Po pierwszym tekście z cyklu AI Ready Business wróciło do mnie jedno bardzo praktyczne pytanie: skoro nie warto zaczynać rozmowy o AI od wyboru narzędzia, to od czego właściwie zacząć?

Łatwo powiedzieć, że organizacja musi być gotowa na AI. Dużo trudniej odpowiedzieć, co ta gotowość właściwie oznacza i jak rozpoznać, czy rzeczywiście istnieje.

Od wielu lat pracuję z organizacjami, które chcą się rozwijać. Czasem zaczynają od Lean, czasem od optymalizacji procesów, a czasem od bardzo konkretnych problemów związanych z efektywnością, jakością, terminowością, kosztami albo komunikacją. Bardzo często obserwuję podobny mechanizm. Najpierw pojawia się potrzeba rozwiązania realnego problemu, a potem bardzo szybko pojawia się pokusa, żeby sięgnąć po narzędzie: nowy system, nową aplikację, nowe szkolenie, nową technologię.

Dziś takim narzędziem pierwszego wyboru coraz częściej staje się AI.

Rozumiem tę pokusę, bo AI jest fascynująca między innymi dlatego, że bardzo szybko pokazuje konkretne efekty. Potrafi analizować, podsumowywać, generować treści, porządkować informacje i wspierać pracę w czasie, który jeszcze niedawno wydawał się nierealny. Właśnie dlatego warto jednak na chwilę się zatrzymać. Jeśli coś działa szybko, bardzo łatwo pomylić aktywność z wartością.

Coraz częściej dochodzę do wniosku, że zanim firma zacznie wdrażać AI, powinna przeprowadzić coś, co roboczo nazwałabym AI Readiness Assessment, czyli diagnozę gotowości organizacji do sensownego wykorzystania sztucznej inteligencji.

Nie chodzi mi przy tym o skomplikowany audyt technologiczny ani o sprawdzenie, czy pracownicy mają dostęp do ChatGPT, Copilota albo innych narzędzi. Chodzi raczej o spokojną, uczciwą rozmowę o tym, czy organizacja ma warunki, aby AI mogła tworzyć realną wartość. Kiedy czytam najnowsze raporty dotyczące AI w biznesie, coraz wyraźniej widzę, że ten temat nie dotyczy już wyłącznie technologii.

McKinsey w raporcie Superagency in the workplace zwraca uwagę, że wykorzystanie AI w pracy wymaga nie tylko narzędzi, ale także przywództwa, przebudowy sposobu pracy i przygotowania organizacji do zmiany. To ważna obserwacja, bo pokazuje różnicę między sytuacją, w której organizacja „ma AI”, a sytuacją, w której naprawdę potrafi dzięki AI tworzyć wartość.

W innym raporcie McKinsey, The State of AI: How organizations are rewiring to capture value, pojawia się bardzo słowo: rewiring, czyli przeprojektowanie sposobu działania organizacji. Firmy, które chcą osiągać wartość z AI, nie tyle dokładają nowe narzędzia do starego sposobu pracy, lecz przede wszystkim zaczynają zmieniać procesy, role, sposób nadzoru i podejmowania decyzji.

Deloitte w raporcie State of AI in the Enterprise 2026 mocno podkreśla znaczenie governance, czyli zasad zarządzania, odpowiedzialności i skalowania AI w organizacji. Z kolei Microsoft w 2025 Work Trend Index opisuje powstawanie organizacji typu Frontier Firm, w których ludzie i agenci AI zaczynają współpracować jako część codziennego funkcjonowania firmy.

Czytając te raporty, coraz mocniej utwierdzam się w przekonaniu, że

pytanie o gotowość organizacji nie jest dodatkiem do wdrożenia AI. Ono powinno być jego początkiem.

Gdybym miała dziś zaproponować pierwszą wersję takiej diagnozy, nie zaczęłabym od technologii. Zaczęłabym od sześciu obszarów, które — moim zdaniem — pozwalają sprawdzić, czy organizacja ma fundamenty do sensownego wykorzystania AI.

1. Po co nam AI?

To najprostsze i jednocześnie najtrudniejsze pytanie. Nie pytałabym na początku: „Gdzie możemy użyć AI?”. Zapytałabym raczej:

 „Jaki problem biznesowy chcemy rozwiązać z pomocą AI?”.

Czy chcemy skrócić czas obsługi klienta, poprawić jakość decyzji, zmniejszyć liczbę błędów, usprawnić planowanie, odciążyć liderów, czy może lepiej wykorzystywać wiedzę, która już istnieje w organizacji? Jeżeli nie potrafimy nazwać problemu, istnieje ryzyko, że AI stanie się ciekawym eksperymentem, ale nie źródłem wartości. W Lean bardzo często wracamy do pytania o definicję problemu. Nie zaczynamy od narzędzia, tylko od zrozumienia sytuacji. Z AI powinno być podobnie.

2. Czy nasze procesy są wystarczająco uporządkowane?

AI może wspierać proces, ale najpierw trzeba wiedzieć, jaki to proces. Warto więc zapytać, kto jest klientem procesu, co jest jego wejściem i wyjściem, gdzie powstaje wartość, gdzie pojawiają się straty, gdzie podejmowane są decyzje i gdzie brakuje informacji.

Jeśli proces jest niejasny, AI nie sprawi, że nagle stanie się przejrzysty. Może natomiast przyspieszyć działania, których sensu wcześniej nie sprawdziliśmy.

Dlatego mam poczucie, że przed wdrożeniem AI warto wrócić do bardzo podstawowych narzędzi zarządzania procesowego, takich jak mapa procesu, SIPOC, VSM, standard pracy czy analiza problemu. To nie są „stare” narzędzia. To mogą być fundamenty odpowiedzialnego wykorzystania nowych technologii.

3. Czy mamy dane, którym można zaufać?

AI bardzo często rozbudza nadzieję, że wreszcie zrobimy coś z naszymi danymi. To dobra nadzieja, ale tylko wtedy, gdy dane są dostępne, zrozumiałe i wiarygodne. Jeśli w organizacji istnieje kilka wersji tej samej prawdy, AI nie rozwiąże problemu zaufania do danych. Jeżeli dane są niepełne, niespójne albo nieaktualne, wyniki generowane przez AI mogą wyglądać przekonująco, ale prowadzić do błędnych decyzji. Dlatego w diagnozie gotowości do AI warto zapytać, czy wiemy, skąd pochodzą nasze dane, czy mają swoich właścicieli, czy są kompletne i aktualne, czy rozumiemy ich jakość i czy ludzie ufają danym, z których korzystają. To może nie brzmi tak atrakcyjnie jak rozmowa o agentach AI, ale bez tego trudno mówić o odpowiedzialnym wykorzystaniu sztucznej inteligencji.

4. Czy ludzie wiedzą, jak współpracować z AI?

Często mówimy o kompetencjach AI tak, jakby chodziło głównie o umiejętność pisania promptów. Oczywiście, to też jest ważne, ale moim zdaniem zdecydowanie niewystarczające. Prawdziwa kompetencja nie polega wyłącznie na tym, że człowiek umie zapytać AI. Polega raczej na tym, że wie, kiedy AI może pomóc, kiedy może zaszkodzić, jak sprawdzić jej odpowiedź i kiedy nie oddać jej odpowiedzialności za decyzję.

Ten wątek bardzo mocno wybrzmiał u mnie po lekturze analizy BCG Henderson Institute When Everyone Uses AI, Companies Risk Losing Critical Skills. Autorzy zwracają uwagę na ryzyko, o którym wciąż mówi się za mało: jeśli AI zaczyna wspierać wszystkich, we wszystkim i przez cały czas, organizacja może stopniowo tracić część krytycznych kompetencji ludzi. Nie dzieje się to gwałtownie. Nikt z dnia na dzień nie przestaje myśleć, analizować czy podejmować decyzji. Problem polega raczej na tym, że jeśli coraz więcej małych elementów pracy poznawczej oddajemy AI, to z czasem możemy rzadziej ćwiczyć własny osąd, krytyczne myślenie, interpretację danych, formułowanie hipotez czy twórcze rozwiązywanie problemów.

BCG nazywa to zjawisko distributed de-skilling, czyli rozproszonym osłabianiem kompetencji.

To bardzo trafne określenie, bo ryzyko nie dotyczy jednej osoby ani jednego stanowiska. Dotyczy całej organizacji, która może stać się bardziej produktywna krótkoterminowo, ale mniej odporna poznawczo w dłuższej perspektywie. Dlatego w diagnozie gotowości na AI nie pytałabym wyłącznie o to, czy ludzie potrafią korzystać z narzędzi.

Zapytałabym również, które kompetencje chcemy dzięki AI wzmacniać, a których nie możemy pozwolić sobie utracić.

To bardzo ważna różnica. AI może odciążać ludzi, ale nie powinna zwalniać ich z myślenia. Może wspierać analizę, ale nie powinna zastępować rozumienia. Może proponować rozwiązania, ale nie powinna przejmować odpowiedzialności za ocenę ich sensowności. To jest nowy rodzaj kompetencji: nie tylko cyfrowej, ale także poznawczej, organizacyjnej i menedżerskiej.

5. Czy liderzy są przygotowani na zmianę swojej roli?

W wielu firmach rozmowa o AI zaczyna się od pracowników: czy będą używać, czy się boją, czy potrafią, czy chcą. A ja coraz częściej myślę, że ta rozmowa powinna zaczynać się od managerów.

To liderzy będą musieli odpowiedzieć na pytania, które decyzje może wspierać AI, których decyzji nie powinna podejmować, jak zmieni się praca zespołu, jak mierzyć efekty i jak zadbać o odpowiedzialność.

Będą też musieli odpowiedzieć na jeszcze jedno, trudniejsze pytanie: jak projektować pracę z AI tak, aby wzmacniać kompetencje ludzi, a nie stopniowo je osłabiać. Jeżeli liderzy nie rozumieją, jak zmienia się praca w erze AI, trudno oczekiwać, że zespoły same znajdą właściwy sposób działania.

6. Czy mamy zasady odpowiedzialnego wykorzystania AI?

Ten obszar będzie coraz ważniejszy nie tylko ze względu na regulacje, ale także ze względu na zaufanie. Warto zapytać, czy pracownicy wiedzą, jakich danych nie wolno wprowadzać do narzędzi AI, kiedy muszą zweryfikować wynik, kto odpowiada za decyzję podjętą z wykorzystaniem AI oraz jakie zasady dotyczą poufności, jakości, bezpieczeństwa i zgodności z prawem. Mam wrażenie, że odpowiedzialne wykorzystanie AI nie powinno być traktowane jako hamulec innowacji. Wręcz przeciwnie — może stać się warunkiem jej skalowania, bo trudno rozwijać coś, czemu ludzie nie ufają.

Test czy coś więcej?

Im dłużej o tym myślę, tym bardziej widzę, że AI Readiness Assessment nie powinien być testem do odhaczenia i nie powinien kończyć się prostą etykietą: „gotowi” albo „niegotowi”. Bardziej wyobrażam go sobie jako mapę rozmowy. Pomaga zobaczyć, gdzie organizacja ma już mocne fundamenty, a gdzie potrzebuje jeszcze pracy. Może się okazać, że firma ma dobre dane, ale słabo opisane procesy. Może mieć bardzo otwartych ludzi, ale brak zasad odpowiedzialnego wykorzystania AI. Może mieć ambitną strategię, ale liderów, którzy nie wiedzą jeszcze, jak przełożyć ją na codzienną pracę zespołów. Może się też okazać, że organizacja bardzo szybko uczy się korzystać z AI, ale nie zauważa, że część kluczowych kompetencji człowieka przestaje być regularnie ćwiczona. Wtedy pytanie o gotowość do AI staje się jeszcze ciekawsze, bo nie dotyczy tylko tego, co AI może zrobić za nas, ale również tego, co ludzie nadal powinni umieć robić samodzielnie. I to jest dobra wiadomość, bo wtedy nie musimy „wdrażać AI wszędzie”. Możemy zacząć tam, gdzie organizacja ma największą gotowość i największy potencjał wartości.

Pierwszy krok

Gdybym miała zaproponować firmom pierwszy praktyczny krok, byłby on bardzo prosty. Zorganizujcie jedno spotkanie zespołu zarządzającego. Nie o narzędziach, licencjach i o tym, kto już używa ChatGPT/Claude/Copilot/…, ale o siedmiu pytaniach:

  1. Jaki problem biznesowy chcemy rozwiązać z pomocą AI?
  2. Które procesy są wystarczająco uporządkowane, aby AI mogła je wspierać?
  3. Czy mamy dane, którym można zaufać?
  4. Czy nasze dane są uporządkowane, by AI mogła je sprawnie analizować?
  5. Czy ludzie wiedzą, jak współpracować z AI, a jednocześnie rozwijać, a nie tracić własne krytyczne kompetencje?
  6. Czy liderzy rozumieją, jak zmieni się ich rola?
  7. Czy mamy jasne zasady odpowiedzialnego wykorzystania AI?
  8. Które kompetencje człowieka są dla naszej organizacji tak ważne, że AI powinna je wzmacniać, ale nigdy całkowicie zastępować?

Nie trzeba od razu tworzyć wielkiego programu transformacji. Czasem pierwszym krokiem jest dobra rozmowa, która pozwala zobaczyć nie tylko entuzjazm wobec AI, ale także warunki, które muszą być spełnione, aby ten entuzjazm przełożył się na wartość.

W pierwszym artykule napisałam, że być może zaczęliśmy zadawać niewłaściwe pytanie. Dzisiaj dodałabym kolejną myśl: jeśli pytanie „Jak wdrożyć AI?” zadamy zbyt wcześnie, możemy dostać bardzo techniczną odpowiedź.

Jeżeli najpierw zapytamy: „Na co jesteśmy gotowi?”, mamy szansę rozpocząć znacznie ważniejszą rozmowę — o strategii, procesach, danych, ludziach, odpowiedzialności i o tym, jaką organizacją chcemy się stać w erze sztucznej inteligencji.

Właśnie dlatego AI Readiness Assessment nie jest dla mnie narzędziem technologicznym. Jest początkiem świadomego zarządzania zmianą.

Źródła wykorzystane w artykule

  • McKinsey & Company, Superagency in the workplace: Empowering people to unlock AI’s full potential, 2025.
  • McKinsey & Company, The State of AI: How organizations are rewiring to capture value, 2025.
  • Deloitte, State of AI in the Enterprise 2026.
  • Microsoft, 2025 Work Trend Index: The year the Frontier Firm is born, 2025.

BCG Henderson Institute, When Everyone Uses AI, Companies Risk Losing Critical Skills, 2026