AI działająca obok procesu pomaga pracownikowi wykonać pojedyncze zadanie, ale zwykle nie zarządza dalszym przebiegiem sprawy. AI osadzona w procesie jest uruchamiana przez workflow, otrzymuje określony zestaw danych, wykonuje precyzyjnie zdefiniowane zadanie, a jej wynik podlega regułom, kontroli człowieka i zapisaniu w historii procesu.
To nie oznacza, że osobne narzędzia AI są nieprzydatne. Mogą wyraźnie przyspieszyć tworzenie treści, analizę informacji czy codzienną pracę biurową. Problem pojawia się wtedy, gdy organizacja utożsamia dostęp do narzędzia z wdrożeniem AI do swoich procesów operacyjnych.
Pełne wykorzystanie AI w procesach biznesowych wymaga czegoś więcej niż modelu generującego odpowiedź. Potrzebne są również dane, workflow, role, reguły, integracje, obsługa wyjątków oraz jasno określona odpowiedzialność człowieka.
Dlaczego tak wiele inicjatyw AI nie osiąga oczekiwanych rezultatów?
Firmy nie mają już większego problemu z dostępem do modeli AI. Znacznie trudniejsze okazuje się przejście od eksperymentów i pojedynczych przypadków użycia do rozwiązania, które działa powtarzalnie w realnym środowisku organizacji.
W badaniu IBM Institute for Business Value z 2025 roku ankietowani prezesi deklarowali, że jedynie 25% dotychczasowych inicjatyw AI osiągnęło oczekiwany zwrot z inwestycji, a tylko 16% zostało wyskalowanych na poziomie całej organizacji.
Badania McKinsey wskazują z kolei, że firmy skuteczniej wykorzystujące generatywną AI częściej przeprojektowują workflow, osadzają rozwiązania w procesach biznesowych, definiują mierniki oraz tworzą mechanizmy informacji zwrotnej i kontroli.
Nie oznacza to, że brak workflow jest jedyną przyczyną niepowodzeń projektów AI. Znaczenie mają również jakość danych, kompetencje zespołu, zaangażowanie właściciela biznesowego, bezpieczeństwo, integracje i sposób mierzenia efektów.
Jednak właśnie proces decyduje o tym, czy wynik wygenerowany przez AI zostanie wykorzystany powtarzalnie, bezpiecznie i w odpowiednim momencie.
Najważniejsza różnica nie dotyczy więc samego modelu AI. Dotyczy tego, kto uruchamia zadanie, skąd pochodzą dane, co dzieje się z wynikiem i kto odpowiada za jego zatwierdzenie.
1. Sposób uruchomienia: decyzja pracownika czy zdarzenie procesowe?
AI obok procesu
Pracownik sam decyduje, kiedy skorzystać z narzędzia. Musi pobrać dokument, przygotować polecenie i przekazać modelowi odpowiednie informacje.
Oznacza to, że wykorzystanie AI zależy od:
- indywidualnych nawyków pracownika,
- jego umiejętności tworzenia poleceń,
- wiedzy o dostępnych narzędziach,
- czasu, którym dysponuje,
- sposobu oceny otrzymanej odpowiedzi.
Dwie osoby mogą więc obsłużyć tę samą sprawę w zupełnie inny sposób.
AI w procesie
AI jest uruchamiana automatycznie po wystąpieniu określonego zdarzenia, na przykład:
- wpłynięciu faktury,
- odebraniu reklamacji,
- dodaniu nowej wersji umowy,
- otrzymaniu oferty dostawcy,
- zarejestrowaniu nowego pracownika,
- zmianie statusu sprawy w ERP lub CRM.
Workflow określa moment uruchomienia zadania. Dzięki temu wykorzystanie AI nie zależy wyłącznie od pamięci i inicjatywy użytkownika.
Wniosek: AI obok procesu jest używana wtedy, gdy pracownik zdecyduje się po nią sięgnąć. AI w procesie działa wtedy, gdy wymaga tego ustalony przebieg sprawy.
2. Dostęp do danych: ręcznie przygotowany prompt czy kontrolowany kontekst?
Model AI może przygotować wartościową odpowiedź tylko na podstawie informacji, które otrzyma.
AI obok procesu
Użytkownik samodzielnie wybiera dane, które przekazuje do narzędzia. Może pominąć ważny dokument, wkleić nieaktualne informacje albo nie uwzględnić procedury obowiązującej w organizacji.
Model widzi więc zazwyczaj wyłącznie fragment sprawy.
AI w procesie
Workflow może automatycznie dostarczyć zestaw informacji potrzebnych do wykonania zadania, na przykład:
- dokument źródłowy,
- dane kontrahenta,
- zamówienie i dokument przyjęcia,
- historię wcześniejszych działań,
- status sprawy,
- zatwierdzoną procedurę,
- dane z ERP lub CRM,
- rolę użytkownika,
- obowiązujące limity i tolerancje.
W badaniu Celonis 89% ankietowanych liderów wskazało, że znajomość kontekstu procesowego jest kluczowa, aby AI mogła generować wyniki istotne dla działalności operacyjnej. Jest to badanie dostawcy rozwiązań Process Intelligence, dlatego należy traktować je jako ważny sygnał rynkowy, a nie niezależny benchmark całego rynku.
Wniosek: AI obok procesu otrzymuje informacje wybrane przez pracownika. AI w workflow może korzystać z kontrolowanego kontekstu dostarczonego przez system.
3. Zakres zadania: ogólna prośba czy precyzyjna operacja?
Polecenie:
Przeanalizuj tę fakturę.
jest trudne do jednoznacznej oceny. Nie wiadomo, na co model powinien zwrócić uwagę, z czym porównać dokument i w jakiej formie przedstawić rezultat.
Zadanie osadzone w procesie może wyglądać następująco:
Porównaj pozycje faktury z zamówieniem oraz dokumentem przyjęcia. Wskaż różnice dotyczące numeru produktu, ilości, ceny jednostkowej i stawki VAT. Zwróć wynik w formie tabeli. Nie zatwierdzaj dokumentu.
Tak sformułowane zadanie ma:
- określone dane wejściowe,
- konkretny cel,
- oczekiwaną strukturę wyniku,
- granice odpowiedzialności,
- możliwość sprawdzenia poprawności.
AI nie musi „rozumieć całej firmy”. Powinna wykonać jedno, dobrze opisane zadanie we właściwym momencie procesu.
Wniosek: im węższe i lepiej zdefiniowane zadanie, tym łatwiej ocenić skuteczność AI i ograniczyć ryzyko wykorzystania nieprawidłowego wyniku.
4. Obsługa wyniku: tekst w oknie czatu czy część sprawy?
Samo wygenerowanie odpowiedzi nie kończy procesu biznesowego.
AI obok procesu
Po otrzymaniu odpowiedzi pracownik zwykle musi:
- przeczytać wynik,
- zdecydować, czy jest poprawny,
- skopiować odpowiednie informacje,
- wkleić je do kolejnego systemu,
- uzupełnić brakujące pola,
- poinformować kolejną osobę,
- zapisać dokument lub wiadomość.
Część pracy nadal odbywa się więc ręcznie.
AI w procesie
Ustrukturyzowany wynik może automatycznie:
- uzupełnić pola formularza,
- utworzyć tabelę różnic,
- nadać kategorię sprawie,
- ustawić priorytet,
- uruchomić dodatkową weryfikację,
- trafić do akceptacji,
- utworzyć zadanie dla pracownika,
- zostać przekazany do ERP, CRM, DMS lub systemu HR,
- zostać zapisany w historii procesu.
W JobRouter 2026.1 agenci AI mogą być osadzani w procesach i przekazywać ustrukturyzowane rezultaty do dalszego workflow. Platforma przejmuje przy tym orkiestrację agentów wewnątrz procesu biznesowego.
Wniosek: wartość AI pojawia się nie tylko w momencie wygenerowania wyniku, ale przede wszystkim wtedy, gdy rezultat zostaje prawidłowo wykorzystany w dalszym przebiegu sprawy.
5. Kontrola człowieka: przypadkowa ocena czy zaprojektowany human-in-the-loop?
Modele AI mogą zwracać odpowiedzi błędne, niepełne lub zbyt ogólne. Workflow i kontrola człowieka nie eliminują całkowicie tego ryzyka. Pozwalają jednak ograniczyć możliwość wykorzystania błędnego wyniku w krytycznym działaniu.
AI obok procesu
To użytkownik sam decyduje:
- czy odpowiedź trzeba sprawdzić,
- z jakim źródłem ją porównać,
- czy może zostać wykorzystana,
- kto powinien zatwierdzić rezultat.
Organizacja może nie mieć wspólnego standardu postępowania.
AI w procesie
Workflow może z góry określić:
- które wyniki wymagają obowiązkowej kontroli,
- jakie role mogą zatwierdzać rekomendacje,
- jaki poziom pewności uruchamia dodatkową weryfikację,
- jakie dane należy porównać,
- kiedy proces powinien zostać zatrzymany,
- do kogo skierować sprawę nietypową.
Przykładowo organizacja może ustalić, że wynik o pewności niższej niż określony dla danego zadania próg trafia do ręcznej weryfikacji. Próg nie powinien być przyjmowany automatycznie. Należy go ustalić na podstawie ryzyka, rodzaju danych i wyników testów.
Human-in-the-loop ma szczególne znaczenie w procesach:
- finansowych,
- kadrowych,
- prawnych,
- compliance,
- wpływających na prawa pracowników lub klientów.
Wniosek: człowiek nie musi ręcznie wykonywać całego zadania, ale powinien zachować kontrolę nad decyzjami, za które organizacja ponosi odpowiedzialność.
6. Audytowalność: niezarządzane użycie czy historia procesu?
Nie należy zakładać, że każde narzędzie czatowe jest z definicji pozbawione zabezpieczeń i kontroli. Rozwiązania biznesowe mogą oferować ustawienia administratora, kontrolę retencji, szyfrowanie i zasady niewykorzystywania danych do trenowania modeli. OpenAI udostępnia takie mechanizmy dla wybranych usług biznesowych, a Microsoft Copilot Studio i Power Automate umożliwiają budowanie agentów oraz przepływów z integracjami i krokami kontroli człowieka.
Problemem nie jest więc sama nazwa narzędzia, ale sposób jego wdrożenia i zarządzania.
W przypadku indywidualnego, niezarządzanego korzystania z AI organizacja może nie wiedzieć:
- kto przekazał dane,
- jakie informacje wykorzystano,
- jakie polecenie zostało zastosowane,
- jaki wynik zwrócił model,
- czy rezultat został zmieniony,
- kto podjął ostateczną decyzję,
- do którego systemu skopiowano dane.
W kontrolowanym workflow można zapisywać informacje istotne dla konkretnego wdrożenia, takie jak:
- identyfikator sprawy,
- moment uruchomienia zadania,
- źródła danych,
- zwrócony wynik,
- status walidacji,
- osoba zatwierdzająca,
- wykonane korekty,
- dalszy przebieg procesu.
Zakres rejestrowanych informacji zależy od architektury, konfiguracji i wymagań organizacji. Nie należy automatycznie zakładać, że każdy system zapisuje wszystkie parametry działania modelu.
AI Act i procesy biznesowe
Obowiązki wynikające z unijnego AI Act są wdrażane etapami. Według aktualnego harmonogramu obowiązki dotyczące przejrzystości zaczną być stosowane 2 sierpnia 2026 roku, a przepisy dla systemów używanych w określonych obszarach wysokiego ryzyka, w tym w zatrudnieniu, mają obowiązywać od 2 grudnia 2027 roku. Zakres obowiązków zależy od konkretnego zastosowania i roli organizacji. Stan prawny należy sprawdzać na dzień projektowania wdrożenia.
Wniosek: audytowalność nie wynika z samego zastosowania AI. Musi zostać świadomie zaprojektowana jako element procesu.
7. Pomiar wartości: subiektywna oszczędność czy konkretne KPI?
Pracownik może mieć poczucie, że dzięki AI przygotował wiadomość szybciej. Taka obserwacja nie wystarcza jednak do oceny zwrotu z inwestycji w skali całego procesu.
Aby wiarygodnie ocenić efekt, przed pilotażem należy określić stan obecny, czyli baseline.
Można mierzyć między innymi:
- średni czas obsługi sprawy,
- koszt jednostkowy,
- liczbę ręcznych operacji,
- odsetek spraw wymagających interwencji,
- liczbę błędów,
- czas oczekiwania pomiędzy etapami,
- udział spraw obsłużonych w terminie,
- liczbę wyjątków,
- zgodność sugestii AI z decyzją pracownika.
Nie każdy wskaźnik musi się poprawić. Automatyzacja może skrócić czas, ale jednocześnie zwiększyć liczbę spraw kierowanych do kontroli. Dlatego kryteria sukcesu powinny zostać ustalone przed uruchomieniem pilotażu.
Wniosek: dopiero porównanie KPI przed i po wdrożeniu pozwala określić, czy AI rzeczywiście usprawniła proces.
Przykład: klasyfikacja reklamacji
AI obok procesu
Pracownik otwiera wiadomość klienta, kopiuje jej treść do narzędzia AI i prosi o określenie tematu oraz przygotowanie odpowiedzi. Następnie samodzielnie przenosi dane do systemu zgłoszeniowego.
AI w procesie
- Wiadomość trafia na skrzynkę obsługi klienta.
- Workflow rejestruje nową sprawę.
- AI analizuje temat, intencję i priorytet zgłoszenia.
- Wynik zostaje zapisany w formularzu.
- Reguły procesu nadają odpowiednie SLA.
- Sprawa trafia do właściwego zespołu.
- AI przygotowuje projekt odpowiedzi na podstawie zatwierdzonych procedur.
- Pracownik sprawdza i zatwierdza wiadomość.
- System zapisuje decyzję i czas realizacji.
AI wykonuje w tym przykładzie określone zadania analityczne. Workflow odpowiada za rejestrację sprawy, kolejność działań, role, SLA i wykorzystanie wyniku. Człowiek zachowuje kontrolę nad odpowiedzią wysyłaną do klienta.
AI nie zastępuje workflow
Model AI może analizować tekst, rozpoznawać wzorce, porównywać dane i generować rekomendacje. Sam model nie powinien jednak pełnić funkcji systemu ewidencjonującego trwały stan procesu.
Warstwa workflow nadal odpowiada za:
- kolejność działań,
- role i uprawnienia,
- terminy,
- ścieżki akceptacji,
- reguły biznesowe,
- obsługę wyjątków,
- integracje,
- historię sprawy,
- raportowanie,
- przekazanie danych do systemów transakcyjnych.
Najbardziej użyteczne rozwiązanie nie polega więc na wyborze pomiędzy AI a workflow.
Polega na połączeniu ich właściwych kompetencji:
AI analizuje. Workflow prowadzi sprawę. Człowiek odpowiada za decyzję.
Od czego rozpocząć wdrażanie AI w procesie?
Nie zaczynaj od pytania:
Jaki model AI powinniśmy kupić?
Zacznij od pytania:
Które powtarzalne zadanie w naszym procesie zajmuje dużo czasu, korzysta z dostępnych danych i może zostać wiarygodnie zweryfikowane?
Dobry pierwszy kandydat powinien:
- mieć odpowiednio duży wolumen,
- korzystać z cyfrowych danych lub dokumentów,
- zawierać powtarzalną analizę,
- posiadać właściciela biznesowego,
- mieć znane reguły i wyjątki,
- dysponować historycznymi przykładami,
- pozwalać na szybkie sprawdzenie wyniku,
- mieć mierzalny czas lub koszt,
- umożliwiać rozpoczęcie od ograniczonego pilotażu,
- pozostawiać ważne decyzje pod kontrolą człowieka.
Podsumowanie
AI działająca obok procesu może przyspieszyć pracę pojedynczego użytkownika. Nie zapewnia jednak automatycznie powtarzalności, integracji, obsługi wyjątków ani pomiaru efektów na poziomie całej organizacji.
AI osadzona w procesie:
- jest uruchamiana w odpowiednim momencie,
- korzysta z określonego zestawu danych,
- wykonuje precyzyjnie zdefiniowane zadanie,
- zapisuje wynik w sprawie,
- podlega regułom i kontroli człowieka,
- może przekazać zatwierdzone dane do kolejnego systemu,
- pozwala mierzyć wpływ na proces.
Nie chodzi zatem o to, aby z każdego narzędzia AI budować autonomicznego agenta.
Chodzi o to, aby właściwe możliwości AI umieścić we właściwym miejscu procesu.
CTA
Sprawdź, czy Twój proces jest gotowy na AI
Wypełnij audyt gotowości albo zgłoś proces, w którym pracownicy ręcznie analizują dokumenty, porównują dane lub obsługują dużą liczbę wyjątków.
Przycisk: Zgłoś proces do analizy
Najczęściej zadawane pytania
Co oznacza AI osadzona w procesie biznesowym?
AI osadzona w procesie jest uruchamiana jako element workflow. Otrzymuje określone dane, wykonuje zdefiniowane zadanie, a jej wynik zostaje zapisany i wykorzystany w dalszej części sprawy zgodnie z regułami organizacji.
Czym AI w procesie różni się od ChatGPT?
Różnica nie polega wyłącznie na zastosowanym modelu. ChatGPT używany indywidualnie wspiera przede wszystkim użytkownika. AI w procesie jest połączona z danymi, regułami, rolami, integracjami i dalszym przebiegiem konkretnej sprawy.
Czy Copilot może automatyzować workflow?
Wybrane rozwiązania z ekosystemu Microsoft, w tym Copilot Studio i Power Automate, umożliwiają tworzenie agentów i przepływów procesowych. Dlatego nie należy przedstawiać całej kategorii „Copilot” wyłącznie jako asystenta tekstowego. Zakres automatyzacji zależy od konkretnego produktu i konfiguracji.
Czy AI w procesie może działać bez człowieka?
W określonych, niskoryzykownych zadaniach wynik może być obsługiwany automatycznie. Poziom autonomii powinien jednak zależeć od znaczenia decyzji, jakości danych, skutków błędu i wymagań organizacji.
Czy workflow eliminuje błędy AI?
Nie. Workflow, reguły walidacji i kontrola człowieka ograniczają ryzyko wykorzystania błędnej odpowiedzi, ale nie gwarantują, że model nigdy się nie pomyli.
Jak mierzyć wartość AI w procesie?
Przed pilotażem należy określić stan obecny, a następnie porównać czas obsługi, koszt jednostkowy, liczbę ręcznych operacji, błędy, wyjątki i zgodność z SLA.
Źródła
- IBM Institute for Business Value, CEO Study 2025.
- McKinsey, „The state of AI: How organizations are rewiring to capture value”.
- McKinsey, materiały dotyczące przeprojektowania workflow i skalowania AI.
- Celonis, Process Optimization Report 2025 — badanie dostawcy rozwiązania.
- Komisja Europejska, aktualny harmonogram stosowania AI Act.
- JobRouter, informacje o wydaniach 2024.1 i 2026.1 oraz agentach AI.
- Oficjalna dokumentacja dostawców modeli i narzędzi wskazanych w artykule.
