Pracownicy wykonują zadania szybciej, firma wdraża kolejne automatyzacje, a wyniki finansowe pozostają bez większych zmian. Gdzie właściwie znika obiecana produktywność?
Handlowcy szybciej przygotowują oferty, marketing produkuje więcej treści, programiści wspierają się asystentami kodowania, a managerowie wykorzystują AI do analiz i raportów.
Po kilku miesiącach pracownicy deklarują oszczędność czasu. Adopcja AI wygląda dobrze. Tylko że przychody nie rosną szybciej, koszty pozostają podobne, a marża operacyjna praktycznie się nie zmienia.
Dlaczego?
To nie wyjątek. To powszechny problem
Według globalnego badania PwC z 2026 roku, 56% ankietowanych CEO nie odnotowało dotąd korzyści finansowych z AI ani w postaci wzrostu przychodów, ani obniżenia kosztów.
Z kolei McKinsey wskazuje, że 80% respondentów deklaruje poprawę indywidualnej produktywności dzięki AI, ale tylko 37% zauważa pozytywny wpływ na wynik operacyjny EBIT organizacji.
Powyższe dane skłaniają do ważnej refleksji: Produktywność pracownika, efektywność procesu i rentowność przedsiębiorstwa to trzy różne rzeczy.
Można osiągnąć pierwszy rezultat, nie osiągając dwóch pozostałych. I właśnie tutaj moim zdaniem zaczyna się prawdziwe zarządzanie transformacją AI.
„Zaoszczędziliśmy 200 godzin”. Czyli ile pieniędzy?
Weźmy zespół dziesięciu specjalistów. Dzięki AI każdy oszczędza średnio np. godzinę dziennie. Przy 20 dniach roboczych otrzymujemy 200 godzin miesięcznie. Jeżeli wewnętrzny koszt godziny wynosi 150 zł, szybko można policzyć, że firma oszczędza 30 tys. zł.
Papier oczywiście przyjmie wszystko. A powyższa kalkulacja to niekoniecznie prawda. Dlaczego?
Pracownicy nadal otrzymują te same wynagrodzenia, koszty stałe pozostają podobne, a dodatkowo pojawiają się wydatki na narzędzia AI. Firma nie zaoszczędziła automatycznie 30 tys. zł. Potencjalnie uwolniła 200 godzin zdolności do wykonywania pracy.
Może wykorzystać je do obsłużenia nowych klientów, realizacji większej liczby projektów, które mają sens lub rozwoju produktu. Może jednak również rozpocząć więcej inicjatyw, wygenerować kolejne raporty i zorganizować dodatkowe spotkania.
W pierwszym przypadku produktywność może zostać zamieniona na wartość biznesową. W drugim firma będzie przede wszystkim bardziej zajęta. A bycie zajętym to oczywiście nie jest wynik.
Szybsi pracownicy nie oznaczają szybszej firmy
Pracując przez lata nad usprawnieniem delivery i przekładaniem rzeczywistości strategicznej na operacyjną, wielokrotnie obserwowałem sytuacje, w których problem nie leżał w tempie pracy specjalistów. Leżał pomiędzy nimi.
Wyobraź sobie zespół software'owy, który dzięki AI dwukrotnie zwiększa tempo przygotowywania kodu. Brzmi świetnie. Tylko że nowe funkcjonalności nadal muszą przejść przez analizę, testy, zatwierdzenia i wdrożenie u klienta. Jeżeli ograniczeniem procesu było pisanie kodu, firma może przyspieszyć. Jeżeli natomiast ograniczeniem było testowanie albo oczekiwanie na decyzje, zwiększymy jedynie kolejkę zadań.
To trochę tak, jakbyśmy poszerzyli jeden fragment autostrady, nie zmieniając kolejnego, znacznie węższego odcinka. Nie przyspieszyliśmy podróży. Szybciej doprowadziliśmy samochody do korka.
W jednym z projektów technologicznych, w którym odpowiadałem za delivery, udało nam się zredukować cycle time o ponad 25% poprzez eliminację wąskich gardeł pomiędzy obszarami. Nie był to projekt oparty tylko o AI. Pokazuje jednak coś ważnego: nie musieliśmy wymagać od wszystkich większej szybkości. Trzeba było zrozumieć, co ogranicza przepływ pracy przez całą organizację, a następnie zmienić sposób współpracy.
I właśnie z taką perspektywą podchodziłbym do wdrażania AI.
Kolejny krok: automatyzacja samego zarządzania
Największa zmiana dopiero nadchodzi i jest właśnie wdrażana przez najlepsze firmy. AI zaczyna wpływać nie tylko na produktywność pracowników, ale również na strukturę zarządzania przedsiębiorstwem.
Przez lata middle management organizował pracę, przekazywał informacje pomiędzy zarządem a zespołami, pilnował terminów i rozwiązywał problemy. Dobry middle management pozwalał firmie rosnąć. Zły, optymalizujący własne obszary zamiast wyniku przedsiębiorstwa, generował dodatkowe koszty.
Dzisiaj technologia zaczyna przejmować część pracy, która uzasadniała istnienie kolejnych szczebli zarządzania.
Widzę tutaj trzy możliwe etapy transformacji.
Etap 1. Automatyzacja pracy managera
AI analizuje dane, przygotowuje raporty i wykrywa odchylenia. Manager delivery nie musi już pytać pięciu Project Managerów, jak idą projekty. Agent pobiera dane z Jiry, harmonogramów i systemu finansowego, wskazując zagrożenia terminów oraz rentowności.
Manager nadal podejmuje decyzje, ale pracuje szybciej. Struktura firmy zasadniczo się nie zmienia.
Etap 2. Automatyzacja funkcji managerskich
Agent nie tylko analizuje sytuację, ale może również wykonywać działania w systemach firmy. Wykrywa opóźnienie, proponuje zmianę harmonogramu i po odpowiednim zatwierdzeniu aktualizuje zadania. Prostsze czynności wykonuje samodzielnie, w granicach przyznanych uprawnień.
Jeżeli technologia przejmuje część koordynacji, kontroli i powtarzalnych decyzji, ilu managerów rzeczywiście będziesz potrzebował do tych funkcji?
Etap 3. Cyfrowy model operacyjny przedsiębiorstwa
To najbardziej dalekosiężny scenariusz. Systemy sprzedażowe, finansowe i projektowe tworzą spójny cyfrowy obraz firmy, z którego korzystają ludzie i agenci AI.
Nowy kontrakt uruchamia analizę zasobów. Zmiana harmonogramu aktualizuje prognozę rentowności. Zagrożenie marży inicjuje propozycję działań korygujących. Znaczna część koordynacji odbywa się bez pośrednictwa tradycyjnej hierarchii.
Czy wszystkie firmy będą tak działały? Nie wiem. Ale uważam, że część najbardziej zaawansowanych organizacji będzie zmierzała właśnie w tym kierunku.
Według Gartnera w 2026 roku tylko 17% badanych organizacji wdrożyło agentów AI, choć ponad 60% przewiduje ich wdrożenie w ciągu dwóch lat. Jesteśmy więc raczej na początku przebudowy niż na jej końcu. A to właśnie czas na poszukiwanie przewagi konkurencyjnej w tym obszarze!
Być może największym zyskiem z AI nie będzie szybsza praca dotychczasowych managerów i specjalistów, ale możliwość zbudowania firmy, która potrzebuje mniej koordynacji, mniej szczebli zarządzania i skuteczniej wykorzystuje zasoby.
Co powinien zrobić CEO?
Nie proponuję natychmiastowej redukcji middle managementu ani kolejnego wielkiego programu transformacyjnego. Zacząłbym od trzech decyzji.
1. Zdefiniuj wynik biznesowy, który chcesz poprawić
Nie zaczynaj od pytania, ile godzin możesz zaoszczędzić. Jeżeli problemem jest rentowność projektów, sprawdź marżę i koszty realizacji. Jeżeli firma nie dotrzymuje terminów, przeanalizuj cycle time i przewidywalność delivery.
AI powinno odpowiadać na konkretny problem biznesowy, a nie być celem samym w sobie.
2. Znajdź ograniczenia całego systemu zarządzania.
Sprawdź przepływ pracy od sprzedaży do dostarczenia wartości klientowi. Gdzie tworzą się kolejki? Które decyzje blokują działania? Ile pracy managerów polega na przekazywaniu informacji, a ile na rzeczywistym zarządzaniu wynikiem?
Być może rozwiązaniem będzie agent AI. Ale być może wystarczy jako pierwszy krok, uprościć proces, zmienić odpowiedzialność albo usunąć niepotrzebny szczebel decyzyjny.
Nie automatyzuj złego zarządzania. Najpierw je napraw.
3. Zdecyduj, co zrobisz z odzyskaną produktywnością
Jeżeli AI uwolni 200 godzin miesięcznie, co z nimi zrobisz? Zwiększysz liczbę projektów, skrócisz terminy, ograniczysz koszty, a może przebudujesz część struktury organizacyjnej?
W firmach IT może to również wymagać ponownego przemyślenia modelu rozliczeń. Jeżeli sprzedajesz wyłącznie roboczogodziny, szybsza realizacja pracy niekoniecznie zwiększy przychody.
Coraz ważniejsza może stawać się zdolność do sprzedawania i dostarczania wartości, niezależnie od liczby godzin potrzebnych do jej wytworzenia.
Kluczowa decyzja dla lidera
Mam wrażenie, że w dyskusji o AI zbyt często koncentrujemy się na tym, co technologia potrafi wykonać, a zbyt rzadko na tym, jak chcemy dzięki niej zmienić całą firmę.
Twoi konkurenci również będą szybciej analizowali dane, przygotowywali oferty i pisali kod.
Dlatego przewagą nie będzie wyłącznie wykonywanie dotychczasowej pracy szybciej, ale zdolność do zaprojektowania sprawniejszego systemu operacyjnego firmy: odpowiedzialności, przepływu pracy, decyzji oraz wykorzystania ludzi i technologii.
To nie jest już tylko wdrożenie AI. To przebudowa sposobu działania przedsiębiorstwa, wymagająca kompetencji w diagnozowaniu problemów organizacyjnych, zarządzaniu zmianą i odpowiedzialności za wynik biznesowy.
Podsumowanie
Proponuję Ci prosty test.
Weź jeden proces, w którym firma wykorzystuje AI. Sprawdź nie tylko, ile godzin zaoszczędzili pracownicy, ale czy klient szybciej otrzymuje wartość i czy poprawił się wynik biznesowy.
Następnie przyjrzyj się, ile pracy w tym procesie wykonują managerowie. Co można zautomatyzować, które decyzje uprościć, a które elementy organizacji być może nie są już potrzebne? Bo możesz mieć coraz więcej AI, szybszych pracowników i ładniejsze wskaźniki, a mimo tego nie budować bardziej rentownej firmy.
Nie chodzi o to, żeby dzięki AI robić więcej. Chodzi o to, żeby zbudować organizację, która skuteczniej zamienia pracę na wartość i rentowność.
Jeżeli Twoja firma rośnie, ale jej rentowność, przewidywalność i sprawność operacyjna nie nadążają za rozwojem, porozmawiajmy. Pomagam firmom technologicznym diagnozować ograniczenia operacyjne, usprawniać delivery i przebudowywać systemy zarządzania.
Być może największy potencjał poprawy znajduje się nie tylko w kolejnym narzędziu AI, ale w sposobie, w jaki obecnie działa Twoja firma.
Sylwester Dusza


