Szamani AI. Cudów nie ma, faktury są

Współczesny szaman nie pali już szałwii. Pali budżet na transformację cyfrową. Zamiast rytualnego bębenka ma prezentację w PowerPoincie, a zamiast zaklęć – „agentyczność”, „hiperautomatyzację” i „skalowalność”. Zna przyszłość rynku pracy, potrafi przewidzieć koniec tradycyjnego oprogramowania i wie, że Twoja firma bez AI za chwilę wyląduje na technologicznym śmietniku historii. A przynajmniej tak twierdzi. Ale co dokładnie wdrożył? Ile przedsiębiorstwom zaoszczędził? Ile projektów doprowadził do produkcyjnej dojrzałości? Cóż, nie przebierajmy w środkach. Przecież rewolucja nie będzie czekać, aż ktoś skończy liczyć ROI.

Najzabawniejsze, a może najbardziej przerażające, jest to, że szamani AI nie pojawili się na rynku przypadkiem. Sami ich sobie wyhodowaliśmy. Karmieni codziennie kolejnymi doniesieniami o genialnych modelach, autonomicznych agentach i przedsiębiorstwach, które rzekomo już jutro zamierzają zwolnić połowę załogi, wpadliśmy w zbiorową panikę przed pozostaniem w tyle. Konkurencja wdraża AI? My też musimy! Konkurencja ma strategię? Zamówmy własną! A że nie bardzo rozumiemy, co właściwie chcemy wdrożyć, po co i za ile? Od tego przecież są eksperci.

I tutaj na scenę wkracza nasz szaman. Cały na biało. Z certyfikatem z trzygodzinnego kursu, kilkunastoma tysiącami obserwujących na LinkedIn i cennikiem, który sugeruje, że co najmniej osobiście trenował najnowsze modele w OpenAI. Problem w tym, że sztuczna inteligencja to nie magia. A rachunek za technologiczne gusła jest jak najbardziej rzeczywisty.

Żeby jednak nie było wątpliwości, nie zamierzam tutaj urządzać polowania na każdego konsultanta, który ośmielił się umieścić skrót AI w swoim zawodowym biogramie. Nie twierdzę również, że popularność w mediach społecznościowych wyklucza posiadanie rzeczywistych kompetencji. Byłoby to równie rozsądne, co uznanie, że dobry chirurg nie może prowadzić kanału na YouTubie, bo przecież powinien całymi dniami operować. Interesuje mnie coś innego. Skąd właściwie mamy wiedzieć, czy człowiek oferujący nam technologiczną rewolucję rzeczywiście potrafi ją przeprowadzić? I dlaczego tak często zadowalamy się zapewnieniem, że potrafi?

Cyfrowa transformacja, czyli kto pierwszy spanikuje

Człowiek jest stworzeniem fascynującym. Potrafił wysłać sondy poza granice Układu Słonecznego, rozszyfrować ludzki genom i zbudować maszyny wykonujące biliony operacji na sekundę. A mimo to, postawiony przed koniecznością podjęcia skomplikowanej decyzji, najchętniej usłyszałby od kogoś: „Spokojnie, ja się tym zajmę”. Najlepiej jeszcze szybko, tanio i bez konieczności angażowania własnych szarych komórek.

Psychologowie opisują podobną skłonność pojęciem cognitive miser, czyli poznawczego skąpca. W pewnym uproszczeniu chodzi o to, że nie lubimy wydatkować energii umysłowej, jeśli możemy posłużyć się prostszym sposobem oceny sytuacji. Zamiast samodzielnie analizować wszystkie dostępne informacje, korzystamy ze skrótów myślowych, opinii innych ludzi czy sygnałów świadczących o czyimś autorytecie. I nie, nie oznacza to, że jesteśmy z natury idiotami. Gdybyśmy każdą życiową decyzję poddawali wielogodzinnej analizie, zapewne już samo wybranie płatków śniadaniowych kończyłoby się wyczerpaniem intelektualnym.

Problem pojawia się wtedy, gdy podobne mechanizmy przenosimy do sali konferencyjnej, gdzie zamiast płatków wybieramy wykonawcę wielomilionowego projektu.

Do naszej wrodzonej skłonności do chodzenia na skróty dochodzi jeszcze lęk przed pozostaniem w tyle. I akurat ten ostatni jest szczególnie interesujący. W opublikowanym w sierpniu 2026 roku badaniu dotyczącym AI FoMO wśród decydentów MŚP naukowcy z niemieckich uczelni analizowali, jak presja konkurencyjna, porównywanie się z innymi i trudności z samodzielną oceną możliwości AI wpływają na myślenie o jej wdrażaniu (AI FoMO in SME Decision-Makers’ Reflections on AI Adoption: A Mixed-Method Approach: Conceptualizing and exploring fear of missing out under conditions of AI-related uncertainty). To niewielkie, eksploracyjne badanie, obejmujące 11 wywiadów i ankietę wśród 63 osób, więc nie zamierzam na jego podstawie diagnozować całej światowej gospodarki. Zwraca jednak uwagę na mechanizm, który wydaje się aż nadto znajomy.

Otóż coraz częściej pytanie „czy AI rozwiąże nasz problem?” zostaje zastąpione pytaniem „czy przypadkiem nie jesteśmy ostatnimi, którzy jeszcze jej nie wdrożyli?”.

A przecież to dwie zupełnie różne kwestie.

Wyobraźmy sobie zarząd pewnego przedsiębiorstwa. Nazwijmy je, dla zachowania pełnego kuriozum, firmą Bardzo Ważna Transformacja Sp. z o.o. Prezes wraca właśnie z konferencji, podczas której pięciu prelegentów przekonywało, że agenci AI zastąpią całe działy, trzech zapowiedziało śmierć tradycyjnego oprogramowania, a jeden, wyjątkowo odważny, obiecał dziesięciokrotny wzrost produktywności. Przy porannej kawie prezes dowiaduje się dodatkowo, że konkurencja uruchomiła już pilotaż sztucznej inteligencji. Czym prędzej zwołuje więc spotkanie:

– Musimy wdrożyć AI.
– Ale do czego? – pyta dyrektor IT.
– No jak to do czego? Do biznesu!

Kurtyna. Oklaski. Można ogłaszać przetarg.

To oczywiście scenka wymyślona, choć obawiam się, że niektórym czytelnikom może wydać się niepokojąco znajoma. I żeby była jasność: presja konkurencyjna nie jest niczym złym. Często to właśnie ona zmusza przedsiębiorstwa do potrzebnych zmian. Problem zaczyna się wtedy, gdy pośpiech zastępuje strategię, a samo posiadanie AI staje się ważniejsze od tego, czy przynosi ona jakikolwiek pożytek.

W takich warunkach szaman nie musi nawet specjalnie się wysilać. Wystarczy, że obieca szybkie rozwiązanie problemu, którego nikt jeszcze porządnie nie zdefiniował.

Prawo jazdy nie czyni z nas mechaników samochodowych

Podczas jednej z moich niedawnych rozmów z prezesem globalnej firmy technologicznej usłyszałam bardzo trafną uwagę. Mój rozmówca był wyraźnie zirytowany faktem, że AI stała się zjawiskiem tak medialnym, iż niemal każdy czuje się dziś uprawniony do występowania w roli eksperta. Przywołał przy tym prostą analogię: nie musimy przecież wiedzieć, jak zbudowany jest samochód, żeby nim jeździć. Ale jego projektowanie i naprawianie warto już pozostawić fachowcom.

Trudno się z tym nie zgodzić. Co więcej, poszłabym nawet o krok dalej.

Wyobraźmy sobie, że ktoś po kilku tygodniach jeżdżenia samochodem postanawia otworzyć warsztat. Wprawdzie nie ma bladego pojęcia o konstrukcji silnika, ale świetnie opanował obsługę klimatyzacji, potrafi włączyć tempomat i raz nawet samodzielnie wymienił płyn do spryskiwaczy. Do tego ukończył internetowy kurs „Motoryzacja od zera do eksperta” i prowadzi niezwykle popularny profil poświęcony przyszłości transportu. Powierzycie mu remont silnika? No właśnie…

Tymczasem w świecie AI zdarza się mylić umiejętność korzystania z narzędzi z kompetencją do ich projektowania, integrowania i utrzymywania.

Ktoś świetnie posługuje się ChatemGPT, Claude’em czy Gemini? Doskonale. Potrafi nauczyć pracowników skutecznego wykorzystywania modeli językowych? Jeszcze lepiej. Tworzy automatyzacje oszczędzające ludziom kilka godzin tygodniowo? Brawo. Nie widzę najmniejszego powodu, żeby podobne umiejętności deprecjonować.

Ale czym innym jest nauczyć księgową korzystania z asystenta AI, a czym innym zaprojektować bezpieczny system przetwarzający dokumenty finansowe, zintegrowany z ERP, podlegający audytowi i pracujący niezawodnie przez kolejne lata. Ten drugi przypadek wymaga już szerszego zestawu kompetencji, a często całego zespołu specjalistów: od inżynierów danych i architektów rozwiązań po osoby odpowiadające za cyberbezpieczeństwo oraz procesy biznesowe.

I tutaj dochodzimy do sedna. Szaman AI niekoniecznie jest człowiekiem, który nic nie umie. Być może potrafi całkiem sporo. Tyle że często sprzedaje kompetencje, których nie posiada, albo obiecuje rezultaty, za których osiągnięcie nie potrafi wziąć odpowiedzialności.

Problemem nie jest to, że ktoś nie zna się na wszystkim. Problemem jest to, że twierdzi, iż zna się na wszystkim.

Szaman w garniturze, czyli magia klasy enterprise

Przyjęło się, że samozwańczych ekspertów najłatwiej spotkać w mediach społecznościowych. To tam sprzedaje się kursy z promptowania, uniwersalne recepty na automatyzację i obietnice zarabiania pieniędzy podczas snu. Wszystko pięknie opakowane, najlepiej w towarzystwie informacji, że kto nie korzysta dziś z AI, ten za chwilę będzie nie tylko na marginesie zawodowym, ale nawet poza nim.

Znacznie ciekawszym zjawiskiem jest szaman korporacyjny.

Nie potrzebuje agresywnych reklam ani zdjęcia na tle wynajętego Lamborghini. Ma schludny garnitur, doskonałą dykcję i prezentację opracowaną według najlepszych konsultingowych standardów. Zna słowa, których przeciętny człowiek nie użyje przez całe życie, a pojęcia „transformacja”, „ekosystem”, „synergia” czy „agentic-first” odmienia z taką swobodą, jakby od dzieciństwa wychowywał się w serwerowni.

Oczywiście profesjonalny wygląd i umiejętność prezentacji nie są żadnymi dowodami niekompetencji. Chodzi o coś innego: bardzo łatwo pomylić profesjonalizm komunikacyjny z profesjonalizmem technicznym. Szczególnie gdy klient nie ma wystarczającej wiedzy, by ocenić proponowaną architekturę, skalę trudności projektu albo realność obiecywanych oszczędności.

W tym miejscu warto wspomnieć o zjawisku, które Gartner określa mianem agent washing. Polega ono na przedstawianiu istniejących rozwiązań, takich jak chatboty czy klasyczne automatyzacje, jako zaawansowanych agentów AI, choć ich rzeczywista autonomia może być mocno ograniczona. Analitycy Gartnera ostrzegali w czerwcu 2025 roku, że ponad 40 proc. projektów związanych z agentami AI może zostać anulowanych do końca 2027 roku z powodu kosztów, niejasnej wartości biznesowej lub niewystarczających mechanizmów kontroli. To prognoza, nie statystyka dokonanych porażek, ale dobrze pokazuje skalę obaw.

Mamy więc sytuację, w której nie tylko pojedyncze osoby mogą sprzedawać więcej, niż rzeczywiście potrafią dostarczyć. Podobny problem dotyczy także marketingu niektórych produktów technologicznych. Wystarczy przykleić nowe określenie do istniejącego rozwiązania, doprawić całość szczyptą autonomii i już można mówić o nowej generacji inteligentnych systemów. Czasami rzeczywiście jest to istotny postęp. Innym razem mamy do czynienia z dobrze znaną potrawą, tyle że podaną na droższej zastawie.

Nie chciałabym przy tym zostać źle zrozumiana: profesjonalni konsultanci i integratorzy są przedsiębiorstwom potrzebni. Nie każda firma musi posiadać własny zespół inżynierów AI, tak samo jak nie musi samodzielnie budować centrum danych. Problem polega na czymś innym. Kupując usługę doradczą, nie możemy kupować wyłącznie przekonania, że nasz doradca wie, co robi. Powinniśmy kupować również możliwość zweryfikowania tego przekonania.

Efektowne demo to nie jest jeszcze działające wdrożenie

Jest coś niezwykle uwodzicielskiego w demonstracjach AI. Wrzucamy dokument, model w kilka sekund przygotowuje podsumowanie, wyszukuje potrzebne informacje, generuje raport i jeszcze uprzejmie pyta, czy może pomóc w czymś innym. Magia. Najlepiej na żywo, na dużym ekranie i przy dźwięku opadających szczęk członków zarządu.

Tylko że między takim pokazem a systemem pracującym w przedsiębiorstwie istnieje zasadnicza różnica. Demo może opierać się na starannie przygotowanych danych, ograniczonej liczbie scenariuszy i warunkach, w których wszystko przebiega niemal idealnie. Wdrożenie produkcyjne musi poradzić sobie również z dokumentem napisanym przez człowieka przekonanego, że interpunkcja jest burżuazyjnym wymysłem, z błędami w bazach, przestarzałym ERP, nagłym wzrostem liczby użytkowników czy niedostępnością zewnętrznej usługi.

A to dopiero początek zabawy. Dochodzą przecież uprawnienia, zgodność z przepisami, ochrona danych, monitoring, obsługa wyjątków, koszty utrzymania i odpowiedzialność za błędne wyniki.

Dlatego nie pytajmy wyłącznie, czy dany system potrafi wykonać zadanie. Zapytajmy również, jak często robi to poprawnie, w jakich warunkach popełnia błędy, kto je wykrywa i ile kosztuje ich usuwanie.

Przygotowanie efektownego prototypu jest dziś łatwiejsze niż kiedykolwiek. Sprawienie, by system działał przewidywalnie w rzeczywistym procesie biznesowym, pozostaje osobnym wyzwaniem.

I właśnie w tej różnicy między demonstracją a produkcją najłatwiej ukryć brak doświadczenia.

Jak rozpoznać szamana AI, zanim jeszcze wystawi fakturę?

Przejdźmy do części praktycznej, bo ironia ironią, ale przedsiębiorca niekoniecznie potrzebuje kolejnego artykułu, który wyłącznie uświadomi mu, że żyje w świecie pełnym hochsztaplerów. Przydałoby się jeszcze wiedzieć, co z tym fantem zrobić.

Proponuję więc mały test. Nie wymaga znajomości budowy transformerów, pisania kodu w Pythonie ani umiejętności odróżniania parametrów modelu od parametrów kredytu hipotecznego. Wystarczy zadać potencjalnemu wykonawcy kilka pytań i – co najważniejsze – uważnie posłuchać odpowiedzi.

• Pytanie 1: Co konkretnie Pan wdrożył i jaki był w tym Pana udział?

Zacznijmy od podstaw. Nie pytajmy, na ilu konferencjach wystąpił nasz rozmówca, ile szkoleń przeprowadził ani ilu obserwujących zgromadził na LinkedIn. Zapytajmy o rzeczywiste projekty. Jakie problemy rozwiązywały? W jakiej branży? Czy zakończyły się wdrożeniem produkcyjnym? Jakie rezultaty przyniosły i za co dokładnie odpowiadał sam konsultant?

Nie oczekujmy przy tym, że każdy wyciągnie z teczki pełną dokumentację swoich klientów. Umowy o poufności istnieją nie bez powodu. Ale fachowiec powinien umieć opisać przynajmniej zanonimizowany przypadek, zastosowane podejście, ograniczenia i sposób pomiaru efektów. Jeśli zamiast tego przez kwadrans słyszymy o ogromnym potencjale technologii, mamy prawo zacząć się niepokoić.

• Pytanie 2: Od czego zacznie Pan pracę z naszą firmą?

To jedno z najważniejszych pytań. Jeżeli odpowiedź rozpoczyna się od nazwy konkretnego modelu, platformy lub liczby agentów, warto zapytać, skąd rozmówca wie, czego potrzebujemy, skoro nie poznał jeszcze naszych procesów.

Rzetelny specjalista powinien zainteresować się tym, gdzie firma traci czas lub pieniądze, jakie ma dane (w sensie uporządkowania), jak wygląda jej infrastruktura, kto będzie korzystał z rozwiązania i jaki problem biznesowy chcemy usunąć. Dopiero później można rozmawiać o technologii. Niekiedy okaże się zresztą, że AI wcale nie jest potrzebne. Wystarczy prostsza automatyzacja, poprawienie istniejącego procesu albo naprawienie błędów organizacyjnych.

Dobry ekspert potrafi odradzić wdrożenie AI. Szamanowi znacznie trudniej to zrobić, skoro przyszedł je właśnie sprzedać.

• Pytanie 3: Skąd system będzie brał dane i co zrobi, gdy będą błędne?

W prezentacjach dane są zwykle piękne, uporządkowane i posłuszne. W rzeczywistych przedsiębiorstwach potrafią przypominać szufladę, do której przez dwadzieścia lat wrzucano faktury, paragony, stare baterie i klucze do nieistniejących już zamków.

Zapytajmy więc, czy nasze dane są odpowiedniej jakości, kto będzie miał do nich dostęp, jak będą aktualizowane i jakie mechanizmy ograniczą ryzyko błędnych odpowiedzi. Jeśli wykonawca proponuje rozwiązanie wykorzystujące firmowe dokumenty, powinien umieć wyjaśnić, jak system będzie wyszukiwał informacje, respektował uprawnienia użytkowników i postępował w sytuacji, gdy nie znajdzie wiarygodnej odpowiedzi.

Bo model, który nie zna odpowiedzi, ale bardzo przekonująco ją wymyśla, może być zabawnym kompanem w prywatnej rozmowie. W firmie obsługującej klientów lub przetwarzającej dokumenty finansowe jest już nieco mniej sympatyczny.

• Pytanie 4: Po czym poznamy, że wdrożenie rzeczywiście się opłaciło?

Uważajmy na obietnice typu „zwiększymy produktywność o 80 proc.”. Względem czego? Jak to zmierzymy? Czy mówimy o czasie wykonania pojedynczego zadania, kosztach całego procesu, czy może o imponującej liczbie wygenerowanych tokenów?

Fachowiec powinien zaproponować mierniki sukcesu ustalone przed rozpoczęciem projektu. Mogą nimi być czas obsługi zgłoszenia, koszt przetworzenia dokumentu, liczba błędów, jakość odpowiedzi, oszczędność pracy lub dodatkowe przychody. Powinien też uwzględnić koszty wdrożenia i utrzymania oraz określić, jak zostanie zbadany efekt w porównaniu ze stanem wyjściowym.

Nie każdą korzyść da się przeliczyć na złotówki z dokładnością do grosza. Ale jeżeli nie potrafimy ustalić żadnego sensownego kryterium sukcesu, trudno później odróżnić rzeczywistą poprawę od dobrego samopoczucia zarządu (chwilowego, póki nie przyjdzie faktura).

• Pytanie 5: Co się stanie, kiedy AI popełni błąd?

Zwróćcie uwagę, że nie pytam „czy AI może się pomylić?”. Odpowiedź na to pytanie znamy. Interesuje mnie, jak system zostanie zaprojektowany na wypadek pomyłki. Kto wykryje nieprawidłowe działanie? Czy człowiek będzie zatwierdzał decyzje o poważnych konsekwencjach? Czy można zatrzymać działanie agenta, wycofać operację, przeanalizować logi i przywrócić poprzedni stan?

Wdrażając rozwiązanie, które jedynie podsumowuje wewnętrzne notatki, akceptujemy inny poziom ryzyka niż przy systemie mogącym samodzielnie modyfikować zamówienia czy uruchamiać płatności. Kompetentny wykonawca rozumie tę różnicę i potrafi zaproponować odpowiednie zabezpieczenia.

Jeżeli słyszymy, że najnowszy model jest tak zaawansowany, iż właściwie nie trzeba już kontrolować jego pracy, sugerowałabym zachowanie daleko posuniętej ostrożności. A najlepiej – wskazanie „ekspertowi”, gdzie są drzwi.

Pytanie 6: Ile to wszystko będzie kosztować za rok, dwa i trzy lata?

Tutaj dochodzimy do pytania, które może pozbawić magii nawet najbardziej efektowną prezentację. Poprośmy o oszacowanie TCO. Nie tylko opłaty za licencję czy wykonanie pilotażu, ale również koszty integracji, użytkowania modeli, infrastruktury, aktualizacji, monitoringu, bezpieczeństwa, szkoleń oraz utrzymania.

Co się stanie, jeśli liczba zapytań wzrośnie dziesięciokrotnie? Czy wymiana modelu będzie prosta? Czy jesteśmy uzależnieni od jednego dostawcy? Ile zapłacimy za dalszy rozwój systemu? Kto będzie go serwisował?

Nie oczekujmy oczywiście, że ktoś przewidzi przyszłe ceny usług AI z dokładnością do drugiego miejsca po przecinku. Ale powinien potrafić przedstawić założenia, scenariusze kosztowe i czynniki ryzyka. W przeciwnym razie może się okazać, że fantastyczny pilotaż za stosunkowo niewielkie pieniądze jest jedynie biletem wstępu do znacznie droższej przygody.

• Pytanie 7: Jak zamierza Pan zadbać o bezpieczeństwo i zgodność z przepisami?

Tu powinna zapalić nam się lampka, jeśli potencjalny wykonawca reaguje na pytanie o bezpieczeństwo tak, jakbyśmy właśnie zepsuli mu całą zabawę. W rzeczywistości nie ma poważnego wdrożenia bez rozmowy o ochronie danych, kontroli dostępu, ryzyku wycieku informacji i odpowiedzialności za przetwarzane treści.

W przypadku firm działających na rynku europejskim należy również sprawdzić, jakie obowiązki wynikają z RODO i AI Act, zależnie od konkretnego systemu, sposobu jego wykorzystania oraz harmonogramu stosowania poszczególnych przepisów. Nie każdy projekt podlega takim samym wymaganiom. Prawdziwy fachowiec powinien przynajmniej potrafić zidentyfikować ryzyka i wskazać, kiedy potrzebna jest analiza prawna lub udział specjalisty od compliance.

Nie musi być jednocześnie programistą, prawnikiem i inspektorem ochrony danych. Powinien natomiast wiedzieć, że podobne zawody istnieją i czasami warto skorzystać z ich pomocy.

• Pytanie 8: Proszę opowiedzieć o wdrożeniu, które się Panu nie udało.

To pytanie lubię szczególnie. Nie dlatego, że czerpię jakąś przewrotną przyjemność z cudzych porażek, ale dlatego, że właśnie z nich najwięcej można dowiedzieć się o doświadczeniu rozmówcy.

Jeśli ktoś realizuje projekty technologiczne, zapewne zetknął się z niedoskonałymi danymi, problemami integracyjnymi, zmianami wymagań albo błędnymi założeniami biznesowymi. Nie każde wdrożenie kończy się sukcesem, nawet jeśli prowadzą je wybitni specjaliści. Chodzi więc nie o liczbę porażek, lecz o umiejętność wyjaśnienia ich przyczyn i pokazania, jakie wnioski zostały wyciągnięte.

Oczywiście brak nieudanego projektu nie przekreśla kompetencji początkującego specjalisty. Ale doświadczony konsultant, który nie potrafi wskazać żadnej sytuacji wymagającej zmiany pierwotnego planu, powinien skłonić nas do dalszych pytań.

• Pytanie 9: Kto konkretnie będzie odpowiadał za to wdrożenie?

Warto przypomnieć rzecz oczywistą, choć w ferworze zakupowym łatwą do przeoczenia: osoba, która sprzedaje nam rozwiązanie, nie zawsze jest tą samą osobą, która będzie je budować. I nie ma w tym niczego podejrzanego. Tak funkcjonuje mnóstwo profesjonalnych firm doradczych, integratorów i dostawców technologii.

Ważne jednak, żeby wiedzieć, kto rzeczywiście odpowiada za architekturę, dane, integrację, testy, cyberbezpieczeństwo i późniejsze utrzymanie. Czy zespół posiada doświadczenie w podobnych projektach? Jak zostanie przeprowadzony odbiór? Czy istnieją warunki wsparcia i jasno określone odpowiedzialności? Co stanie się z projektem, jeśli odejdzie jego główny wykonawca?

Płacąc za wdrożenie AI, kupujemy pracę konkretnego zespołu, a nie nazwisko człowieka, który najładniej opowiadał o nim podczas konferencji.

• Pytanie 10: A gdybyśmy zrezygnowali z AI, co zaproponowałby Pan zamiast niej?

Na koniec pytanie nieco przewrotne. Zmusza bowiem rozmówcę do odejścia od własnego produktu i spojrzenia na problem oczami klienta.

Może wystarczy lepiej wykorzystać funkcje posiadanego systemu ERP? Może klasyczna automatyzacja będzie tańsza, łatwiejsza do kontrolowania i bardziej przewidywalna? Może zanim zaczniemy myśleć o inteligentnym analizowaniu dokumentów, warto zadbać o to, żeby wszystkie w ogóle trafiały do jednego repozytorium?

Fachowiec powinien umieć porównać dostępne rozwiązania i uzasadnić, dlaczego AI będzie w danym przypadku najlepszym wyborem. Szaman zwykle ma gotową odpowiedź, zanim jeszcze usłyszy pytanie.

I właśnie w tym tkwi podstawowa różnica.

Nie każdy ekspert musi być programistą. Nie każdy programista jest ekspertem

Pozostaje jeszcze jedna sprawa, którą uważam za niezwykle istotną. Nie chciałabym bowiem, żeby po lekturze tego felietonu ktoś doszedł do wniosku, że jedynym godnym zaufania specjalistą od sztucznej inteligencji jest człowiek, który samodzielnie wytrenował duży model językowy, najchętniej na własnoręcznie skonstruowanym GPU.

Rynek AI potrzebuje wielu różnych kompetencji. Innych od inżyniera modeli, innych od architekta systemów, innych od specjalisty zajmującego się cyberbezpieczeństwem, a jeszcze innych od konsultanta procesowego czy edukatora. Ktoś może mieć ogromne doświadczenie we wdrażaniu gotowych rozwiązań i nie zajmować się trenowaniem modeli. Może też znakomicie rozumieć technologię, ale zupełnie nie odnajdywać się w realiach przedsiębiorstwa produkcyjnego.

Kluczem nie jest więc znalezienie człowieka, który wie wszystko. Kluczem jest znalezienie właściwych kompetencji do właściwego zadania.

To szczególnie ważne w kontekście kanału partnerskiego IT, integratorów i resellerów. Dla przedsiębiorstw dostawca technologii coraz częściej staje się także przewodnikiem po możliwościach AI. I jest to ogromna szansa biznesowa, ale również odpowiedzialność. Partner, który zna infrastrukturę klienta, jego środowisko aplikacyjne i rzeczywiste potrzeby, może mieć zdecydowaną przewagę nad efektownym doradcą przychodzącym z gotową receptą na wszystko.

Pod warunkiem oczywiście, że sam nie ulegnie pokusie sprzedawania agenta AI każdemu, kto jeszcze wczoraj potrzebował po prostu lepiej skonfigurowanego systemu.

Szaman nie jest jedynym winowajcą, ale warto umieć go rozpoznać

Zostawmy jednak na chwilę naszych technologicznych uzdrowicieli i przyjrzyjmy się samym klientom. Bo choć bardzo wygodnie jest obarczyć konsultantów odpowiedzialnością za każde nieudane wdrożenie, nie byłoby to w pełni uczciwe.

Otóż szamani AI są nie tylko produktem technologicznego hype’u, lecz także – jak już wspomniałam – pewnej ludzkiej słabości. Pragniemy prostych odpowiedzi na skomplikowane pytania. Chcemy wierzyć, że wystarczy znaleźć odpowiednią osobę, zapłacić jej odpowiednią kwotę, a ona zdejmie nam z głowy problem, którego sami do końca nie rozumiemy.

To zresztą paradoks całej sytuacji. AI obiecuje ograniczyć wysiłek potrzebny do wykonywania rozmaitych zadań. Tymczasem przy jej wdrażaniu niejednokrotnie próbujemy ograniczyć również wysiłek potrzebny do oceny tego… czy wdrożenie w ogóle ma sens.

I może właśnie dlatego tak łatwo dajemy się uwieść ludziom, którzy zamiast celnych pytań oferują gotowe odpowiedzi. Szczególnie gdy potrafią je przedstawić z pewnością siebie godną człowieka, który osobiście widział przyszłość, wrócił z niej i przywiózł prezentację w formacie PPTX.

Nie zamierzam jednak nawoływać do nieufności wobec całej branży konsultingowej. Przeciwnie. Skoro technologia jest coraz bardziej złożona, rośnie wartość tych, którzy naprawdę rozumieją jej ograniczenia i potrafią przełożyć możliwości na konkretne rezultaty. Trzeba tylko nauczyć się ich rozpoznawać.

Bo czy naprawdę chcemy finansować kosztowne lekcje technologicznego amatorstwa z kieszeni własnych firm? Sztuczna inteligencja to jedno z najpotężniejszych narzędzi, jakimi dysponujemy, ale wymaga rzetelnej inżynierii, a nie mistycznych rytuałów i korporacyjnej nowomowy. Musimy nauczyć się bezwzględnie, wręcz bezwstydnie weryfikować tych, którzy podają się za ekspertów. Szaman może opowiadać o cudach, obiecywać złote góry i roztaczać wizje cyfrowej utopii. Prawdziwy fachowiec potrafi natomiast wyłożyć na stół architekturę, policzyć tokeny, zabezpieczyć dane i wiarygodnie uzasadnić sens inwestycji – i to jeszcze zanim wystawi pierwszą fakturę.

Więcej artykułów z serii: Etyka w AI – między kodem a sumieniem:

Etyka w AI – A komu to w ogóle potrzebne? Wszystkim, choć nie zdajemy sobie z tego sprawy

Jednym etyka umyka, drugi się o nią potyka… Dlaczego każdy region reguluje AI po swojemu i co chce na tym ugrać?

Magna Carta dla AI. Minimalny globalny pakiet zasad, bez którego nie powinniśmy ruszać dalej

Etyka czarnej skrzynki. Czy wolno nam decydować o ludziach, gdy nie umiemy wyjaśnić decyzji modelu?

Algorytmiczna eugenika, czyli w przededniu ery „bezemisyjnych mózgów”

Król jest nagi i zaczyna śmierdzieć. Dlaczego w połowie 2026 roku zaczynamy mieć dość AI?