Badanie Liderzy.AI dotyczące gotowości procesowej polskich organizacji na erę AI wyłoniło pretendenta do miana kluczowej przeszkody w implementacji AI: dług procesowy.
W czerwcu 2026 roku zespół Liderzy.AI przeprowadził badanie dojrzałości procesowej wśród uczestników programu „Procesy AI-Ready”. Wyniki tej analizy wskazują, że polskie organizacje cierpią na głęboki „dług procesowy”, który może okazać się barierą nie do przebicia dla technologii kognitywnych.
W ocenie autorów analizy, współzałożycieli Liderzy.AI – prof. Andrzeja Sobczaka i Jana Marii Kowalskiego, bariery wdrażania AI mają obecnie charakter procesowy, a nie techniczny. Problemem nie jest brak mocy obliczeniowej czy niedoskonałość modeli językowych, lecz chaos w strukturach, na których te modele mają operować.
Badaniem objęto grupę około 40 organizacji, wśród których większość reprezentuje sektor finansowy (bankowość, TFI, domy maklerskie, ubezpieczenia), stanowiący 30–35% respondentów. Są to w większości duże przedsiębiorstwa (powyżej 500 pracowników) o złożonych strukturach i wielosystemowych środowiskach IT. Ankietowani to specjaliści „z pierwszej linii frontu” transformacji – analitycy biznesowi i właściciele procesów, którzy bezpośrednio odpowiadają za sukces wdrożeń AI.
Procesowa halucynacja
Dla specjalisty ds. transformacji cyfrowej dokumentacja to jedyne źródło prawdy, na którym można budować systemy typu RAG (Retrieval-Augmented Generation) czy zaawansowane obiegi pracy oparte na rozwiązaniach agentowych. Tymczasem stan procesów w polskich firmach to przepis na „procesową halucynację”.
Tylko w ocenie 6% respondentów procesy są opisane i regularnie aktualizowane. 38% odpowiedzi wskazuje, że opisane są jedynie wybrane procesy. Jedna czwarta ankietowanych przyznała, że część opisów jest nieaktualna, a jedna piąta – że procesy funkcjonują wyłącznie „w głowach pracowników”. Zdaniem 8% ankietowanych dokumentacja ma charakter czysto formalny (tzw. „półkowniki” ISO), bez wartości użytkowej.
W efekcie 86% firm posiada dokumentację niekompletną, nieaktualną lub nieistniejącą. Jeśli 22% wiedzy o procesach znajduje się jedynie w głowach pracowników, organizacja nie posiada danych niezbędnych do stworzenia precyzyjnych promptów czy instrukcji dla agentów AI. Brak sformalizowanych schematów uniemożliwia zdefiniowanie wyjątków i punktów decyzyjnych, co w efekcie prowadzi do wdrożeń generujących błędy i ryzyko operacyjne.
Jaka jest wiedza o takim stanie procesów w firmach? W szczególności po stronie zarządzających (decydujących o powoływaniu programów AI i budujących strategię AI) oraz po stronie kierowników i dyrektorów programów AI?
„Krótko odpowiadając – jest niska. Zarządzający zazwyczaj zakładają, że procesy „są” — bo w firmie „są” systemy, procedury, zakresy obowiązków. Ale przecież to nie to samo, co procesy opisane w sposób, który pozwala na efektywne zarządzanie i automatyzację, w tym wdrożenie AI. Badanie pokazuje, że tylko jedna na kilkanaście firm ma aktualną i użyteczną dokumentację procesową – a więc opisane przepływy, wyjątki, odpowiedzialności, niezbędne zasoby do realizacji itd.
I trudno się temu dziwić – skoro organizacja działa, ludzie realizują zadania, wyniki są. Nikt nie szuka dziury w całym. Brak wiedzy o procesach nie boli na co dzień. Boli, gdy próbujemy coś zmienić – wdrożyć automatyzację, przyspieszyć obsługę klienta, wprowadzić AI. Wtedy okazuje się, że to, co wszyscy traktowali jako oczywistość, nie zostało nigdy zapisane. CAIO i osoby odpowiedzialne za wdrażanie AI najczęściej wywodzą się ze świata technologii. I dlatego ten problem rzadko leży w centrum ich uwagi” – mówi prof. Andrzej Sobczak.
Pułapka silosów
Brak rzetelnych wskaźników KPI nie pozwala zarządzać zmianą, a tym bardziej wykazać ROI z drogich projektów kognitywnych. Badanie pokazuje, że większość firm porusza się „po omacku”. Zaledwie 7% organizacji posiada zdefiniowane i monitorowane KPI na poziomie procesowym. Natomiast 38% organizacji mierzy wyniki poszczególnych zespołów zamiast przepływów end-to-end.
Z perspektywy transformacji cyfrowej to klasyczna pułapka silosów: optymalizacja lokalna (np. przyspieszenie pracy jednego zespołu za pomocą AI) często prowadzi do powstania wąskiego gardła w kolejnym kroku procesu. Brak pomiaru całego łańcucha wartości (E2E) sprawia, że wdrożenia AI stają się „czarną skrzynką” – nie wiadomo, czy generują realny zysk, czy jedynie maskują strukturalną niewydolność.
Czy firmowe strategie AI zawierają plan naprawy fundamentów – w tym procesów jako poprzedzający realizację transformacji?
„W zdecydowanej większości nie. Z naszych obserwacji wynika, że strategia AI skupia się zwykle na narzędziach i przypadkach ich użycia: co wdrożymy, gdzie, z jakim budżetem. Warstwa procesowa traktowana jest jak coś, co funkcjonuje już w firmie i AI ma na niej po prostu zadziałać.
Wyjątkiem mogą być są duże organizacje, szczególnie sektor finansowy. Tu więcej mówi się o danych i od lat widać programy związane z data governance. To ważny sygnał dojrzałości – ale to tylko jeden z filarów udanego wdrożenia AI. Dane mogą być uporządkowane, a procesy nadal nieustrukturyzowane, bez właścicieli i bez KPI.
Tymczasem sukces AI mierzy się wpływem na KPI procesu – krótszym czasem obsługi klienta, wyższym NPS, mniejszą liczbą błędów – a nie jakością samego modelu czy danych. Z naszego badania wynika, że trzy na cztery organizacje nie mierzą procesów jako całości, tylko wyniki poszczególnych zespołów. Trudno więc ocenić realny efekt AI, skoro nie wiadomo do czego się odnieść, jak zmierzyć „sukces” wdrożenia AI” – komentuje Jan Maria Kowalski.
Kryzys odpowiedzialności
Wdrożenie AI to nie tylko technologia, ale także delegowanie decyzji na algorytm. Kto jednak ma zatwierdzić te decyzje, jeśli brakuje właścicieli procesów? Wyniki wskazują na głęboki kryzys odpowiedzialności. Jedynie 33% organizacji ma wyznaczonego właściciela procesu (67% organizacji wykazuje odpowiedzialność rozproszoną lub nieokreśloną).
Formy tej rozproszonej odpowiedzialności są zabójcze dla projektów AI. Według analizy (przytaczamy detalicznie ten rozbiór pomimo małej grupy badawczej, ponieważ przypuszczalnie są to dane, które dobrze odzwierciedlają sytuację rynkową – red.):
- 19% – każdy zespół odpowiada tylko za swój fragment.
- 19% – odpowiedzialność sytuacyjna/ad-hoc.
- 10% – niejasna decyzyjność mimo formalnych ról.
- 10% – odpowiedzialność na poziomie „zespołu”, a nie konkretnej roli.
Brak właściciela end-to-end oznacza brak osoby, która zdefiniuje wymagania dla modelu i – co krytyczne – weźmie odpowiedzialność za skutki jego działania. W takim środowisku wdrożenia AI grzęzną w niekończących się uzgodnieniach między departamentami.
Kultura reaktywności
Ostatnim ogniwem gotowości na AI jest sposób reagowania na błędy. Systemy kognitywne wymagają kultury opartej na danych, tymczasem w polskich firmach wciąż dominuje „kultura bohaterstwa” i spotkań.
Dlatego 38% organizacji w przypadku awarii zwołuje spotkania, by „ustalić, co się stało” (zarządzanie przez narady). 17% organizacji polega na ręcznym rozwiązaniu problemu przez „najbardziej doświadczoną osobę”. To krytyczne ryzyko – AI nie jest w stanie przeskalować „ukrytej wiedzy ekspertów-bohaterów”. Tylko 17% firm szuka przyczyny źródłowej (Root Cause Analysis) w danych.
Łącznie w 51% przypadków mamy do czynienia z brakiem ustrukturyzowanej diagnostyki. W środowisku wspieranym przez AI, gdzie błąd może propagować się z prędkością światła, taka „operacyjna kruchość” jest niedopuszczalna. Brak procedur diagnostycznych czyni systemy AI niemal niemożliwymi do utrzymania w dłuższej perspektywie.
W którym momencie transformacji AI ujawniają się deficyty procesowe? Czy następuje hard stop, czy próbuje się problem rozwiązać lub obejść?
„Deficyty ujawniają się w zderzeniu z produkcją – z produkcyjnymi danymi, prawdziwymi wyjątkami i końcowymi użytkownikami. W środowisku testowym zwykle nie widać problemów. Trudne przypadki brzegowe pomijamy, dane są wcześniej przygotowane na potrzeby testu, a zespół projektowy zna obejścia. Rzeczywistość weryfikuje to bezlitośnie.
Nasze badanie dotyczyło ogólnej dojrzałości procesowej organizacji – nie było badaniem stricte AI – a i tak obraz jest niepokojący. Tylko jedna na kilkanaście firm ma aktualne opisy procesów. Trzy na cztery nie mają jasnego właściciela procesu end-to-end. Dominującą reakcją na awarię jest zwołanie spotkania, nie sięgnięcie po dane. To jest środowisko, w którym chcemy wdrożyć AI.
Twarde zatrzymanie takich projektów zdarza się rzadko, bo oznaczałoby to przyznanie się do błędu. Znacznie częściej firmy szukają obejścia, wdrażają nowe obowiązki pracownikom, ręczne poprawianie błędów. Powstaje proces, w którym AI niby działa, ale wymaga permanentnej interwencji. A ta pochłania większość oczekiwanych oszczędności” – mówi Jan Maria Kowalski.
Werdykt badania Liderzy.AI 2026 jest bezlitosny. Polski biznes próbuje budować szklane domy AI na bagnistym gruncie procesowym. Rok 2026 musi być czasem powrotu do fundamentów.
