
W małej firmie AI przydaje się najbardziej tam, gdzie ktoś co tydzień przepisuje, sortuje i składa te same informacje. Zamówienie z maila trafia do programu, notatka z rozmowy zamienia się w ofertę, a dane z trzech miejsc w zestawienie dla księgowej. Ta praca często się powtarza, ale nadal wymaga sprawdzenia danych.
Opisuję pięć takich zadań. Przy każdym pokazuję na przykładzie, co robi AI, co załatwiają zwykłe reguły i gdzie decyzję podejmuje człowiek. Na końcu piszę, jak wybrać pierwszy proces i czego AI lepiej nie oddawać.
Ile polskich firm korzysta z AI
Według GUS w 2025 roku z technologii sztucznej inteligencji korzystało 8,7% polskich przedsiębiorstw, rok wcześniej 5,9%. Między firmami różnej wielkości przepaść jest duża: w dużych (od 250 osób) to 42%, w małych (od 10 do 49 osób) 6,1%. Eurostat liczy te same dane trochę inaczej i podaje dla Polski 8,4% przy średniej unijnej 20%. Niżej w Unii jest tylko Rumunia.
Firm zatrudniających do 9 osób GUS w tym badaniu nie obejmuje, więc o mikrofirmach i jednoosobowych działalnościach oficjalnych danych nie ma.
Polskie firmy, które sięgają po AI, używają jej najczęściej w marketingu i sprzedaży, rzadziej w administracji i księgowości, a najrzadziej w logistyce. Tymczasem w małej firmie najwięcej przepisywania jest właśnie w biurze. Kiedy PARP w 2026 roku zapytała pracodawców, co ich powstrzymuje, wymieniali obawy o bezpieczeństwo, koszty wdrożenia, niejasne przepisy, brak wiedzy i to, że gotowe rozwiązania nie pasują do ich potrzeb.
Co znaczy „automatyzacja procesu z AI”
Proces to kolejne kroki: przychodzi wiadomość, ktoś ją czyta, wpisuje dane, odpisuje, zapisuje termin. Większość takich kroków nie potrzebuje sztucznej inteligencji. Przeniesienie danych z jednego programu do drugiego albo wysłanie przypomnienia o stałej porze to zwykłe reguły, które działają od lat.
AI jest potrzebna tam, gdzie trzeba zrozumieć tekst napisany przez człowieka: maila bez stałego układu, notatkę z telefonu, skan umowy. A tam, gdzie pomyłka kosztuje, ostatnie słowo ma człowiek.
| Krok | Kto go wykonuje | Dlaczego |
|---|---|---|
| Pobranie maila ze skrzynki | reguła | zawsze ta sama czynność |
| Odczytanie, kto zamawia, co i na kiedy | AI | każdy klient pisze inaczej |
| Sprawdzenie, czy towar jest na stanie | reguła | liczby są w programie magazynowym |
| Zatwierdzenie zamówienia | człowiek | pomyłka trafiłaby do klienta |
1. Zapytania i zamówienia z maili
Przykład: hurtownia z artykułami do sprzątania dostaje zamówienia mailem. Raz jako tabelkę w załączniku, raz jako trzy zdania w treści, raz jako zdjęcie kartki. Ktoś w biurze przepisuje je do programu, a potem odpisuje klientowi.
W takim rozwiązaniu AI odczytuje klienta, produkty, ilości i termin dostawy. Przygotowuje szkic zamówienia i odpowiedzi. Program porównuje produkty z kartoteką oraz sprawdza wymagane pola. Brak dopasowania trafia na listę do wyjaśnienia. Osoba w biurze widzi wynik obok oryginalnego maila i zatwierdza go po sprawdzeniu.
W osobnym artykule pokazuję trzy wiadomości z zamówieniem i poprawkami obok rzeczywistej odpowiedzi AI. Na fikcyjnych danych można prześledzić zmianę ilości, przeliczenie kartonów na butelki i nowy termin dostawy.
Tak samo można obsłużyć zapytania z formularza na stronie albo wiadomości z WhatsAppa, jeśli dostępne jest potrzebne połączenie. Jak to wygląda przy pytaniach klientów i umawianiu wizyt, opisuję na stronie o obsłudze zapytań i rezerwacji, a przykłady dla konkretnych branż są w przeglądzie procesów dla branż.
2. Faktury i dokumenty po wejściu KSeF
Jeszcze niedawno najczęstszym pomysłem na AI w dokumentach było odczytywanie faktur ze skanów i zdjęć. W 2026 roku ta część pracy w dużej mierze zniknęła. Od 1 lutego każda firma odbiera faktury przez Krajowy System e-Faktur (KSeF), a od 1 kwietnia wystawiają w nim prawie wszystkie firmy. Większość faktur od polskich kontrahentów przychodzi więc jako uporządkowane dane, które program wczytuje bez odczytywania.
Praca wokół faktur jednak została i tu AI ma co robić:
- przypisuje koszt do kategorii, zlecenia albo samochodu na podstawie opisu pozycji,
- odczytuje niepełny tytuł przelewu i proponuje powiązanie z fakturą; kwoty oraz numery sprawdza program, a propozycję zatwierdza człowiek,
- czyta dokumenty spoza KSeF: faktury od zagranicznych dostawców, paragony, umowy, protokoły odbioru.
Przykład: firma remontowa kupuje materiały w kilku hurtowniach i chce wiedzieć, ile kosztowało każde zlecenie. AI czyta pozycje z faktur i proponuje, do którego zlecenia należą, a właściciel raz w tygodniu przegląda propozycje. Jak rozliczyć dany wydatek w podatkach, nadal decyduje księgowa. Przykład kompletowania dokumentów i powiązania płatności z fakturami pokazuję na stronie dla biur rachunkowych.
3. Oferty i wyceny
Przykład: firma montująca klimatyzację po każdej rozmowie z klientem przygotowuje ofertę. Wszystkie wyglądają podobnie: kilka urządzeń, montaż, dojazd, termin. Mimo to właściciel składa każdą od nowa, wieczorem, z poprzedniej oferty i cennika w arkuszu.
AI dostaje zapytanie klienta, notatkę z rozmowy (może być nagrana głosem w samochodzie) i cennik firmy. Z tego składa szkic oferty na firmowym wzorze. Ceny bierze wyłącznie z cennika. Jeśli jakiejś pozycji w cenniku nie ma, zostawia puste pole i je zaznacza, zamiast wymyślać kwotę. Właściciel czyta szkic, poprawia i wysyła.
Znika przepisywanie pozycji i sprawdzanie, czy suma się zgadza (to liczy arkusz, nie AI). Decyzja o cenie i o tym, co obiecać klientowi, zostaje przy właścicielu.
Ten przykład sprawdziłem na fikcyjnych zapytaniach i cenniku. W osobnym artykule pokazuję szkic oferty przygotowany przez AI z maili klienta i notatki z oględzin, razem z pytaniem klienta, które w szkicu zginęło.
Po wykonaniu prac podobnego uporządkowania wymagają notatki ekipy. Na stronie dla firm instalacyjnych i serwisowych pokazuję projekt protokołu, historię urządzenia i sprawdzenie dokumentacji zlecenia. Przykład pozwala porównać zapis w protokole z notatką pracownika.
4. Przypomnienia i ponaglenia
Przypomnienie o wizycie, o niezapłaconej fakturze, o ofercie, na którą klient nie odpowiada od tygodnia. Łatwo o nich zapomnieć, gdy dzień jest zajęty. Brak przypomnienia może zwiększać ryzyko nieobecności albo opóźnienia płatności. W ochronie zdrowia dobrze to zbadano: według przeglądu Cochrane z 2013 roku (7 badań, 5841 osób) SMS przed wizytą podniósł obecność pacjentów z 67,8% do 78,6%.
Sama wysyłka przypomnień nie wymaga AI. Kalendarz albo prosta reguła wyśle SMS dzień przed wizytą, a program do faktur przypomni o terminie płatności. AI przydaje się w dwóch miejscach:
- pisze treść dopasowaną do sytuacji: inną do stałego klienta, który spóźnia się z płatnością pierwszy raz, inną przy trzecim ponagleniu;
- czyta odpowiedzi. Gdy klient odpisze „nie dam rady, może czwartek po 15?”, AI rozpozna prośbę o zmianę terminu i przygotuje propozycję w kalendarzu do zatwierdzenia.
Z ofertami bez odpowiedzi jest podobnie. Po tygodniu AI przygotowuje krótkiego maila z pytaniem, czy oferta jest wciąż aktualna, a Ty decydujesz, czy go wysłać.
5. Zestawienia i raporty
Przykład: właścicielka biura podróży co poniedziałek składa zestawienie z trzech miejsc: systemu rezerwacji, programu do faktur i arkusza z zaliczkami. Chce wiedzieć, ile wpłynęło, kto zalega z ratą i które wyjazdy mają za mało chętnych. Zajmuje jej to godzinę, bo dane trzeba skopiować, ujednolicić i porównać z poprzednim tygodniem.
Po wdrożeniu dane pobierają się same, zestawienie liczą formuły, a AI dopisuje kilka zdań o tym, co się zmieniło: „dwie październikowe grupy mają zajętą mniej niż połowę miejsc, trzech klientów nie wpłaciło drugiej raty”. W poniedziałek rano raport czeka w skrzynce.
Zestawienie może też dotyczyć uwag zapisanych w różnych miejscach. Na stronie dla hoteli pokazuję, jak opinie gości zamienić w propozycje zadań dla obsługi. Każda propozycja prowadzi do źródła i konkretnego obiektu, a osoba zarządzająca decyduje, co zrobić.
Czego nie oddawać AI
Nie każde zadanie nadaje się do automatyzacji. Nie oddałbym AI:
- decyzji o pieniądzach: zatwierdzania przelewów, udzielania rabatów, zmiany cen;
- spraw prawnych i podatkowych bez sprawdzenia przez księgową albo prawnika;
- procesów, których nikt w firmie nie potrafi opisać krok po kroku, bo AI nie uporządkuje bałaganu, najwyżej go przyspieszy;
- zadań, które zdarzają się raz na kwartał, bo przygotowanie automatyzacji zajmie więcej czasu, niż zaoszczędzi.
Ostrożnie też z obietnicami oszczędności. W amerykańskiej ankiecie Banku Rezerwy Federalnej w St. Louis z 2024 roku osoby korzystające z generatywnej AI oszczędzały średnio 5,4% godzin pracy. W duńskim badaniu 25 tysięcy pracowników (Humlum i Vestergaard, NBER) wyszło około 3%. Oba badania mierzą ogólne korzystanie z narzędzi w rodzaju ChatGPT, więc nie mówią, ile zaoszczędzi konkretna firma na konkretnym zadaniu. Dlatego zaczynam od jednego procesu i mierzę, ile czasu zajmował przed zmianą i po niej.
Jak wybrać pierwszy proces
Najlepiej zacząć od zadania, które jest nudne, częste i łatwe do sprawdzenia. Jeśli przy jakimś procesie możesz odhaczyć większość punktów z listy, to dobry kandydat.
Dobry pierwszy proces
- Powtarza się co najmniej co tydzień.
- Dane przychodzą w podobnej formie: maile, formularze, faktury, arkusze.
- Da się go opisać w kilku krokach, nawet jeśli dziś nikt tego nie spisał.
- Pomyłkę da się wyłapać, zanim zobaczy ją klient.
- Wiesz, ile czasu zajmuje dziś. Jeśli nie wiesz, zapisuj to przez tydzień.
- Jedna osoba odpowiada za wynik i potrafi ocenić, czy działa.
Jak przygotować próbę i sprawdzić wynik
Zanim wybierzesz narzędzie, opisz wejście, wynik i sposób sprawdzenia zadania. Przygotuj też przykłady, na których da się porównać obecną pracę z proponowanym rozwiązaniem.
Zapisz obecny przebieg
Wypisz, skąd przychodzą dane, kto je sprawdza i gdzie trafia gotowy wynik. Przez kilka dni mierz czas razem z poprawkami. Bez tego trudno ocenić, czy zmiana pomogła.
Przygotuj różne przykłady
Wybierz zwykłe wiadomości lub dokumenty, ale także nieczytelny skan, brakujące pole czy dwa produkty o podobnej nazwie. Usuń informacje, które nie są potrzebne do próby. Materiały przekazuj dopiero po ustaleniu zasad dostępu.
Ustal, jak rozpoznasz błąd
Przy każdym przykładzie zapisz oczekiwany wynik. Określ, które pola muszą zgadzać się ze źródłem i kiedy zadanie ma trafić do człowieka. W pilotażu sprawdź również te odpowiedzi, które wyglądają na pewne.
Porównaj całą pracę
Policz czas od otrzymania danych do zatwierdzonego wyniku, razem ze sprawdzaniem AI. Zapisz liczbę poprawek i przypadki, w których trzeba było wrócić do pracy ręcznej. Szybkie wygenerowanie szkicu nie wystarcza, jeśli poprawianie trwa dłużej niż wcześniej.
Zakres współpracy, czas pilotażu i jego rezultat opisuję w ofercie automatyzacji procesów. Przykład reguł i kontroli wyników z działającego serwisu znajdziesz w opisie Mapy Oświatowej.
Udostępniam też test odczytu ośmiu fikcyjnych zamówień przez AI: oczekiwane wyniki, zapisane odpowiedzi i problem w komentarzach, którego kontrola samych pól nie wykryła.
Co z danymi firmy
Przy automatyzacji procesu przez narzędzie AI przechodzą maile klientów, faktury i notatki. Trzeba więc wiedzieć, co się z nimi dzieje.
Sprawdź warunki konkretnego produktu i konta: czy dane służą trenowaniu, jak długo są przechowywane, gdzie są przetwarzane i kto ma do nich dostęp. Sam napis „konto firmowe” albo „API” nie rozstrzyga wszystkich tych pytań. Brak trenowania nie oznacza braku przechowywania.
W moich wdrożeniach ustalam te zasady przed przekazaniem danych i korzystam z płatnego dostępu, w którym dostawca nie trenuje na przesłanej treści. Zasady Google Workspace i Gemini API to osobne warunki. Dla tego drugiego właściwym źródłem są warunki Gemini API (otwiera się w nowej karcie), obejmujące również przechowywanie i zasady dla Europejskiego Obszaru Gospodarczego. Szczegóły dostępu i zatwierdzania wyników opisuję w zasadach wdrożenia.
Najczęstsze pytania
Czy najczęstsze zadanie zawsze jest najlepsze na początek?
Częstotliwość to tylko jeden warunek. Ważne są też dostępne dane, możliwość sprawdzenia wyniku i skutki pomyłki. Łatwy do oceny szkic dokumentu może być lepszą pierwszą próbą niż częstsze zadanie, którego błąd trudno zauważyć.
Czy AI zastąpi pracownika?
W małej firmie zwykle nie o to chodzi. AI przejmuje przepisywanie i sortowanie, a pracownik sprawdza wyniki i zajmuje się sprawami, które wymagają rozmowy z klientem albo decyzji.
Czy każda automatyzacja potrzebuje AI?
Nie. Jeśli dane mają stały układ i wystarczy porównać liczby albo przenieść pola, zacznij od reguły, formuły lub gotowej funkcji programu. AI ma sens przy tekście, którego nie da się odczytać według jednego stałego schematu.
Kiedy wiadomo, czy próba ma sens?
Po sprawdzeniu wyników na uzgodnionej próbce, razem z czasem kontroli i poprawiania. Jeśli rezultat nie spełnia kryteriów, trzeba zmienić zakres lub zakończyć próbę. Pojedynczy poprawny przykład nie wystarcza do oceny.
Czy to ma sens w firmie jednoosobowej?
Tak, jeśli jest zadanie, które wraca co tydzień. W jednoosobowej działalności każda godzina przy przepisywaniu to godzina mniej dla klientów, więc nawet jeden proces może zrobić różnicę. Najczęściej zaczyna się od ofert albo faktur.
Źródła
- GUS: Społeczeństwo informacyjne w Polsce w 2025 r. (PDF, s. 112–115) (otwiera się w nowej karcie)
- GUS: Wykorzystanie technologii informacyjno-komunikacyjnych w przedsiębiorstwach i gospodarstwach domowych w 2025 r. (otwiera się w nowej karcie)
- Eurostat: 20% of EU enterprises use AI technologies (11.12.2025) (otwiera się w nowej karcie)
- PARP: Czy polskie firmy są gotowe na AI? Wyniki badania Bilansu Kapitału Ludzkiego (22.04.2026) (otwiera się w nowej karcie)
- Ministerstwo Finansów: Zakres obowiązkowego KSeF (otwiera się w nowej karcie)
- Gurol-Urganci i in.: Mobile phone messaging reminders for attendance at healthcare appointments (Cochrane, 2013) (otwiera się w nowej karcie)
- Federal Reserve Bank of St. Louis: The Impact of Generative AI on Work Productivity (27.02.2025) (otwiera się w nowej karcie)
- Humlum, Vestergaard: Large Language Models, Small Labor Market Effects (NBER, WP 33777) (otwiera się w nowej karcie)
- OpenAI: Enterprise privacy (otwiera się w nowej karcie)
- Anthropic: Is my data used for model training? (otwiera się w nowej karcie)
- Google Workspace: Generative AI Privacy Hub (otwiera się w nowej karcie)
- Google: Gemini API Additional Terms of Service (otwiera się w nowej karcie)


