Jeszcze kilkanaście lat temu największym wyzwaniem firm było gromadzenie danych. Dziś – paradoksalnie – problemem jest ich nadmiar, chaos informacyjny i brak ludzi, którzy potrafiliby te dane uporządkować oraz wykorzystać w procesie decyzyjnym. Rozwój sztucznej inteligencji tylko uwypuklił tę zmianę.
– Transformacja cyfrowa w firmach trwa właściwie od lat 80. i 90., ale jej charakter bardzo się zmienił. Na przełomie lat 90. i początku XXI w. głównym problemem był aspekt czysto techniczny – jak przechowywać ogromne ilości danych i jakimi bazami danych je obsługiwać, bo ówczesne narzędzia informatyczne były dużo słabsze niż dziś. Obecnie samo przechowywanie danych przestało być dużym wyzwaniem. Problem polega na czymś zupełnie innym: firmy mają gigantyczne morze danych, ale często nie wiedzą, co właściwie mogą z nich wyciągnąć i jak na ich podstawie podejmować sensowne decyzje – mówi mgr inż. Piotr Gago, prodziekan Wydziału Zarządzania Informacją w Polsko-Japońskiej Akademii Technik Komputerowych.
Najcenniejsze dane firmy często nie są w systemach
Przez lata przedsiębiorstwa inwestowały w bazy danych i hurtownie danych. Problem polega na tym, że duża część wiedzy organizacyjnej nigdy do tych systemów nie trafiała. Najcenniejsze informacje w wielu organizacjach znajdują się w tzw. danych nieustrukturyzowanych – w mailach, komunikatorach, dokumentach tekstowych czy nagraniach ze spotkań. To ogromny zbiór informacji, który przez długi czas był bardzo trudny do analizy.
– W praktyce oznacza to, że wiedza firmy często funkcjonuje w sposób rozproszony i nieformalny. Prawdziwe know-how organizacji bardzo często znajduje się w głowach pracowników i w nieformalnej komunikacji. Gdy ktoś odchodzi z firmy, ta wiedza często odchodzi razem z nim – podkreśla Piotr Gago.
Jeszcze do niedawna analiza takich zasobów była niezwykle czasochłonna. Aby przeanalizować nagranie spotkania czy materiał wideo, trzeba było obejrzeć je od początku do końca i ręcznie wyciągać wnioski. Skalowanie takiego procesu w dużej organizacji było praktycznie niemożliwe. Dopiero rozwój sztucznej inteligencji zmienił tę sytuację.
Nowoczesne modele AI są multimodalne – potrafią analizować tekst, obrazy, nagrania audio czy wideo. Dzięki temu materiały, które wcześniej były trudne do przeszukiwania i analizowania, mogą dziś stać się w pewnym sensie bazą danych, z której organizacja może korzystać.
AI potrzebuje dobrych danych
Pojawienie się sztucznej inteligencji nie rozwiązało jednak problemów związanych z zarządzaniem informacją. W wielu przypadkach wręcz je uwidoczniło. Bo AI nie jest magicznym rozwiązaniem. Może pomóc tylko wtedy, gdy ma dostęp do uporządkowanych i wiarygodnych danych. Jeśli na wejściu znajduje się chaos informacyjny, model będzie generował błędne lub mylące wnioski.
– Dlatego w firmach coraz częściej pojawia się pojęcie data governance, czyli zarządzania jakością danych. W praktyce oznacza to konieczność wyznaczenia osób odpowiedzialnych za jakość informacji w organizacji. W wielu firmach dane są dziś rozproszone między różnymi działami, a odpowiedzialność za ich poprawność jest niejasna. Gdy błędne dane trafiają do systemów analitycznych lub modeli AI, pojawia się pytanie: kto właściwie za to odpowiada? – wskazuje Piotr Gago.
Dodatkowym wyzwaniem jest fakt, że dziś dane muszą być przygotowywane nie tylko dla ludzi, ale również dla algorytmów. Przez lata dokumenty i raporty powstawały głównie z myślą o człowieku jako odbiorcy. W erze sztucznej inteligencji muszą być również zrozumiałe dla modeli AI – a to wymaga większej spójności, struktury i jakości informacji.
Pracownicy chcą korzystać z AI – firmy często nie mają zasad
Polskie przedsiębiorstwa znajdują się dziś na bardzo różnym poziomie przygotowania do pracy z danymi i sztuczną inteligencją. Firmy technologiczne są naturalnie bliżej tych zmian, ponieważ funkcjonują w samym centrum transformacji cyfrowej. W wielu innych organizacjach wciąż brakuje jednak jasnych zasad dotyczących korzystania z narzędzi AI.
Jednocześnie pracownicy coraz częściej chcą z nich korzystać. Wiele osób używa narzędzi generatywnej sztucznej inteligencji prywatnie i widzi, jak bardzo mogą przyspieszyć codzienną pracę. Z tego powodu frustrację budzą sytuacje, w których w organizacji całkowicie zakazuje się korzystania z takich rozwiązań.
– Problem polega na tym, że brak zasad często prowadzi do spontanicznych eksperymentów. W wielu firmach nie ma jasnych wytycznych dotyczących tego, jakie dane można wprowadzać do modeli AI ani z jakich narzędzi można korzystać. W efekcie pracownicy zaczynają testować rozwiązania na własną rękę – ostrzega ekspert.
Część organizacji decyduje się na budowę własnych modeli sztucznej inteligencji działających wyłącznie w ich infrastrukturze. Takie rozwiązania są bezpieczniejsze, ponieważ dane nie opuszczają firmy, ale na ich wdrożenie mogą sobie pozwolić głównie większe i bardziej zaawansowane technologicznie organizacje.
Programiści też musieli nauczyć się pracy z AI
Zmiana podejścia do sztucznej inteligencji była widoczna nawet wśród programistów – grupy zawodowej, która teoretycznie powinna być najbliżej nowych technologii. Jeszcze w 2025 r. w wielu zespołach programistycznych można było zauważyć sceptycyzm wobec narzędzi generatywnej AI. Wielu programistów uważało, że generowany przez nie kod jest słabej jakości i że sami są w stanie napisać go lepiej. Często wynikało to jednak nie z ograniczeń technologii, lecz z braku umiejętności pracy z tymi narzędziami. Kluczowe okazywały się kompetencje związane z precyzyjnym formułowaniem poleceń, definiowaniem wymagań czy komunikacją – czyli umiejętności, które jeszcze niedawno nie kojarzyły się bezpośrednio z programowaniem.
W pierwszych badaniach programiści mieli poczucie, że dzięki AI pracują szybciej – nawet o 20–30 proc. W rzeczywistości jednak wykonywali zadania wolniej. Powód był prosty: modele generowały duże ilości kodu, co dawało wrażenie ogromnej produktywności, ale nie przekładało się na szybsze kończenie realnych zadań.
W kolejnych badaniach sytuacja wyglądała już inaczej. Programiści, którzy nauczyli się świadomie korzystać z narzędzi AI, byli w stanie przyspieszyć pracę nawet o 30 – 40 proc.
Samorządy również zaczynają pracować z danymi
Transformacja związana z zarządzaniem informacją to proces, który nie dotyczy już wyłącznie biznesu – coraz większą rolę odgrywa także w administracji publicznej. Miasta i gminy każdego dnia zarządzają ogromnymi ilościami danych – w tym danymi wrażliwymi – które często są rozproszone, nieuporządkowane lub trudne do szybkiego wykorzystania w praktyce.
Badania (Center For Data Innovation) pokazują, jak szybko administracja publiczna zaczyna dostrzegać potencjał AI:
- Ponad 70% urzędników na świecie deklaruje, że korzysta z narzędzi AI w swojej pracy, choć tylko ok. 18% uważa, że rządy wykorzystują je efektywnie.
- Adopcja AI w sektorze publicznym rośnie – prawie połowa instytucji wykorzystuje te narzędzia do analiz i automatyzacji procesów, a wiele planuje dalsze wdrożenia.
- Globalny rynek AI w administracji publicznej jest szacowany na dziesiątki miliardów dolarów, a ponad 67% agencji już wdrożyło lub planuje wdrożyć technologie oparte na AI.
Dlatego pierwszym krokiem w wielu projektach wdrażania AI w administracji jest uporządkowanie informacji – bez solidnej bazy danych nie sposób myśleć o automatyzacji procesów czy zaawansowanej analizie z wykorzystaniem sztucznej inteligencji.
Dopiero uporządkowane dane pozwalają wykorzystać AI w takich obszarach jak automatyczne obsługiwanie zapytań obywateli przez chatboty, predykcyjne modele planowania usług publicznych, ocena ryzyka i wykrywanie nadużyć, czy usprawnianie procesów decyzyjnych poprzez analizę dużych zbiorów informacji.
Co ciekawe, pracownicy administracji często wykazują duży entuzjazm wobec nowych technologii. W wielu krajach średnio ponad 80% urzędników uważa, że AI może ich wspierać i uwalniać od monotonnych, powtarzalnych zadań, a ponad połowa widzi w niej szansę na bardziej efektywną realizację obowiązków.
Jednak warto pamiętać, że same technologie to nie wszystko – sukces wdrożeń zależy od jakości danych, kompetencji zespołów oraz etycznych i transparentnych zasad korzystania z AI. Odpowiednie przygotowanie informacji to fundament, na którym można budować kolejne etapy inteligentnej transformacji administracji.
Edukacja musi nadążyć za zmianami
– Dla uczelni technologicznych tempo zmian stanowi ogromne wyzwanie. Technologie informatyczne zawsze rozwijały się szybko, ale dziś dynamika zmian jest jeszcze większa. W niektórych obszarach istotne zmiany pojawiają się już nie w skali roku akademickiego, lecz jednego semestru. Jednocześnie rośnie znaczenie kompetencji miękkich – takich jak rozumienie potrzeb użytkownika, umiejętność komunikacji czy precyzyjne definiowanie problemów. Pojawia się też nowe wyzwanie w procesie nauczania. Narzędzia AI potrafią dziś wygenerować praktycznie każde zadanie programistyczne dla studenta. W efekcie pojawia się pytanie, czy student rzeczywiście rozumie kod, który przedstawia jako swoją pracę. W praktyce często okazuje się, że dopiero próba samodzielnego napisania rozwiązania ujawnia realny poziom zrozumienia problemu – podkreśla Piotr Gago.
W świecie, w którym organizacje produkują ogromne ilości danych, kluczową kompetencją staje się umiejętność ich świadomego zarządzania. Łączenie wiedzy technologicznej z rozumieniem procesów biznesowych i pracy z informacją będzie coraz bardziej pożądane na rynku pracy. Bo w erze sztucznej inteligencji sama technologia nie daje jeszcze przewagi. Prawdziwą przewagę daje dopiero umiejętność zarządzania informacją.
