Reklama
Dołącz do liderów przyszłości i zdobądź przewagę! Sprawdź najnowszą ofertę subskrypcji
Sztuczna inteligencja i uczenie maszynowe
Magazyn (Nr 29, kwiecień - maj 2025)

Konkretna wartość z AI

17 kwietnia 2025 3 min czytania
Paweł Kubisiak

Streszczenie: Generatywna sztuczna inteligencja (GenAI) staje się realnym narzędziem transformacji biznesu, ale niewiele firm potrafi wydobyć z niej rzeczywistą wartość. W artykułach z tego wydania podkreślono potrzebę przemyślanego i odpowiedzialnego wdrażania AI, opartego na analizie procesów, korzyści i ryzyk. Eksperci wskazują, że GenAI może przyspieszać uczenie się organizacji, ale wymaga także przeobrażenia struktur i kultury pracy. Zamiast czekać na rewolucję, warto zacząć od małych transformacji. Kluczowe jest nadanie AI sensu i celu – tylko wtedy stanie się motorem trwałej zmiany.

Pokaż więcej

Od ponad dwóch lat jesteśmy świadkami huraganowej ekspansji generatywnej sztucznej inteligencji (GenAI), która nie jest już tylko technologiczną ciekawostką, stała się bowiem realnym narzędziem transformacji biznesu. I choć coraz więcej firm przekształca eksperymenty z dużymi modelami językowymi (LLM) w konkretne wdrożenia, to wciąż niewiele organizacji (oczywiście poza dostawcami tych algorytmów) może pochwalić się istotną wartością uzyskaną dzięki tej technologii.

W tym wydaniu przyglądamy się właśnie temu, jak budować wartość z AI. Zamiast skupiać się na spektakularnych, ale często odległych wizjach przyszłości, stawiamy na konkret: jak dziś korzystać z potencjału AI w sposób przemyślany, odpowiedzialny i efektywny?

Rama Ramakrishnan, w artykule Praktyczny poradnik kreowania wartości z dużych modeli językowych, proponuje systemowe podejście: rozbijanie procesów biznesowych na zadania, ocenę ich przydatności do automatyzacji oraz analizę kosztów i ryzyka w odniesieniu do potencjalnych korzyści. Zamiast hurraoptymistycznych wdrożeń – rzeczowa kalkulacja. O tym, że sztuczna inteligencja może nie tylko wspierać produktywność, ale wręcz stać się fundamentem nowej zdolności organizacji – uczenia się – piszą Paul Baier i John J. Sviokla w tekście Turbodoładowanie uczenia się organizacyjnego dzięki GenAI. Z kolei Ethan Mollick, w eseju Wymyślanie organizacji na nowo na potrzeby AI, stawia śmiałą tezę: obecna fala AI nie wspiera dotychczasowych struktur organizacyjnych, lecz je przeobraża. Jego zdaniem, aby w pełni wykorzystać potencjał tej technologii, firmy będą musiały zmienić nie tylko procesy, ale także sposób organizowania pracy. To nie jest ewolucja – to wymyślanie się na nowo. Jednak Melissa Webster i George Westerman (Jak generować wartość z AI dzięki małym transformacjom w biznesie) studzą emocje: zamiast czekać na wielką rewolucję, warto zacząć od małych kroków i zastosowań o niskim ryzyku. Blok o AI zamyka wyjątkowy tekst Michaela Schrage’a i Davida Kirona Filozofia pożera sztuczną inteligencję. Autorzy przekonują, że bez refleksji nad tym, jakie wartości i założenia filozoficzne kierują rozwojem i wdrażaniem AI, organizacje nie będą w stanie w pełni wykorzystać jej potencjału. Ich przesłanie jest jasne: AI potrzebuje nie tylko danych i modeli, lecz także celu i sensu.

Wszystkie te artykuły łączy jedno: przekonanie, że prawdziwa wartość z AI płynie nie z samej technologii, lecz z jej przemyślanego zastosowania – w zgodzie z kulturą organizacji, modelem biznesowym i celami strategicznymi. AI może być motorem transformacji, ale tylko wtedy, gdy będzie kierowana przez odpowiedzialnych ludzi z wizją.

Zapraszam do lektury!

O autorach
Tematy

Może Cię zainteresować

Premium
Praktyczny poradnik kreowania wartości z dużych modeli językowych

Gdy w 2022 r. pojawiły się powszechnie dostępne duże modele językowe (LLM), ich potężna zdolność do generowania tekstu na żądanie zapowiadała rewolucję w produktywności. Jednak mimo że te zaawansowane systemy AI potrafią tworzyć płynny tekst w języku naturalnym i komputerowym, to są one dalekie od doskonałości. Mogą halucynować, wykazywać się logiczną niespójnością oraz produkować treści nieadekwatne lub szkodliwe.

Chociaż technologia ta stała się powszechnie dostępna, wielu menedżerów nadal ma trudności z rozpoznawaniem przypadków użycia LLM-ów, w których poprawa produktywności przewyższa koszty i ryzyka związane z tymi narzędziami. Potrzebne jest bardziej systematyczne podejście do wykorzystywania modeli językowych, tak aby uefektywnić procesy biznesowe, a jednocześnie kontrolować słabe strony LLM-ów. Proponuję trzy kroki ułatwiające osiągnięcie tego celu. Po pierwsze, należy rozłożyć proces na mniejsze zadania. Po drugie, trzeba ocenić, czy każde zadanie spełnia tzw. równanie kosztów GenAI, które szczegółowo wyjaśnię w tym artykule. Jeśli ten warunek zostanie spełniony, należy uruchomić projekt pilotażowy, iteracyjnie oceniać jego wyniki oraz na bieżąco wprowadzać zmiany w celu poprawy rezultatów.

Kluczowe w tym podejściu jest pełne zrozumienie, w jaki sposób mocne i słabe strony modeli językowych odpowiadają specyfice danego zadania; jakie techniki umożliwiają ich skuteczną adaptację w celu zwiększenia wydajności; oraz jak te czynniki wpływają na bilans kosztów i korzyści – a także na ocenę ryzyka i potencjalnych zysków – związanych z wykorzystaniem modeli językowych do podnoszenia efektywności realizowanych działań.

Premium
Turbodoładowanie uczenia się organizacyjnego dzięki GenAI

Współpraca ludzi z agentami AI może znacząco przyspieszyć transfer wiedzy, pobudzić innowacyjność i wzmocnić przewagę konkurencyjną.

Generatywna AI może znacząco zwiększyć zdolność organizacji do uczenia się. Wraz z premierą modelu ChatGPT od OpenAI w listopadzie 2022 r. po raz pierwszy w ponaddwustuletniej historii zaawansowanej automatyzacji maszyny zaczęły odpowiadać na pytania w naturalnym języku. Zamiast konieczności komunikowania się w językach programowania, takich jak Java czy Python, użytkownicy mogli po prostu używać codziennej mowy. To właśnie ta intuicyjność i dostępność sprawiły, że zaledwie dwa miesiące po debiucie narzędzie zyskało ponad 100 mln użytkowników¹.

Premium
Wymyślanie organizacji na nowo na potrzeby AI

Poprzednie fale technologiczne wzmacniały tradycyjne struktury organizacyjne, stopniowo wprowadzając usprawnienia. Generatywna sztuczna inteligencja i duże modele językowe zmieniają firmy, wymagają bowiem zupełnie nowego podejścia do ich funkcjonowania. Tradycyjne struktury, oparte na ludzkich ograniczeniach, są zastępowane elastycznymi modelami współpracy człowieka i AI. Pracownicy już dziś używają AI bez zgody przełożonych, co zmusza liderów do redefinicji ról, procesów i zasad zarządzania. 

Premium
Filozofia pożera sztuczną inteligencję

W 2011 r. Marc Andreessen, programista, a później inwestor venture capital, na łamach „The Wall Street Journal” ogłosił: „Oprogramowanie pożera świat”. Jego manifest opisywał technologię, która z niezwykłą żarłocznością przekształca każdą branżę, którą obejmuje. Nie mylił się – oprogramowanie wciąż dominuje na świecie.

Niecałe sześć lat później Jensen Huang, współzałożyciel i dyrektor generalny Nvidii, odważnie rozwinął myśl Andreessena, stwierdzając: „Oprogramowanie pożera świat… ale AI pożera oprogramowanie”. Nabierające rozpędu przechodzenie od tradycyjnego kodowania przez ludzi do uczenia maszynowego skłoniło Huanga do takiej konstatacji: „Uczenie głębokie to strategiczny imperatyw dla każdej dużej firmy technologicznej. Coraz bardziej przenika ono każdy aspekt pracy – od infrastruktury i narzędzi aż po sposób tworzenia produktów”. Gigantyczna kapitalizacja rynkowa Nvidii jest dowodem na trafność jego przewidywań z 2017 r.

Jak AI zmienia naszą pracę i życie. Rozmowa z Aleksandrą Przegalińską
Multimedia
Aleksandra Przegalińska: Jak AI zmienia naszą pracę i życie

Sztuczna inteligencja (AI) rewolucjonizuje zarówno nasze codzienne życie, jak i sposób, w jaki funkcjonujemy świecie w biznesu. Aleksandra Przegalińska, jedna z czołowych badaczek AI w Polsce, przedstawia najważniejsze wyzwania i możliwości, jakie niesie ze sobą ta technologia, i oferuje cenne wnioski dla liderów biznesu.

• Jak generować wartość z AI dzięki małym transformacjom w biznesie - Webster
Premium
Jak generować wartość z AI dzięki małym transformacjom w biznesie

Liderzy skutecznie wykorzystują duże modele językowe, stopniowo minimalizując ryzyko i tworząc solidne fundamenty pod przyszłe transformacje technologiczne, dzięki czemu generują realną wartość dla swoich organizacji.

Niespełna dwa lata temu generatywna sztuczna inteligencja (GenAI) trafiła na czołówki stron gazet, zachwycając swoimi niezwykłymi możliwościami: mogła prowadzić rozmowy, analizować ogromne ilości tekstu, dźwięku i obrazów, a nawet tworzyć nowe dokumenty i dzieła sztuki. To najszybsze w historii wdrożenie technologii przyciągnęło ponad 100 mln użytkowników w ciągu pierwszych dwóch miesięcy, a firmy z różnych branż rozpoczęły eksperymenty z GenAI. Jednak pomimo dwóch lat intensywnego zainteresowania ze strony kierownictwa i licznych prób wdrożeniowych nie widać wielkoskalowych transformacji biznesowych, które początkowo przewidywano. Co się stało? Czy technologia nie spełniła oczekiwań? Czy eksperci się pomylili, wzywając do gigantycznych zmian? Czy firmy były zbyt ostrożne? Odpowiedź na te pytania brzmi: i tak, i nie. Generatywna sztuczna inteligencja już teraz jest wykorzystywana w wielu firmach, ale nie – jako lokomotywa radykalnej transformacji procesów biznesowych. Liderzy biznesu znajdują sposoby, by czerpać realną wartość z dużych modeli językowych (LLM), nie modyfikując całkowicie istniejących procesów. Dążą do małych zmian (small t) stanowiących fundament pod większe przekształcenia, które dopiero nadejdą. W tym artykule pokażemy, jak robią to dzisiaj i co możesz zrobić, aby tworzyć wartość za pomocą generatywnej sztucznej inteligencji.

Multimedia
LIMITY AI: Dlaczego polski biznes nie jest gotowy na AI?

Choć tylko 6% polskich firm wdrożyło z powodzeniem AI, moda na „sztuczną inteligencję” już zawładnęła umysłami zarządów. Ale czy naprawdę wiemy, co robimy? W pierwszym odcinku podcastu Limity AI, Iwo Zmyślony rozmawia z Markiem Adamskim o pułapkach myślenia strategicznego, lęku przed eksperymentowaniem, paradoksie eksperta i o tym, dlaczego AI nie zabiera miejsc pracy — tylko zmienia sens tego, co robimy. To rozmowa, która zaczyna się od technologii, ale kończy na tym, co najtrudniejsze: zrozumieniu własnego biznesu.

Materiał dostępny tylko dla subskrybentów

Jeszcze nie masz subskrypcji? Dołącz do grona subskrybentów i korzystaj bez ograniczeń!

Subskrybuj

Newsletter

Otrzymuj najważniejsze artykuły biznesowe — zapisz się do newslettera!