Co AI realnie potrafi w małej firmie, a czego nie
Narzędzia oparte na modelach językowych dobrze radzą sobie z tekstem: piszą szkice, streszczają, porządkują, zmieniają ton i wyciągają informacje z dłuższych dokumentów. Potrafią też pomóc przy formułach w arkuszu czy uporządkowaniu listy pomysłów.
Gorzej jest z faktami i liczbami. Model potrafi napisać zdanie, które brzmi pewnie, a jest nieprawdziwe: przepis, który nie istnieje, parametr produktu wzięty znikąd albo błędny wynik obliczeń. Dlatego w firmie AI najlepiej traktować jak szybkiego asystenta, który przygotowuje pierwszą wersję, a nie jak eksperta, który podejmuje decyzje.
W małej firmie spotkasz AI w trzech postaciach: jako osobny czat w przeglądarce, jako funkcję wbudowaną w narzędzia, których już używasz — pocztę, edytor tekstu, sklep — i jako element automatyzacji działający w tle. Na pierwszy test zwykle wystarczy jedna z dwóch pierwszych form. Trzecia ma sens dopiero wtedy, gdy wiesz już, co działa.
Dobra zasada na start: AI przygotowuje, człowiek sprawdza i decyduje. Im większe znaczenie ma wynik — dla klienta, pieniędzy albo zgodności z przepisami — tym dokładniejsza powinna być ta kontrola.
Przykłady zastosowań AI w małej firmie
Poniżej zadania, przy których sztuczna inteligencja w firmie najczęściej ma sens. Łączy je to, że wynik łatwo ocenić, a ewentualna pomyłka nie wychodzi od razu na zewnątrz.
Komunikacja
- Szkice odpowiedzi na powtarzające się pytania klientów — do sprawdzenia i wysłania przez człowieka.
- Skrócenie długiego maila lub wątku do kilku punktów i listy rzeczy do zrobienia.
- Zmiana tonu tekstu: bardziej formalnie, prościej albo krócej.
Treści i sprzedaż
- Opisy produktów na podstawie danych technicznych, które sam przygotujesz.
- Warianty nagłówków, posty i pierwsze wersje tekstów na stronę — do redakcji.
- Lista pytań, które klient może zadać przed zakupem, jako punkt wyjścia do sekcji FAQ.
Porządkowanie informacji
- Notatka ze spotkania przepisana na uporządkowaną listę decyzji i zadań.
- Wyciągnięcie z dokumentu konkretnych danych do tabeli: dat, kwot, nazw.
- Pogrupowanie opinii klientów lub zgłoszeń według tematów.
Arkusze i procedury
- Wyjaśnienie lub napisanie formuły w arkuszu.
- Pierwsza wersja instrukcji stanowiskowej na podstawie Twoich notatek.
Nie polecam zaczynać od zadań, w których AI miałoby samodzielnie odpowiadać klientom, interpretować przepisy, liczyć podatki albo oceniać ludzi, na przykład w rekrutacji. To obszary, w których błąd jest kosztowny, a odpowiedzialność i tak zostaje po stronie firmy.
Jak wybrać zadanie na pierwszy test
W darmowym poradniku o pierwszym teście AI zaczynam od jednego zadania, które regularnie zabiera czas. Tutaj dokładam do tego prosty filtr. Dla każdego kandydata odpowiedz na cztery pytania:
- Jak często się powtarza? Codziennie lub co tydzień — wtedy nawet niewielka oszczędność się sumuje.
- Jak łatwo ocenić wynik? Dobrze, jeśli w minutę wiesz, czy odpowiedź jest użyteczna.
- Jakie dane są potrzebne? Najlepiej publiczne albo takie, które łatwo zastąpić fikcyjnymi.
- Co się stanie przy błędzie? Na start wybierz zadanie, w którym pomyłkę wyłapiesz, zanim trafi do klienta.
Przykład dobrego kandydata: szkic opisu usługi na stronę na podstawie Twoich notatek. Przykład złego: automatyczna odpowiedź na reklamację z danymi klienta. Pierwsze zadanie jest częste, łatwe do oceny i nie wymaga danych osobowych. Drugie łączy wszystkie ryzyka naraz.
Jak opisać zadanie, żeby wynik był użyteczny
Najczęstszy powód rozczarowania AI to zbyt krótkie polecenie. „Napisz opis usługi” da tekst ogólny i podobny do tysięcy innych. Lepszy wynik daje instrukcja, która zawiera kilka elementów:
- Cel — po co powstaje tekst i co odbiorca ma zrobić po jego przeczytaniu.
- Odbiorca — kto to przeczyta i co już wie.
- Materiał — Twoje notatki, fakty i dane, z których model ma korzystać, z prośbą, żeby nie dodawał niczego spoza nich.
- Format — długość, układ, punkty lub akapity, ton.
- Ograniczenia — czego nie pisać: obietnic, cen, sformułowań, których nie używasz.
- Przykład — tekst, który uznajesz za dobry, jako wzór stylu.
Przykładowa instrukcja może wyglądać tak: „Na podstawie poniższych notatek napisz opis usługi montażu dla właścicieli domów, którzy porównują wykonawców. Maksymalnie 120 słów, prosty język, bez obietnic terminów i cen. Użyj tylko informacji z notatek. Na końcu zaproponuj jedno zdanie zachęcające do kontaktu”.
Jeśli wynik jest nietrafiony, nie zaczynaj od nowa. Dopisz, co poprawić: „krócej”, „bez przymiotników”, „tylko fakty z notatek”. Takie poprawki też zapisuj, bo po kilku próbach zwykle układają się w lepszą wersję instrukcji.
Gdy instrukcja zadziała, zapisz ją. Biblioteka sprawdzonych poleceń do powtarzalnych zadań to jedna z najprostszych rzeczy, dzięki którym cały zespół korzysta z AI w podobny, przewidywalny sposób.
Dane poufne i RODO: co wolno wkleić do narzędzia AI
To najważniejsza część całego tematu. Gdy wklejasz tekst do zewnętrznego narzędzia, przekazujesz te dane dostawcy usługi. Zanim to zrobisz, warto wiedzieć, co się z nimi dzieje.
Pomaga prosty podział informacji w firmie na cztery grupy:
| Rodzaj danych | Przykłady | Na start |
|---|---|---|
| Publiczne | Treść Twojej strony, opis oferty, ogólnodostępne informacje | Można używać |
| Wewnętrzne | Procedury, notatki, plany, warunki dla partnerów | Tylko w sprawdzonym narzędziu na koncie firmowym |
| Poufne | Umowy, dane finansowe, hasła, dostępy, tajemnice handlowe | Nie wklejać |
| Dane osobowe | Imiona i nazwiska, maile, telefony, adresy, historia zamówień klientów i pracowników | Nie wklejać bez podstawy prawnej i umowy z dostawcą; najlepiej usuwać lub zastępować |
Przed użyciem narzędzia w firmie sprawdź w jego ustawieniach i dokumentach:
- czy wprowadzane treści mogą być wykorzystywane do trenowania modeli i czy da się to wyłączyć,
- jak długo dane są przechowywane i czy można je usunąć,
- gdzie dane są przetwarzane — w Europejskim Obszarze Gospodarczym czy poza nim,
- czy dostawca oferuje plan dla firm z umową powierzenia przetwarzania danych,
- czy konta są firmowe, z możliwością odebrania dostępu, gdy ktoś odchodzi z zespołu.
Jeśli do narzędzia trafiają dane osobowe, jego dostawca zwykle staje się podmiotem przetwarzającym w rozumieniu RODO. Potrzebujesz wtedy podstawy prawnej, umowy powierzenia i aktualnej informacji dla osób, których dane dotyczą. Prostszy sposób na start to zastępowanie danych znacznikami, na przykład [KLIENT], [ADRES], [KWOTA], i uzupełnianie ich już poza narzędziem.
Przykład: zamiast „Jan Kowalski z ul. Polnej 5 zamówił trzy krzesła i reklamuje opóźnioną dostawę” napisz „[KLIENT] zamówił [PRODUKT] i reklamuje opóźnioną dostawę”. Do przygotowania uprzejmej odpowiedzi model nie potrzebuje ani nazwiska, ani adresu.
Warto też pamiętać o unijnym rozporządzeniu o sztucznej inteligencji, czyli AI Act. Nakłada ono obowiązki nie tylko na twórców narzędzi, ale też na firmy, które z nich korzystają — między innymi dbanie o to, żeby zespół rozumiał, jak te narzędzia działają i jakie mają ograniczenia. Nie jestem prawnikiem, więc przy zastosowaniach dotyczących klientów, pracowników albo branży regulowanej skonsultuj szczegóły ze specjalistą.
Jak ocenić, czy AI faktycznie pomaga
„Wydaje się, że jest szybciej” to za mało, żeby podjąć decyzję. Do oceny wystarczy karta testu, w której przy każdej próbie zapisujesz kilka rzeczy:
| Co zapisać | Po co |
|---|---|
| Czas bez AI | Punkt odniesienia — zmierz go przed testem |
| Czas z AI, razem ze sprawdzaniem i poprawkami | Liczy się cały czas, nie tylko generowanie odpowiedzi |
| Liczba poprawek | Pokazuje, czy instrukcja wymaga dopracowania |
| Rodzaje błędów | Fakty, liczby, ton, długość — każdy wymaga innej reakcji |
| Ocena jakości w skali 1–5 | Czy wynik był naprawdę użyteczny dla odbiorcy |
Testuj na tych samych przykładach. Jeśli w pierwszej próbie AI dostaje prosty produkt, a w piątej skomplikowany, wyniki nie będą porównywalne. Przygotuj zestaw pięciu typowych przypadków i używaj go także później, gdy zmienisz narzędzie albo instrukcję.
Przykład — hipotetyczny, tylko do pokazania metody: przygotowanie opisu produktu zajmuje 25 minut. Z AI samo generowanie trwa chwilę, ale sprawdzenie danych i redakcja to 12 minut. Przy 20 opisach w miesiącu daje to około 4 godzin mniej pracy. Jeśli jednak w dwóch z pięciu prób model dodał parametry, których produkt nie ma, oszczędność jest realna tylko wtedy, gdy każda wersja będzie dokładnie porównana z kartą produktu.
Po pięciu próbach podejmij jedną z trzech decyzji: zostajemy przy AI z tą instrukcją, poprawiamy instrukcję i testujemy dalej albo wracamy do dotychczasowej metody. Ta ostatnia też jest dobrym wynikiem — wiesz, czego nie robić, i nie tracisz czasu na kolejne próby.
Do rachunku dolicz koszt narzędzia i czas na naukę. Przy jednym zadaniu w tygodniu płatny plan może się nie zwrócić, przy kilku codziennych zadaniach rachunek wygląda zupełnie inaczej.
Zasady dla zespołu na jednej stronie
Gdy pierwszy test się sprawdzi, spisz krótkie zasady, zanim przejdziesz do kolejnego zadania. Nie musi to być regulamin na dziesięć stron. Wystarczy jedna kartka z odpowiedziami na pytania:
- Z jakich narzędzi korzystamy i na jakich kontach?
- Jakie dane wolno wprowadzać, a jakich nigdy?
- Do jakich zadań używamy AI, a do jakich nie?
- Kto sprawdza wynik przed wysłaniem lub publikacją?
- Gdzie zapisujemy sprawdzone instrukcje?
- Kogo pytamy, gdy nie wiemy, czy coś jest dozwolone?
Pokaż te zasady każdej nowej osobie w zespole w pierwszym tygodniu pracy — tak samo, jak pokazujesz jej pocztę czy program do faktur.
Wracaj do tych zasad co kilka miesięcy. Narzędzia i ich ustawienia zmieniają się szybko, a to, co było bezpieczne w jednym planie, po zmianie warunków może wyglądać inaczej.
Od testu do procesu: kiedy łączyć AI z systemem
Czat w przeglądarce dobrze nadaje się do testów i pojedynczych zadań. Gdy jednak to samo zadanie powtarza się dziesiątki razy, kopiowanie tekstu tam i z powrotem staje się kolejną ręczną czynnością.
Wtedy warto pomyśleć o AI jako o jednym kroku w większym procesie. Przykład: wiadomość z zamówieniem trafia do systemu, AI wyciąga z niej produkty i ilości, a pracownik zatwierdza propozycję jednym kliknięciem. Albo: dane produktu z systemu stają się podstawą szkicu opisu, który ktoś redaguje przed publikacją.
Przy takim połączeniu dochodzą pytania techniczne: gdzie działa model, jakie dane trafiają do niego automatycznie i co się dzieje, gdy zwróci coś nieoczekiwanego. Dlatego krok z AI w procesie powinien mieć zabezpieczenie — listę przypadków do ręcznego sprawdzenia albo zatwierdzenie przez człowieka przed wysłaniem.
Taki krok projektuje się jak każdą automatyzację: z mapą procesu, rachunkiem opłacalności i jasnym miejscem, w którym decyzję podejmuje człowiek. Metodę opisałem w artykule o automatyzacji procesów w firmie. Przy takich wdrożeniach pracuję razem ze StackERP — oni odpowiadają za procesy i technologię, ja za wygodę obsługi i wdrożenie w zespole.