2 godzin temu
Firmy coraz sprawniej wdrażają technologie cyfrowe, ale znacznie trudniej przekładają ich wykorzystanie na trwałą poprawę wyników operacyjnych.
Przez lata odpowiedzialność za cyfryzację koncentrowała się w działach IT. Biznes definiował potrzeby, technologia dostarczała rozwiązania, a powodzenie inwestycji oceniano przez termin realizacji, budżet i zakres wdrożenia. Rosnąca skala automatyzacji i wykorzystania sztucznej inteligencji ujawnia ograniczenia takiego modelu. Coraz większa część wartości inwestycji zależy bowiem od decyzji dotyczących organizacji pracy, alokacji zasobów i sposobu zarządzania procesami.
Według McKinsey „The State of AI in 2026” 80 proc. respondentów deklaruje, iż AI poprawiła ich indywidualną produktywność, podczas gdy 37 proc. dostrzega jej pozytywny wpływ na wynik operacyjny przedsiębiorstwa (EBIT). Zaledwie 6 proc. badanych spełnia kryteria organizacji osiągających szczególnie wysokie korzyści z AI, obejmujące co najmniej 5-procentowy wpływ na EBIT i deklarowaną znaczącą wartość biznesową.
Są to dane ankietowe, oparte na ocenach respondentów, jednak ujawniają istotną rozbieżność: upowszechnienie technologii i poprawa indywidualnej efektywności nie muszą przekładać się na porównywalne rezultaty finansowe całych organizacji.
Produktywność pracownika a efektywność procesu
Potwierdzenia tej zależności dostarcza eksperyment opisany przez badaczy związanych z Microsoftem i Harvard Business School, którego wyniki przyjęto do publikacji w „American Economic Review: Insights”. Objął on 7137 pracowników wiedzy z 66 przedsiębiorstw. Losowo przydzielano im dostęp do narzędzia generatywnej AI wspierającego codzienną pracę.
W drugiej połowie sześciomiesięcznego eksperymentu osoby korzystające z rozwiązania poświęcały średnio dwie godziny tygodniowo mniej na obsługę poczty elektronicznej. Badacze nie stwierdzili jednak istotnych zmian w liczbie ani strukturze wykonywanych zadań wynikających z samego udostępnienia technologii.
Wyniki wskazują na ograniczenia indywidualnej automatyzacji. Usprawnienie jednej czynności może uwolnić czas pracownika, ale wykorzystanie tego zasobu wymaga decyzji dotyczących pozostałych elementów procesu.
Podobny problem pokazuje badanie Boston Consulting Group „AI at Work 2026”. Wśród pracowników pierwszej linii regularnie korzystających z AI 42 proc. deklaruje oszczędność przynajmniej ośmiu godzin tygodniowo. Jednocześnie 66 proc. otrzymuje kilka wskazówek lub nie otrzymuje ich wcale dotyczących zagospodarowania odzyskanego czasu.
Organizacje dysponują więc potencjalną rezerwą produktywności, której wykorzystanie zależy od jakości zarządzania. Bez zmiany priorytetów, podziału zadań lub standardów obsługi dodatkowa dostępność pracowników może pozostać poza rachunkiem korzyści.
Odpowiedzialność za wynik, nie za narzędzie
W praktyce przesuwa to punkt ciężkości cyfryzacji w stronę osób zarządzających procesami operacyjnymi. Menedżer odpowiedzialny za logistykę, sprzedaż czy finanse może ocenić, które czynności wymagają automatyzacji, jakie ograniczenia organizacyjne należy usunąć i które wskaźniki rzeczywiście odzwierciedlają poprawę efektywności.
Przykładowo automatyzacja przetwarzania faktur może skrócić czas wprowadzania danych, ale jej wpływ na koszty pozostanie ograniczony, o ile nie zmienią się procedury zatwierdzania dokumentów. Techniczna skuteczność rozwiązania i ekonomiczna efektywność całego procesu to odrębne miary.
W badaniu McKinsey niemal trzy czwarte organizacji osiągających najwyższe korzyści z AI deklarowało zasadnicze przeprojektowanie procesów, wobec około jednej czwartej pozostałych respondentów. Zależność ta nie rozstrzyga o przyczynowości, ale sugeruje, iż wyniki finansowe częściej towarzyszą zmianom organizacyjnym niż samemu wdrażaniu narzędzi.
Model współodpowiedzialności sprawdza się w praktyce
Interesującego przykładu dostarcza hiszpański koncern energetyczny Repsol. Według analizy MIT Center for Information Systems Research z lutego 2026 r. przedsiębiorstwo zorganizowało program innowacji cyfrowych wokół współpracy biznesu i technologii.
Każda inicjatywa miała dwóch współodpowiedzialnych liderów. Przedstawiciel biznesu odpowiadał za przydatność rozwiązania i jego ekonomiczne uzasadnienie, natomiast lider techniczny za wykonalność. Finansowanie kolejnych etapów zależało od przedstawienia dowodów potwierdzających zasadność dalszej inwestycji.
W ciągu pięciu lat uruchomiono 505 inicjatyw, z których 76 proc. doprowadzono do etapu skalowania. Badacze MIT powiązali program z około 800 mln euro korzyści finansowych. To studium przypadku, a nie eksperymentalny dowód skuteczności konkretnego modelu, jednak dobrze ilustruje znaczenie jasno określonych kompetencji i systematycznej oceny projektów.
Inny wymiar problemu pokazuje zakład Schneider Electric w El Paso. Według danych przedstawionych przez Światowe Forum Ekonomiczne w czerwcu 2026 r. integracja analityki, przemysłowego internetu rzeczy, logistyki i AI pozwoliła zwiększyć terminowość dostaw z 61 do 97 proc., skrócić czas realizacji zamówień choćby o 35 proc. oraz wyeliminować zaległości zamówieniowe o wartości 43 mln dolarów. Wyniki pochodzą z danych przedsiębiorstwa i nie pozwalają oddzielić wpływu poszczególnych zmian, ale obrazują skalę korzyści możliwych przy usprawnianiu całego łańcucha operacyjnego.
Cyfryzacja wymaga nowego podziału kompetencji
Przesunięcie odpowiedzialności za rezultaty cyfryzacji w stronę menedżerów operacyjnych nie oznacza marginalizacji IT. Architektura systemów, bezpieczeństwo, integracja danych i możliwość skalowania przez cały czas wymagają wyspecjalizowanych kompetencji. Równocześnie kierownictwo biznesowe powinno odpowiadać za uzasadnienie inwestycji, przygotowanie organizacji i osiągnięcie uzgodnionych rezultatów.
Taki podział zmienia również sposób oceny projektów. Liczba wdrożonych funkcji czy termin uruchomienia systemu pozostają istotnymi miarami realizacji, ale o wartości inwestycji świadczą przede wszystkim koszty obsługi procesów, czas realizacji, jakość usług i wpływ na przepływy finansowe.
Warunkiem powodzenia jest wyposażenie menedżerów w odpowiednie uprawnienia, dane i zasoby. Formalne przypisanie odpowiedzialności bez możliwości zmiany procedur czy dysponowania budżetem zwiększa jedynie złożoność zarządzania.
W miarę wzrostu wydatków na AI i automatyzację przedsiębiorstwa będą potrzebowały coraz bardziej wiarygodnych metod rozliczania ich efektów. Doświadczenia rynkowe sugerują, iż trwała poprawa efektywności wymaga połączenia wiedzy operacyjnej, kompetencji technologicznych i dyscypliny inwestycyjnej. Menedżer liniowy staje się istotnym uczestnikiem tego procesu, ponieważ to w zarządzanym przez niego obszarze ostatecznie materializują się korzyści lub ujawniają ograniczenia cyfryzacji.
