Nie sprzedajemy „AI dla firmy”. Najpierw określamy, jaka praca ma zniknąć, ile czasu kosztuje, jakie dane wykorzystuje i co ma się stać, gdy automatyzacja napotka błąd.
Procesy, które warto przeanalizować
Dokumenty i pliki
Odczyt danych z formularzy, PDF, CSV i arkuszy, porządkowanie nazw, walidacja i archiwizacja.
Przepływ informacji
Przenoszenie danych między pocztą, katalogiem, bazą, API i systemem wewnętrznym.
Raporty cykliczne
Łączenie danych, obliczenia, wykrywanie braków i generowanie czytelnego raportu.
Obsługa wiadomości
Klasyfikowanie zapytań, wyciąganie załączników i przygotowywanie roboczej odpowiedzi do zatwierdzenia.
Wyszukiwanie wiedzy
Kontrolowane przeszukiwanie instrukcji i firmowych dokumentów z podaniem źródła odpowiedzi.
Kontrola wyjątków
Wykrywanie niekompletnych danych, duplikatów, wartości nietypowych i przypadków wymagających decyzji człowieka.
Jak wybieramy proces do automatyzacji?
Najlepszym kandydatem nie zawsze jest największy proces. Na początek wybieramy zadanie o wyraźnym wejściu i wyniku, powtarzalnych regułach oraz możliwej do zmierzenia oszczędności czasu.
1. Mapa stanu obecnego
Co uruchamia proces, kto bierze w nim udział, skąd pochodzą dane i gdzie trafia rezultat.
2. Pomiar kosztu
Ile razy proces występuje, ile trwa, gdzie powstają błędy i jak kosztowne jest ich poprawianie.
3. Prototyp na ograniczonych danych
Sprawdzamy wykonalność bez tworzenia pełnego systemu i bez przenoszenia całej produkcji.
4. Wdrożenie z kontrolą
Dodajemy walidację, logowanie błędów, uprawnienia, możliwość ręcznego zatwierdzenia i procedurę awaryjną.
5. Odbiór i dokumentacja
Ustalamy scenariusze testowe, odpowiedzialność, instrukcję obsługi i sposób dalszego utrzymania.
Co oznacza „bezpieczna” automatyzacja?
- Minimalny zakres danych — automatyzacja dostaje tylko to, czego potrzebuje.
- Oddzielne konta techniczne i ograniczone uprawnienia.
- Walidacja wejścia i wyników przed zapisaniem lub wysłaniem.
- Rejestr wykonania, błędów i zmian konfiguracji.
- Możliwość zatrzymania procesu i wykonania go ręcznie.
- Uzgodnione zasady korzystania z usług chmurowych i modeli AI.
Gdzie AI ma sens?
Modele AI są przydatne tam, gdzie dane nie mają zawsze identycznego układu: w klasyfikacji dokumentów, wyszukiwaniu informacji, streszczaniu lub przygotowywaniu propozycji. Nie powinny samodzielnie podejmować krytycznych decyzji bez walidacji, zwłaszcza gdy wynik wpływa na płatność, bezpieczeństwo lub dane klienta.
W zależności od informacji można użyć rozwiązania chmurowego, lokalnego lub hybrydowego. Wybór powinien uwzględniać poufność danych, koszty, jakość, utrzymanie i możliwość zmiany dostawcy.
Co otrzymuje klient?
- Opis procesu przed i po wdrożeniu.
- Prototyp lub wersję produkcyjną zgodną z uzgodnionym zakresem.
- Scenariusze testowe i kryteria odbioru.
- Instrukcję obsługi, obsługi błędów i pracy ręcznej.
- Dokumentację użytych integracji oraz kont technicznych.
- Ustalony model zmian i utrzymania bez nieograniczonego supportu.
Najczęstsze pytania
Czy automatyzacja musi być dużym systemem?
Nie. Dobry pierwszy projekt może obejmować jeden raport, jeden typ dokumentu albo jedno połączenie między systemami. Mały zakres ułatwia ocenę efektu i ryzyka.
Czy można zautomatyzować proces oparty na Excelu?
Tak, jeżeli dane mają wystarczająco powtarzalną strukturę. Czasem właściwym krokiem jest uporządkowanie arkusza, a czasem przeniesienie części procesu do bazy lub prostego panelu.
Czy nasze dokumenty będą wysyłane do zewnętrznego AI?
Nie bez uzgodnienia. Architektura określa, gdzie przetwarzane są dane, jakie informacje można przekazać i czy potrzebny jest model lokalny lub anonimizacja.
Kto odpowiada za błędny wynik automatyzacji?
Przed wdrożeniem określamy właściciela procesu, walidację i przypadki wymagające zatwierdzenia człowieka. Automatyzacja nie powinna ukrywać odpowiedzialności.