Wprowadzenie: Przecinając szum niczym Hattori Hanzo
Witamy wszystkich w Office Samurai podcast, gdzie przebijamy się przez cały szum niczym Hattori Hanzo przez swoich wrogów. Będziemy rozmawiać o wszystkich tematach, które Was interesują: technologiach automatyzacji, takich jak RPA, IDP, API, LLM i wszystkich innych trzyliterowych skrótach, jakie tylko przyjdą Wam do głowy, o analizie komunikacji, inteligencji procesowej i sztucznej inteligencji. Sztuczna inteligencja po prostu musi być w to zaangażowana.
Jestem Waszym gospodarzem – Andrzej Kinastowski, jeden z założycieli Office Samurai, firmy, która odważyła się zadać pytanie: „A co, gdyby robić consulting biznesowy bez całego tego bullshit’u?”. Więc niezależnie od tego, czy jesteś liderem biznesu, geekiem technologicznym, czy po prostu kimś, kto chce zautomatyzować swoje odpowiedzi mailowe, by brzmiały „Jasne, wróćmy do tego później” – jesteś we właściwym miejscu. Teraz chwyć swoją ulubioną katanę albo po prostu naprawdę ostry ołówek i zaczynajmy. Ja i Dominik, drugi założyciel Office Samurai, bardzo dużo rozmawiamy o technologii, ponieważ jesteśmy firmą doradczą w obszarze technologii, a nasi klienci oczekują od nas, że będziemy w stanie powiedzieć im, które technologie faktycznie będą dla nich działać.
Problem: dlaczego wybór technologii jest tak trudny?
Nasi klienci oczekują od nas, że wskażemy technologie, które nie tylko rozwiążą ich problemy dzisiaj, ale będą je rozwiązywać także w przyszłości. Okazuje się jednak, że to wcale nie jest takie proste. Mieliśmy wiele trafnych wyborów – technologii, które miały pełny sens i działają naprawdę, naprawdę dobrze. Ale zdarzały się też pudła – technologie, które z jakiegoś powodu się nie sprawdziły. Nie zawsze chodziło o to, że sama technologia była zła; czasami była świetna, ale po prostu nie działała, nie była wystarczająco wdrażana i ostatecznie musieliśmy ją porzucić. Zaczęliśmy się zastanawiać, jak ocenić, które technologie będą działać w przyszłości, a które nie? Zacząłem szukać jakiejś teorii, która może powiedziałaby nam, jak odróżnić świetne technologie z przyszłością od tych, które ostatecznie się nie sprawdzą. Niestety, żadnej nie znalazłem. Pomyślałem więc: będę musiał zrobić to sam; będę musiał opracować zunifikowaną teorię technologii w procesach biznesowych.
Zunifikowana teoria technologii: Zasada Kinastowskiego
Opracowałem tę zunifikowaną teorię technologii. Pomyślałem, że nazwę ją Zasadą Kinastowskiego. A potem napiszę o tym książkę i spędzę następne lata, jeżdżąc od konferencji do konferencji i opowiadając o niej. Teoria ta ma na celu pomóc nam i naszym klientom decydować, które technologie warto stosować, a które należy porzucić.
Kiedy myślimy o technologiach, zazwyczaj oceniamy je pod kątem tego, jak bardzo są użyteczne. To ma sens, ponieważ użyteczność technologii daje nam wyobrażenie o tym, jak bardzo nam pomoże – innymi słowy, jaki będzie zwrot z inwestycji (ROI). Ale to tylko jedna oś, według której chciałbym oceniać technologie, ponieważ druga oś to: jak bardzo ta technologia jest „fajna”. Dzięki temu możemy oceniać zarówno użyteczność, jak i atrakcyjność danej technologii.
„Fajność” technologii ma dwie strony. Jeśli technologia jest naprawdę atrakcyjna, pojawia się wokół niej dużo szumu i czasami podejmujemy decyzje w oparciu o ten szum, co nie zawsze prowadzi do najlepszych wyborów. Z drugiej strony, jeśli technologia jest naprawdę fajna, znacznie łatwiej jest przekonać organizację, sponsorów i doprowadzić do jej wdrożenia. Dlatego atrakcyjność technologii może być również ogromną korzyścią dla Twoich projektów.
Kwadrant I: Dust collectors (niska użyteczność, niska „fajność”)
Tę grupę technologii, charakteryzującą się niską użytecznością i niską „fajnością”, będziemy nazywać zbieraczami kurzu. To są technologie, które być może kiedyś – jak np. faks – były modne i bardzo użyteczne, ale z czasem okazały się przestarzałe lub całkowicie nieprzydatne.
Blockchain i kryptowaluty: Przypadek SAP i los znudzonych małp
Zacznijmy od blockchaina. Około 10 lat temu bywałem na konferencjach, gdzie ludzie mówili mi, że za 10 lat cała księgowość będzie prowadzona na blockchainie. Minęło dziesięć lat i jakoś nie widzę, żeby SAP zamykał swój biznes – po prostu tak się nie stało.
Bardziej znamy inne sposoby wykorzystania blockchaina, takie jak Bitcoin. Jest początek 2025 roku i Bitcoin znowu rośnie, ale jego kurs jest w zasadzie losowy. Dlatego w procesach biznesowych nie ma zbyt wielu praktycznych zastosowań tej implementacji blockchaina w naszych firmach. Innym przykładem są NFT. Przez pewien czas były absolutnym hitem. Ale jeśli podążyłeś za tym hype’em, zostałeś z kilkoma „znudzonymi małpami”, których nikt nie chce od ciebie odkupić.
Owszem, istnieją pewne niszowe sposoby wykorzystania blockchaina w procesach biznesowych, takie jak smart kontrakty, ale można powiedzieć, że dla większości firm blockchain nie jest szczególnie użyteczny. Dlatego plasuje się nisko pod względem użyteczności i nisko pod względem „fajności”. Blockchain w 2025 roku w procesach biznesowych jest trochę mniej użyteczny, ale odrobinę bardziej „cool” niż faks.
Kwadrant II: Showoffs (niska użyteczność, wysoka „fajność”)
To są technologie, które mają niską użyteczność, ale są naprawdę „fajne”. Ten kwadrant nazwałbym popisówkami. To technologie, które każdy chce wypróbować, ale ich zastosowanie w biznesie nie ma większego sensu – przynajmniej na ten moment.
VR i druk 3D: Fajne technologie, które nie sprawdzają się w biurze
Kolejną technologią jest VR. Mark Zuckerberg mówił nam, że wszyscy będziemy spędzać dni w pracy z goglami VR na głowie podczas pracy zdalnej, co wyraźnie nie jest tym, czego chcemy. Technologia okazała się bardzo droga i na dłuższą metę dość uciążliwa dla ludzi.
Wygląda na to, że w procesach biznesowych VR po prostu się nie sprawdza. Istnieją pewne obszary, w których VR ma duży sens – na przykład w produkcji, szczególnie w szkoleniach. Rozmawiałem z firmą, która używa gogli VR do szkolenia pracowników w obsłudze maszyn i to ma jak najbardziej sens. Ale zakładanie gogli VR podczas codziennej pracy biurowej po prostu się nie sprawdza. VR to naprawdę fajna technologia, więc umieszczamy ją wysoko na osi „fajności”. Natomiast pod względem użyteczności w procesach biznesowych plasuje się bardzo, bardzo nisko.
To jest trochę podobna sytuacja jak z drukiem 3D. Druk 3D w produkcji może sprawdzać się w wielu rzeczach i jest naprawdę, naprawdę świetną technologią. Ale jeśli chodzi o pracę biurową – dopóki nie dostaniemy drukarki 3D, która wydrukuje mi hamburgera na lunch – to po prostu się nie sprawdza i nie ma biznesowego sensu.
Kwadrant III: Beige workhorses (wysoka użyteczność, niska „fajność”)
To jest kwadrant – niska „fajność”, ale wysoka użyteczność – który nazwałbym beżowymi końmi roboczymi. „Beżowe”, ponieważ te technologie nie są już ekscytujące ani nowe. Ale „konie robocze”, ponieważ to one utrzymują przedsiębiorstwo w działaniu. Bez ERP-ów czy RPA wiele firm po prostu by stanęło.
Robotic Process Automation (RPA): Standard w biznesie
Kolejną technologią jest Robotic Process Automation (RPA). RPA to technologia, którą obecnie w zasadzie wszyscy wykorzystują; kiedyś była przeznaczona tylko dla dużych przedsiębiorstw, ale teraz nawet średnie i małe firmy korzystają z RPA do automatyzacji swoich procesów.
Powinniśmy myśleć o RPA jako o czymś bardzo użytecznym, ponieważ w wielu firmach duża część procesów już działa z jego wykorzystaniem. Użyteczność jest więc naprawdę, naprawdę duża. Natomiast „fajność” tej technologii już dawno się skończyła. Stała się mniej atrakcyjna, bo roboty to dziś po prostu codzienność biznesowa. Podobnie jak
Kwadrant IV: Lifesavers (wysoka użyteczność, wysoka „fajność”)
Ten kwadrant technologii o wysokiej użyteczności i wysokiej „fajności” nazwałbym wybawcami. Są nimi, ponieważ rozwiązują problemy, których wcześniej nie dało się rozwiązać innymi technologiami. A ponieważ są „cool”, łatwiej przekonać zarząd, by dał pieniądze na ich wdrożenie, i łatwiej przekonać całą organizację.
Process Intelligence (PI): Wgląd w to, co ludzie naprawdę robią
Process Mining to trudny temat, ponieważ jest naprawdę skomplikowany. Wymaga wysoko wykwalifikowanych ludzi i dużo czasu na wdrożenie. Kiedy już zostanie wdrożony, daje wgląd w to, co dzieje się w procesach z perspektywy głównego systemu lub systemów, ale pozostajesz ślepy na wszystko inne, co dzieje się wokół tych procesów. Process Mining prawdopodobnie plasuje się obecnie po niższej stronie osi „fajności”.
Istnieje jednak zestaw nowych technologii określanych mianem process intelligence. Kiedyś nazywaliśmy je task mining, ale dziś obejmują znacznie więcej. Process intelligence to w gruncie rzeczy próba zobaczenia nie tylko tego, co dzieje się w procesach, ale też tego, co tak naprawdę robią Twoi ludzie. W Process Mining jesteś ślepy na takie rzeczy jak Teams, Excel czy e-mail. W Process Intelligence instalujesz agenta na komputerach pracowników, a ci agenci obserwują, co robią użytkownicy we wszystkich aplikacjach. Narzędzia te rejestrują, co robią, jak często przełączają się między aplikacjami, skąd i dokąd kopiują dane oraz są w stanie zrozumieć Twoje procesy we wszystkich aplikacjach. To daje niesamowity wgląd.
Mieliśmy bardzo udane wdrożenia, w których nasi klienci odkryli możliwości automatyzacji i usprawnienia procesów. Process Intelligence umieściłbym wysoko zarówno po stronie „fajności”, jak i użyteczności, ponieważ daje ogromne korzyści, a jednocześnie jest nową i ekscytującą technologią.
Intelligent Document Processing (IDP): Od masek OCR do uczenia maszynowego
Kolejną technologią, która trafia do tego kwadrantu, jest IDP, czyli Intelligent Document Processing . To coś, co kiedyś nazywaliśmy inteligentnymi OCR-ami, ale dziś element OCR nie jest już tak istotny – kluczowa jest część „inteligentna”. Technologie IDP potrafią analizować dokumenty strukturalne i półstrukturalne oraz wyciągać z nich dane. W przeszłości ręczne księgowanie faktur było nudnym i żmudnym zadaniem.
Znalezienie właściwych informacji na fakturze nie jest łatwe dla maszyny, ponieważ każda faktura z każdej firmy ma własny układ. Stare OCR-y opierały się na tzw. maskach. Dla każdego nowego szablonu faktury trzeba było stworzyć osobną maskę. Wymagało to mnóstwa pracy i nie było idealne – wystarczyła drobna zmiana w układzie, a narzędzie przestawało działać. Brałem udział w projekcie, w którym odkryliśmy, że zespoły spędzały więcej czasu na poprawianiu błędów generowanych przez OCR, niż gdyby po prostu księgowały wszystkie te faktury ręcznie.
IDP posiada teraz algorytmy uczenia maszynowego, które można faktycznie trenować. Wiele dokumentów potrafi odczytać od razu, a kolejne można mu stopniowo „douczać”. Dokumenty, których nie jest w stanie odczytać, trafiają do stacji weryfikacyjnych, gdzie użytkownik pokazuje narzędziu, w których polach znajdują się konkretne dane. Informacje ze stacji weryfikacyjnych służą do ponownego trenowania modelu, dzięki czemu z czasem jego jakość staje się coraz lepsza. IDP zdecydowanie trafia do kategorii „wybawców”. Te technologie są niezwykle, niezwykle użyteczne.
Communication Mining: Rozwiązywanie problemu chaotycznej komunikacji
Communication Mining pomaga robić to, co IDP robi dla dokumentów strukturalnych i półstrukturalnych, ale w odniesieniu do danych niestrukturalnych – głównie komunikacji. Mimo że mamy rok 2025, w naszych organizacjach wciąż krąży mnóstwo swobodnej komunikacji; ludzie nadal otwierają zgłoszenia i piszą e-maile z prośbami zamiast korzystać z formularzy. To właśnie taki rodzaj danych jest niesamowicie trudny do zrozumienia dla komputerów.
Teraz mamy narzędzia z zaawansowanymi możliwościami uczenia maszynowego, które są naprawdę proste w użyciu. Wrzucasz do narzędzia e-maile lub zgłoszenia i uczysz model, jakie rodzaje próśb otrzymujesz. Następnie dla każdego rodzaju prośby pokazujesz mu tzw. encje, które trzeba znaleźć (np. numery dokumentów SAP do rozliczeń GL). Podobnie jak w przypadku IDP, uczysz model na stacjach weryfikacyjnych „zaznaczając” potrzebne pola. Tworzy to sytuację, w której dużą część komunikacji można przetwarzać automatycznie.
Narzędzie będzie przetwarzać dziesiątki tysięcy e-maili, więc zwrot z inwestycji jest absolutnie ogromny. Communication Mining plasuje się bardzo wysoko pod względem użyteczności i naprawdę wysoko pod względem „fajności”, ponieważ jest to technologia rozwiązująca problemy, które jeszcze dwa–trzy lata temu były praktycznie nie do rozwiązania.
Asystenci GenAI i Cyber Ola
Wszyscy zdążyliśmy się już nieco rozczarować chatbotami, ale wraz z pojawieniem się dużych modeli językowych (LLM) zasady gry uległy zmianie, ponieważ LLM-y są bardzo dobre w prowadzeniu rozmów z ludźmi. Choć wytrenowanie LLM wymaga ogromnej mocy obliczeniowej i kosztuje fortunę (co najmniej kilka milionów), można tworzyć asystentów, którzy potrafią odpowiadać na pytania na podstawie wiedzy Twojej firmy, bez konieczności trenowania samego modelu.
Jednym z takich rozwiązań, które mamy w naszej firmie, jest Cyber Ola. Nauczyliśmy tego asystenta GenAI wszystkich naszych procedur administracyjnych i HR-owych, wykorzystując około 40 obszernych dokumentów. Nasi pracownicy mogą zadawać Cyber Oli pytania na Teams i otrzymują odpowiedzi oparte dokładnie na tej wiedzy. Udało nam się sprawić, że nie „halucynuje” – jeśli nie zna odpowiedzi, po prostu mówi: „Nie wiem, idź zapytaj biologicznej Oli”. Kiedy natomiast podaje odpowiedź, wskazuje również dokument lub dokumenty, z których została ona zaczerpnięta. Asystenci GenAI trafiają do kategorii technologii zarówno bardzo użytecznych, jak i naprawdę „fajnych”.
Agenci GenAI: Przyszłość automatyzacji
Asystenci GenAI to tylko coś, co robimy przed wykonaniem kolejnego kroku, ponieważ obecnie największym trendem są agenci GenAI. Już teraz widzimy, że drzemie w nich ogromny potencjał.
Nasza Cyber Ola zyskuje nowe możliwości – funkcje agencyjne. Nasi pracownicy mogą nie tylko zadawać jej pytania, ale w przypadku niektórych zapytań otrzymują także propozycję wykonania danej czynności za nich. Na przykład, jeśli zapytają, jak uzyskać zwrot kosztów za okulary, Cyber Ola nie tylko wyjaśni, jak to zrobić, ale także zapyta: „Czy chcesz, żebym zrobiła to za Ciebie?”. Dzięki zestawowi API, które do niej zaprogramowaliśmy, potrafi wypełnić formularz i wysłać go do działu administracji oraz HR. Mniejsze i większe zadania, które kiedyś nazywaliśmy funkcjami asystentów GenAI, są teraz realizowane – i właśnie to sprawia, że stają się one agentami GenAI.
To coś, co zmieni sposób, w jaki pracujemy; wiele rzeczy, które teraz wykonujemy sami lub o które musimy prosić innych, będzie realizowanych przez agentów GenAI. Patrząc na to, co ta technologia już teraz może zrobić dla Twojej organizacji, potencjalny wpływ jest ogromny. Z perspektywy użytkownika korzystanie z niej jest niezwykle proste – można podłączyć ją do czatu, Teams czy Zoom i użytkownicy biznesowi wchodzą z nią w interakcję w sposób całkowicie naturalny. Agenci GenAI trafiają do kategorii technologii o bardzo wysokiej użyteczności i bardzo wysokiej „fajności”.
Wnioski: Podsumowanie i pożegnanie
I to już wszystko w tym odcinku podcastu Office Samurai. Ten odcinek nie byłby możliwy bez ostrych umiejętności i skrytych ruchów Anny Cubal, naszej producentki i specjalistki od okiełznywania chaosu. Nagrywamy ten podcast w potężnym Wodzu Beats Studio. Jeśli podobało Ci się to, co usłyszałeś, zasubskrybuj, zostaw recenzję i obserwuj nas w mediach społecznościowych. Masz pytania, uwagi albo po prostu chcesz mi powiedzieć, że źle wymawiam Hattori Hanzo – napisz do nas wiadomość. Do następnego razu – teraz idź i ratuj świat… albo chociaż jego kawałek.
