AI w biznesie – przyszłość należy do agentów i cyfrowych pracowników

Z Marcinem Demkiwem, Head of Customer Advisory w SAP Polska, podczas SAP NOW AI Tour rozmawiamy o wdrożeniach AI na rynku, przełomie związanym z GenAI, koncepcji SAP Business AI, rozwoju Joule’a i sieci agentów AI, zaufanych danych, AI w kontekście chmury oraz wpływie sztucznej inteligencji na rynek pracy.

Z raportu AI Chamber wynika, że większość firm w regionie CEE deklaruje korzystanie z narzędzi AI, ale tylko nieliczne robią to na większą skalę. Skąd ta różnica między deklaracjami a rzeczywistymi wdrożeniami?

Na rynku panuje dziś przekonanie, że „wszyscy muszą mieć AI”, więc wiele organizacji szuka na siłę sposobu, by ją wdrożyć. W praktyce jednak większość rozwiązań, z których korzystają firmy, to systemy oparte na machine learning – a to jeszcze nie jest ta sztuczna inteligencja, o której mówimy w kontekście zastosowań biznesowych. Kluczowe pytanie brzmi: czy AI w biznesie jest dobrze zaimplementowana i czy realnie wspiera procesy? Moim zdaniem – nie do końca.

Wciąż trwa etap poszukiwania obszarów, w których technologia mogłaby przynieść największe korzyści. Firmy najczęściej koncentrują się na optymalizacji pracy ludzi – jeśli wdrożenie AI pozwala ograniczyć zatrudnienie, uznaje się to za sukces. Coraz częściej jednak chodzi już nie o automatyzację, lecz o autonomiczność. I tu pojawia się pytanie, czy procesy biznesowe mogą być całkowicie pozostawione agentom AI. Osobiście uważam, że jeszcze nie – modele językowe wciąż wymagają nadzoru człowieka.

AI warto dziś wdrażać tam, gdzie można kontrolować jej działanie i mierzyć efekty – potraktować to jako etap testowania. W wielu organizacjach takie „próbkowanie” widać już w obszarach sprzedaży i obsługi klienta, gdzie automatyzacja jest najłatwiejsza. Ale wciąż jesteśmy daleko od pełnego wykorzystania potencjału generatywnej AI.

Czego więc powinniśmy oczekiwać od GenAI?

Generatywna sztuczna inteligencja to prawdziwy przełom. O ile klasyczna automatyzacja pozwalała usprawniać procesy, o tyle GenAI wprowadza zupełnie nowy koncept – „pracownika cyfrowego”, którego można dowolnie skalować. To ogromna zmiana dla biznesu.

Dysponując zasobami chmurowymi i powszechnym dostępem do modeli językowych, nawet małe firmy mogą dziś tworzyć wirtualnych pracowników, zamiast zatrudniać dodatkowe osoby. Trening i dostosowanie modeli do potrzeb organizacji nie jest już ani skomplikowane, ani kosztowne i właśnie tu tkwi potencjał GenAI.

Uważam, że w perspektywie kilku lat część zadań wykonywanych dziś przez ludzi przejmą autonomiczne systemy, a pracownicy będą pełnić głównie funkcje nadzorcze. W dużych firmach połowę zespołów mogą stanowić agenci AI, ale współpracujący z ludźmi, a nie konkurujący z nimi. To kierunek, w którym zmierza przyszłość pracy.

Według badań KPMG, w Polsce aż jedna trzecia firm MŚP podchodzi do cyfryzacji w sposób pasywny. Czy to brak wiary w opłacalność, czy raczej obawa przed złożonością technologii?

Wynika to głównie z przekonania, że rozwiązania AI są kosztowne i trudne do wdrożenia. Tymczasem wiele z nich jest dziś łatwo dostępnych, a ich wykorzystanie może okazać się znacznie tańsze i bardziej efektywne niż zatrudnianie nowych pracowników.

Problemem pozostaje jednak ograniczone zrozumienie, czym w praktyce jest ta sztuczna inteligencja. Wiele osób eksperymentuje z dużymi modelami językowymi w celach prywatnych, ale nie potrafi jeszcze przełożyć tych doświadczeń na realne procesy biznesowe. W mniejszych organizacjach barierą jest często brak zmapowanych procesów – wiedza o nich istnieje głównie w głowach pracowników. Dlatego konieczna jest edukacja rynku i stopniowe budowanie świadomości, że AI to nie tylko koszt, ale inwestycja w rozwój oraz konkurencyjność.

Tegoroczne dane wskazują, że firmy nienadążające za zmianami mogą wkrótce stracić nawet 30% przewagi konkurencyjnej. Czy Twoim zdaniem osiągnęliśmy już punkt zwrotny w transformacji cyfrowej?

Nadal mamy niewiele realnych przykładów wdrożeń na większą skalę. Obecnie operujemy raczej prostymi scenariuszami użycia, jednak kiedy tylko technologia ta osiągnie masowy zasięg wtedy stanie się prawdziwym gamechangerem. Wyobraźmy sobie narzędzie, które można łatwo skalować, pracuje 24 godziny na dobę, komunikuje się w dowolnym języku – czyli nie generuje typowych kosztów zatrudnienia. I to nie jest odległa przyszłość, to rzeczywistość, która właśnie zaczyna się materializować.

Z Twojego doświadczenia – w jaki sposób firmy mogą rozpocząć przygodę z AI, tak żeby zacząć od małych kroków, a nie od razu od technologicznej rewolucji?

Małe firmy nie mają zasobów, by samodzielnie trenować modele językowe – to proces kosztowny i czasochłonny. Mogą jednak skutecznie korzystać z platform dużych dostawców technologii, którzy udostępniają gotowe modele i narzędzia do ich integracji z biznesem. Dzięki temu przedsiębiorcy mogą uporządkować swoje procesy, tworzyć aplikacje i szybciej wchodzić na rynek. Budowanie takich rozwiązań od zera nie ma dziś ekonomicznego uzasadnienia.

Jak SAP wspiera klientów z Polski w takich inicjatywach?

W SAP podchodzimy do tematu inaczej – mówimy o Business AI, czyli sztucznej inteligencji wbudowanej bezpośrednio w aplikacje biznesowe, a nie działającej w osobnym środowisku. Dzięki temu przedsiębiorcy mogą korzystać z funkcji GenAI i machine learning jako integralnej części swoich systemów. Przykładem jest zunifikowany interfejs użytkownika, który umożliwia komunikację z aplikacjami SAP w języku naturalnym. Dawniej wdrożenie SAP wymagało długiego szkolenia pracowników, dziś mogą oni po prostu zadawać pytania i otrzymywać gotowe instrukcje od asystenta AI. To nie tylko ułatwia obsługę, ale też znacząco przyspiesza proces decyzyjny i w tym sensie rzeczywiście jest to prawdziwy gamechanger.

SAP podkreśla, że inteligentni asystenci i agenci AI mogą zwiększyć produktywność nawet o 30%. W jakich obszarach biznesu ten efekt widać najszybciej? Czy da się to zrobić bez migracji do chmury?

Największe efekty widać dziś w obsłudze klienta i sprzedaży. Dobrze zestrojone modele AI potrafią prowadzić rozmowy w taki sposób, że użytkownik często nie zauważa, iż rozmawia z agentem AI. Dzięki temu firmy mogą obsłużyć więcej zapytań, szybciej rozwiązywać problemy i zapewniać klientom bardziej spójne doświadczenie.

Kolejnym obszarem jest sprzedaż cyfrowa – od generowania ofert i kontaktu z klientami po analizę odpowiedzi i konsolidację danych. W branżach usługowych, które zatrudniają dziś około połowy globalnej populacji pracowników, potencjał automatyzacji jest ogromny – AI może tu wywołać prawdziwą rewolucję. Technologia sprawdza się też w procesach wewnętrznych, np. wyszukiwaniu informacji czy tworzeniu raportów.

Jeśli chodzi zaś o infrastrukturę – bez migracji do chmury nie da się osiągnąć pełnej skali korzyści. Rozwiązania edge computing nie są jeszcze w stanie zapewnić takiej wydajności i elastyczności.

Jaką rolę pełni asystent Joule – zarówno w systemach SAP jak i poza nimi – i co wyróżnia go na tle innych narzędzi generatywnej AI?

Joule powstał pierwotnie jako wewnętrzny asystent SAP, a dziś pełni rolę inteligentnego interfejsu użytkownika do wszystkich aplikacji SAP. Potrafi automatycznie poruszać się między systemami – wie, gdzie znaleźć potrzebne dane, jaki raport wygenerować i jakie działania podjąć.

Nowością, na którą długo czekaliśmy, jest możliwość zarządzania agentami AI przypisanymi do konkretnych ról w organizacji. Każdy agent jest wyszkolony na procesach charakterystycznych dla danego stanowiska – np. agent CFO zna i rozumie finansowe aspekty działalności firmy. Ich konfiguracja odbywa się na platformie SAP Business Technology Platform (BTP), gdzie po procesie fine-tuningu powstają wyspecjalizowani, dziedzinowi asystenci AI.

Kluczowe jest jednak to, by uczenie agentów było procesem ciągłym – użytkownicy powinni regularnie oceniać ich skuteczność i przekazywać informacje zwrotne. Cały kontekst biznesowy, z którego korzystają Joule i agenci AI, zarządzany jest centralnie w ramach SAP Business Data Cloud, co zapewnia spójność i bezpieczeństwo danych.

Czy rozwijanie autonomicznych agentów AI to kolejny etap automatyzacji procesów biznesowych?

Oczywiście. Autonomiczni agenci AI potrafią komunikować się między sobą, tworząc błyskawiczne i spójne łańcuchy informacyjne – znacznie szybciej, niż byłoby to możliwe w pracy ludzkich zespołów.

Ich możliwości systematycznie rosną. Joule dysponuje obecnie ok. 1600 umiejętnościami, które obejmują zarówno proste czynności – jak księgowanie faktur czy składanie wniosków urlopowych – jak i bardziej złożone operacje biznesowe. Taki zestaw w pełni wystarcza do obsługi procesów w małej firmie. Równocześnie SAP rozwija bibliotekę gotowych scenariuszy użycia, których liczba do końca roku ma sięgnąć 400.

AI wymaga zaufanych danych – w jaki sposób SAP Business Data Cloud pomaga firmom uporządkować i wykorzystać dane z różnych źródeł?

Każde przedsiębiorstwo korzysta dziś z wielu aplikacji, które z czasem powstają organicznie i gromadzą ogromne ilości danych. Problem w tym, że te systemy rzadko są ze sobą zintegrowane – tworzą odrębne „wyspy” informacji w działach IT, finansów czy logistyki. Aby sztuczna inteligencja mogła działać efektywnie, potrzebuje dostępu do wszystkich tych zasobów w spójny i zrozumiały sposób.

SAP Business Data Cloud pełni tu rolę centralnego huba, który łączy różne systemy i porządkuje ich semantykę danych, udostępniając je w ujednoliconym środowisku – na bazie platformy SAP HANA. Dzięki temu Business AI może bezpośrednio korzystać z tych danych, analizować je i wspierać podejmowanie decyzji w czasie rzeczywistym.

Czy sztuczna inteligencja przyspiesza proces migracji do chmury i modernizacji infrastruktury IT?

Sztuczna inteligencja jest nierozerwalnie związana z chmurą – to właśnie tam działa, uczy się i skalują się jej możliwości obliczeniowe. Firmy, które nie rozpoczną transformacji w tym kierunku, wkrótce mogą utracić konkurencyjność, podczas gdy organizacje inwestujące w AI i chmurę zyskają wyraźną przewagę.

W ekosystemie SAP kluczową rolę odgrywają dwa rozwiązania: RISE with SAP i GROW with SAP. Pierwsze z nich to model chmury prywatnej, umożliwiający szeroką personalizację systemu i modyfikację kodu – z zachowaniem zasad tzw. clean core, czyli budowy rozszerzeń poza głównym systemem w ramach platformy SAP BTP. GROW natomiast to klasyczny system ERP w modelu SaaS, dedykowany firmom o mniejszej skali lub o standardowych procesach biznesowych. Działa w modelu pudełkowym, co pozwala na bardzo szybkie wdrożenie, ale ogranicza możliwości modyfikacji.

W obu przypadkach sztuczna inteligencja staje się dziś motorem modernizacji – przyspiesza proces migracji, optymalizuje zarządzanie danymi i wspiera automatyzację działań w chmurze.

Jakie kluczowe korzyści daje dziś wdrożenie AI – zwłaszcza w kontekście budowania przewagi konkurencyjnej opartej na danych?

Największą korzyścią z wdrożenia AI jest bez wątpienia przyspieszenie rozwoju biznesu. Firmy zyskują błyskawiczny dostęp do informacji zarządczej i mogą szybciej reagować na zmiany rynkowe. Sztuczna inteligencja otwiera też drogę do nieograniczonej liczby rynków, umożliwiając skalowanie działalności w tempie wcześniej nieosiągalnym. Kluczowym efektem nie jest już więc elastyczność – tę zapewniła chmura – lecz wzrost produktywności, który staje się dziś głównym źródłem przewagi konkurencyjnej opartej na danych.

Jak ta produktywność, optymalizacja i automatyzacja, które idą za AI – plus sieci agentów AI – wpłyną na współczesny rynek pracy? Wiele osób ma obawy, że przez AI straci pracę…

Obawy o wpływ AI na rynek pracy są jak najbardziej uzasadnione – wiele firm myśli dziś o automatyzacji z konieczności i chęci przetrwania, a nie z chęci rozwoju. Przedsiębiorstwa w gorszej kondycji finansowej będą optymalizować zatrudnienie, podczas gdy te silniejsze potraktują AI jako narzędzie wzrostu i będą zwiększać zatrudnienie, równolegle inwestując w innowacje. Im wcześniej wdrożą sztuczną inteligencję, tym szybciej zyskają przewagę konkurencyjną.

AI przyczyni się też do powstania nowych zawodów – może nie na taką skalę jak za trzeciej rewolucji przemysłowej, ale jednak. Te nowe zawody powstaną zwłaszcza w sektorze rozrywki i kreatywnym, bo dzięki coraz bardziej efektywnej pracy będziemy mieli coraz więcej czasu. Z kolei dzięki rosnącej automatyzacji możliwe stanie się skrócenie tygodnia pracy. Z czasem coraz większą część zadań przejmą cyfrowi pracownicy, co w Europie – wobec spadku liczby ludności – może okazać się nie tyle zagrożeniem, co koniecznością.

W dłuższej perspektywie pojawia się jednak fundamentalne pytanie: kto będzie konsumował dobra produkowane przez coraz bardziej zautomatyzowaną gospodarkę? Nie znam na nie odpowiedzi, ale myślę, że już niebawem trzeba będzie się nad tym poważnie zastanowić. Do tego dochodzi pytanie natury filozoficznej – czy sztuczna inteligencja będzie mogła konsumować to, co wyprodukujemy?