AI w pracy IT Managera nie zaczyna się od narzędzia

Najpierw proces, kryteria i format wyniku. ChatGPT, Copilot albo Claude są dopiero później.

Krzysiek Jankowski, IT Manager · artykuł dla IT Managerów, Head of IT i Team Leadów

Przy AI nie zaczynałbym od wyboru narzędzia.

Zacząłbym od prostszego pytania.

Który fragment pracy regularnie spowalnia zespół albo managera?

To może być status tygodniowy. Przygotowanie rozmowy 1:1. Analiza zgłoszeń. Lista ryzyk. Porządkowanie notatek po spotkaniach. Szybkie przygotowanie argumentacji dla Dyrektora.

Dopiero wtedy ma sens rozmowa o ChatGPT, Copilocie, Claude albo innym narzędziu.

Nie odwrotnie.

Ładne demo to jeszcze nie wdrożenie

AI bardzo łatwo pokazać na slajdzie.

Wpisujesz prompt. Dostajesz odpowiedź. Wygląda dobrze.

Problem zaczyna się później.

Kto ma tego używać? Na jakich danych? W którym procesie? Jak sprawdzić, czy wynik jest dobry? Kto bierze odpowiedzialność, jeśli wynik jest zły? Co wolno wkleić do narzędzia, a czego nie wolno?

To są mniej efektowne pytania.

Ale w realnej pracy IT Managera właśnie one decydują, czy AI stanie się pomocą, czy kolejną rzeczą do ogarnięcia.

Ten sam wzorzec wraca w różnych projektach

Po godzinach budowałem kilka małych aplikacji AI.

Nie jako demo do pokazania na slajdzie. Bardziej jako sprawdzenie, gdzie AI realnie pomaga, a gdzie tylko dobrze wygląda.

W tych projektach domeny były różne.

• JobMatcher zbierał oferty pracy, porównywał je z profilem, robił scoring i wysyłał podsumowania.
• EnergyLeadFinder monitorował sygnały zakupowe i przetargowe, klasyfikował je i robił raport.
• zadania-edu generowały zadania edukacyjne na podstawie parametrów wybranych przez użytkownika.
• AI Manager był budowany w realiach dużej firmy telekomunikacyjnej jako system pomagający managerowi uporządkować pracę z AI.

Na pierwszy rzut oka to są różne światy.

Praca. Sprzedaż. Edukacja. Zarządzanie IT.

Pod spodem wraca jednak ten sam wzorzec: kontekst, dane wejściowe, reguły, kryteria dobrego wyniku i człowiek, który na końcu ocenia rezultat.

AI jako filtr, nie chatbot

W JobMatcherze najciekawsze nie było to, że AI może napisać ładne podsumowanie oferty.

To był najmniej ważny fragment.

Prawdziwy problem był gdzie indziej.

Trzeba było zebrać informacje z rynku, porównać je z profilem, odsiać oczywiste nietrafione wyniki, policzyć dopasowanie, rozpoznać ryzyka i pokazać wynik w formie, którą da się szybko przejrzeć.

To jest praktyczny wzorzec dla IT Managera.

W firmie jest dużo miejsc, gdzie ludzie codziennie przeglądają za dużo informacji i próbują wybrać kilka rzeczy wartych uwagi.

• zgłoszenia
• alerty
• raporty
• statusy
• dokumenty od dostawców
• zmiany w projektach
• ryzyka
• notatki po spotkaniach

Jeśli AI ma szybko dać wartość, nie musi od razu pisać strategii.

Może najpierw filtrować.

Od skryptu do narzędzia

Projekt AI nie staje się narzędziem wtedy, gdy model raz dobrze odpowie.

Staje się narzędziem wtedy, gdy da się go używać bez autora.

Skrypt może działać. Ale nadal wymaga, żeby ktoś wiedział, gdzie go uruchomić, jakie parametry zmienić, gdzie sprawdzić wynik i co oznaczają błędy.

To jeszcze nie jest system.

W JobMatcherze przełom nastąpił dopiero wtedy, gdy doszły mniej efektowne rzeczy: panel konfiguracji, profile, progi powiadomień, uruchomienie na serwerze, mailowe podsumowanie i podstawowa autoryzacja.

To nie brzmi tak atrakcyjnie jak "agent AI".

Ale bez tego AI zostaje ciekawostką.

Z tym zaczyna być narzędziem.

Puste okno czatu to słaby początek

Kolejna rzecz potwierdziła mi się przy aplikacji zadania-edu.

Puste okno czatu często jest za trudne.

Nie dlatego, że ludzie nie umieją pisać. Tylko dlatego, że muszą sami pamiętać, jaki kontekst podać.

W zadania-edu użytkownik nie zaczynał od promptu. Wybierał parametry: przedmiot, kategorię, klasę, semestr, poziom trudności i liczbę zadań.

Dopiero potem klikał generowanie.

System nie dostawał więc luźnej prośby typu "wygeneruj jakieś zadania". Dostawał uporządkowany kontekst.

Ten sam mechanizm można przenieść do pracy managera.

• notatka po spotkaniu
• plan 1:1
• lista ryzyk
• status dla Dyrektora
• szkic feedbacku
• porównanie vendorów

AI w czacie jest elastyczne.

Ale AI w dobrze zaprojektowanym workflow jest łatwiejsze do użycia kolejny raz.

Najpierw kryteria, potem model

Najtrudniejsze w praktycznych projektach AI nie jest podłączenie modelu.

Najtrudniejsze jest ustalenie, co znaczy "dobrze".

"Znajdź dobre oferty" nic jeszcze nie znaczy. "Znajdź dobry lead" też wymaga doprecyzowania. "Przygotuj dobry status" bez kontekstu jest zgadywaniem.

Trzeba ustalić, co jest obowiązkowe, co od razu wyklucza wynik, kiedy system ma wysłać powiadomienie i gdzie kończy się rola AI, a zaczyna decyzja człowieka.

Model może dobrze pisać, klasyfikować i porównywać.

Jeśli nie zna kryteriów, będzie zgadywał.

A zgadywanie w procesie biznesowym szybko robi bałagan.

Co to oznacza dla IT Managera

Jeśli chcesz sensownie zacząć z AI, nie zaczynaj od listy narzędzi.

Zacznij od mapy pracy.

Wypisz miejsca, w których regularnie pojawia się tarcie:

• za dużo informacji do przejrzenia
• zbyt dużo kontekstu trzymanego w głowie
• powtarzalne statusy
• notatki, do których nikt nie wraca
• follow-upy, które giną między spotkaniami
• decyzje, które wymagają zebrania argumentów
• ocena narzędzi i dostawców
• ryzyka projektowe, które wychodzą za późno

Potem wybierz jeden proces.

Nie pięć. Nie dziesięć. Jeden.

Dla tego procesu odpowiedz na kilka pytań.

1. Jaki materiał wejściowy dostaje AI?
2. Jaki wynik ma powstać?
3. Jakie dane są zakazane?
4. Kto ocenia wynik?
5. Kiedy wynik jest dobry?
6. Co człowiek robi po otrzymaniu wyniku?

Dopiero wtedy wybieraj narzędzie.

Gdzie AI Audit ma sens

Właśnie dlatego AI Audit nie powinien być rozmową pod tytułem "jakie narzędzie kupić?".

To powinien być audyt pracy.

Najpierw diagnoza. Gdzie masz chaos informacyjny? Gdzie zespół ręcznie filtruje dane? Gdzie powtarzają się decyzje? Gdzie brakuje follow-upu? Gdzie manager trzyma za dużo w głowie?

Potem dopiero wybór narzędzi.

W AI Audicie dla IT Managera przechodzimy przez taki proces na konkretnym przykładzie. Bez wielotygodniowego kursu. Bez listy modnych aplikacji. Bez udawania, że AI samo rozwiąże problem.

W trakcie rozmowy porządkujemy Twoją sytuację, 2-3 sensowne zastosowania AI, ograniczenia firmowe, ryzyka, plan wdrożenia na 30 dni i argumentację dla Dyrektora.

W wariancie AI Audit + Dedykowany AI Manager dostajesz też dostosowanego do Ciebie asystenta z menu pracy, kontekstem, zasadami i pierwszą rundą poprawki.