PROD Trends

Szefowa digitalizacji w dużej grupie przemysłowej opisała program, który objął tysiące asystentów AI i kilkanaście tysięcy przeszkolonych pracowników. Jej zespół zaczynał od pytań, kto ma dane, kto odpowiada za proces i kto będzie mierzył zmianę. Narzędzia wybierano później. Postęp liczono zmianą sposobu pracy, nie liczbą licencji.

Anna Potocka, Head of AI w LUX MED, przypomniała o wyjątkach: w procesach, które miały zostać zautomatyzowane, było ich tyle, że automatyzacja przestawała mieć sens. Zanim agent dostał dostęp do źródeł wiedzy, część z nich trzeba było przebudować tak, żeby w ogóle dało się je zrozumieć.

Karol Tajduś z Banku Pekao dołożył warunek, o którym rzadko mówi się w czasie boomu: decyzje architektoniczne trzeba podejmować tak, żeby dało się wymienić dostawcę, i nie przebudowywać wszystkiego dlatego, że pojawił się nowy model. Michał Partyka z Zowie pokazał, że w świecie agentów fundamentem jest API, a opis narzędzia i komunikat błędu stają się interfejsem, który trzeba projektować jak ekran dla człowieka.

Mapa niżej pokazuje, które tezy wracały w kolejnych wystąpieniach niezależnie od branży. Fundamenty i pomiar efektu łączą najwięcej wystąpień. To nie był plan organizatorów. Prelegenci nie znali nawzajem swoich slajdów.

Dawid Telepski z LPP opisał to jako wczoraj i dziś. Wczoraj konsultant sam wyszukiwał dane klienta i zamówienia, sprawdzał salon i status przesyłki, pisał maila i czekał na odpowiedź. Dziś agent ma pełny kontekst sprawy od pierwszej sekundy kontaktu, sprawdza przesyłkę, kontaktuje się z salonem i pilnuje terminów, a konsultant rozmawia z człowiekiem, który ma problem.

W ochronie zdrowia wygląda to inaczej. Lekarz mógłby zobaczyć kontekst pacjenta w panelu przed wizytą, dzięki czemu pacjent nie musiałby po raz kolejny opowiadać tej samej historii. W banku, który zautomatyzował aktualizacje setek mikroserwisów, deweloperzy odzyskali czas, choć część z niego zjadają kolejne poprawki bezpieczeństwa.

To są zmiany u ludzi, którzy nie byli na scenie: konsultantów, lekarzy, programistów. Sala składała się głównie z ich przełożonych. Prawie siedemdziesiąt procent osób na widowni to menedżerowie, dyrektorzy i członkowie zarządów, czyli ci, którzy decydują, jak będzie wyglądał czyjś dzień pracy.

Jedna z firm doradczych dała temu liczby: zespoły pracujące z agentami są o połowę mniejsze, role konsolidują się wokół pisania specyfikacji i odbioru wyniku, a struktura organizacji się spłaszcza. Integrator odpowiedział na pytanie o juniorów: są dalej potrzebni, bo błędy z AI są większe, szybsze i pewne siebie, i ktoś musi się nauczyć je oceniać.

Piotr Jósiak z Zowie pokazał, gdzie w takim zespole idzie czas człowieka. Najwięcej zabiera pisanie specyfikacji, bo zanim agent zacznie budować, musi ona być zrozumiała, kompletna i spójna. Resztę zajmuje przegląd dowodów i odbiór wyniku. Integrator dopowiedział, kto pisze zasady, według których pracują agenci: seniorzy, ci sami, którzy na początku byli najbardziej sceptyczni i przekonali się dopiero po pierwszej własnej wygranej.

W LPP konsultanci nie czekali na gotowy system. Dziesięciu z nich zostało testerami: sprawdzali platformę w prawdziwej obsłudze klientów, a uwagi omawiali z zespołem codziennie. Dawid Telepski budował narzędzie razem z ludźmi, którzy mieli w nim pracować, bo od początku chodziło o jedno miejsce dla człowieka i agenta.

Marcin Bednarski rozprawił się na scenie z legendą, że zespół pokocha zmianę, bo oszczędza ona czas. Zespół słyszy „AI pomoże”, a myśli „co będzie ze mną?”. Dopóki nikt nie pokaże, jak będzie wyglądał dzień pracy po zmianie, każdy dopisuje sobie odpowiedź sam.

Ta zmiana nie kończy się na contact center i zespołach IT. Integrator pokazał, że z tych samych mechanizmów co deweloperzy korzystają już analitycy, testerzy i liderzy: przy przypadkach testowych, statusach odbioru i notatkach z warsztatów. W jednej z firm wdrażających asystenta AI pracownicy opisywali swój dzień podobnie: asystent proponuje pierwszą wersję, a oni ją dopracowują i dalej sprawdzają źródła. Karol Tajduś z Banku Pekao ujął to najszerzej.

Firma doradcza otworzyła ten wątek chłodno: adopcja AI w zespołach deweloperskich jest niemal powszechna, a wpływ na wynik skromny, bo wydatki rosną szybciej niż ktokolwiek potrafi zmierzyć efekt. Integrator nazwał metrykę, która kłamie najbardziej: liczbę wygenerowanych linii kodu. Operator logistyczny zadał sali pytanie, na które mało kto umiał odpowiedzieć: kto u was wie, ile AI kosztuje w miesiącu? Nazwał też koszt, którego nie widać w żadnej licencji: AI przenoszące dane między systemami, które ze sobą nie rozmawiają, to bardzo drogi plaster, płatny co miesiąc.

Marcin Bednarski zaproponował na to test na trzeźwość. Każdy projekt sprawdzamy w trzech miejscach: czy wiemy, jaki problem i jaką miarę poprawiamy, czy mamy dane, proces i drogę do systemów, i czy wiadomo, kto odpowiada za błąd i kiedy wchodzi człowiek. Brak odpowiedzi to powód, żeby nazwać brakujący warunek i go sfinansować, a nie żeby odrzucić projekt.

Mity, które prelegenci sami obalali na scenie, zebraliśmy obok parami: co firma myślała na początku i co powiedziała po dwóch latach.

Skoro linie kodu kłamią, a punkt odniesienia trzeba mieć przed startem, zostaje pytanie, co mierzyć. Publiczne badania pokazują, jak daleko odczucie odbiega od pomiaru. W badaniu DORA z 2025 roku z AI korzysta 90% osób tworzących oprogramowanie, ponad 80% uważa, że pracuje dzięki temu wydajniej, a 30% ufa kodowi z AI w niewielkim stopniu albo wcale. Rok wcześniej ten sam zespół badawczy oszacował, że wraz z adopcją AI spada stabilność wdrożeń. Według badania Workday z 2026 roku blisko 40% czasu zaoszczędzonego dzięki AI pracownicy tracą na poprawianie wyników, a wyraźny zysk netto regularnie widzi tylko 14% z nich.

Prelegenci z Zowie pokazali dwa sposoby, żeby nie oszukiwać samego siebie. Agent budujący oprogramowanie przechodził 100% testów, które widział, i 93% testów ukrytych, więc liczy się wynik na testach, których budujący nie zna. W testach agenta głosowego pokrycie liczy się wolumenem prawdziwych rozmów, które obejmują testy. Zebraliśmy to w jedną ściągę.