Audyt procesów pod AI: pięć obszarów, które sprawdzamy przed wdrożeniem

Zwykle zaczyna się od rozmowy, w której firma ma już gotowy pomysł. Chcemy, żeby AI samo pisało oferty handlowe. Albo: potrzebujemy asystenta, który odpowiada na wszystkie maile od klientów. Po godzinie rozmowy z zespołem wychodzi, że prawdziwy problem leży zupełnie gdzie indziej. Jedna osoba w biurze spędza kilka godzin tygodniowo na przepisywaniu danych z maili przewoźników do arkusza. I właśnie od tego zaczynamy.

Audyt procesów pod AI to nie projekt techniczny. To ustrukturyzowana rozmowa, zwykle z jedną lub dwiema osobami z firmy, która kończy się listą konkretnych zadań z oceną: który wdrożyć pierwszy, który odłożyć, a który pominąć. Robimy to zanim cokolwiek zaprogramujemy, bo błąd na tym etapie kosztuje znacznie więcej niż godzina rozmowy z zespołem.

Co sprawdzamy i dlaczego akurat to

Nie ma jednej metryki, która mówi: "ten proces zautomatyzuj". Jest za to pięć pytań, które zadajemy przy każdym kandydacie. Odpowiedzi układają się w obraz tego, gdzie warto wejść, a gdzie lepiej odpuścić.

Pytania brzmią prosto. Trudność leży gdzie indziej: ludzie rzadko wiedzą od razu, jak odpowiedzieć. Dlatego rozmowa trwa dłużej, niż ktoś by się spodziewał, i dlatego rozmawiamy z osobami, które faktycznie wykonują zadania. Nie z zarządem, który opisuje, jak powinno być.

Pierwsze kryterium: czy zadanie ma stały schemat

Powtarzalność to fundament. Nie chodzi o to, czy coś się powtarza w sensie "robimy to co tydzień". Chodzi o to, czy za każdym razem kroki wyglądają tak samo.

Przykład z biura: wystawianie faktury sprzedażowej na podstawie zatwierdzonego zlecenia. Zawsze te same pola, zawsze ta sama kolejność działań, zawsze ten sam system docelowy. To ma schemat. Inny przykład: "przygotowanie odpowiedzi na reklamację". Tu każdy przypadek to inny klient, inne okoliczności, inna historia zamówień. Schemat jest luźny, wyjątki dominują. AI może tu pomagać, ale to inna kategoria i inna rozmowa.

Kiedy przy każdym pytaniu o kroki procesu słyszymy "no to zależy od sytuacji", to sygnał ostrzegawczy. Nie dyskwalifikujący, ale wymagający głębszego drążenia.

Drugie kryterium: ile razy to robimy

Automatyzacja zadania, które pojawia się raz w miesiącu, rzadko ma sens jako pierwsza inwestycja. Szukamy procesów wykonywanych codziennie albo kilkadziesiąt razy w tygodniu.

Typowo wygląda to tak, że dopiero w trakcie rozmowy wychodzi, ile czasu dane zadanie faktycznie zajmuje. U jednego z klientów z branży dystrybucyjnej okazało się, że trzy osoby w biurze codziennie rano przepisują statusy dostaw z maili przewoźników do arkusza Excel. Każda z nich robiła to samo, niezależnie od siebie. Żadna nie wiedziała, że pozostałe też to robią. Nie był to żaden skomplikowany proces. Był po prostu często wykonywany.

Objętość zadania to jeden z najlepszych wskaźników tego, czy wdrożenie zwróci się szybko. Im więcej powtórzeń, tym szybciej nakład pracy oddaje się firmie z powrotem.

Trzecie kryterium: w jakim stanie są dane wejściowe

To pytanie potrafi zrujnować najbardziej obiecujące procesy. AI przetwarza to, co dostaje. Jeśli dane wejściowe są nieuporządkowane, niespójne albo częściowo uzupełniane ręcznie w sposób, który zna tylko jeden pracownik, wynik będzie niepewny.

Pytamy konkretnie: skąd przychodzi informacja do tego zadania? Jako plik PDF, mail, skan, wpis w systemie? Czy format jest zawsze taki sam? Co się dzieje, gdy brakuje jakiegoś pola?

Skan faktury od stałego dostawcy, który zawsze wystawia dokumenty w tym samym układzie, to dobry materiał. Ręcznie pisany mail od klienta z dołączonym zdjęciem z telefonu, gdzie widać połowę dokumentu, to materiał wymagający wstępnego porządkowania. Nie dlatego, że AI sobie z tym nie poradzi. Dlatego, że najpierw trzeba ustalić, jak ujednolicić dane wejściowe, a to osobny projekt przed właściwym wdrożeniem.

Czwarte kryterium: co się dzieje, gdy AI się pomyli

Każdy system popełnia błędy. Pytanie brzmi: jak drogi jest błąd.

Jeśli AI przepisze numer zlecenia z błędem i ktoś to wyłapie przed zapisem, koszt jest niski. Jeśli to samo zdarzenie skutkuje wysłaniem przesyłki pod zły adres i koniecznością zwrotu, koszt jest zupełnie inny. Przy procesach, gdzie błąd prowadzi do strat trudnych do odwrócenia, budujemy obowiązkowy krok weryfikacji przez człowieka. To nie jest opcja do przemyślenia, to warunek.

Firmy czasem uruchamiają AI w procesach o wysokim koszcie błędu i dopiero po pierwszym problemie dodają zatwierdzenie ręczne. Lepiej ustalić to z góry, przy audycie.

Piąte kryterium: kto i kiedy zatwierdza wynik

To pytanie dzieli procesy na te, gdzie AI może działać samodzielnie, i te, gdzie działa jako propozycja do akceptacji.

Sprawdzamy, czy w obecnym procesie jest jakikolwiek krok zatwierdzenia. Czy ktoś przegląda wynik zanim trafi dalej. Jeśli tak, świetnie: AI przygotowuje, człowiek zatwierdza. Jeśli proces działa teraz bez żadnej weryfikacji, bo ktoś po prostu wysyła wynik od razu, warto zastanowić się, czy tak powinno zostać. Szczególnie gdy błąd jest widoczny dla klienta.

W praktyce przy fakturach do wysyłki, propozycjach wycen czy odpowiedziach na reklamacje proponujemy krok, w którym pracownik klika "zatwierdź" albo "popraw", zanim cokolwiek opuści firmę. Ten jeden krok zmienia profil ryzyka całego procesu.

Po czym rozpoznajemy, że proces się nie kwalifikuje

Nie każde zadanie trafia na listę kandydatów. Są sygnały, które kończą rozmowę szybko:

• Odpowiedź "to zależy" pojawia się przy każdym pytaniu o kolejne kroki.
• Dane wejściowe są za każdym razem inne i nie ma szansy na ujednolicenie ich formatu.
• Błąd wiąże się z konsekwencjami prawnymi lub finansowymi, a firma nie chce dodać kroku weryfikacji.
• Zadanie wykonuje jedna osoba, raz na kwartał, i zawsze nieco inaczej, bo "tak czuje".
• Wynik zależy od wiedzy, którą ma tylko jedna osoba i której nie da się opisać w żadnej formie.

To nie znaczy, że AI tam nie pomoże nigdy. Znaczy, że nie jest to właściwe miejsce na start.

Typowe rozczarowanie: gdzie naprawdę leży zwrot

Prawie każda firma chce zacząć od najbardziej widocznego procesu. Automatyczny generator ofert. Bot, który sam odpowiada na wszystkie maile. Asystent, który negocjuje warunki z dostawcami.

Audyt procesów pod AI bardzo często prowadzi do wniosku mniej efektownego, ale bardziej sensownego. Najszybszy zwrot leży w czymś, czego nikt nie chce pokazywać na prezentacji zarządu. W przepisywaniu statusów z jednego systemu do drugiego. W sprawdzaniu, czy data na fakturze zgadza się z datą w zamówieniu. W sortowaniu przychodzących dokumentów do właściwych folderów w systemie.

Nudne? Tak. Ale właśnie tam bywa kilka godzin tygodniowo do odzyskania, bez ryzyka błędów w procesach, gdzie stawka jest wysoka.

Rozumiemy, że to nie jest odpowiedź, której firma się spodziewała. Tłumaczymy wtedy mechanizm: zanim AI przejmie zadania wymagające oceny i kontekstu, potrzebuje stabilnych podstaw. Zaczynamy od procesów pewnych, budujemy zaufanie w zespole, a potem schodzimy głębiej, do zadań bardziej złożonych.

Od czego zaczynamy w praktyce

Audyt w naszym przypadku wygląda tak: krótka rozmowa wstępna, żeby ustalić, które obszary firmy odwiedzamy. Potem godzina lub dwie z osobami, które faktycznie wykonują zadania, nie tylko z tymi, które je zlecają. Z tej rozmowy wyciągamy listę procesów z oceną każdego z pięciu kryteriów.

Wynik to priorytety: co uruchamiamy pierwsze, co odkładamy na później, a co pomijamy w ogóle. Firma dostaje konkretny obraz zanim cokolwiek zostanie zbudowane. Chcesz sprawdzić, które procesy w Twojej firmie mają największy potencjał? Umów się na bezpłatny audyt. A jeśli wolisz najpierw zobaczyć, jak taki projekt wygląda w działaniu u innych, zajrzyj do realnych wdrożeń.