Streszczenie: Dlaczego wdrażanie AI w niektórych branżach pozostaje w tyle? Ponieważ dla wielu pracowników AI wciąż wydaje się modnym dodatkiem, źródłem dodatkowej pracy lub rozwiązaniem, któremu trudno zaufać. To ludzka rzeczywistość, z którą mierzą się liderzy chcący wprowadzać narzędzia AI do swoich firm. Warto pamiętać o trzech lekcjach z praktyki: uczynić AI bardziej przystępną, szanować istniejące sposoby pracy oraz mierzyć sukces przy użyciu wskaźników, które mają realne znaczenie dla organizacji.
W branżach, które podchodzą do sztucznej inteligencji z ostrożnością, liderzy muszą mierzyć się z bardzo ludzkimi obawami. Oto jak radzić sobie ze zmęczeniem zmianą i stworzyć fundament pod powodzenie transformacji.
Nie mija dzień bez kolejnego artykułu o tym, jak AI może zakłócić następny obszar naszego życia zawodowego lub prywatnego. W ostatnich latach wdrażanie sztucznej inteligencji rzeczywiście przyspieszyło. Jeśli jednak przyjrzeć się temu uważnie, widać wyraźny rozdźwięk.
Wiele przykładów udanego, wczesnego wdrażania AI pochodzi z niewielkiej grupy branż, które są silnie zdigitalizowane lub naturalnie otwarte na technologie. Najczęściej wskazuje się bankowość, usługi finansowe, handel elektroniczny i podobne sektory. Tymczasem inne gałęzie przemysłu, choć stanowią istotną część gospodarki, nie wykazują takiego samego tempa postępu ani entuzjazmu wobec sztucznej inteligencji.
Spójrzmy na branże usług specjalistycznych i kluczowych dla funkcjonowania gospodarki, takie jak budownictwo, górnictwo czy gospodarka odpadami. Część tych firm działa w ramach silnej gospodarki, lecz wciąż opiera się na systemach informatycznych sprzed dekad, a niektóre procesy nadal realizowane są przy użyciu papieru i długopisu. Choć AI zaczyna się tu pojawiać, skala wdrożeń pozostawia ogromne pole do rozwoju.
Liderzy w tych sektorach często zakładają, że mają stabilne procesy, które sprawdzały się przez dziesięciolecia. Owszem, od czasu do czasu coś się psuje, co powoduje zakłócenia w obsłudze klientów, konieczność poprawek w pracy zespołów i dezorganizację procesów wewnętrznych. Jednak organizacje te zawsze jakoś wychodziły z takich sytuacji. Pracownicy mogą postrzegać AI jako modny gadżet, dodatkowe obciążenie pracą lub rozwiązanie, któremu nie można w pełni zaufać.
Przez ponad 15 lat pracy z dziesiątkami branż nad wdrażaniem AI starałem się zrozumieć, co odróżnia te dwie grupy liderów oraz skąd biorą się tak różne poziomy wykorzystania sztucznej inteligencji. Równolegle przez lata testowałem w praktyce metody, które pomagają pokonywać bariery wdrożeniowe.
W tym artykule dzielę się tym, co leży u podstaw wyzwań przywódczych oraz jak liderzy w bardziej zachowawczych branżach mogą zaplanować i przeprowadzić realną zmianę. Przyjrzyjmy się konkretnym przykładom i praktycznym wskazówkom dotyczącym wdrażania AI.
Dlaczego wdrażanie AI w niektórych branżach pozostaje w tyle
Moje doświadczenia z pracy w terenie wskazują na trzy powtarzające się czynniki, które powstrzymują część branż przed odważniejszym wejściem w świat sztucznej inteligencji.
1. AI wydaje się niedostępna i budzi lęk
Kiedy czegoś nie rozumiemy, zaczynamy się tego obawiać. Gdy wszyscy wokół o tym mówią, a my czujemy, że zostajemy w tyle, ten lęk tylko narasta. Gdy technologia wydaje się narzucająca i niekomfortowa, naturalną reakcją jest wycofanie się.
To dokładnie dzieje się dziś w przypadku AI w wielu organizacjach, zarówno prywatnych, jak i publicznych, które należą do późnych adopterów. Szum wokół sztucznej inteligencji i często przesadny entuzjazm komentatorów technologicznych dodatkowo zniechęcają osoby pracujące w bardziej ostrożnych firmach. Sytuacji nie poprawiają doniesienia o nieprzemyślanych inwestycjach w AI, które kończą się porażką, ani historie o algorytmach uczenia maszynowego wymykających się spod kontroli. Wszystko to utrwala przekonanie, że AI jest czymś niedostępnym i wciąż niegotowym do powszechnego użycia.
Dobrym przykładem są kamery wykorzystujące AI montowane w kabinach ciężarówek. Dla kierowców kamera skierowana na nich samych jest odbierana jako narzędzie kontroli i dyscyplinowania, na długo zanim zostanie uznana za rozwiązanie zwiększające bezpieczeństwo czy wspierające efektywność pracy. Raport American Transportation Research Institute pokazuje, że akceptacja takich kamer wśród kierowców jest niska i wynosi średnio 2,24 w skali od 0 do 10 wśród 650 użytkowników z całej branży.
2. AI wygląda na kolejną porcję niepotrzebnej pracy
AI często przedstawiana jest jako wybawienie od żmudnych zadań. Jednak osoby, które mają wdrożyć te narzędzia w codziennych procesach, często widzą w nich dodatkową pracę, a nie odciążenie.
Zespoły pierwszej linii w branżach opartych na pracy fizycznej są zazwyczaj przeciążone i niedostatecznie wspierane. Konieczność kolejnych szkoleń czy zmian w dotychczasowych sposobach działania rodzi opór jeszcze zanim pojawi się jakakolwiek wartość. W wielu branżach późno wdrażających AI kojarzy się ona natychmiast z kosztowną infrastrukturą i wymuszoną zmianą operacyjną.
Wielu entuzjastów technologii i liderów popełnia błąd, komunikując wartość AI w niewłaściwej walucie.
Nie pomaga również to, że pamięć organizacyjna pełna jest nieudanych lub nadmiernie przeciągających się wdrożeń technologicznych, takich jak systemy klasy ERP, narzędzia bezpieczeństwa czy systemy telematyczne. Pracownicy zaczynają się zastanawiać, czy fala narzędzi AI to kolejna moda, którą po prostu warto przeczekać. Głębsza analiza pokazuje, że prawdziwą barierą nie jest niechęć do technologii, lecz zmęczenie nieustannymi zmianami.
3. Korzyści z AI nie wydają się warte wysiłku
Wielu liderów i promotorów technologii popełnia błąd, przedstawiając wartość AI w sposób, który nie trafia do osób pracujących na pierwszej linii. Wzrost dokładności czy produktywności to argumenty, które mają niewielkie znaczenie dla pracowników mierzących się na co dzień z reklamacjami klientów, koniecznością poprawek czy kosztami operacyjnymi.
W badaniu kadry zarządzającej przeprowadzonym w 2025 roku przez Deloitte, 65% liderów zadeklarowało, że AI jest częścią strategii ich organizacji. Wielu z nich przyznało jednak, że zwrot z inwestycji nie jest ani natychmiastowy, ani wyłącznie finansowy. Z perspektywy pracownika koszt nauczenia się i wdrożenia złożonej technologii, jaką jest AI, jest bardzo osobisty, podczas gdy korzyści pozostają abstrakcyjne i odległe.
Gdy trudno jest wskazać konkretne, mierzalne efekty biznesowe w najbliższym kwartale, takie inicjatywy mają problem z uzyskaniem i utrzymaniem wsparcia kierownictwa, a ich priorytet szybko spada. Za każdym razem, gdy wdrożenia AI nie przynoszą rezultatów zgodnych z nieprecyzyjnie sformułowanymi celami, co zdarza się dość często, deficyt zaufania tylko się pogłębia.
Trzy filary skutecznego wdrażania AI
Jak jako lider możesz odpowiedzieć na te wyzwania i przygotować organizację na sukces? Warto oprzeć działania na trzech kluczowych strategiach.
1. Sięgaj po codzienne analogie, aby oswoić AI
Edukacja jest warunkiem wstępnym sensownego wdrażania AI. Jeśli użytkownicy nie rozumieją, dlaczego mieliby korzystać z tej technologii i jej ufać, projekt jest skazany na porażkę już na starcie. Jak więc uczynić AI przystępną dla osób, które nie wychowały się w świecie cyfrowym?
Nie żyjemy już w czasach, gdy zastosowania AI były rzadkością. Wiele osób nie zdaje sobie sprawy, że korzysta ze sztucznej inteligencji dziesiątki razy dziennie. Odblokowujemy telefony rozpoznawaniem twarzy. Nawet proste smartwatche potrafią rozpoznawać aktywność fizyczną czy wykrywać nieregularny rytm serca. Media społecznościowe podpowiadają nam dawno niewidzianych znajomych.
Każdy z tych przykładów to działanie AI w praktyce. Gdy podczas rozmów z liderami przywołuję te sytuacje jako dowody powszechnego użycia zaawansowanej sztucznej inteligencji, niemal zawsze wywołuje to zaskoczenie. Takie przeformułowanie rozmowy pozwala przejść od lęku przed AI do ciekawości, gdzie jeszcze może być wykorzystywana. Prawdziwy postęp następuje wtedy, gdy odczarowujemy AI poprzez znane doświadczenia, a nie techniczne wykłady.
Taka perspektywa umożliwia również uczciwszą rozmowę o wpływie AI na miejsca pracy. W wielu zawodach ludzie zaczynają dostrzegać, że większym zagrożeniem niż sama technologia są inni pracownicy, którzy potrafią lepiej z niej korzystać. W ten sposób AI zaczyna być postrzegana jako narzędzie wspierające, a umiejętność jej używania jako kolejna kompetencja do zdobycia.
Przykładem jest platforma Hey Bubba, zaprojektowana dla właścicieli ciężarówek i małych firm transportowych. Zamiast pulpitów i złożonych procesów system działa w całości poprzez głos. Kierowcy mogą wyszukiwać i rezerwować ładunki, negocjować z pośrednikami, znajdować parkingi i rezerwować hotele, prowadząc naturalną rozmowę z systemem AI. Rozwiązanie to działa, ponieważ odwołuje się do znanych doświadczeń korzystania z asystentów głosowych.
2. Wbuduj AI w systemy, z których ludzie już korzystają
Czy łatwiej jest wyremontować dom, czy kazać ludziom przeprowadzić się do zupełnie nowego, z nieznanymi pomieszczeniami i zasadami? We wdrażaniu AI warto wybrać podejście remontowe. Próba wprowadzenia AI jednorazowo w całej organizacji to poważny błąd.
Zaczynaj od niewielkich zmian w istniejących procesach i systemach. Twoje zespoły już dziś korzystają z wielu narzędzi informatycznych. To właśnie tam liderzy powinni wprowadzać elementy AI i stopniowo zachęcać do ich używania.
Gdy AI pojawia się w miejscu, w którym ludzie już pracują, ciekawość zastępuje opór.
Zespoły operacyjne funkcjonują na co dzień w systemach takich jak rozliczenia, CRM, narzędzia dyspozytorskie, oprogramowanie utrzymania ruchu czy rejestry bezpieczeństwa. Choć część z tych systemów bywa niewygodna, są one intensywnie wykorzystywane i trudne do ominięcia. Punkty bólu w tych narzędziach są doskonałymi miejscami do wprowadzenia AI tam, gdzie użytkownicy szybko dostrzegą jej wartość.
Dobrym przykładem jest utrzymanie floty pojazdów. Technicy i nadzorcy spędzają większość czasu w systemie zarządzania utrzymaniem ruchu. Tam rejestrowane są zlecenia, przeglądy i awarie.
Skutecznym sposobem wprowadzenia AI, która potrafi przewidywać awarie pojazdów, jest bezpośrednie wbudowanie jej w systemy, którym użytkownicy już ufają. AI może wskazywać powtarzające się kody błędów, identyfikować pojazdy o rosnącym ryzyku awarii lub sugerować priorytetyzację niektórych prac zanim dojdzie do przestoju.
3. Mierz wpływ AI wskaźnikami, które ludzie już znają
Gdy AI staje się zrozumiała i pojawia się w znanych miejscach pracy, najszybszą drogą do uzyskania poparcia jest pokazanie efektów biznesowych.
Wartość AI należy od początku powiązać z wynikami, które są istotne dla interesariuszy i na podstawie których są oni rozliczani. Zwykle są to dwa typy efektów: zwiększanie przychodów lub wydajności oraz ograniczanie strat i ryzyka. Przykładami pierwszej kategorii są współczynniki wygranych ofert czy wykorzystanie zasobów. Do drugiej należą wycieki kosztów lub zakłócenia w obsłudze.
Nowe wskaźniki niemal zawsze wywołują dyskusję i opóźniają działania. Wskaźniki już znane przyspieszają uzgodnienia.
Następnie warto połączyć efekty krótkoterminowe z długoterminowymi. Opieranie się wyłącznie na wskaźnikach opóźnionych może zniechęcić interesariuszy, którzy potrzebują szybszych sygnałów postępu. Spadek liczby reklamacji klientów może być przykładem wskaźnika wiodącego, podczas gdy wzrost przychodów od stałych klientów to wskaźnik, na który trzeba poczekać kilka kwartałów.
Przykładem jest dystrybutor materiałów przemysłowych, który chciał przyspieszyć wzrost sprzedaży. Firma miała trudności z systematycznym identyfikowaniem nowych szans biznesowych. Handlowcy polegali na czasochłonnych, ręcznych metodach, takich jak objeżdżanie miast w poszukiwaniu nowych budów. Proces był niespójny, powolny i trudny do skalowania.
Firma zbudowała silnik AI, który łączył dane sprzedażowe z sygnałami zewnętrznymi, aby oceniać i priorytetyzować potencjalne szanse sprzedażowe oraz rekomendować odpowiednie produkty. Generatywna AI została wykorzystana do analizy nieustrukturyzowanych danych publicznych, takich jak pozwolenia budowlane, w celu identyfikowania nadchodzących inwestycji.
Te wnioski zostały wbudowane w istniejące procesy sprzedażowe, co pozwoliło personalizować kontakt z klientami na dużą skalę. Już w pierwszym roku podejście to przełożyło się na wzrost liczby szans sprzedażowych i poprawę skuteczności kampanii mailowych, czyli wskaźników, które były wcześniej znane i istotne dla interesariuszy.
Gdzie naprawdę wygrywa się lub przegrywa wdrażanie AI
W branżach późno wdrażających AI porażka rzadko wynika z ograniczeń samej technologii. Zdecydowanie częściej jest efektem niedoszacowania ludzkiego i operacyjnego kontekstu, w którym narzędzia AI są wprowadzane. Sceptycyzm pracowników pierwszej linii nie jest sprzeciwem wobec postępu. To racjonalna reakcja, na którą można wpłynąć, jeśli podejdzie się do niej w sposób przemyślany.
Organizacje, które robią najszybsze postępy, podążają podobną ścieżką. Najpierw oswajają AI poprzez budowanie zrozumienia. Następnie wbudowują ją w istniejące procesy, zanim zaczną wymuszać nowe. Na końcu pokazują jej wartość przy użyciu wskaźników, które już dziś decydują o tym, jak pracownicy są oceniani i rozliczani. Gdy te warunki są spełnione, wdrażanie AI przestaje być narzuconą inicjatywą i zaczyna być czymś, po co ludzie sami chętnie sięgają.
Dla branż, które dotąd ostrożnie podchodziły do sztucznej inteligencji, drogą naprzód nie jest naśladowanie sektorów zorientowanych na technologię, lecz wdrażanie AI na własnych zasadach. Skuteczni liderzy traktują AI nie jako system, który należy gwałtownie wdrożyć, lecz jako kompetencję, którą stopniowo wplata się w codzienną pracę. W takich organizacjach o powodzeniu AI w większym stopniu niż algorytmy decydują komfort użytkowników i zaufanie.
