Butelkomat, AI i wielki pęd do automatyzacji

Było dobrze. Czyli było ręcznie.

Wyobraźmy sobie zwykły, osiedlowy sklep.

Przez lata działał tam całkiem prosty proces odbioru opakowań zwrotnych.

Klient przychodził z torbą butelek.

Podchodził do kasy.

Pracownik odbierał opakowania, liczył je, przyjmował do sklepu, a następnie klient robił zakupy.

Proste?

Wręcz podejrzanie proste.

Co więcej, ludzie nauczyli się tego procesu.

Klient wiedział, co zrobić.

Kasjer wiedział, co zrobić.

Butelki trafiały tam, gdzie powinny.

Sklep funkcjonował.

Może nie było w tym ani grama AI.

Nie było dashboardu.

Nie było Power BI.

Nie było integracji API.

Nie było nawet procesu opisanego na 17 stronach w Confluence.

A jednak działało.

I wtedy pojawił się butelkomat

Ktoś wpadł na bardzo rozsądny pomysł:

„Po co pracownik ma odbierać butelki, skoro może to zrobić maszyna?”

I sam pomysł oczywiście jest świetny.

Kupujemy butelkomat.

Klient sam wrzuca opakowania.

Maszyna je rozpoznaje, liczy i przyjmuje.

Pracownik nie musi zajmować się każdą butelką.

W teorii mamy więc klasyczny sukces automatyzacji:

mniej pracy manualnej + większa efektywność + lepsze doświadczenie klienta.

Tylko że pojawia się pewien drobny szczegół.

Butelkomat się zapełnia.

I tutaj zaczyna się prawdziwa transformacja cyfrowa.

Automatyzacja procesu, którego nikt nie zdefiniował

Przed wdrożeniem maszyny pracownik miał prostą informację:

Klient przyniósł butelki → pracownik je odbiera.

Po wdrożeniu sytuacja wygląda trochę inaczej:

Klient wrzuca butelki → butelkomat się zapełnia → butelkomat przestaje działać → klient próbuje wrzucić kolejną butelkę → nie może → szuka pracownika → pracownik nie wie, co zrobić → ktoś dzwoni do kierownika → kierownik szuka osoby odpowiedzialnej za opróżnienie maszyny.

I nagle urządzenie, które miało uprościć proces, stało się jego nowym wąskim gardłem.

Bo okazało się, że nikt nie odpowiedział na kilka niezwykle zaawansowanych pytań:

Kto opróżnia butelkomat?

Jak często?

Skąd pracownik wie, że trzeba go opróżnić?

Co zrobić, kiedy się zapełni w sobotę o 17:43?

Kto odpowiada za obsługę sytuacji wyjątkowych?

Co powiedzieć klientowi, kiedy maszyna nie działa?

I najważniejsze:

czy system kasowy w ogóle wie, że butelkomat jest pełny?

Nie wie.

Bo przecież wdrożyliśmy butelkomat, a nie „kompleksowy ekosystem zarządzania procesem obsługi opakowań zwrotnych”.

To nie jest problem technologiczny

I właśnie tutaj znajduje się sedno całego problemu.

Bardzo często patrzymy na automatyzację jak na zakup technologii.

„Kupmy system.”

„Wdróżmy AI.”

„Zautomatyzujmy proces.”

„Podepnijmy API.”

„Zróbmy agenta AI, który będzie pilnował procesu.”

Tylko że technologia nie naprawia chaosu.

Technologia potrafi go co najwyżej przetwarzać szybciej.

Jeżeli mamy źle zdefiniowany proces, to po automatyzacji otrzymamy niekoniecznie lepszy proces.

Otrzymamy zautomatyzowany źle zdefiniowany proces.

A to różnica zasadnicza.

Najpierw proces, potem automatyzacja

Przed wdrożeniem jakiejkolwiek technologii warto zadać kilka bardzo niecyfrowych pytań:

• Jak dokładnie wygląda proces?
• Kto jest za niego odpowiedzialny?
• Co rozpoczyna proces?
• Co oznacza jego zakończenie?
• Jakie są wyjątki?
• Co dzieje się, kiedy coś pójdzie niezgodnie z planem?
• Jak pracownik dowiaduje się, że powinien coś zrobić?
• Jak przekazywana jest informacja?
• Jak mierzymy, czy proces działa?

Dopiero później warto zastanawiać się, który fragment tego procesu rzeczywiście warto automatyzować.

Bo być może nie potrzebujemy jeszcze AI.

Być może potrzebujemy procedury.

Albo prostego powiadomienia.

Albo odpowiedzialności przypisanej konkretnej osobie.

Albo jednego checkboxa.

AI nie uratuje organizacyjnego chaosu

To jest szczególnie istotne dzisiaj.

AI stało się niezwykle modne i daje firmom ogromne możliwości.

Ale istnieje pewna niewygodna prawda:

Jeżeli nie wiemy, jak działa nasza firma, AI również nie będzie tego wiedziało.

Możemy podłączyć model językowy do CRM.

Możemy zbudować agenta.

Możemy zintegrować piętnaście systemów.

Możemy wygenerować automatyczne raporty.

Możemy stworzyć dashboard pokazujący wszystko w czasie rzeczywistym.

Tylko że jeśli podstawowy proces nadal wygląda:

„Zadzwoń do Kasi, bo ona chyba wie, kto się tym zajmuje”

to mamy problem organizacyjny, a nie technologiczny.

I żaden model AI tego nie zmieni.

Zanim zbudujesz agenta AI, znajdź człowieka od butelkomatu

To może być całkiem niezły test dojrzałości organizacji.

Zanim firma rozpocznie kolejny projekt pod hasłem:

„AI Transformation 2026 / 27”

warto przejść się po organizacji i zadać kilka prostych pytań.

Kto odpowiada za ten proces?

Co dzieje się, kiedy coś pójdzie nie tak?

Skąd pracownik wie, co ma zrobić?

Czy dane są kompletne?

Czy systemy ze sobą rozmawiają?

Czy proces wygląda tak samo w każdym oddziale?

Czy istnieje jakakolwiek procedura?

I wreszcie:

Czy ktoś wie, kto ma opróżnić butelkomat?

Jeżeli odpowiedź na ostatnie pytanie brzmi „yyy… chyba kierownik”, być może na kolejny projekt AI jest jeszcze trochę za wcześnie.

Nie dlatego, że AI jest niepotrzebne.

Wręcz przeciwnie.

AI i automatyzacja mają największą wartość wtedy, gdy trafiają na uporządkowany, świadomie zaprojektowany proces.

Bo najlepsza technologia nie zastąpi podstawowego porządku organizacyjnego.

Może za to sprawić, że chaos będzie działał szybciej, taniej i całkowicie automatycznie.

A tego chyba nie chcemy.

Cloudence Consulting pomaga firmom nie tylko wdrażać technologie, ale przede wszystkim uporządkować procesy, znaleźć miejsca, w których automatyzacja faktycznie ma sens, oraz połączyć ludzi, procesy i systemy w działającą całość.

Bo czasami najlepszą automatyzacją nie jest AI.

Czasami jest nią po prostu dobrze zaprojektowany proces.