Najwięcej pracy w wielu procesach nie powodują standardowe przypadki, ale wyjątki: brak dokumentu, niezgodność danych, nietypowa prośba klienta czy odstępstwo od procedury. AI może pomóc je rozpoznać, zebrać potrzebny kontekst i przygotować sprawę do decyzji. Workflow nadal odpowiada za reguły, dalszą ścieżkę i kontrolę procesu.

Automatyzacja działa najlepiej wtedy, gdy sytuacja jest przewidywalna. Dokument wpływa, dane są kompletne, wszystkie warunki się zgadzają, a system dokładnie wie, co zrobić dalej. Problem zaczyna się tam, gdzie pojawia się coś nietypowego. Kwota na fakturze nie zgadza się z zamówieniem. W formularzu brakuje danych. Klient opisuje sprawę w sposób, którego nie da się przypisać do jednej kategorii. W umowie pojawia się zapis odbiegający od wzorca.

Takie sytuacje są codziennością. I to właśnie one często sprawiają, że proces, który na papierze wygląda na zautomatyzowany, nadal wymaga dużej ilości ręcznej pracy. W tym miejscu AI w procesach biznesowych może być szczególnie przydatna. Nie dlatego, że ma zastąpić człowieka w podejmowaniu każdej decyzji, ale dlatego, że potrafi pomóc zrozumieć wyjątek i przygotować go do dalszej obsługi.

Czym właściwie jest wyjątek w procesie biznesowym?

Wyjątek to sytuacja, której nie da się przeprowadzić standardową ścieżką procesu albo która wymaga dodatkowego działania. Nie musi oznaczać błędu. Czasem wystarczy, że zabraknie jednego dokumentu. Innym razem wartość przekracza ustalony limit, opis jest niejednoznaczny albo sprawa wymaga indywidualnej oceny.

Przykłady można znaleźć właściwie w każdym dziale. W finansach wyjątkiem będzie faktura bez numeru zamówienia albo różnica między fakturą a dokumentem PZ. W HR może to być brak załącznika do wniosku, nietypowa sytuacja pracownika albo dokument wymagający dodatkowej interpretacji. W zakupach – oferta, która nie spełnia jednego z wymaganych warunków. W obsłudze klienta – wiadomość, której system nie potrafi przypisać do standardowej kategorii. W procesach umów – zapis odbiegający od zaakceptowanego wzorca.

Standardowy przypadek można zwykle opisać prostym:

jeśli X, wykonaj Y.

Wyjątek pojawia się wtedy, gdy odpowiedź nie jest już tak oczywista.

Dlaczego klasyczna automatyzacja dobrze radzi sobie ze standardem, ale gorzej z wyjątkami?

Klasyczne workflow opiera się na regułach. Jeżeli kwota jest niższa niż określony limit, dokument może trafić do jednej osoby. Jeśli limit zostanie przekroczony, system uruchamia dodatkową akceptację. To działa bardzo dobrze, bo warunek jest jednoznaczny. Podobnie jest z terminami, przypisaniem użytkowników, rolami, statusem dokumentu czy sprawdzaniem wartości znajdujących się w konkretnych polach. Trudniej robi się wtedy, gdy informacja nie ma jednej ustalonej formy.

Wyobraźmy sobie wiadomość:

„Towar dotarł, ale część opakowań była uszkodzona i nie wiemy jeszcze, czy zawartość nadaje się do wykorzystania. Prosimy o informację, co dalej.”

Dla człowieka kontekst jest dość jasny. Klasyczna reguła systemowa niekoniecznie będzie wiedziała, czy potraktować to jako reklamację, zgłoszenie szkody, problem z dostawą czy pytanie do działu zakupów. Właśnie w takich miejscach pojawia się przestrzeń dla AI.

Gdzie AI może pomóc w obsłudze wyjątków?

AI jest szczególnie użyteczna tam, gdzie trzeba zrozumieć treść, połączyć kilka informacji albo przygotować krótkie podsumowanie sytuacji. Nie oznacza to, że powinna samodzielnie decydować o dalszym losie każdej sprawy. Jej zadaniem może być przygotowanie wyjątku tak, aby kolejny etap był szybszy i łatwiejszy.

AI może między innymi:

rozpoznać, z jakim rodzajem problemu mamy do czynienia,
wskazać brakujące informacje lub dokumenty,
porównać treść z innymi dokumentami,
podsumować rozbieżność,
przypisać sprawę do odpowiedniej kategorii,
przygotować propozycję dalszego działania,
wskazać elementy wymagające weryfikacji człowieka.

To ważna różnica. Zamiast przekazywać pracownikowi całą sprawę z komunikatem „wystąpił wyjątek”, system może przekazać mu znacznie więcej kontekstu.

Na przykład:

„Kwota faktury jest wyższa od wartości zamówienia o 4,8%. Różnica dotyczy dwóch pozycji. W zamówieniu nie znaleziono informacji o zmianie ceny. Sprawa wymaga weryfikacji.”

Pracownik nadal podejmuje decyzję, ale nie zaczyna analizy od zera.

Reguła czy AI? Nie każde odstępstwo wymaga sztucznej inteligencji

Sama obecność wyjątku nie oznacza jeszcze, że potrzebna jest AI. Jeżeli organizacja dokładnie wie, jak obsłużyć daną sytuację, lepszym rozwiązaniem może być zwykła reguła workflow. Przykład? Jeśli faktura przekracza określony limit, system automatycznie kieruje ją do dodatkowego akceptanta. Tutaj AI nie wnosi wiele.

Inaczej wygląda sytuacja, gdy trzeba ocenić treść dokumentu, porównać kilka niejednoznacznych informacji albo zrozumieć opis przygotowany przez użytkownika. Wtedy klasyczne „jeśli X, to Y” może już nie wystarczyć.

Najprostsza zasada brzmi:

Reguły są dobre tam, gdzie warunek można jednoznacznie zapisać. AI warto rozważyć tam, gdzie trzeba zinterpretować informację.

Dlatego dobra automatyzacja nie polega na dodawaniu AI do każdego etapu. Chodzi o wykorzystanie jej tylko tam, gdzie rzeczywiście rozwiązuje konkretny problem.

Przykład 1: wyjątek w obiegu faktur

Załóżmy, że faktura została odczytana i zarejestrowana w systemie. Dane kontrahenta są poprawne, dokument posiada numer zamówienia, ale wartość jednej pozycji nie zgadza się z zamówieniem. Workflow może wykryć samą różnicę na podstawie danych liczbowych. AI może natomiast pomóc przeanalizować dodatkowe informacje. Sprawdzić opis pozycji, przejrzeć treść załącznika albo podsumować, gdzie dokładnie pojawia się niezgodność.

Proces może wyglądać tak:

faktura → odczyt danych → porównanie → wykrycie różnicy → analiza wyjątku → weryfikacja pracownika → dalszy obieg

AI nie musi zatwierdzać faktury. Jej wartość polega na tym, że osoba odpowiedzialna za decyzję otrzymuje już przygotowany kontekst.

Przykład 2: nietypowa sprawa w obsłudze klienta

W obsłudze klienta duża część zgłoszeń może być powtarzalna. Pytania o status zamówienia, zmianę danych czy sposób złożenia dokumentów można łatwo przypisać do konkretnych kategorii. Problem pojawia się, kiedy klient opisuje kilka kwestii jednocześnie albo jego wiadomość nie pasuje do żadnego standardowego scenariusza.

AI może przeanalizować wiadomość i przygotować podsumowanie:

czego dotyczy sprawa,
jakie informacje są już dostępne,
czego brakuje,
który dział powinien przejąć obsługę.

Workflow wykorzystuje ten wynik do dalszego prowadzenia sprawy. Jeżeli przypadek mieści się w ustalonych zasadach, proces może przejść dalej automatycznie. Jeżeli nie – zgłoszenie trafia do pracownika.

Przykład 3: odstępstwo w umowie

Proces analizy umów to kolejny obszar, w którym wyjątki są czymś naturalnym. Organizacja może posiadać standardowy wzorzec umowy albo katalog zaakceptowanych zapisów. Problem pojawia się, gdy kontrahent zmienia warunki odpowiedzialności, terminy, sposób wypowiedzenia albo zasady rozliczeń. System oparty wyłącznie na prostych regułach może mieć problem z oceną takiego zapisu. AI może natomiast wskazać fragment różniący się od wzorca i przygotować krótkie podsumowanie. Nie oznacza to automatycznej akceptacji warunków.

Sprawa może trafić do prawnika wraz z informacją:

„W paragrafie 8 zmieniono okres wypowiedzenia z 30 na 90 dni. Pozostałe warunki w tej sekcji są zgodne ze wzorcem.”

To znacznie bardziej użyteczny wyjątek niż samo: „dokument wymaga sprawdzenia”.

Największa wartość AI może pojawić się właśnie poza standardową ścieżką

Wiele projektów automatyzacyjnych koncentruje się na najbardziej przewidywalnej części procesu. To naturalne. Standard jest łatwy do opisania, mierzenia i automatyzacji. Ale kiedy większość prostych przypadków przechodzi już bez większego udziału człowieka, pozostaje pytanie: co zabiera pracownikom najwięcej czasu? Często odpowiedzią są właśnie wyjątki. Nie dlatego, że jest ich najwięcej. Dlatego, że każda taka sprawa może wymagać otwarcia kilku systemów, przeczytania dokumentów, sprawdzenia historii i ustalenia, co właściwie wydarzyło się wcześniej. Jeżeli AI potrafi zebrać te informacje i przedstawić je w uporządkowany sposób, nawet częściowa automatyzacja może mieć dużą wartość operacyjną.

Co powinno pozostać po stronie workflow?

AI może pomóc zrozumieć wyjątek, ale ktoś nadal musi kontrolować cały proces. Tę rolę pełni workflow.

To workflow powinien określać:

kiedy uruchamiana jest analiza AI,
jakie dane mogą zostać przekazane,
jaki wynik jest oczekiwany,
co dzieje się po otrzymaniu odpowiedzi,
kiedy sprawa trafia do człowieka,
kto może zatwierdzić dalsze działanie,
jakie informacje są zapisywane w historii procesu.

Dzięki temu AI nie działa jako osobne narzędzie obok procesu. Staje się jednym z jego etapów.

Przykładowy model może wyglądać tak:

proces wykrywa wyjątek → AI analizuje dostępne informacje → wynik wraca do workflow → system sprawdza reguły → człowiek podejmuje decyzję lub proces idzie dalej

To właśnie różnica między jednorazowym wykorzystaniem AI a osadzeniem jej w realnym procesie biznesowym.

Kiedy wyjątek powinien trafić do człowieka?

Nie ma jednej granicy, która będzie właściwa dla każdej organizacji. Można jednak wskazać kilka sytuacji, w których dodatkowa kontrola jest szczególnie ważna. Sprawa powinna trafić do pracownika, gdy wynik jest niejednoznaczny, brakuje ważnych danych, decyzja ma istotny wpływ finansowy lub prawny albo przypadek nie mieści się w wcześniej ustalonych zasadach. Pod uwagę warto brać także poziom pewności wyniku. Im większe konsekwencje potencjalnego błędu, tym ostrożniej należy projektować automatyczne przejście do kolejnego etapu. Human-in-the-loop nie musi jednak oznaczać ręcznego zatwierdzania wszystkiego. Chodzi o określenie konkretnych momentów, w których udział człowieka naprawdę ma znaczenie.

Jak sprawdzić, czy obsługa wyjątków jest dobrym miejscem na AI?

Najpierw warto przyjrzeć się samemu procesowi. Dobrym sygnałem jest sytuacja, w której standardowa ścieżka działa już stosunkowo sprawnie, ale duża część czasu zespołu nadal jest poświęcana na analizę nietypowych przypadków.

Warto sprawdzić:

jakie wyjątki pojawiają się najczęściej,
ile czasu zajmuje ich obsługa,
jakie informacje pracownik musi zebrać przed podjęciem decyzji,
czy podobne przypadki występowały wcześniej,
czy wynik analizy można zweryfikować,
czy można jasno określić moment przekazania sprawy człowiekowi.

Jeżeli każdy wyjątek jest zupełnie inny i nie ma możliwości zweryfikowania wyniku, taki obszar nie musi być dobrym pierwszym kandydatem do pilotażu. AI najlepiej sprawdza się tam, gdzie przypadki są różne, ale mimo wszystko mają pewną wspólną strukturę.

Jak mierzyć efekt?

Obsługa wyjątków bywa trudniejsza do mierzenia niż standardowy proces, ale nie oznacza to, że należy zrezygnować z KPI. Przed wdrożeniem warto ustalić stan obecny.

Można mierzyć między innymi:

średni czas obsługi wyjątku,
liczbę spraw wymagających ręcznej analizy,
czas potrzebny na zebranie danych,
liczbę spraw przekazywanych między działami,
odsetek wyjątków rozwiązanych przy pierwszym przekazaniu,
udział przypadków, w których pracownik musiał poprawić wynik AI,
czas od wykrycia problemu do podjęcia decyzji.

Nie chodzi wyłącznie o skrócenie czasu. Dobrym wynikiem może być również ograniczenie liczby sytuacji, w których pracownik musi szukać informacji w kilku miejscach albo przekazywać sprawę między kolejnymi osobami.

Jak rozpocząć pilotaż AI w obsłudze wyjątków?

Najlepiej nie zaczynać od najtrudniejszego wyjątku w całej organizacji. Lepszym kandydatem będzie sytuacja, która występuje regularnie, zabiera pracownikom dużo czasu i posiada wynik możliwy do sprawdzenia. Pierwszy pilotaż może dotyczyć jednego zadania.

Na przykład:

przygotowania podsumowania niezgodności na fakturze,
klasyfikacji nietypowych zgłoszeń,
wskazywania brakujących informacji,
porównywania fragmentów dokumentów,
przygotowywania opisu różnic w umowie.

Dopiero po sprawdzeniu jakości wyniku warto rozszerzać zakres. To bezpieczniejsze i znacznie łatwiejsze do zmierzenia niż próba automatyzacji całej obsługi wyjątków od pierwszego dnia.

AI i workflow – najważniejsze jest połączenie

Największą wartość AI w procesach biznesowych trudno osiągnąć wtedy, gdy działa jako oddzielne narzędzie. Pracownik kopiuje dane, wkleja je do modelu, analizuje odpowiedź i ręcznie przenosi wynik z powrotem do systemu. To może pomóc pojedynczej osobie, ale nadal nie rozwiązuje problemu procesu. Inaczej wygląda sytuacja, gdy AI jest uruchamiana automatycznie w odpowiednim momencie workflow, otrzymuje wyłącznie potrzebne dane, a jej wynik trafia bezpośrednio do kolejnego etapu. Wtedy można kontrolować nie tylko samo zadanie AI, ale również to, co wydarzy się później.

AI analizuje wyjątek. Workflow prowadzi sprawę. Człowiek podejmuje decyzję tam, gdzie jest naprawdę potrzebny.

Podsumowanie

Standardowe przypadki są stosunkowo łatwe do automatyzacji. Najwięcej pracy często pozostaje tam, gdzie proces przestaje być przewidywalny. Brakujące dane, rozbieżności, nietypowe dokumenty i odstępstwa od standardu powodują, że pracownicy muszą analizować kontekst i ręcznie ustalać dalszą ścieżkę. AI może pomóc właśnie na tym etapie. Nie musi zastępować decyzji człowieka. Może rozpoznać problem, zebrać potrzebne informacje, wskazać różnice i przygotować sprawę do dalszej obsługi. Workflow nadal kontroluje reguły, uprawnienia, kolejność działań oraz moment, w którym potrzebny jest człowiek.

Dlatego pytanie nie powinno brzmieć:

„Czy da się zautomatyzować wszystkie wyjątki?”

Lepiej zapytać:

„Które wyjątki zabierają dziś najwięcej czasu i które z nich możemy przygotować do decyzji automatycznie?”

Najpierw proces. Potem technologia.

FAQ

Czym jest wyjątek w procesie biznesowym?

Wyjątek to przypadek, który nie może zostać obsłużony standardową ścieżką albo wymaga dodatkowej analizy. Może wynikać z braku danych, niezgodności dokumentów, przekroczenia limitu, nietypowej treści lub odstępstwa od ustalonych zasad.

Czy AI może automatycznie obsługiwać wszystkie wyjątki?

Nie. Część wyjątków można obsłużyć prostymi regułami, część może zostać wsparta przez AI, a niektóre nadal wymagają decyzji człowieka. Zakres automatyzacji powinien zależeć od ryzyka, jakości danych i możliwości zweryfikowania wyniku.

Kiedy lepiej zastosować regułę niż AI?

Jeżeli warunek można opisać jednoznacznie, na przykład „kwota powyżej 50 000 zł wymaga dodatkowej akceptacji”, klasyczna reguła workflow będzie zwykle lepszym rozwiązaniem. AI ma większy sens przy analizie treści i niejednoznacznych informacji.

Jak AI pomaga w obsłudze wyjątków?

AI może klasyfikować sprawę, analizować dokumenty, wskazywać rozbieżności, identyfikować brakujące informacje oraz przygotowywać podsumowanie lub rekomendację dla pracownika.

Czy człowiek nadal jest potrzebny?

Tak, szczególnie w przypadku decyzji o większym wpływie, niejednoznacznego wyniku albo sytuacji, której nie uwzględniają ustalone reguły. Kontrola człowieka nie musi jednak obejmować każdego przypadku.

Jakie procesy można objąć takim podejściem?

Obsługę wyjątków z wykorzystaniem AI można rozważyć między innymi w procesach fakturowych, umowach, reklamacjach, korespondencji, HR, zakupach oraz obsłudze klienta.

Jak wybrać pierwszy wyjątek do pilotażu?

Najlepiej wybrać przypadek, który występuje regularnie, wymaga podobnej analizy, generuje zauważalny nakład pracy i posiada wynik możliwy do zweryfikowania.

Gdzie w Twoim procesie zaczyna się ręczna praca?

Proces działa automatycznie do momentu, w którym pojawia się wyjątek?

W e-MSI analizujemy przebieg procesu, źródła danych oraz miejsca, w których pracownicy muszą ręcznie przejmować sprawy. Na tej podstawie można określić, gdzie wystarczą reguły workflow, a gdzie warto sprawdzić wykorzystanie AI.

W skrócie