego klienta, akceptacja mailowa, obejście systemu i nieformalna zasada, którą znają tylko dwie osoby w dziale. Z czasem firma rosła, pojawiały się kolejne zespoły, systemy i zależności. Procesy nadal działały, ale coraz trudniej było jednoznacznie powiedzieć, dlaczego wyglądają właśnie tak i kto odpowiada za ich całościowy efekt.  

W takim środowisku automatyzacja zaczyna wyglądać jak najprostsza droga do odzyskania kontroli. Skoro proces jest coraz bardziej złożony, pojawia się myśl, by nie rozkładać go na czynniki pierwsze, lecz po prostu przenieść do systemu i przyspieszyć. Firma nie pyta wtedy, czy dany krok nadal ma sens, tylko jak wykonać go szybciej. Nie upraszcza formularza, lecz tworzy jego elektroniczną wersję. Nie ogranicza wyjątków, ale buduje kolejne reguły, które mają je obsługiwać. W efekcie technologia nie usuwa złożoności – tylko nadaje jej cyfrową formę. 

Badania nad Business Process Automation wskazują, że organizacje nie uzyskają wartości z automatyzacji, jeśli wcześniej nie zdefiniują i nie przeanalizują procesów, które chcą automatyzować [3]. Automatyzacja nie zastępuje zarządzania procesowego. Jest jednym z jego elementów. Skuteczne podejście obejmuje identyfikację, analizę, projektowanie, wdrożenie, monitorowanie i ciągłe doskonalenie procesów [4]. 

Dlatego przed automatyzacją trzeba zrobić coś mniej efektownego niż wybór narzędzia, czyli uporządkować proces. Nie po to, aby usunąć wszystkie wyjątki, bo w realnym biznesie zawsze będą się pojawiać, ale po to, aby oddzielić standard od sytuacji szczególnych i ograniczać ich ilość. Trzeba usunąć zbędne kroki, ograniczyć liczbę wariantów i jasno określić, kto podejmuje decyzje tam, gdzie proces się rozgałęzia. Im bardziej skomplikowane są zasady, tym trudniej je stosować konsekwentnie. A jeśli reguły są nieczytelne dla ludzi, nie staną się nagle czytelne tylko dlatego, że zostaną zapisane w systemie. 

Faktura, która pokazuje więcej niż system 

Wyobraźmy sobie firmę, która chce zautomatyzować akceptację faktur. Na pierwszy rzut oka problem wydaje się prosty: dokumenty krążą zbyt długo, pracownicy tracą czas na opisy, a dział finansowy chce szybciej zamykać miesiąc. Naturalna odpowiedź brzmi: wdrożyć workflow oraz AI do klasyfikacji dokumentów. 

Dopiero wdrożenie procesu pokazuje, że opóźnienie nie wynika wyłącznie z samego faktu, że nie było automatyzacji. Część faktur trafia do niewłaściwych osób, bo w organizacji nie ma jednej, aktualnej listy właścicieli kosztów lub nawet jak już trafi do akceptacji to zbyt długo czekają na decyzję. Te same usługi są opisywane różnymi nazwami i nie ma standaryzacji nazw lub dokumenty są źle opisywane i błędy są zgłaszane bezpośrednio do księgowości. I nagle okazuje się, że problem z fakturą jest czymś więcej. 

To pokazuje, że automatyzacja nie usuwa problemów ukrytych w procesie. Jeśli proces jest niespójny, niejasny albo oparty na wyjątkach, technologia tylko szybciej ujawnia jego słabe miejsca. Każda automatyzacja musi się na czymś opierać np. na osobie akceptującej, regule dekretacji, stałym opisie dokumentu. Jeśli te elementy są niespójne, nieaktualne albo różnie rozumiane w poszczególnych działach, system nie uporządkuje procesu. On jedynie szybciej pokaże, gdzie organizacja nie ma wspólnego standardu. 

Jeśli taki proces zostanie jedynie przeniesiony do systemu, firma zyska cyfrową ścieżkę akceptacji, ale niekoniecznie lepszą kontrolę kosztów. Automatyzacja pokaże problem wyraźniej, ale go nie rozwiąże.  

Pierwszy test automatyzacji: czy firma może zaufać własnym danym? 

Właśnie dlatego automatyzacja tak szybko ujawnia prawdę o danych. Tam, gdzie człowiek rozpoznawał wyjątek intuicyjnie, system potrzebuje jasnej reguły. Tam, gdzie pracownik domyślał się znaczenia opisu, algorytm widzi niespójność. Tam, gdzie działy używały różnych nazw dla tego samego zjawiska, raport automatyczny pokazuje rozbieżności. 

Dobrym przykładem są polskie doświadczenia opisane w raporcie „Wdrożenia AI w finansach w Polsce”. W pilotażach AccountantX AI model osiągał skuteczność klasyfikacji kosztowej faktur od 72% do 98%. Równie ważne jest jednak to, że projekt pozwalał ujawniać reguły biznesowe, niespójności oraz rzeczywisty stan procesów. Autorzy raportu wskazują także, że 70% firm realizujących pilotaże dostarczyło dane „takie, jakie są”, bez wcześniejszego przygotowania [7]. 

To cenna lekcja. Nie zawsze trzeba czekać z projektem AI oraz automatyzacją do momentu, aż dane będą idealne a proces będzie działał bez zarzutu. Trzeba jednak uczciwie założyć, że pierwszy etap automatyzacji będzie również diagnoza i prawidłowe ułożenie procesu. Jeśli narzędzie pokazuje błędy, wyjątki i niespójności, nie musi to oznaczać porażki technologii. Często oznacza to, że organizacja po raz pierwszy widzi swój proces bez upiększeń. Nie jako schemat z prezentacji, ale jako rzeczywisty układ wyjątków, niespójnych danych, niejasnych reguł i rozproszonej odpowiedzialności. To może być niewygodne, ale daje firmie coś bardzo wartościowego: precyzyjną informację, gdzie naprawdę zaczyna się problem. 

System można wdrożyć szybciej niż nowy sposób pracy 

System można uruchomić relatywnie szybko. Znacznie trudniej zmienić sposób, w jaki ludzie pracują na co dzień: jak opisują dane, komu przekazują decyzje, kiedy zgłaszają wyjątki i kto bierze odpowiedzialność za wynik procesu. Automatyzacja wymaga więc czegoś więcej niż konfiguracji narzędzia. Wymaga zmiany ról, nawyków, zasad współpracy i sposobu podejmowania decyzji. Dla wielu firm to właśnie ten element okazuje się najtrudniejszy – nie samo wdrożenie technologii, lecz przygotowanie organizacji do pracy w nowy sposób. 

Ten rozdźwięk szczególnie dobrze widać w finansach. Firmy coraz częściej planują transformację i wskazują AI jako jeden z jej ważnych obszarów, ale znacznie rzadziej traktują rozwój ludzi jako równie ważny warunek powodzenia zmiany. Raport AICPA i CIMA „Finance Transformation – Revisiting the Human Perspective” pokazuje, że cztery piąte badanych liderów finansowych prowadziło lub planowało transformację finansów, a 57% wskazywało aplikacje AI jako jeden z jej obszarów. Jednocześnie tylko 40% transformacji priorytetowo traktowało rozwój kapitału ludzkiego [8]. Ten sam raport wskazuje, że największe luki kompetencyjne w finansach dotyczą umiejętności cyfrowych, krytycznego myślenia i technicznych kompetencji finansowych [9]. 

To ma duże znaczenie, bo w finansach, rachunkowości i controllingu automatyzacja nie eliminuje potrzeby profesjonalnego osądu. AI może przygotować rekomendację, ale człowiek musi rozumieć, kiedy można jej zaufać. System może wskazać anomalię, ale człowiek musi ocenić jej znaczenie biznesowe. Algorytm może przyspieszyć klasyfikację, ale to organizacja musi ustalić, kto odpowiada za reguły i kontrolę jakości.  

Efekt automatyzacji trzeba zaprojektować wcześniej 

W projektach automatyzacyjnych zbyt łatwo przyjąć, że skoro system skróci czas wykonania zadania, to firma automatycznie osiągnie korzyść. W praktyce nie zawsze tak się dzieje. Zaoszczędzona minuta nie staje się od razu oszczędnością finansową, a krótszy czas obsługi nie zawsze oznacza lepszy proces. 

Efekt pojawia się dopiero wtedy, gdy uwolniony czas zostaje wykorzystany w konkretny sposób: na większą przepustowość procesu, lepszą kontrolę, szybsze zamknięcie miesiąca, sprawniejsze podejmowanie decyzji albo pracę o wyższej wartości. Jeśli organizacja tego nie zaprojektuje, automatyzacja może poprawić pojedynczy fragment pracy, ale nie zmieni realnie działania firmy. 

Dlatego zasadnicze pytanie nie powinno brzmieć: ile czynności udało się zautomatyzować? Ważniejsze jest pytanie, co dzięki temu rzeczywiście zmieniło się w organizacji. Czy proces trwa krócej? Czy dane są bardziej przewidywalne? Czy decyzje zapadają szybciej? Czy pracownicy odzyskali czas, który można przeznaczyć na analizę, kontrolę lub obsługę bardziej złożonych spraw? 

Dlatego coraz większe znaczenie ma pilotaż. Nie jako formalny etap projektu, ale jako sposób sprawdzenia, czy automatyzacja rzeczywiście ma sens w danym procesie. Raport KDF Dialog dotyczący wdrożeń AI w finansach pokazuje, że pilotaż pozwala szybciej ocenić, czy wybrane rozwiązanie przynosi realną wartość: czy poprawia efektywność, ogranicza błędy, skraca pracę i czy daje podstawy do dalszej inwestycji. Pozwala w łatwy i szybki sposób ocenić czy dana automatyzacja rzeczywiście usprawni proces. Wśród czynników sukcesu wskazano tam m.in. lidera projektu, jakość danych oraz zarządzanie oczekiwaniami [10].  

Automatyzacja nie zastępuje zarządzania 

Automatyzacja nie jest celem samym w sobie. Celem jest sprawniej działająca organizacja: taka, która rozumie własne procesy, potrafi pracować na wiarygodnych danych i wie, kto odpowiada za wynik. Dopiero wtedy technologia może realnie przyspieszyć pracę, ograniczyć błędy i poprawić jakość decyzji. 

Dlatego największym ryzykiem projektów automatyzacyjnych nie jest to, że system nie zadziała. Większym ryzykiem jest to, że zadziała dokładnie na takim procesie, jaki firma mu dostarczy: z niejasnymi regułami, wyjątkami obsługiwanymi poza systemem, niespójnymi danymi i odpowiedzialnością rozproszoną między działami. W takim przypadku automatyzacja nie usuwa problemu. Nadaje mu jedynie cyfrową formę. Może jednak pomóc organizacji zobaczyć to, co wcześniej było ukryte oraz dostać konkretną informację, gdzie proces wymaga poprawy. 

Firmy, które osiągają realną wartość z automatyzacji, zaczynają wcześniej niż od wyboru narzędzia. Najpierw zadają mniej efektowne, ale ważniejsze pytania: który proces rzeczywiście wymaga zmiany, które czynności nie tworzą wartości, jakie dane są źródłem prawdy, kto odpowiada za decyzje i po czym poznamy, że projekt przyniósł efekt. Dopiero później wybierają technologię. 

Jest to szczególnie ważne w dzisiejszych czasach, gdy AI i automatyzacja są coraz łatwiej dostępne. Łatwo uruchomić pilotaż, kupić aplikację, zbudować workflow albo przetestować model. Znacznie trudniej zmienić sposób pracy organizacji. A właśnie tam rozstrzyga się, czy automatyzacja będzie tylko kolejnym projektem technologicznym, czy realnym krokiem w stronę lepszego zarządzania. 

Jeżeli więc zautomatyzujemy chaos, otrzymamy zautomatyzowany chaos. Ale jeśli najpierw uporządkujemy proces, dane i odpowiedzialność, automatyzacja może stać się czymś znacznie ważniejszym niż narzędzie. Może stać się sprawdzianem dojrzałości organizacji oraz początkiem jej rzeczywistej zmiany. 

Przypisy 

[1] Boston Consulting Group, „The Widening AI Value Gap”, September 2025, s. 3–4 

[2] Boston Consulting Group, „The Widening AI Value Gap”, September 2025, s. 11–14 

[3] Banu Aysolmaz, Anant Joshi, Maximilian Stubhan, „Examining and Comparing the Critical Success Factors Between Business Process Management and Business Process Automation”, „Journal of Global Information Management”, 2023, vol. 31, no. 1, s. 2. 

[4] Banu Aysolmaz, Anant Joshi, Maximilian Stubhan, „Examining and Comparing the Critical Success Factors Between Business Process Management and Business Process Automation”, 2023, s. 3–5. 

[5] Banu Aysolmaz, Anant Joshi, Maximilian Stubhan, „Examining and Comparing the Critical Success Factors Between Business Process Management and Business Process Automation”, 2023, s. 6–9. 

[6] Boston Consulting Group, „The Widening AI Value Gap”, September 2025, s. 12–13. 

[7] KDF Dialog, Digital Finance Excellence, AccountantX, „Raport: Wdrożenia AI w finansach w Polsce”, s.10-11 

[8] AICPA & CIMA, „Finance Transformation – Revisiting the Human Perspective”, 2025, s. 1–4. 

[9] AICPA & CIMA, „Finance Transformation – Revisiting the Human Perspective”, 2025, s. 15–16. 

[10] KDF Dialog, Digital Finance Excellence, AccountantX, „Raport: Wdrożenia AI w finansach w Polsce” ”, s.10-11 

Bibliografia 

• AICPA & CIMA, „Finance Transformation – Revisiting the Human Perspective”, 2025. 

• Aysolmaz B., Joshi A., Stubhan M., „Examining and Comparing the Critical Success Factors Between Business Process Management and Business Process Automation”, „Journal of Global Information Management”, 2023, vol. 31, no. 1, s. 1–27, DOI: 10.4018/JGIM.318476. 

• Boston Consulting Group, „The Widening AI Value Gap”, September 2025. 

• KDF Dialog, Digital Finance Excellence, AccountantX, „Raport: Wdrożenia AI w finansach w Polsce”, brak daty publikacji w odczytanym materiale – do uzupełnienia po weryfikacji PDF.