Wspólny warsztat z zespołem firmy pozwala wyłonić konkretne, realne pomysły na wykorzystanie AI, które trudno wypracować w pojedynkę.

Na czym polega ta usługa

Usługa obejmuje przeprowadzenie warsztatu z udziałem zespołu firmy, podczas którego wspólnie identyfikowane są obszary z potencjałem do wykorzystania AI.

Dla kogo ma sens

Usługa jest przydatna dla firm, które chcą zaangażować zespół w poszukiwanie pomysłów na wykorzystanie AI, zamiast narzucać je odgórnie.

Ile to trwa

Warsztat mieści się z reguły w standardowym czasie do 3 dni od umówienia terminu.

Warunki

Diagnoza wstępna i wycena są bezpłatne. Dojazd na terenie Warszawy i okolic jest bezpłatny, a usługa objęta jest gwarancją do 12 miesięcy.

Przebieg i struktura spotkania warsztatowego

Spotkanie warsztatowe jest zorganizowane w sposób uporządkowany, aby w możliwie krótkim czasie przeanalizować codzienne operacje przedsiębiorstwa bez zakłócania bieżącej pracy biura. Całość prac realizowana jest bezpośrednio w siedzibie firmy klienta na terenie Warszawy lub okolicznych powiatów.

Pierwszym etapem jest zmapowanie powtarzalnych czynności wykonywanych przez pracowników poszczególnych działów. Analizie poddaje się zadania czasochłonne, podatne na błędy ludzkie oraz wymagające manualnego przepisywania danych pomiędzy różnymi aplikacjami. Zespół wskazuje procesy, które zajmują najwięcej czasu w ujęciu tygodniowym i miesięcznym.

Drugi etap obejmuje inwentaryzację używanego oprogramowania i struktury danych. Weryfikowane są formaty gromadzonych dokumentów, bazy danych oparte na Microsoft SQL Server, arkusze kalkulacyjne oraz systemy klasy ERP (systemy do planowania zasobów przedsiębiorstwa), takie jak InsERT GT, InsERT nexo, Comarch ERP Optima, WAPRO ERP, enova365 czy Sage Symfonia. Sprawdzana jest dostępność interfejsów API (zestaw reguł umożliwiających bezpośrednią wymianę danych między różnymi programami).

W trzeciej części spotkania tworzona jest lista potencjalnych zastosowań modeli sztucznej inteligencji, w tym dużych modeli językowych (LLM, czyli algorytmów wyszkolonych do przetwarzania, rozumienia i generowania tekstu naturalnego) oraz mechanizmów przetwarzania obrazu i tekstu OCR (optycznego rozpoznawania znaków ze skanów i zdjęć).

Czwarty etap to priorytetyzacja wyłonionych koncepcji za pomocą macierzy wartości biznesowej i wykonalności technicznej. Każdy pomysł otrzymuje ocenę pod kątem wymaganego nakładu pracy, potencjalnych oszczędności czasu oraz ryzyka operacyjnego. Efektem jest wytypowanie jednego lub dwóch procesów do wdrożenia pilotażowego (PoC, czyli weryfikacji słuszności koncepcji na ograniczonym wycinku danych).

Obszary działalności przedsiębiorstwa z największym potencjałem AI

Podczas analizy procesów biznesowych najwięcej możliwości usprawnień identyfikuje się w obszarach, w których pracownicy operują na dużej ilości tekstu, dokumentów finansowych lub zapytań od kontrahentów.

W dziale księgowości i obiegu dokumentów sztuczna inteligencja znajduje zastosowanie przy automatycznym odczytywaniu faktur kosztowych, dokumentów magazynowych WZ oraz umów handlowych. Modele wizyjne połączone z algorytmami semantycznymi potrafią bezbłędnie wyodrębnić dane kontrahenta, numery NIP, pozycje asortymentowe, stawki podatku oraz terminy płatności, a następnie przygotować gotowe wpisy do zaimportowania do programów takich jak Subiekt, Rewizor, Rachmistrz, Fakturka czy Symfonia.

W działach handlowych i obsłudze klienta warsztat pozwala wypracować rozwiązania do automatycznej kategoryzacji poczty elektronicznej. Systemy wspomagane przez sztuczną inteligencję mogą wstępnie analizować przychodzące zapytania ofertowe, sprawdzać dostępność towaru w zintegrowanym systemie magazynowym lub w platformie BaseLinker i przygotowywać wersje robocze odpowiedzi dla handlowców. Skraca to czas reakcji na zapytania ofertowe z wielu godzin do kilku minut.

W działach kadr i płac technologia ułatwia przeszukiwanie wewnętrznych regulaminów, ewidencjonowanie wniosków urlopowych oraz weryfikację zgodności dokumentacji pracowniczej z programami takimi jak Gratyfikant, Płatnik ZUS czy modułami kadrowo-płacowymi enova365.

Dla kadry zarządzającej kluczową wartością jest automatyzacja raportowania zarządczego. Narzędzia analityczne potrafią w ułamku sekundy przetworzyć setki tabel z baz Microsoft SQL Server lub arkuszy Microsoft 365 i Google Workspace, a następnie wygenerować podsumowanie w języku naturalnym, wskazując kluczowe odchylenia od planu finansowego lub nietypowe trendy sprzedażowe.

Błędy popełniane przy samodzielnych próbach wdrażania sztucznej inteligencji

Wiele firm podejmuje próby wykorzystania narzędzi sztucznej inteligencji bez wcześniejszego przygotowania procesowego, co często prowadzi do rozczarowania i porzucenia projektów.

Podstawowym błędem jest wychodzenie od narzędzia zamiast od konkretnego problemu biznesowego. Wykupienie subskrypcji popularnego modelu językowego i oczekiwanie, że pracownicy sami znajdą dla niego optymalne zastosowanie, rzadko przynosi wymierne rezultaty. Bez precyzyjnie określonego celu i standaryzacji procedur narzędzie jest wykorzystywane sporadycznie i w sposób nieefektywny.

Kolejną pułapką jest ignorowanie kwestii jakości i struktury danych wewnętrznych. Nawet najbardziej zaawansowane algorytmy uczenia maszynowego nie wygenerują poprawnych analiz, jeśli dane w systemie ERP lub CRM (oprogramowaniu do zarządzania relacjami z klientami) są niespójne, zawierają duplikaty lub brakuje im kluczowych parametrów.

Częstym problemem jest również brak uwzględnienia barier integracyjnych. Samodzielnie testowane aplikacje chmurowe często działają w oderwaniu od lokalnych baz danych i oprogramowania handlowo-magazynowego firmy, co zmusza pracowników do ręcznego kopiowania informacji między oknami programów i niweluje zyski czasowe.

Poważnym uchybieniem bywa brak procedur weryfikacji wyników generowanych przez algorytmy. Każdy system oparty na modelach probabilistycznych (szacujących najbardziej prawdopodobną odpowiedź) wymaga zdefiniowania reguł kontrolnych oraz nadzoru człowieka w punktach krytycznych dla finansów firmy.

Kiedy tradycyjna automatyzacja jest lepsza niż modele sztucznej inteligencji

Jednym z kluczowych celów warsztatu jest precyzyjne oddzielenie problemów wymagających sztucznej inteligencji od zadań, które taniej, szybciej i bezpieczniej można rozwiązać tradycyjnymi metodami programistycznymi.

Sztuczna inteligencja nie jest potrzebna w procesach w pełni deterministycznych, gdzie obowiązują sztywne, niezmienne reguły logiczne. Przykładowo, cykliczne przenoszenie danych o stanach magazynowych między bazą SQL programu WF-Mag a sklepem internetowym najlepiej realizować za pomocą skryptów w języku Python lub PowerShell. Tradycyjne skrypty działają szybciej, zużywają mniej zasobów obliczeniowych i gwarantują stuprocentową powtarzalność bez ryzyka zniekształcenia danych.

Podobnie proste operacje matematyczne, automatyczne wystawianie cyklicznych faktur w systemie fakturowym czy standardowe powiadomienia e-mail o zmianie statusu zamówienia powinny opierać się na wbudowanych mechanizmach systemów ERP lub integracji przez webhooki (automatyczne komunikaty wysyłane przez aplikację po zajściu określonego zdarzenia).

Sztuczna inteligencja staje się niezbędna dopiero tam, gdzie dane wejściowe są nieustrukturyzowane, treść dokumentów ma różny układ graficzny, język komunikacji jest swobodny lub zachodzi potrzeba interpretacji kontekstu biznesowego.

Bezpieczeństwo danych, poufność i kwestie techniczne

Prace analityczne nad procesami firmy wiążą się z dostępem do wiedzy o jej operacjach handlowych, bazach kontrahentów oraz strukturze organizacyjnej. Z tego względu kwestie bezpieczeństwa są traktowane priorytetowo.

Przed przystąpieniem do jakichkolwiek rozmów warsztatowych podpisywana jest bezpłatna umowa o zachowaniu poufności (NDA, czyli prawnie wiążący dokument gwarantujący pełną ochronę tajemnic przedsiębiorstwa). Wszelkie analizy środowiska IT i baz danych odbywają się z zachowaniem rygorystycznych standardów bezpieczeństwa.

Podczas warsztatu nie ma konieczności podawania haseł do kont administracyjnych, haseł do baz danych ani udostępniania wrażliwych danych osobowych klientów. Do celów analitycznych wykorzystuje się zanonimizowane próbki dokumentów lub schematy struktur bazodanowych bez rekordów poufnych.

Podczas spotkania omawiane są różne modele wdrożeniowe pod kątem prywatności. Firmy mają do wyboru bezpieczne połączenia z komercyjnymi modelami przez szyfrowane interfejsy API z gwarancją niewykorzystywania danych do trenowania modeli publicznych lub wdrożenie modeli lokalnych (on-premise). W wariancie lokalnym modele językowe oraz moduły analityczne instalowane są bezpośrednio na stacjach roboczych lub serwerach firmy, dzięki czemu żadne zapytania ani pliki nie opuszczają sieci lokalnej przedsiębiorstwa.

Często zadawane pytania o warsztaty analizy procesów pod kątem AI

Kto ze strony przedsiębiorstwa powinien uczestniczyć w spotkaniu warsztatowym?

Najlepsze rezultaty osiąga się przy udziale osób decyzyjnych (właściciel firmy, dyrektor operacyjny) oraz pracowników wykonujących codzienne zadania operacyjne w kluczowych działach (główna księgowa, kierownik magazynu, lider zespołu sprzedaży). Taki skład pozwala skonfrontować cele strategiczne z realnymi problemami na stanowiskach pracy.

Czy zespół musi posiadać wcześniejszą wiedzę techniczną lub programistyczną?

Nie jest wymagana żadna wiedza z zakresu programowania ani uczenia maszynowego. Warsztat prowadzony jest w oparciu o język procesów biznesowych i codziennych obowiązków pracowników. Zagadnienia techniczne, formaty danych i dobór właściwych modeli leżą po stronie prowadzącego.

Jakie programy firmowe mogą współpracować z rozwiązaniami AI?

Integracja jest możliwa z większością popularnych systemów rynkowych, w tym z pakietami InsERT (Subiekt GT, Subiekt nexo, Rewizor), Comarch ERP (Optima, XL), WAPRO ERP, Sage Symfonia, RAKS, enova365, Płatnik ZUS, platformami e-commerce, BaseLinkerem, a także z bazami danych Microsoft SQL Server oraz arkuszami biurowymi.

Czy po zakończeniu warsztatu firma jest zobowiązana do zamówienia wdrożenia?

Nie ma takiego obowiązku. Warsztat stanowi niezależną usługę analityczną, po której firma otrzymuje uporządkowaną wiedzę i plan działań. Decyzja o realizacji poszczególnych etapów, terminach wdrożeń pilotażowych lub ewentualnej rezygnacji z wybranych pomysłów należy w całości do klienta.

W jaki sposób weryfikowana jest opłacalność inwestycji w sztuczną inteligencję?

Dla każdego wytypowanego procesu wylicza się czas poświęcany na niego przez pracowników w skali miesiąca oraz koszt błędów manualnych. Następnie zestawia się te wartości z kosztem przygotowania integracji, co pozwala precyzyjnie określić oczekiwany okres zwrotu z wdrożenia.

Rekomendacje powarsztatowe i planowanie wdrożenia

Końcowym rezultatem przeprowadzonego warsztatu jest przejrzysty dokument podsumowujący wszystkie zidentyfikowane procesy wraz z ich oceną techniczną i biznesową. Przedsiębiorstwo otrzymuje precyzyjny plan działania, który eliminuje ryzyko inwestowania środków w nietrafione lub niebezpieczne rozwiązania technologiczne. Ustalony harmonogram pozwala krok po kroku automatyzować najbardziej uciążliwe zadania, uwalniając czas zespołu na działania przynoszące bezpośredni zysk firmie.

22 378 48 09

Warsztat — gdzie AI może pomóc w konkretnej firmie