AI bez buy-inu to tylko demo. Dlaczego większość firm nie jest gotowa na realne wdrożenia
Artur Wala – Organizator / współtwórca AI Tinkerers – społeczności R&D wokół AI, nastawionej na doerskie projekty i praktyczne demo. Aktywny w budowaniu hackathonów AI z udziałem OpenAI w Warszawie. Ma fokus na rozwiązania praktyczne w e-commerce: automatyzacja supportu, personalizacja ścieżki zakupowej, budowa intelligence hub. Artur Wala jest przedsiębiorcą i praktykiem AI, działającym na styku produkcji produktów cyfrowych i rozwiązań opartych o sztuczną inteligencję. Buduje narzędzia zmieniające doświadczenia zakupowe online i rozwija społeczność AI Tinkerers – inicjatywę skupioną na AI engineering i praktycznych demonstracjach projektów, bez teoretycznych predykcji czy slajdów. Jego AI story zaczęło się już w 2016 r
AI jest dziś wszędzie. W prezentacjach, pitch deckach, strategiach „na przyszły rok”. W wielu firmach pojawiły się PoC, testy, chatboty postawione „żeby coś było”. Problem w tym, że bardzo rzadko przełożyło się to na realną zmianę procesów, decyzji i wyników biznesowych. AI stało się hasłem, nie narzędziem. A różnica między jednym a drugim jest brutalnie prosta.
W tej rozmowie z Arturem schodzimy dokładnie na ten poziom, na którym większość firm się zatrzymuje – czyli na poziom odpowiedzialności, decyzji i gotowości organizacyjnej. Bez hype’u. Bez bajek o „rewolucji”. Za to z bardzo trzeźwym spojrzeniem na to, co faktycznie musi się wydarzyć, żeby AI zaczęło dowozić wartość, a nie kończyło jako ładne demo bez adopcji.
Rozmawiamy o tym, dlaczego prawdziwa gotowość na AI zaczyna się od buy-inu na poziomie C-levelu, a nie od wyboru narzędzia. Dlaczego bez realnego „pushu z góry” żadne wdrożenie nie ma szans przetrwać zderzenia z codzienną operacją. I dlaczego największym kosztem AI wcale nie są modele, tylko czas i zaangażowanie ludzi, którzy muszą dostarczyć kontekst, dane i feedback.
Artur bardzo konkretnie pokazuje, gdzie AI w e-commerce i produktach cyfrowych daje najszybszy, najbardziej namacalny zwrot – i dlaczego nie istnieje coś takiego jak „uniwersalne wdrożenie dla każdej firmy”. Zamiast tego proponuje prosty, ale bezlitosny framework myślenia – FTE vs AI. Jeżeli nie jesteś w stanie policzyć, co AI realnie przyspiesza, odciąża lub skaluje, to być może nie masz jeszcze problemu do automatyzacji, tylko narrację pod inwestora albo zarząd.
To rozmowa o AI jako elemencie workflow, a nie osobnym bycie. O projektach, które wygrywają, bo są „niewidzialne” dla użytkownika i usuwają tarcie z procesu. O podejściu human-in-the-loop, które wbrew pozorom nie spowalnia, tylko buduje przewagę. O tym, dlaczego jedne narzędzia wchodzą organicznie w zespoły, a inne – nawet lepsze technologicznie – przegrywają na etapie adopcji.
Wreszcie – to rozmowa o tym, jak AI realnie zmienia tempo budowania firm. Nie przez „automatyzację wszystkiego”, tylko przez skrócenie dystansu między hipotezą a działającym produktem. Od pomysłu do softu, który można pokazać klientowi – w jeden wieczór, nie w jeden kwartał.
Jeżeli interesuje Cię AI jako narzędzie do podejmowania lepszych decyzji, szybszej walidacji i skalowania procesów, a nie jako modne hasło – ta rozmowa jest dla Ciebie.
Kamil Ryszard: Co jest dziś najważniejszym wskaźnikiem, że firma jest naprawdę gotowa wdrażać AI – nie na poziomie hype’u, tylko realnych procesów i decyzji?
Artur Wala: Przede wszystkim buy-in na poziomie C-level. Sporo firm sparzyło się na PoC kilka miesięcy, czy rok temu, ale ekosystem narzędzi i same możliwości modeli idą bardzo do przodu.
Bez wiary i “pushu” z góry łatwo powiedzieć “to u nas bez sensu”.
Szczególnie że być gotowym na wdrożenie AI == być gotowym na alokację czasu ekspertów z danych dziedzin, żeby pomogli przygotować odpowiednie dane (jak np. złote standardy do ewaluacji modelu), czy żeby byli gotowi siedzieć i ewaluować model w trakcie pracy (nawet jeszcze przed produkcyjnym uruchomieniem).
I znowu – jeżeli nie będzie “push” – ciężko o takie zaangażowanie, bo jest to realny wysiłek i czas, który odciąga od obecnych zadań.
Dane produktowe ze strony i kilka PDFów nie wystarczą, żeby AI było wystarczająco dobre na produkcyjne uruchomienie. Trzeba mieć sporo zaparcia, żeby silosy czy procesy oparte na “plemiennej wiedzy” pracowników przełożyć na zjadliwy dla AI format; AI potrzebuje kontekstu, a kontekst to uporządkowane dane poparte ciągłym procesem usprawniania.
KR: Jakie zastosowania AI w e-commerce dają najszybszy i najbardziej namacalny zwrot – takie, które każda firma może wdrożyć bez wielomiesięcznych projektów?
AW: To kwestia indywidualna, byłbym ostrożny z “każda firma” i “bez wielomiesięcznych projektów”. Obserwujmy w organizacji które procesy są najbardziej powtarzalne.
Jeżeli 60-70% pytań dotyczy “gdzie jest paczka” / “jak zwrócić produktu” – automatyzujmy contact center.
Jeżeli mamy 10k produktów co sezon z kiepskimi opisami od producenta i produkty wiszą tygodniami zanim zaczniesz sprzedawać – szukaj usprawnień w PIM.
Jeśli Twoi klienci gubią się w katalogu produktów, np. jak usłyszałem od jednego z producentów B2B, “90% ruchu idzie od razu na “contact sales” – pomyśl o product advisorze.
Najprostszy mentalny i budżetowy framework: ile etatów wdrożenie AI pozwoli oszczędzić. I nie chodzi tutaj o redukcje. Firmy nie wyrabiają się z zatrudnieniem. Kto chce pracować na call center po 17 i w weekendy?
Jeżeli masz 10 pracowników wzbogacających informacje o produkcie a i tak nie wyrabiasz z kolekcją na czas- zrozum dlaczego, daj im narzędzia żeby robili tego 3-5x więcej.
Przy obecnym stanie technologii nie ma fajerwerków – jeżeli nie jesteś w stanie położyć FTE vs AI – całkiem możliwe że to Twój “wishful thinking” a nie miejsce do wdrożenia AI.
KR: Z Twojej perspektywy budowniczego produktów – co odróżnia projekty AI, które dowożą wartość, od tych, które kończą jako ładne demo bez adopcji?
AW: Kluczowa jest integracja z workflow: projekty które wygrywają są “niewidzialne” i usuwają tarcie w procesie, który użytkownik (czy to Twój klient, czy pracownik) musi wykonać.
Warto też zaznajomić się z podejściem “human in the loop” – jak wykorzystać wiedzę pracownika, do tego żeby obsłużył klienta czy proces lepiej/szybciej, jednocześnie zasilając AI informacją zwrotną?
Dlatego Cursor jest tak świetnym narzędziem: wszedł tam, gdzie programiści już byli.
Superhuman jest świetnym agentem mailowym, ale kiedy podsumowanie maila pojawia się w Gmailu, czy ludzie będą chcieli masowo migrować?
To, co najważniejsze, zaczyna się dalej.
Ten materiał to tylko fragment. Pełna treść oraz kontekst są dostępne po zalogowaniu - dla zweryfikowanych użytkowników Strefy Wiedzy. Wybierz typ konta i korzystaj z własnej strefy: materiałów, analiz i narzędzi dopasowanych do Twojej roli.
Zweryfikuj konto (1 zł) i otrzymaj dostępArtykuły • Wideo • Zniżki • Praca • Wiedza • Aktualności

