Niwelowanie luki w transformacji AI: Jak przygotować firmę na agentową sztuczną inteligencję (agentic AI)

W cieniu całego szumu wokół AI brakuje kluczowego tematu w dyskusjach: luki w transformacji AI.

Obecnie organizacje każdej wielkości odczuwają presję na wdrażanie AI. A poszczególne osoby stają się rzeczywiście bardziej produktywne — piszą, kodują i analizują szybciej.

Ale czy firmy jako całość stały się znacznie bardziej produktywne dlatego, że ich pracownicy korzystają z dużych modeli językowych (LLM)? Jeszcze nie. Z badania PwC, otwiera się w nowej karcie wynika, że tylko 12% dyrektorów generalnych (CEO) zgłasza znaczący zwrot z inwestycji w generatywną AI, a 95% projektów pilotażowych nie przynosi żadnego mierzalnego ROI według badania MIT, otwiera się w nowej karcie.

Mimo rosnących budżetów na AI i indywidualnych zysków z produktywności większość organizacji po prostu nie osiąga oczekiwanych zwrotów, a powód jest niezwykle prosty: produktywny pracownik nie oznacza automatycznie produktywnej organizacji.

Jak zatem uzyskać korzyści organizacyjne, które obiecuje transformacja AI?
Jak się okazuje, zniwelowanie luki w transformacji AI nie zależy od tego, jak potężne są Twoje narzędzia AI ani ile osób z nich korzysta. Chodzi o całkowite przemyślenie tego, jak w rzeczywistości funkcjonują Twoje przepływy pracy.

Czym jest transformacja AI?

Transformacja AI to kompleksowy proces, w którym organizacja integruje sztuczną inteligencję (AI) we wszystkich aspektach swojej działalności, produktów i usług. Transformacja AI może obejmować wdrażanie wielu rodzajów sztucznej inteligencji, takich jak generatywna AI (używana do tworzenia tekstu, obrazów i innych treści) oraz agentowa AI (agentic AI), która odnosi się do aplikacji AI wykonujących zadania autonomicznie.

Większość firm planuje wykorzystać AI do automatyzacji zadań, syntezy informacji, przyspieszenia podejmowania decyzji, poprawy obsługi klienta oraz tworzenia produktów i usług.

Transformacja AI to coś więcej niż tylko wdrożenie kilku narzędzi AI; reprezentuje ona fundamentalną zmianę w strategii biznesowej, procesach operacyjnych i kulturze organizacyjnej. I to jest właśnie powód, dla którego jest tak trudna. Aby dostosować i zmienić poszczególne obszary biznesu, musisz je dobrze zrozumieć — ale większość firm tego nie potrafi.

Pozwól, że wyjaśnię.

Jakie są największe wyzwania w transformacji AI?

Największe wyzwania w transformacji AI pojawiają się przy skalowaniu AI poza pojedyncze osoby czy zespoły. Pracownicy mogą kodować, prowadzić burze mózgów i badać rynek szybciej niż kiedykolwiek, ale ta wartość pozostaje zamknięta w silosach. Nie kumuluje się ani nie łączy.

Dobra wiadomość jest taka, że z podobnym wyzwaniem mieliśmy do czynienia przy wcześniejszych postępach technologicznych i możemy wyciągnąć z nich wnioski na dziś.

W latach 90. XIX wieku fabryki działały dzięki parze, wykorzystując złożoną sieć pasów i kół pasowych. Gdy pojawiła się elektryczność, właściciele fabryk zamienili silnik parowy na elektryczny, ale zachowali ten sam układ pomieszczeń. Mimo że nowa technologia przyspieszyła działanie poszczególnych maszyn, produktywność fabryk niemal nie wzrosła przez 30 lat.

Dopiero gdy ktoś zakwestionował sam sposób przepływu pracy, fabryki odnotowały realny wzrost produktywności. Ktoś w końcu zrozumiał specyfikę pracy na tyle głęboko, by przeprojektować ją w sposób maksymalizujący korzyści z silnika elektrycznego.

Znajdujemy się w dokładnie tym samym momencie w kontekście AI: firmy wymieniły silnik, ale jeszcze nie przeprojektowały fabryki.

Aby przeprojektować biznes pod kątem AI, a zwłaszcza agentowej AI, musisz go jasno zrozumieć: gdzie następują przekazania zadań, gdzie tworzą się wąskie gardła i gdzie podejmowane są decyzje. Tylko dzięki zrozumieniu biznesu możesz go przeanalizować, zakwestionować i przeprojektować tak, by maksymalnie wykorzystać wartość AI.

Jednak według niedawnego badania Lucid, otwiera się w nowej karcie większości firm brakuje dokumentacji niezbędnej do właściwego zrozumienia biznesu:

• 49% pracowników umysłowych twierdzi, że obecne przepływy operacyjne w ich organizacji są słabo lub zaledwie dostatecznie udokumentowane.
• 60% twierdzi, że połowa lub więcej przepływów pracy w ich zespole opiera się na wiedzy nieformalnej lub zależnej od konkretnych osób.
• 80% polega na wiedzy potocznej lub organizacyjnej przy wykonywaniu pracy.

Podsumowując: transformacja AI nigdy nie osiągnie swojego pełnego potencjału, dopóki obecne procesy przedsiębiorstwa, przepływy pracy, architektury, przepływy danych i praktyki współpracy nie zostaną zrozumiane i udokumentowane.

Trzy fazy transformacji AI

Niedawny artykuł w a16z szczegółowo opisuje lukę między indywidualną a instytucjonalną sztuczną inteligencją. Zauważyłem jednak, że większość organizacji zmaga się z przejściem z jednego etapu do drugiego. Dlaczego? Ponieważ brakuje krytycznej fazy pośredniej między stanem obecnym a celem końcowym. Przyjrzyjmy się temu bliżej.

Faza pierwsza: Indywidualna AI

Faza indywidualnej AI to etap, na którym znajduje się obecnie większość firm. W tej fazie pracownicy korzystają indywidualnie z ChatGPT, Copilota, Claude i innych narzędzi AI, aby przyspieszyć swoje zadania. Wielu z nich osiąga wyższą produktywność na swoich stanowiskach pracy, ale nic innego w organizacji się nie zmieniło.

Indywidualna AI to ważny etap obejmujący eksperymenty i naukę, ale istnieje pewien limit wartości, jaką może przynieść organizacji jako całości.

Faza druga: Widoczność i mapowanie

Niezależnie od starań organizacji, przejście od razu od indywidualnej AI do AI instytucjonalnej jest po prostu niemożliwe. Istnieje kluczowa faza pośrednia, którą większość firm pomija: uczynienie niewidocznego widocznym.

Wiemy, że celem końcowym jest przeprojektowana organizacja zoptymalizowana pod kątem AI. Zanim jednak cokolwiek przeprojektujesz, musisz poznać stan obecny. Dlatego faza druga koncentruje się na dokumentacji — mapowaniu procesów, systemów i zależności. Gdy wiedza organizacyjna zostanie przeniesiona z głów pracowników do wspólnego modelu wizualnego, znacznie łatwiej jest zakwestionować dotychczasową strukturę i zidentyfikować obszary, w których AI przyniesie największą wartość.

Jednak to nie tylko ludzie potrzebują dokumentacji opisującej działanie biznesu. Jeśli agenty AI mają wchodzić w interakcję z różnymi systemami i procesami biznesowymi, również wymagają znacznego kontekstu do skutecznego działania. Forrester zauważa: „Agenty AI potrzebują instrukcji krok po kroku dotyczących wykonywania zadań. W przypadku większości dzisiejszych firm ta wiedza znajduje się w rozproszonych przepływach pracy, nieudokumentowanych danych i nieoficjalnych procesach.” (Blog Forrester, „Autonomy Is The Future, But AI Agents Still Deliver Value Today”, lipiec 2025 r.).

Faza trzecia: AI instytucjonalna

AI instytucjonalna to cel docelowy: przeprojektowane przepływy pracy stawiające na AI, które napędzają produktywność w całej organizacji. Na tym etapie kluczowe procesy zostały odbudowane od podstaw, aby w pełni włączyć agenty AI. AI nie jest już indywidualnym narzędziem produktywności, lecz zarządzaną, zaufaną możliwością dostosowaną do celów całej organizacji.

Jak zmniejszyć lukę w transformacji AI

W ramach fazy drugiej — stanowiącej pomost między indywidualną a instytucjonalną AI — rekomenduję organizacjom podjęcie kilku konkretnych kroków: zwizualizuj obecną rzeczywistość, uzgodnij strategię i wdrażaj z uwzględnieniem kontekstu.

Poznaj rzeczywistość

Pierwszym krokiem w niwelowaniu luki w transformacji AI jest uzyskanie wglądu w to, jak praca jest rzeczywiście wykonywana, a nie tylko w procesy opisane w przestarzałej firmowej wiki. Pomyśl o samodzielnych decyzjach, kompromisach i niespisanych zasadach, które istnieją w każdym procesie. Uchwycenie całego tego kontekstu we wspólnej przestrzeni wizualnej tworzy podwaliny pod gotowość na AI (AI readiness).

Stąd możesz ocenić obecne przepływy pracy, procesy i systemy, aby zdiagnozować, jak dobrze są przygotowane na udoskonalenie za pomocą AI. W końcu dodanie AI do niewydajnej operacji jedynie wyolbrzymi problem, zamiast go rozwiązać. Ważne jest, aby starannie rozważyć, które części biznesu są gotowe na AI, a które wymagają wcześniejszej optymalizacji.

Kluczowe działania na tym etapie obejmują:

• Uchwycenie wiedzy ukrytej na wizualnych mapach procesów, otwiera się w nowej karcie i diagramach systemowych, otwiera się w nowej karcie
• Ocenę obecnego stanu w celu zidentyfikowania priorytetowych przypadków użycia agentowej AI (agentic AI), otwiera się w nowej karcie
• Ujawnienie zależności systemowych i punktów integracji w ramach przepływów pracy

Zapewnij spójność w organizacji

Następnie należy wyrównać cele zespołów wokół strategii AI, która doprecyzuje wspólną wizję, zdefiniuje nowe przepływy pracy do osiągnięcia tej wizji i ustanowi zasady zarządzania w celu zabezpieczenia wdrożenia. Zastanów się: Jak zostaną przeprojektowane procesy? Gdzie ludzie i agenty AI będą współpracować? Do jakich systemów potrzebny będzie dostęp w ramach każdego przepływu pracy? Jak organizacja upewni się, że wszyscy mają dostęp do właściwych informacji?

Opracowanie firmowej strategii AI, otwiera się w nowej karcie przypomina proces, którego zespoły używają do tworzenia produktów. Liderzy potrzebują przestrzeni do wspólnego spotkania w czasie rzeczywistym lub asynchronicznie, aby przeprowadzać burze mózgów, ustalać priorytety i planować. A zespoły potrzebują dostępu do zcentralizowanej, objętej kontrolą wersji i zawsze zatwierdzonej oraz aktualnej dokumentacji.

Ten proces zazwyczaj obejmuje:

• Ułatwianie planowania strategicznego , otwiera się w nowej karciew celu priorytetyzacji inwestycji w AI na podstawie celów, ryzyka i przewidywanych zwrotów
• Zmianę architektury przepływów pracy i definiowanie ról między ludźmi a agentami AI za pomocą macierzy RACI, otwiera się w nowej karcie i diagramów torowych (swimlane), otwiera się w nowej karcie
• Ustanawianie nadzoru, przepływów zatwierdzeń i granic zgodności dla inicjatyw AI

Buduj przyszłość

Mając zrozumienie obecnego stanu oraz plany na przyszłość, możesz skutecznie wdrażać i skalować sztuczną inteligencję. Ten krok obejmuje koordynację zadań wykonawczych, wdrażanie agentów w przeprojektowanych przepływach pracy oraz udoskonalanie i skalowanie procesów w zespołach.

Co istotne, jest to również moment, w którym Twoja dokumentacja staje się infrastrukturą. Podczas gdy historycznie dokumentacja służyła głównie jako artefakt zgodności lub wizualizacja do prezentacji, obecnie pełni rolę krytycznej warstwy kontekstowej, która kieruje procesem podejmowania decyzji przez agenty AI. Na przykład widziałem zespoły używające Lucid do dokumentowania swojego schematu operacyjnego i łączenia wizualizacji z Lucid bezpośrednio z narzędziami AI (w tym ChatGPT, Claude i Microsoft Copilot) za pośrednictwem serwera Lucid MCP, otwiera się w nowej karcie w celu płynnej realizacji.

Wdrażanie AI na skalę oznacza:

• Tworzenie elastycznych harmonogramów, otwiera się w nowej karcie wdrażania z jasnymi kamieniami milowymi, zależnościami i właścicielami zadań
• Przekazywanie zatwierdzonej dokumentacji procesów bezpośrednio do środowiska wykonawczego AI dla agentów
• Monitorowanie wyników i aktualizowanie dokumentacji w ramach zarządzanego jednego źródła prawdy (takiego jak Process Accelerator, otwiera się w nowej karcie w Lucid)

Przykłady transformacji AI

Ponieważ coraz więcej organizacji dąży do przejścia od indywidualnej AI do AI instytucjonalnej, wyłania się wspólny mianownik: najprzyjemniejsze i najbardziej udane wdrożenia opierają się na jasno udokumentowanych materiałach wizualnych. Oto kilka przykładów organizacji, które przodują w tych zmianach.

Carta: Mapowanie agentowych przepływów pracy

Kiedy Carta postanowiła wdrożyć autonomiczne agenty AI do obsługi złożonych przepływów pracy w księgowości — oszczędzając ostatecznie ponad 3500 godzin miesięcznie — odkryła, że sekret inteligentnej automatyzacji tkwi w zbudowaniu nienagannego schematu wizualnego.

Zanim agent AI mógł wejść w proces uzgadniania środków pieniężnych, wykonywać zadania oparte na narzędziach i podejmować mikrodecyzje, operatorzy musieli dokładnie zrozumieć istniejący proces, łącznie z każdym szczególnym przypadkiem.

Zespół Carty zdecydował się zwizualizować swój proces w Lucid. Z diagramem Lucid pełniącym rolę warstwy kontekstowej, przełożyli go na agenta, który obecnie wykonuje przeważającą większość pracy ręcznej, z sporadycznymi punktami kontrolnymi obsługiwanymi przez człowieka (human-in-the-loop).

„AI już teraz zmienia sposób, w jaki pracujemy w Carta, a Lucid znajduje się w samym centrum tej zmiany” — powiedział Henry Ward, CEO w Carta. „Lucid okazał się nieoceniony przy mapowaniu i iteracji przepływów pracy AI z naszymi zespołami biznesowymi na wczesnym etapie procesu, zapewniając nam przejrzystość, której potrzebujemy przed zakodowaniem ich w innych systemach. Ta współpraca na wczesnym etapie miała kluczowe znaczenie dla przekształcania ambitnych pomysłów w practicalne, skalowalne rozwiązania AI”.

Uber: Tworzenie schematów dla podejmowania decyzji przez AI

Uber Technologies, jedna z największych na świecie firm oferujących przewozy, dostrzegła już wartość schematu wizualnego przyspieszającego kluczową inicjatywę AI i pozwalającego zaoszczędzić miliony dolarów.

Dla organizacji tej wielkości odpowiadanie na miliony zgłoszeń pomocy technicznej tygodniowo stanowi znaczny wydatek. Podjęto próbę zautomatyzowania tego procesu za pomocą agentowej AI, ale aby zbudować tę automatyzację, należało zapewnić odpowiedni kontekst, tak aby agent mógł właściwie reagować na zgłoszenia.

Uber posiadał już dokumentację w postaci drzew decyzyjnych w Lucid, która prowadziła przedstawicieli pomocy technicznej przy obsłudze zgłoszeń. Wykorzystując te materiały wizualne jako bazę, utworzyli w Lucid kompleksową, wielowarstwową dokumentację stanowiącą schemat działania dla agenta wsparcia.

Projekt jest na dobrej drodze do zautomatyzowania 70% zgłoszeń do końca 2026 roku, z przewidywanymi rocznymi oszczędnościami rzędu 500 milionów dolarów.

Zrób kolejne kroki w swojej transformacji AI

Wypełnienie luki między indywidualną a instytucjonalną AI wymaga widoczności, spójności i nadzoru. Niektóre narzędzia mogą ułatwiać podstawowe tworzenie diagramów, ale brakuje im nadzoru, podczas gdy inne zapewniają standaryzację, ale brakuje im funkcji współpracy. Lucid oferuje to, co najlepsze z obu światów, łącząc elastyczność z inteligencją i strukturą, aby pomóc Ci zobaczyć obecny stan, przeprojektować organizację i zarządzać wdrożeniem.

Lucid wspiera transformację AI poprzez:

• Ponad 100 integracji z wiodącymi aplikacjami, w tym serwer MCP do łączenia z wiodącymi modelami LLM
• Intuicyjne i inteligentne funkcje tworzenia diagramów przyspieszające wizualizację procesów, systemów i danych
• Zaawansowane dodatki usprawniające standaryzację i zarządzanie dokumentacją
• Dedykowany zespół usług profesjonalnych do dostarczania rozwiązań szytych na miarę