Wdrożenie sztucznej inteligencji w przedsiębiorstwie to decyzja kierownictwa, a nie projekt IT
// W TYM ARTYKULE 10
- 01 Pytanie o technologię nie jest już całościowym pytaniem
- 02 Dlaczego ERP i dojrzałość w zakresie rozwiązań Lean nie prowadzą automatycznie do wdrożenia sztucznej inteligencji
- 03 Pułapka pilota: udowadnianie modelu przy jednoczesnym unikaniu decyzji
- 04 Jakie decyzje musi podjąć przywódca
- 05 Lepsza droga od pilotażu sztucznej inteligencji do produkcji
- 06 Prawdopodobnie nie musisz wymieniać swojego systemu ERP
- 07 Model operacyjny leżący u podstaw wdrażania sztucznej inteligencji w przedsiębiorstwach
- 08 Decyzja oddzielająca aktywność od adopcji
- 09 Często zadawane pytania
- 10 Źródła
Odcinek 1 szwajcarskiej serii Embiggen X o produkcji zastanawia się, dlaczego dobrze zarządzana fabryka wciąż ma trudności z przekształceniem sztucznej inteligencji w codzienną wartość operacyjną. Punktem wyjścia jest decyzja kierownictwa: wybrać proces, który powinien działać inaczej, przypisać komuś odpowiedzialność za wynik i przetestować zmianę z osobami, które ją wykonują.
Firma może korzystać z nowoczesnego systemu ERP, mieć za sobą lata udoskonaleń i zatrudniać doskonały zespół technologiczny, a mimo to nie potrafić włączyć sztucznej inteligencji do swojego biznesu.
Ta pozorna sprzeczność jest dziś powszechna. Narzędzia są dostępne. Organizacja dysponuje danymi. Demonstracja prawdopodobnie zrobiła wrażenie na sali pełnej menedżerów. Jednak miesiące później zakupy, planowanie, jakość czy konserwacja nadal działają zasadniczo tak samo.
Pozostałą przeszkodę często opisuje się jako gotowość techniczną. To wyjaśnienie jest pocieszające, ponieważ odwleka podjęcie trudnej decyzji. Kierownictwo może poczekać na lepszy model, bardziej przejrzyste dane lub prezentację innego dostawcy. Jednak w przypadku wielu ograniczonych zastosowań operacyjnych technologia jest już wystarczająco dojrzała. Nierozstrzygnięte pozostaje pytanie, czy firma jest gotowa zmienić rzeczywisty proces, przypisać odpowiedzialność za wynik i wdrożyć tę zmianę w codziennej pracy.
Dlatego wdrażanie sztucznej inteligencji w przedsiębiorstwach jest decyzją biznesową, zanim stanie się projektem informatycznym .
Pytanie o technologię nie jest już całościowym pytaniem
Pytanie „Czy sztuczna inteligencja jest dojrzała?” jest zbyt ogólne, by być użyteczne. Żadna technologia nie jest dojrzała do każdego zadania, środowiska ani poziomu ryzyka. Model ogólnego przeznaczenia nie powinien mieć niekontrolowanej kontroli nad linią krytyczną dla bezpieczeństwa, a system prognozowania nie jest w stanie zrekompensować brakującej historii operacyjnej.
Ale ten niuans nie powinien stać się powszechną wymówką dla bezczynności. Uczenie maszynowe, widzenie komputerowe, ekstrakcja dokumentów, prognozowanie i asystenci językowi są już wykorzystywane w produkcji w ściśle określonych warunkach. Praktyczne pytanie jest węższe:
Czy konkretna funkcja jest wystarczająco niezawodna i przy odpowiednich kontrolach może usprawnić określony przepływ pracy?
To pytanie można przetestować. Ma ono użytkowników, dane wejściowe, wyjątki, ryzyka i mierzalne rezultaty. Pytanie „Czy sztuczna inteligencja jest gotowa?” nie.
Dane dotyczące wdrażania ujawniają tę lukę. W globalnym badaniu McKinsey z 2025 roku 78% respondentów stwierdziło, że ich organizacje wykorzystują sztuczną inteligencję (AI) w co najmniej jednej funkcji biznesowej. Jednak tylko 21% stwierdziło, że ich organizacje gruntownie przeprojektowały przynajmniej niektóre procesy. Spośród 25 testowanych atrybutów organizacji, przeprojektowanie procesów miało najsilniejszy związek z raportowanym wpływem generatywnej AI na zysk przed opodatkowaniem, zyskiem i stratą (EBIT) ( McKinsey ).
Korzystanie z narzędzia i zmiana biznesu to nie to samo.
Dlaczego ERP i dojrzałość w zakresie rozwiązań Lean nie prowadzą automatycznie do wdrożenia sztucznej inteligencji
Programy ERP standaryzują ewidencję i transakcje. Metody Lean ujawniają marnotrawstwo, stabilizują pracę i tworzą dyscyplinę ciągłego doskonalenia. Te inwestycje stanowią cenny fundament. Nie podejmują one automatycznie kolejnych decyzji.
Sztuczna inteligencja zmienia zakres problemów, z którymi może zmierzyć się firma. Potrafi interpretować informacje, które nigdy nie mieściły się w systemie ERP: rysunki, e-maile, notatki konserwacyjne, obrazy, stare arkusze kalkulacyjne i wzorce obejmujące tysiące zmiennych. Potrafi również zmieniać moment podjęcia decyzji i to, kto w danym momencie otrzymuje wsparcie.
To przekracza granice organizacyjne. Przypadek użycia w planowaniu produkcji może dotyczyć prognoz sprzedaży, zapasów, wydajności dostawców i dostępności maszyn. Asystent ds. jakości może zmienić zadanie operatora, ścieżkę eskalacji i dowody przechowywane na potrzeby audytu. Dział IT może zintegrować i zabezpieczyć system, ale nie może samodzielnie zdecydować, jaki kompromis operacyjny powinna podjąć firma.
W tym miejscu dojrzałe firmy mogą stać się nieoczekiwanie ostrożne. Ich obecne systemy działają. Ich obowiązki są ustalone. Ich KPI nagradzają lokalne wyniki. Technicznie udane wdrożenie sztucznej inteligencji może wymagać zmiany wszystkich trzech.
Przeszkodą nie jest ignorancja. Jest nią koszt dokonania ważnego wyboru.
Pułapka pilota: udowadnianie modelu przy jednoczesnym unikaniu decyzji
Pilotaż może być przydatny. Pozwala przetestować dostępność danych, zachowanie modelu, interakcję z użytkownikiem i założenia dotyczące integracji, zanim firma zaangażuje większy kapitał. Jednak „pilot” to również wygodne określenie dla działań, które nie mają drogi do produkcji.
Znaki ostrzegawcze są znane:
- wybrano ten przypadek użycia, ponieważ dane były łatwe do uzyskania, a nie dlatego, że problem biznesowy miał znaczenie;
- sponsor chce, aby innowacja była widoczna, ale nie jest właścicielem danego procesu;
- sukces oznacza dokładną prezentację, a nie wynik biznesowy;
- użytkownicy na pierwszej linii widzą rozwiązanie dopiero po jego zbudowaniu;
- integracja produkcji, monitorowanie, wsparcie i bezpieczeństwo są odroczone;
- nikt nie ma uprawnień do zmiany przepływu pracy, jeśli test zakończy się powodzeniem.
RAND doszedł do podobnych wniosków, stosując inną metodę. Jego badacze przeprowadzili wywiady z 65 doświadczonymi analitykami danych i inżynierami na temat niepowodzeń projektów AI. Głównymi przyczynami były: niezrozumienie problemu, budowanie modeli wokół niewłaściwych metryk lub kontekstu przepływu pracy, niewystarczające dane oraz koncentrowanie się na najnowszej technologii zamiast na rzeczywistym problemie użytkownika ( RAND ).
Model może przejść test, podczas gdy projekt zawiedzie firmę.
Jakie decyzje musi podjąć przywódca
Wsparcie kadry kierowniczej ogranicza się czasami do zatwierdzenia budżetu lub otwarcia spotkania inauguracyjnego. Prawdziwa odpowiedzialność jest bardziej konkretna. Kierownictwo musi podjąć co najmniej sześć decyzji, których żaden zespół technologiczny nie mógłby podjąć za nie.
1. Który wynik biznesowy jest na tyle istotny, że warto zmienić pracę?
Zacznij od powtarzającej się decyzji lub ograniczenia: niestabilności harmonogramu, możliwych do uniknięcia braków, opóźnionej wyceny, pominiętych prac konserwacyjnych, nadmiaru kapitału obrotowego lub utraty roszczeń. Zdefiniuj konsekwencje ekonomiczne i operacyjne w kategoriach, z których właściciel procesu już korzysta.
„Wdrożenie sztucznej inteligencji w operacjach” nie jest celem samym w sobie. „Skrócenie czasu, jaki planiści poświęcają na uzgadnianie zmian w zamówieniach, przy jednoczesnym utrzymaniu poziomu usług” jest.
2. Do kogo należy wynik?
Właściciel odpowiedzialny powinien kierować funkcją, której wydajność ma ulec zmianie. Kierownik zakładu, dyrektor operacyjny, kierownik ds. roszczeń lub kierownik ds. zaopatrzenia może nadzorować przepływ pracy. Działy IT, danych, bezpieczeństwa i prawny pozostają kluczowymi partnerami, ale własność pozostaje bliska wartości.
Zapobiega to częstej awarii: firma dostarcza wymagania, dział IT dostarcza narzędzie, a żadna ze stron nie jest odpowiedzialna za wdrożenie po uruchomieniu.
3. Co zmieni się w przepływie pracy?
Zmapuj aktualną sekwencję od sygnału, przez decyzję, po działanie. Następnie określ, gdzie wchodzi sztuczna inteligencja, jakich informacji używa, co zaleca lub wykonuje, kiedy użytkownik to sprawdza i w jaki sposób wyjątki wracają do systemu.
Jeśli odpowiedź brzmi po prostu „pracownicy mogą skonsultować się z chatbotem”, projekt prawdopodobnie nadal znajduje się na poziomie narzędzia. Projekt produkcyjny wyjaśnia, co dzieje się w poniedziałkowy poranek, gdy prognoza się zmienia lub operator odrzuca rekomendację.
4. Jakie ryzyko jest w stanie zaakceptować firma?
Sztuczna inteligencja generuje niepewność, a akceptowalny poziom zależy od decyzji. Klasyfikator dokumentów niskiego ryzyka może działać w oparciu o próbkowanie i weryfikację. Zwolnienie jakościowe lub działanie w zakresie bezpieczeństwa może wymagać wyraźnej zgody człowieka. Kierownictwo musi określić granice, a specjaliści ds. technicznych i ds. ryzyka przełożą je na uprawnienia, progi, rejestry i reguły eskalacji.
Czekanie na zerowe ryzyko oznacza czekanie w nieskończoność. Ignorowanie ryzyka uniemożliwia skalowanie. Zarządzanie to sposób, w jaki firma porusza się między tymi skrajnościami.
5. Jakie dowody uzasadnią skalę?
Mierz wyniki biznesowe, a nie tylko dokładność modelu czy liczbę logowań. W zależności od przepływu pracy, przydatne wskaźniki obejmują czas cyklu, wydajność pierwszego przejścia, błąd prognozy, przestoje, ręczną edycję, wskaźnik wyjątków, poziom usług i kapitał obrotowy.
Wdrożenie ma również charakter behawioralny. Czy ludzie korzystają z rekomendacji w momencie podejmowania decyzji? Kiedy ją ignorują? Czy ignorancje usprawniają system, czy też gubią się w e-mailach? Wysoka liczba logowań może współistnieć bez wpływu na działanie systemu.
6. Jakie zasoby będą kontynuowane po demonstracji?
Sztuczna inteligencja produkcyjna wymaga monitorowania, informacji zwrotnej, zarządzania danymi, wsparcia, szkoleń i rytmu udoskonaleń. To koszty operacyjne, a nie wady technologii. Sponsor, który finansuje tylko budowę, sfinansował również demonstrację.
Lepsza droga od pilotażu sztucznej inteligencji do produkcji
Alternatywą nie jest gigantyczny wieloletni program. To celowo ograniczona ścieżka produkcji.
- Zdiagnozuj przepływ pracy. Obserwuj, jak faktycznie podejmowane są decyzje, uwzględniając arkusze kalkulacyjne, nieformalne obejścia i wiedzę ukrytą.
- Wybierz jedną istotną granicę. Wybierz problem na tyle istotny, by mieć znaczenie, ale jednocześnie na tyle ograniczony, by nim zarządzać.
- Wyznacz właściciela firmy i użytkowników. Daj im uprawnienia do kształtowania przepływu pracy i obowiązek mierzenia rezultatów.
- Oceń dane i kontrole. Określ minimalne wymagane źródła, uprawnienia, kontrole jakości i punkty weryfikacji przez ludzi.
- Wbuduj w rzeczywiste środowisko. Używaj reprezentatywnej złożoności, a nie oczyszczonego zbioru danych, który ukrywa codzienne wyjątki.
- Współpracuj z użytkownikami i wychwytuj wyjątki. Traktuj różnice zdań jako informację. Ujawniają one brak kontekstu, słabe reguły i potrzeby szkoleniowe.
- Podejmij jednoznaczną decyzję: zatrzymaj, popraw czy skaluj. Porównaj dowody z ustalonym wcześniej progiem. Nie pozwól, aby udany test popadł w nieokreśloną próżnię.
Oto logika naszej metody : najpierw diagnozujemy ograniczenia operacyjne, następnie projektujemy technologię, dane i wprowadzamy zmiany, aby uzyskać wynik, którego potrzebuje firma.
W przypadku pilota fabrycznego, decyzja powinna być widoczna w miejscu pracy. Wyobraźmy sobie zespół ds. jakości analizujący kolejkę cyklicznych kontroli. Pierwsze pytanie dotyczy tego, gdzie marnowany jest czas lub dobry produkt. Kolejne dotyczy tego, które zapisy produkcyjne mogłyby pomóc kontrolerowi zbadać tę stratę. Dopiero wtedy zespół powinien zdecydować, co model powinien oszacować lub zalecić.
Ilustracja przedstawia możliwą ścieżkę realizacji tego zadania: połączenie odpowiednich rekordów, przygotowanie użytecznego kontekstu, przeanalizowanie rekomendacji i zmierzenie rezultatu. Nie przedstawia ona autonomicznej fabryki ani mierzalnej poprawy. Strzałki opisują działający przepływ pracy; właściciel procesu nadal decyduje, co kwalifikuje się jako akceptowalny dowód.
Powtarzalne wdrożenie wymaga również ścieżki informacji zwrotnej. Gdy operator odrzuca rekomendację, należy uchwycić przyczynę. Brakujące ograniczenie, nieaktualne źródło i źle zdefiniowany cel wymagają różnych poprawek. Potraktuj te obserwacje jako część procesu operacyjnego, a nie pozostawiaj ich w nieformalnej rozmowie po demonstracji.
Prawdopodobnie nie musisz wymieniać swojego systemu ERP
Zaangażowanie kierownictwa nie oznacza automatycznie autoryzacji kolejnej kosztownej migracji. W wielu firmach system ERP powinien pozostać systemem ewidencyjnym. Warstwa sztucznej inteligencji (AI) może łączyć zatwierdzone dane z ERP, arkuszy kalkulacyjnych, dokumentów technicznych, poczty e-mail i maszyn, ustrukturyzować to, co istotne, i zwracać inteligencję do punktu pracy.
Ten wybór architektury ma znaczenie dla ugruntowanych firm przemysłowych. Pozwala zachować inwestycje, które już przynoszą efekty, i zawęża transformację do przepływu pracy, w którym oczekiwana jest wartość. DataCore to podejście Embiggen X do tworzenia uporządkowanej, użytecznej warstwy danych w istniejących źródłach.
Decyzja kierownictwa nie brzmi „zastąpić wszystko”. Chodzi o to, aby „sprawić, by ten proces działał inaczej i zintegrować istniejące systemy niezbędne do jego realizacji”.
Model operacyjny leżący u podstaw wdrażania sztucznej inteligencji w przedsiębiorstwach
Gdy kilka przepływów pracy zostanie przeniesionych do produkcji, odizolowane zarządzanie projektami staje się niewystarczające. Firma potrzebuje niewielkiego, ale jasno określonego modelu operacyjnego AI:
- główny właściciel portfela i cele wartościowe;
- właścicieli firm w odniesieniu do indywidualnych przepływów pracy;
- wspólne standardy bezpieczeństwa, danych, oceny i nadzoru człowieka;
- zespoły techniczne, które mogą ponownie wykorzystywać integracje i monitorowanie;
- sposób, w jaki pracownicy proponują możliwości i zgłaszają problemy;
- regularne decyzje o zatrzymaniu, ulepszeniu lub zwiększeniu skali inicjatyw.
Wspólny model operacyjny pomaga zespołom ponownie wykorzystywać użyteczne podstawy, jednocześnie zapewniając rozliczalność każdemu właścicielowi procesu. Rozwój powinien opierać się na dowodach z przepływu pracy, a nie tylko na dostępności kolejnego narzędzia AI.
W przypadku MŚP ograniczenia są bardziej dotkliwe. OECD identyfikuje umiejętności, finanse, zasoby i infrastrukturę cyfrową jako uporczywe bariery utrudniające wdrażanie sztucznej inteligencji (AI), szczególnie wśród mniejszych firm ( OECD ). To sprawia, że priorytetyzacja jest ważniejsza, a nie mniej ważna. Firma średniej wielkości nie może sobie pozwolić na dwadzieścia niepowiązanych ze sobą eksperymentów. Może wybrać jeden, konsekwentny proces, zbudować fundamenty wielokrotnego użytku i rozwijać się w oparciu o dowody.
Decyzja oddzielająca aktywność od adopcji
Linia podziału nie leży w tym, czy firma zakupiła licencję na sztuczną inteligencję lub ukończyła proof of concept. Chodzi o to, czy kierownictwo zatwierdziło nowy sposób działania i wzięło odpowiedzialność za jego wdrożenie.
Nie wymaga to ślepego zaufania do sztucznej inteligencji. Wymaga zdyscyplinowanego zaangażowania:
- ten problem ma znaczenie;
- ten lider jest właścicielem wyniku;
- te osoby będą kształtować i wykorzystywać przepływ pracy;
- te elementy sterujące definiują bezpieczną granicę;
- te środki powiedzą nam, czy to działa;
- w ten sposób będziemy wspierać go w produkcji.
Gdy te decyzje zostaną podjęte, zespoły technologiczne będą mogły wykonywać swoją pracę najlepiej, jak potrafią. Bez nich nawet dojrzała technologia pozostanie jedynie demonstracją w kącie.
Często zadawane pytania
Kto powinien odpowiadać za wdrażanie sztucznej inteligencji w przedsiębiorstwach?
Starszy lider biznesowy powinien być odpowiedzialny za portfolio, a każdy wdrożony przepływ pracy powinien mieć odpowiedzialnego właściciela procesu. Dział IT, danych, bezpieczeństwa i prawny powinien współprojektować rozwiązanie i jego mechanizmy kontroli, ale funkcja otrzymująca wartość biznesową powinna być odpowiedzialna za wynik i wdrożenie.
Czy wdrożenie sztucznej inteligencji to projekt informatyczny czy transformacja biznesowa?
Wymaga to obu. Budowa techniczna to dyscyplina IT i danych; wybór rezultatów, przeprojektowanie pracy, zmiana ról, ustalenie tolerancji na ryzyko i pomiar wartości to obowiązki związane z transformacją biznesową. Traktowanie którejkolwiek ze stron jako opcjonalnej tworzy przewidywalną lukę.
Jak przenieść pilotaż AI do produkcji?
Wybierz rzeczywisty przepływ pracy, nazwij jego właściciela, uzgodnij metryki wyników i limity ryzyka przed rozpoczęciem tworzenia, przeprowadź testy na reprezentatywnych danych i z udziałem rzeczywistych użytkowników, uwzględnij integrację produkcji i monitorowanie w zakresie, a na koniec podejmij wyraźną decyzję o zatrzymaniu/poprawieniu/skalowaniu.
Czy firma musi wymienić swój system ERP przed wdrożeniem sztucznej inteligencji?
Zazwyczaj nie. Działający system ERP może pozostać systemem ewidencyjnym, podczas gdy zarządzana warstwa danych i inteligencji łączy dodatkowe źródła wymagane w danym przypadku użycia. Wymiana jest uzasadniona tylko wtedy, gdy obecny system stwarza określone ograniczenie, którego nie da się w rozsądny sposób obejść.
Jak liderzy powinni wybrać pierwszy przepływ pracy w oparciu o sztuczną inteligencję?
Szukaj decyzji powtarzalnej, z mierzalnym kosztem lub opóźnieniem, wystarczającą ilością reprezentatywnych danych, chętnym właścicielem procesu i możliwym do ograniczenia poziomem ryzyka. Unikaj wyboru wyłącznie ze względu na łatwość demonstracji.
Jak mierzyć adopcję sztucznej inteligencji poza logowaniem?
Pomiar zachowań i wyników operacyjnych: czy zalecenia są stosowane w punkcie decyzyjnym, wzorce omijania, rozwiązywanie wyjątków, czas cyklu, jakość, przestoje, poziom usług lub inny wskaźnik powiązany z pierwotnym ograniczeniem.
Źródła
- McKinsey, Stan sztucznej inteligencji: Jak organizacje przebudowują się, aby przechwytywać wartość , marzec 2025 r.
- RAND Corporation, Główne przyczyny niepowodzeń projektów sztucznej inteligencji i jak mogą one odnieść sukces , 2024.
- OECD, Wdrażanie sztucznej inteligencji przez małe i średnie przedsiębiorstwa , 2025.
Jeśli Twoja działalność związana ze sztuczną inteligencją utknęła między prezentacją a wdrożeniem, zarezerwuj bezpłatną ocenę sztucznej inteligencji , aby zidentyfikować pierwszy przepływ pracy wart zmiany.