Większość pilotaży AI w małych i średnich firmach nie pada dlatego, że model jest słaby. Pada, bo fundamenty pod nim są krzywe. Zanim kupisz licencję, warto uporządkować trzy rzeczy.
W ostatnim roku widzieliśmy ten sam schemat wielokrotnie. Firma dostaje ofertę na „asystenta AI dla obsługi klienta", ktoś robi demo na wybranych rekordach, wszystko wygląda świetnie. Potem przychodzi wdrożenie i okazuje się, że „dane klientów" to w rzeczywistości trzy Excele, w których ten sam klient figuruje pod czterema różnymi nazwami, z literówkami w NIP-ach. Model nie miał szans. Nie dlatego, że był zły, tylko dlatego, że nikt nie wiedział, kto jest kim.
AI nie jest magią, która naprawia bałagan. AI jest wzmacniaczem. Wzmacnia to, co już masz — również chaos.
Fundament 1 — Czyste dane
„Czyste dane" w realiach KMU nie oznacza hurtowni danych za pół miliona. Oznacza coś znacznie prostszego: jedno źródło prawdy na jedną rzecz. Jeden rekord klienta, jeden rekord produktu, jeden rekord faktury. Bez pięciu wersji tego samego pliku na pięciu dyskach.
W praktyce chodzi o spójne formaty (data zawsze w tym samym formacie, NIP zawsze bez spacji), brak „widmowych" Excelów krążących mailem między działami i jasne zasady, kto może zmieniać dane. To nudna, urzędnicza robota. Ale bez niej AI nie ma od czego zacząć.
- Zidentyfikuj, gdzie naprawdę żyją Twoje dane o klientach, produktach i zamówieniach.
- Usuń duplikaty i uzgodnij, który rekord jest „tym właściwym".
- Ustal wspólne formaty dla kluczowych pól (daty, NIP, kody produktów).
- Wyznacz jedną osobę odpowiedzialną za jakość danych — nawet jeśli to 2 godziny tygodniowo.
Fundament 2 — Zintegrowane systemy
Typowa KMU-produkcyjna ma ERP (często Comarch Optima albo Microsoft Dynamics AX), osobny system magazynowy, CRM kupiony kiedyś pod konkretny projekt i kilka arkuszy Google, w których ktoś trzyma coś, co „musiało być na wczoraj". Każdy system zna fragment rzeczywistości. Żaden nie zna całości.
Dopóki te systemy ze sobą nie rozmawiają, żadne AI nie odpowie Ci sensownie na pytanie „ile tak naprawdę zarabiamy na kliencie X". Bo odpowiedź jest rozsiana po czterech bazach, które nie wiedzą o swoim istnieniu. Integracja — najczęściej przez API — to warunek konieczny, żeby w ogóle było co analizować.
- Zrób mapę: jakie systemy masz i co w nich naprawdę trzymasz.
- Sprawdź, które z nich wystawiają API, a które wymagają obejścia.
- Zdecyduj, co jest „źródłem prawdy" dla klienta, produktu, zamówienia.
- Zintegruj najpierw te dwa systemy, między którymi dane i tak krążą ręcznie.
Fundament 3 — Sprawne procesy
AI wzmacnia proces, którego dotyka. Jeśli proces działa dobrze, AI przyspieszy go dziesięciokrotnie. Jeśli proces jest popsuty, AI popsuje go dziesięciokrotnie szybciej. To jest cała tajemnica.
Przykład z życia. Hurtownia wdrożyła automatyczne kategoryzowanie zapytań ofertowych. Problem: dotychczas te zapytania „kategoryzował" handlowiec, który po drodze odsiewał 30% pytań o produkty, których firma w ogóle nie prowadzi. AI tego nie robiło — kategoryzowało wszystko grzecznie i wrzucało do kolejki. Zespół utonął. Proces był zepsuty od lat, tylko człowiek go ręcznie łatał. AI po prostu pokazało, gdzie jest dziura.
- Opisz proces, który chcesz wspomóc AI — krok po kroku, na kartce.
- Zaznacz kroki, w których coś się „dzieje cudem" (czyli ktoś po cichu ratuje sytuację).
- Napraw te kroki, zanim włożysz tam model.
- Zmierz proces przed wdrożeniem — inaczej nigdy nie udowodnisz, że AI coś dało.
Co dalej
To wszystko jest nudne. Czyszczenie danych, integracje, opisywanie procesów — to nie są rzeczy, z którymi pochwalisz się na konferencji. Ale właśnie to jest różnica między firmą, w której AI realnie pracuje, a firmą, w której AI jest slajdem w prezentacji zarządu.
Jeśli nie wiesz, od którego fundamentu zacząć w Twojej firmie — zamiast zgadywać, pogadaj z kimś, kto takie rzeczy rozkłada na czynniki pierwsze na co dzień. Pierwsza rozmowa jest bezpłatna i trwa pół godziny.
AI nie naprawi Twojej firmy. Ale jeśli firma działa dobrze, AI może sprawić, że zacznie działać znacznie lepiej.