Największy ukryty koszt AI nie jest komputem, lecz ludźmi.

Wszyscy mówią o koszcie AI. Zwykle mówią o procesorach graficznych, licencjach na modele lub zużyciu tokenów. Uważam, że szukają w złym miejscu.

Największy koszt przedsięwzięć AI może okazać się personelem niezbędnym do nadzorowania go.

Niedawne badanie wykazało, że pracownicy oszczędzają około 11 godzin tygodniowo dzięki AI, ale spędzają ponad 6 godzin na sprawdzaniu wyników, poprawianiu błędów, dodawaniu brakującego kontekstu i upewnianiu się, że wyniki są naprawdę użyteczne. Ktoś wymyślił termin “botsitting” na określenie tego zjawiska. To zabawne określenie, ale wskazuje ono na znacznie większy problem.

AI miał zmniejszyć pracę. Zamiast tego, wiele organizacji tworzy całkowicie nową kategorię pracy wokół zarządzania AI. To nie jest problem technologiczny. To problem modelu operacyjnego.

Szybsza kontynuacja ery SaaS

Widziałem już ten film.

15 lat temu organizacje przyjęły SaaS, ponieważ ułatwiało ono zakup i wdrożenie oprogramowania. Jednostki biznesowe mogły rozwiązywać problemy bez czekania na IT. Wydajność wzrosła. Innowacje przyspieszyły. Potem pojawił się Shadow IT.

Nagle nikt nie wiedział, ile aplikacji używali pracownicy, gdzie przechowywano dane firmy, czy kto miał do nich dostęp. IT nadal było odpowiedzialne, ale nie miało już widoczności ani kontroli. AI wygląda niezwykle podobnie, ale różnica polega na szybkości.

Aplikacja SaaS może ujawnić garść systemów; agent AI może połączyć się z dziesiątkami systemów w pierwszym dniu. Może odczytać dokumenty, podsumować umowy, wygenerować kod, zaktualizować rekordy i uruchomić procesy robocze, zanim większość organizacji nawet udokumentuje, że istnieje.

Technologia rozwija się szybciej niż model operacyjny stworzony do jej zarządzania.

Dlatego nie byłem zaskoczony niedawnym badaniem IBM, które wykazało, że dwie trzecie CIO i CTO jest odpowiedzialnych za systemy AI, których nie w pełni kontrolują. Większość respondentów również stwierdziła, że AI rozprzestrzenia się szybciej niż governance może za nim nadążyć. To nie wynika z tego, że CIO stało się mniej zdolne. Wynika to z faktu, że AI nie pasuje ładnie do tradycyjnych modeli własności.

Bezpieczeństwo posiada ryzyko.
Prawo posiada zgodność.
Rozwój posiada integracje.
Jednostki biznesowe posiadają wyniki.
Dostawcy kontrolują części podstawowej infrastruktury.

Tymczasem AI przenika przez wszystkie te obszary. Gdy coś pójdzie nie tak, każdy posiada część odpowiedzi, ale nikt koniecznie nie posiada całego systemu. To tworzy lukę, a organizacje prawie zawsze wypełniają ją ludźmi.

Ktoś przegląda raporty wygenerowane przez AI przed ich wysłaniem do klientów.
Ktoś sprawdza kod napisany przez AI przed jego wdrożeniem.
Ktoś weryfikuje rekomendacje przed podjęciem decyzji.
Ktoś bada nieoczekiwane zachowania.

Część tej kontroli jest dokładnie tym, czego chcemy. AI nie powinno działać bez ludzkiej oceny, zwłaszcza w branżach regulowanych lub środowiskach o wysokich konsekwencjach. Problem pojawia się, gdy ludzie stają się głównym elementem kontroli.

Od czatbotów do autonomicznych agentów

Zastanów się, co się dzieje, gdy organizacje przechodzą poza czatboty.

Dziś AI pomaga komuś napisać e-mail.
Jutro AI agent go wyśle.

Dziś AI sugeruje aktualizację rekordu klienta.
Jutro AI sam go zaktualizuje.

Dziś AI rekomenduje następny krok w procesie biznesowym.
Jutro AI automatycznie uruchomi ten proces.

Każda nowa akcja wprowadza kolejną decyzję:

Czy AI powinno to robić?

• Czy powinno mieć dostęp do tego systemu?
• Czy powinno pobrać te dane?
• Czy ktoś powinien to najpierw zatwierdzić?

Większość organizacji odpowiada na te pytania ręcznie, i to działa, gdy masz 10 przypadków użycia AI. Nie działa to, gdy masz setki… czy tysiące. Ironią jest to, że organizacje inwestują w AI, aby poprawić wydajność, a potem proszą wysoko opłacanych pracowników, aby spędzali swój czas na nadzorowaniu go.

To nie jest skalowanie AI. To jest skalowanie nakładów.

Microsoft doszedł do podobnych wniosków w swoim 2026 Work Trend Index. Po analizie bilionów sygnałów z miejsc pracy i przeprowadzeniu ankiety wśród 20 000 użytkowników AI, firma stwierdziła, że największą barierą dla sukcesu AI nie jest technologia, lecz organizacja wokół niej.

Pracownicy przyjmują AI szybciej niż ich firmy są w stanie się do tego dostosować. Prawdziwym wyzwaniem jest teraz przeprojektowanie sposobu wykonywania pracy: decydowanie, co AI powinno robić, co ludzie powinni robić, i jak te dwie rzeczy współpracują. Uważam, że to jest właśnie rozmowa, jaką liderzy przedsiębiorstw powinni prowadzić. AI nie tworzy wartości tylko dlatego, że jest wdrożone. Tworzy wartość, gdy jest wdrożone z wyraźnym modelem operacyjnym, który pozwala ludziom skupić się na ocenie zamiast nadzorowaniu.

Ponowne rozważenie zarządzania AI: Od polityki do operacji

To jest miejsce, w którym rozmowa o zarządzaniu AI musi się zmienić. Gdy ludzie słyszą słowo zarządzanie, często myślą o politykach, komitetach i dokumentacji. Te rzeczy są ważne, ale żadna z nich nie podejmuje decyzji w czasie rzeczywistym.

Żadna z nich nie zatrzymuje agenta AI przed dostępem do danych, których nie powinien widzieć, ani nie pauzuje procesu, który zachowuje się nieoczekiwanie. Żadna z nich nie wyjaśnia, w momencie, gdy jest wymagana akcja, czy ta akcja jest zgodna z polityką firmy.

To jest luka.

Organizacje nie potrzebują więcej dokumentów dotyczących zarządzania. Potrzebują zarządzania, które działa. Rutynowe akcje powinny występować automatycznie, gdy mieszczą się w zatwierdzonych politykach; akcje o wyższym ryzyku powinny wymagać zatwierdzenia przez człowieka, a wrażliwe systemy powinny mieć wyraźne granice określające, co AI może, a czego nie może robić.

I jeśli proces AI zacznie zachowywać się w sposób, który nikt nie oczekiwał, powinno być natychmiastowe rozwiązanie, aby go zatrzymać. Nie dlatego, że AI nie może być zaufane, ale dlatego, że każdy biznesowy proces potrzebuje barier ochronnych.

Umiejscowienie ludzi tam, gdzie są oni najbardziej potrzebni

Firmy, które uzyskują największą wartość z AI, nie eliminują ludzi z równania. Umiejscowują ludzi tam, gdzie są oni najbardziej cenni.

Nie sprawdzają każdego wyniku.
Nie sprawdzają każdego podpowiedzi.
Nie opiekują się każdym agentem.

Koncentrują się na wyjątkach, przypadkach granicznych i decyzjach, które wymagają rzeczywistej oceny. To znacznie lepsze wykorzystanie ludzkiej ekspertyzy.

Prawdziwe pytanie dla przedsiębiorstw

AI osiągnęło punkt, w którym technologia nie jest już największym pytaniem. Większość organizacji już udowodniła, że może generować treści, pisać kod, podsumowywać informacje i automatyzować powtarzalną pracę.

Trudniejszym pytaniem jest to, czy mogą one działać AI z pewnością na skalę przedsiębiorstw:

Czy mogą zobaczyć, co robi?

• Czy mogą kontrolować, do czego ma dostęp?
• Czy mogą egzekwować politykę w sposób spójny?
• Czy mogą wyjaśnić, dlaczego system AI podjął daną decyzję?

To są pytania operacyjne, a coraz bardziej stają się one ekonomiczne. Wynika to z faktu, że każda godzina spędzona na nadzorowaniu AI podkopywa zyski z wydajności, które uzasadniały inwestycję w AI w pierwszej kolejności. Firmy, które wygrają z AI, nie będą tymi, które uruchamiają najwięcej modeli lub wdrożą najwięcej agentów. Będą to te, które nie potrzebują armii ludzi, aby je obserwować.

AI powinno wzmacniać Twoją siłę roboczą. Nie powinno cicho stawać się nową siłą roboczą.