O czym jest ten film
- AI miało zmienić sposób, w jaki pracujesz, ale zwykle sprawia tylko, że jesteś odrobinę szybszy — bo przyspieszasz kroki, które powinieneś usunąć.
- Różnica między podejściem „AI-assisted” a „AI-native”: pierwsze dokleja AI do istniejących procesów, drugie przebudowuje procesy wokół AI.
- Prawdziwa zmiana to nie dodawanie kroków, lecz ich kasowanie — aż proces z dziesięciu kroków skurczy się do czterech.
- Każdy krok procesu można posortować do trzech kubełków: zostaw, wytnij, zmień.
- Zostawiasz dwa typy kroków: „pracę” (to, co realnie tworzy wynik) oraz „decyzje” (miejsca, gdzie potrzebny jest ludzki osąd przy ryzyku).
- Wycinasz tzw. „podatek ludzki” — kroki istniejące tylko po to, by ułatwić pracę innym ludziom.
- Trzy formy „podatku ludzkiego”: przekazania między ludźmi (handoffs), wersje próbne (practice runs) i formatowanie plików.
- Formatowania zwykle nie kasujesz, tylko zmieniasz: AI ma pracować na plikach oszczędnych tokenowo (markdown, CSV, txt), a ładny PDF czy prezentację tworzy dopiero na końcu.
- Prosty test decyzyjny: czy po tym kroku człowiek musi na czymś działać? Tak — zostaw. Nie — wytnij lub zmień.
- Przykład procesu ofertowania pokazuje redukcję z siedmiu kroków do czterech przy jednoczesnym wzmocnieniu tych, które zostały.
Redakcyjne tłumaczenie
AI miało zmienić pracę, a tylko trochę ją przyspieszyło
AI miało zrewolucjonizować sposób, w jaki pracujesz. Zamiast tego sprawiło tylko, że jesteś odrobinę szybszy. A to dlatego, że przyspieszasz kroki, które powinieneś w ogóle skasować.
Jeśli trafiasz tu po raz pierwszy — nazywam się Dylan i prowadzę firmę doradczą z zakresu AI. Przebudowa procesów wokół AI to większość tego, czym zajmuję się z moimi klientami. Prawdziwa zmiana nie polega na dodawaniu AI do kolejnych kroków. Polega na ich usuwaniu — aż proces z dziesięciu kroków staje się procesem czterech. Po obejrzeniu tego materiału będziesz w stanie posortować każdy krok procesu do jednej z trzech kategorii: zostaw, wytnij albo zmień. A kroki, które wydają się najważniejsze, zwykle odpadają jako pierwsze.
AI-assisted kontra AI-native
Być może słyszałeś, jak różni ludzie mówią o podejściu „AI-assisted” i „AI-native”. To dwa różne sposoby wdrażania AI w organizacji i w zespołach. 95%, a może nawet 99% osób, z którymi rozmawiasz, stosuje podejście „AI-assisted”. Nakładają AI na istniejące procesy i istniejące kroki, ale bardzo rzadko dostosowują całą organizację i procesy do AI. Próbują dopasować AI do swojej organizacji, zamiast dopasować organizację do AI. I to jest podstawowa różnica między podejściem „AI-assisted” a „AI-native”.
(Informacja dodatkowa: „AI-native” oznacza organizację zaprojektowaną od podstaw wokół możliwości AI, a nie taką, która dokleja narzędzia AI do dotychczasowych sposobów pracy.)
W praktyce: załóżmy, że masz czynność złożoną z siedmiu–ośmiu kroków. Najprawdopodobniej zachowujesz każdy z nich i tylko do kilku dodajesz AI. To dobry punkt wyjścia, bo zyskujesz dźwignię z AI, wzmacniasz swoją pracę i przyspieszasz. Ale docelowo warto pójść krok dalej i stać się bardziej „AI-native” — czyli przebudować procesy wokół AI i wyciąć kroki, które są już zbędne, bo mamy AI.
Warto zaznaczyć: samo obejrzenie tego filmu nie czyni cię jeszcze „AI-native”. To jeden z wielu kroków, które trzeba wykonać, żeby radykalnie przekształcić organizację i procesy i wycisnąć z tych narzędzi maksimum. Ten mały krok, który zrobimy dziś, to po prostu przegląd wszystkich procesów w twojej organizacji i ustalenie, które z ich kroków możemy wyciąć, bo dzięki AI już ich nie potrzebujemy.
Dlaczego tyle kroków da się wyciąć
Ciekawe w wielu z tych kroków — i powód, dla którego pracując z klientami potrafimy usunąć nawet 50% z nich — jest to, że są one nastawione na ludzi. Co mam na myśli? Prosty przykład: masz nieuporządkowany plik. To może być arkusz Excela, twoje notatki, cokolwiek. Musisz go posprzątać, żeby przekazać go innej osobie, która dokończy ten proces. Otóż jeśli mamy AI wpięte w proces, sprzątanie przestaje być potrzebne, bo AI potrafi odczytać te pliki, nawet gdy są nieuporządkowane, i wykonać pozostałe kroki potrzebne do dokończenia zadania. To usuwa z procesu jeden, może dwa kroki.
Pracując z wieloma klientami w różnych branżach, odkryłem, że każdy proces sprowadza się do trzech podstawowych rodzajów kroków. Dwa z nich zachowasz, trzeci wytniesz.
Co zostawiamy: praca i decyzje
Pierwszy krok, który zostawiamy, to praca. To ten krok, który faktycznie robi to, co tworzy wynik. Jeśli usuniesz go z procesu, czynność nie zostanie ukończona. Jest więc krytyczny, fundamentalny dla tego, by rzecz w ogóle powstała.
Drugi to miejsce, w którym człowiek musi być w pętli — dla jakiejś formy osądu lub podejmowania decyzji. Objawia się to na dwa główne sposoby. Pierwszy: gdy trzeba ocenić wynik AI, by upewnić się, że idzie we właściwym kierunku — tu potrzebujesz człowieka. Drugi: gdy na podstawie pracy AI trzeba podjąć decyzję. Decyzje zwykle dotyczą zadań o wysokim ryzyku, czyli takich, z którymi wiąże się ryzyko finansowe, prawne lub reputacyjne dla organizacji. Oczywiście chcesz mieć wtedy człowieka w pętli, a nie pozwalać AI działać w pełni autonomicznie.
Co wycinamy: „podatek ludzki”
Rzecz, którą wycinamy, to podatek ludzki. Jak wspomniałem, kroki związane z podatkiem ludzkim istnieją wyłącznie po to, by pomóc innym ludziom dokończyć proces. Z mojego doświadczenia w pracy z klientami wynika, że przybiera on trzy główne formy.
Przekazania (handoffs). To sytuacja, którą już opisałem: masz krok, w którym trzeba posprzątać plik, a po posprzątaniu przekazujesz go kolejnej osobie w łańcuchu, żeby dokończyła zadanie. Często nie musimy tego robić — możemy całkowicie wyciąć te kroki, bo AI poradzi sobie z nieuporządkowanymi plikami.
Wersje próbne (practice runs). Chodzi o moment, gdy tworzysz jakikolwiek wynik — raport, prezentację, a nawet aplikację. Zwykle chcesz zminimalizować wysiłek, zanim dostaniesz od kogoś informację zwrotną, żeby nie marnować czasu. Więc zamiast pisać od razu 50-stronicowy raport, przygotowujesz zarys. Wysyłasz go i pytasz: „Idę w dobrym kierunku czy nie?”. Dostajesz feedback i pracujesz dalej. Ale dziś, z AI, tworzenie różnych wyników jest tak łatwe, że nie musimy już robić tych okrojonych wersji. Możemy zwykle zbudować pełną, rozwiniętą wersję pierwszą, wysłać ją komuś po opinię — i jest to korzystne z obu stron. Po pierwsze, jest łatwiej dla ciebie. Po drugie, druga osoba dostaje wynik o wyższej wierności, na podstawie którego może dać ci lepszą jakościowo informację zwrotną, zanim ruszysz dalej.
Formatowanie — a konkretnie typy plików. My, ludzie, lubimy pliki łatwo przyswajalne, ładnie i estetycznie zorganizowane. Może to być estetyczny PDF, prezentacja, ładny dashboard albo elegancki arkusz Excela. Cokolwiek to jest, musi być łatwo strawne dla ludzkiego oka. Ale takie pliki bywają obciążające dla AI, bo różne typy plików zajmują więcej „przestrzeni w głowie” modelu. Technicznie nazywa się to oknem kontekstowym.
(Informacja dodatkowa: okno kontekstowe to maksymalna ilość tekstu — mierzona w tokenach — którą model może „widzieć” i przetwarzać naraz. Token to kawałek słowa; im plik oszczędniejszy tokenowo, tym więcej treści model obejmie jednocześnie.)
W oknie kontekstowym mieści się określona liczba tokenów, którymi AI może zarządzać. Chcemy więc typów plików oszczędnych tokenowo. Podczas pracy AI ma korzystać właśnie z takich formatów, a estetyczne pliki dla nas, ludzi, tworzyć dopiero na końcu. Dlatego oznaczam na zielono pliki markdown, CSV i tekstowe. Wszystkie te formaty są oszczędne tokenowo, co oznacza, że model może wchłonąć ich znacznie więcej, przetwarzać je przez dłuższe horyzonty czasowe, a dopiero na samym końcu — gdy zrobi już wszystko, co potrzebne — poprosimy go o wynik nastawiony na człowieka: PDF, PowerPoint albo ładny Excel. W trakcie pracy skupia się jednak na formatach oszczędnych tokenowo. Tej formy podatku ludzkiego nie kasujemy całkowicie — fundamentalnie ją przekształcamy, bo chcemy, by AI pracowało na plikach, które woli ono, a nie my.
Prosty test: keep czy cut
Jeśli po tym wszystkim wciąż nie wiesz, czy dany krok skasować, czy zostawić, zadaj sobie proste pytanie. Dla tego konkretnego kroku w tym procesie: jeśli po nim będzie działał człowiek — zostaw go. Jeśli nie — możesz go wyciąć. Jedyny przypadek pośredni to krok, który zasila kolejny krok, na którym z kolei działa człowiek i który jest do tego niezbędny — wtedy też zostaw. Ale w uproszczeniu: czy w kroku następnym człowiek będzie na tym działał? Tak — zostaw. Nie — wytnij.
Przykład: proces przygotowania oferty
Spójrzmy na prosty przykład łączący to wszystko. Załóżmy, że przygotowujemy oferty dla nowych potencjalnych klientów. W naszym tradycyjnym sposobie proces składa się z siedmiu kroków.
Krok pierwszy — rozmowa rozpoznawcza (discovery call). To realna interakcja z potencjalnym klientem, by sprawdzić, czy pasujemy do siebie. To musi zostać, bo wciąż musimy z klientem porozmawiać. Ale na tym etapie musimy zadbać, by spotkanie zostało nagrane i mieć transkrypcję. Transkrypcja pozwala nam skasować kolejny krok.
Krok drugi — robienie notatek. Na rozmowach rozpoznawczych — zresztą jak na każdym spotkaniu — aktywnie notujemy. Wiele z tych notatek robimy na przyszłość: do follow-upów, do pisania ofert i tak dalej. Jeśli spotkanie jest nagrane i masz transkrypcję, ten krok nie jest już potrzebny. Skasowany.
Krok trzeci — podsumowanie notatek. Jeśli dokument tworzy inna osoba — na przykład analityk piszący dla mnie ofertę — chcę streścić notatki, żeby ułatwić mu pracę. Ale i ten krok kasujemy, bo AI patrzy na surową transkrypcję i na jej podstawie ustala, co ma znaleźć się w ofercie. Wycięliśmy już dwa kroki.
Krok czwarty — sięganie po dawne oferty, by ustalić dobrą strukturę i format przyszłych ofert. W tradycyjnym podejściu odwołalibyśmy się może do jednej czy dwóch ofert, bo przejrzenie wielu byłoby zbyt czasochłonne. Z AI możemy kazać mu przejrzeć ostatnich 50 czy 100 ofert i z tego wydestylować dokładnie właściwą strukturę i format dla tego typu klienta. Ten krok zostawiamy — ale wzmacniamy go dziesięciokrotnie.
Krok piąty — szkic roboczy do zebrania opinii, na przykład od naszego szefa albo jego szefa. Tu wracamy do zasady: kasujemy ten krok całkowicie, bo nie musimy już tworzyć podstawowego zarysu oferty tylko po to, by sprawdzić, czy idziemy w dobrym kierunku. Zamiast tego dajemy AI zadanie stworzenia w pełni rozpisanej pierwszej wersji, zbieramy opinie — a będą one wyższej jakości, bo daliśmy oceniającym materiał wyższej wierności. Wycinamy więc szkic roboczy i zastępujemy go od razu pełną pierwszą wersją.
Krok szósty — ustalenie ceny i rabatu. Tu wchodzi w grę decyzja. Musimy ustalić, ile policzymy i czy chcemy dać klientowi rabat. To pozostaje zadaniem człowieka, bo wiąże się z ryzykiem — i to prawdopodobnie wszystkich trzech rodzajów naraz: finansowym, prawnym i reputacyjnym. Chcemy tu człowieka w pętli. AI może jednak podpowiadać: przejrzeć wszystkie wcześniejsze oferty, ustalić strukturę cenową najlepiej działającą dla tego typu klienta i dać ci rekomendację. Ale nawet mając rekomendację, ostateczną decyzję podejmujesz ty.
Krok siódmy — stworzenie samej oferty. Przez cały ten proces — poza pierwszym szkicem, na którym zbieramy feedback — AI najpewniej korzysta z formatów oszczędnych tokenowo: surowych plików tekstowych na transkrypcje, plików markdown na własne notatki podczas researchu i analizy. A na końcu oddaje nam PDF zgodny z naszą marką i estetyczny dla ludzkiego oka.
To był nasz tradycyjny proces. Ale, jak widać, z około siedmiu kroków zeszliśmy do czterech. Zostaje: AI czyta transkrypcję rozmowy, na jej podstawie przegląda dawne wygrane oferty, by ustalić, co napisać w pierwszej wersji, zbiera feedback, ustala cenę na podstawie twojej decyzji i wreszcie tworzy finalną ofertę. To organizacja, która nie tylko wycina kroki, ale też przebudowuje proces, by zoptymalizować go pod dźwignię z AI.
Szybkie podsumowanie
Patrząc na kroki procesu, przemyśl kilka rzeczy. Najpierw: co chcemy zostawić? Są tylko dwa powody. Albo krok jest bezpośrednio związany z pracą — bez niego czynność nie zostałaby dokończona. Albo dotyczy decyzji — potrzebny jest ludzki osąd lub decyzja przy zadaniu wysokiego ryzyka.
Następnie: co możemy wyciąć? Sprowadza się to do dwóch rzeczy. Tam, gdzie jedynym powodem istnienia kroku jest pomoc innym ludziom — to przekazanie, które można wyciąć. Albo gdy to wersja próbna — kiedyś robiliśmy dany krok, bo oszczędzał czas, ale już go nie potrzebujemy, bo AI tworzy przekonujące wyniki wysokiej wierności niewielkim naszym wysiłkiem.
I trzeci element: formatowanie, które zmieniamy, a nie kasujemy. Mamy więc: zostaw, wytnij, zmień. Zmiana polega na tym, by pozwolić AI używać formatów oszczędnych tokenowo, a dopiero na końcu, gdy patrzy na to człowiek, nadać estetykę w formatach, które my, ludzie, wolimy: PDF-y, PowerPointy, eleganckie arkusze Excela.
A jeśli wciąż nie wiesz, co zostawić, wyciąć czy zmienić, zadaj proste pytanie: czy prawdziwa osoba musi działać na tym zaraz po tym kroku? Jeśli nie — możesz go wyciąć lub zmienić. Jeśli tak — zostaw.
Na koniec pytanie: co się dzieje, gdy AI samodzielnie prowadzi ten odchudzony proces? Czasem błądzi albo nie potrafi przestać. O granicach, które utrzymują je na kursie i mówią mu, kiedy skończyć, jest osobny materiał.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Nie dodawaj AI — usuwaj kroki
Na czym polega: Prawdziwy zysk z AI nie pochodzi z przyspieszania istniejących kroków, lecz z kasowania tych, które przestały być potrzebne. Cel to skrócić proces z dziesięciu kroków do czterech.
Jak stosować: Zamiast pytać „gdzie mogę dodać AI?”, zacznij od „które kroki mogę teraz usunąć?”. Przejdź proces krok po kroku i szukaj tych do wycięcia, zanim zaczniesz cokolwiek automatyzować.
Na co uważać: Kroki, które wydają się najważniejsze, często odpadają jako pierwsze. Nie myl „ważnego dla mnie od zawsze” z „niezbędnym do wyniku”.
2.Rozróżnij podejście AI-assisted i AI-native
Na czym polega: „AI-assisted” dokleja AI do starych procesów; „AI-native” przebudowuje procesy wokół AI. Niemal wszyscy tkwią w tym pierwszym.
Jak stosować: Potraktuj AI-assisted jako punkt startu, ale świadomie planuj przejście dalej — audytuj całe procesy, nie pojedyncze zadania.
Na co uważać: Nie łudź się, że jedno usprawnienie czyni cię „AI-native”. To wynik wielu iteracji przebudowy, a nie jednej sztuczki.
3.Sortuj każdy krok: zostaw / wytnij / zmień
Na czym polega: Każdy krok procesu należy do jednej z trzech kategorii — zostaw (praca lub decyzja), wytnij (podatek ludzki), zmień (formatowanie).
Jak stosować: Rozpisz proces w tabeli i przypisz każdemu krokowi jedną z trzech etykiet. Dopiero potem projektuj nową, krótszą wersję.
Na co uważać: Nie zostawiaj kroków „na wszelki wypadek”. Brak jasnego powodu (praca albo decyzja) to sygnał do wycięcia lub zmiany.
4.Zostaw kroki, które tworzą wynik
Na czym polega: Krok „pracy” to ten, bez którego czynność nie zostanie ukończona — fundament rezultatu.
Jak stosować: Dla każdego kroku zapytaj: „gdyby go usunąć, czy zadanie da się skończyć?”. Jeśli nie — to praca, zostaw ją.
Na co uważać: Uważaj, by nie mylić pracy z rutyną, która tylko towarzyszy pracy (przepisywanie, porządkowanie). To drugie zwykle jest do wycięcia.
5.Zostaw człowieka tam, gdzie jest ryzyko
Na czym polega: Ludzki osąd zostaje w dwóch miejscach: przy ocenie, czy wynik AI jest na właściwym torze, oraz przy decyzjach obciążonych ryzykiem finansowym, prawnym lub reputacyjnym.
Jak stosować: Oznacz kroki wysokiego ryzyka i utrzymaj tam człowieka w pętli — niech AI rekomenduje, ale finalną decyzję podejmuje osoba (np. ustalenie ceny i rabatu).
Na co uważać: Nie oddawaj decyzji ryzykownych autonomicznemu AI dla wygody. Rekomendacja to nie to samo co decyzja.
6.Wytnij przekazania między ludźmi (handoffs)
Na czym polega: Kroki typu „posprzątaj plik, żeby przekazać go innej osobie” istnieją tylko dla wygody ludzi. AI czyta nawet nieuporządkowane pliki.
Jak stosować: Wszędzie, gdzie czyścisz dane przed przekazaniem człowiekowi, sprawdź, czy AI nie może pracować bezpośrednio na surowym materiale — i skasuj krok czyszczenia.
Na co uważać: „Nieuporządkowany” ma granice. Jeśli dane są błędne lub niekompletne, AI nie naprawi treści — pominięcie porządkowania nie zastąpi weryfikacji poprawności.
7.Zrezygnuj z wersji próbnych na rzecz pełnej wersji pierwszej
Na czym polega: Zarysy i szkice robocze istniały, by nie marnować czasu przed zebraniem feedbacku. Z AI możesz od razu zrobić pełną wersję pierwszą i dostać lepszą jakościowo opinię.
Jak stosować: Zamiast wysyłać do akceptacji outline, wygeneruj AI pełny, rozpisany draft i na nim zbieraj feedback — recenzent oceni materiał wyższej wierności.
Na co uważać: Pełna wersja pierwsza kusi, by przyjąć ją bez krytyki. Nadal traktuj ją jak szkic do oceny, nie jak gotowy produkt.
8.Zmień formaty plików na oszczędne tokenowo
Na czym polega: W trakcie pracy AI ma używać formatów lekkich dla okna kontekstowego — markdown, CSV, txt — a estetyczny PDF czy prezentację generować dopiero na końcu.
Jak stosować: Ustaw workflow tak, by AI operowało na tekście i danych surowych przez cały proces, a „ładny” wynik dla ludzi produkowało jako ostatni krok.
Na co uważać: To zmiana, nie kasowanie — estetyczny wynik dla człowieka wciąż jest potrzebny. Nie usuwaj formatowania końcowego, tylko przesuń je na sam koniec.
9.Wzmacniaj kroki, które zostawiasz
Na czym polega: Zostawione kroki nie muszą działać tak jak dawniej — AI pozwala je skalować. Zamiast przejrzeć jedną–dwie dawne oferty, model przeanalizuje 50–100 i wydestyluje najlepszą strukturę.
Jak stosować: Przy każdym zachowanym kroku zapytaj, czy AI może go zwielokrotnić — więcej danych, szerszy kontekst, głębsza analiza przy tym samym nakładzie czasu.
Na co uważać: Więcej danych wejściowych nie zawsze znaczy lepszy wynik. Pilnuj, by materiał źródłowy (np. dawne oferty) był faktycznie dobrymi wzorcami, a nie zbiorem błędów do powielenia.
10.Stosuj test „czy człowiek działa na tym dalej?”
Na czym polega: Uniwersalne pytanie rozstrzygające: czy prawdziwa osoba musi działać na wyniku zaraz po tym kroku? Tak — zostaw. Nie — wytnij lub zmień.
Jak stosować: Użyj tego pytania jako szybkiego filtru przy każdym niejasnym kroku. Uwzględnij przypadek pośredni: krok zasilający inny krok, na którym działa człowiek, też zostaje.
Na co uważać: „Działa na tym” znaczy realne działanie, nie samo zerknięcie. Krok istniejący tylko po to, by ktoś „miał wgląd”, zwykle jest podatkiem ludzkim do wycięcia.