W wielu małych firmach powtarza się ten sam schemat: praca nie jest trudna, ale wraca w kółko. Zapytania zalegają w skrzynce, faktury trzeba archiwizować, a co miesiąc ktoś ręcznie składa raport. Właśnie tu automatyzacja AI może pomóc i właśnie tu często zaczyna się od złej strony: od narzędzia zamiast od procesu.
W tym artykule pokazuję cztery procesy, które sprawdziły się w mojej praktyce, oraz pytania, dzięki którym ocenisz, czy dany proces u Ciebie się opłaca. Wszystkie przykłady to scenariusze bez liczb. To, co naprawdę oszczędza czas w Twojej firmie, zależy od Twoich procesów. Pod hasłem automatyzacji AI rozumiem tu coś bardzo praktycznego: powtarzalne procesy, które narzędzie przygotowuje, a człowiek zatwierdza.
Kiedy proces nadaje się do automatyzacji
Zanim otworzysz jakiekolwiek narzędzie, zadaj sobie pięć pytań:
- Czy proces wraca regularnie? Przy zadaniach jednorazowych budowa automatyzacji rzadko się zwraca.
- Czy zwykle wygląda tak samo? Im więcej przypadków szczególnych, tym więcej wyjątków do odwzorowania.
- Czy człowiek może szybko sprawdzić wynik? Jeśli kontrola trwa tak samo długo jak praca, nic nie zyskujesz.
- Co w najgorszym razie się stanie, jeśli wystąpi błąd? Źle przypisany termin jest irytujący, błędna płatność to już coś więcej niż irytacja.
- Jakie dane przepływają przez proces? Dane osobowe zasługują na osobną ocenę, zanim trafią do zewnętrznego narzędzia.
Jeśli na pytania 1 do 3 odpowiadasz „tak”, a przy 4 i 5 czujesz się pewnie, warto przyjrzeć się dokładniej.
Proces 1: Sortowanie zapytań i przygotowanie odpowiedzi
Typowy scenariusz: zapytania przychodzą przez formularz kontaktowy, e-mail i notatki z rozmów telefonicznych. Ktoś musi je przeczytać, sklasyfikować i odpowiedzieć.
Sensowna automatyzacja wygląda tak: zapytanie jest automatycznie odczytywane, przypisywane do kategorii (na przykład oferta, wsparcie, termin, inne) i zapisywane z najważniejszymi danymi w stałym zestawieniu. Model językowy tworzy dodatkowo szkic odpowiedzi. Człowiek czyta go, poprawia i wysyła.
Ważne: szkic nie jest wysyłany automatycznie. W komunikacji z klientami zatwierdzenie jest stałym elementem procesu. Jeśli dostajesz dużo zapytań z reklamy, możesz rozszerzyć ten sam pomysł o wstępną kwalifikację według stałych kryteriów.
Proces 2: Odczyt dokumentów i archiwizacja
Typowy scenariusz: faktury, dowody dostawy lub umowy przychodzą jako PDF. Ktoś wpisuje numer faktury, kwotę i dostawcę do tabeli, a plik odkłada do archiwum.
Tutaj model może odczytać odpowiednie pola z dokumentu, wpisać je do tabeli i przenieść plik do właściwego folderu. Ważny jest ślad kontrolny: oryginał zostaje nienaruszony, a przypadki budzące wątpliwości (brakujące pola, nietypowe wartości) trafiają na osobną listę do ręcznej kontroli, zamiast niepostrzeżenie przechodzić dalej.
W przypadku danych księgowych obowiązuje zasada: AI przygotowuje, a księgowanie i zatwierdzenie zostają po Twojej stronie lub po stronie biura rachunkowego.
Proces 3: Składanie cyklicznych raportów
Typowy scenariusz: co miesiąc liczby z kilku źródeł są kopiowane do dokumentu i komentowane.
Automatyzacja sama pobiera liczby. Model językowy pisze pierwszy komentarz („co rzuca się w oczy, co się zmieniło”), który sprawdzasz i uzupełniasz. Największy zysk zwykle nie leży w tekście, ale w tym, że liczby za każdym razem pochodzą z tego samego źródła i według tej samej logiki.
Proces 4: Follow-up i przypomnienia
Typowy scenariusz: wychodzi oferta, a potem nic się nie dzieje, bo w codziennym pośpiechu nikt o niej nie pamięta.
Prosta automatyzacja zauważa, że po ustalonym czasie nie przyszła odpowiedź, i tworzy zadanie lub szkic follow-upu. Tu również: przypomnienie jest automatyczne, a kontakt następuje dopiero po zatwierdzeniu przez człowieka. Przy follow-upie osobisty ton jest ważniejszy niż tempo.
Kolejność kroków i narzędzia
Moja kolejność w praktyce:
- Spisz proces: kto co robi, czym, jak często i co idzie nie tak?
- Ustal rolę człowieka w pętli: które kroki AI tylko przygotowuje, a które ktoś zatwierdza?
- Zbuduj najmniejszą wersję: platforma do automatyzacji, taka jak Make, łączy systemy, a model, np. Claude, ChatGPT lub Gemini, odpowiada za czytanie, sortowanie i redagowanie. Który model pasuje, zależy od zadania i danych.
- Obserwuj: pozwól działać przez kilka tygodni, notuj błędy, poprawiaj.
- Dopiero potem rozszerzaj.
Typowe błędy to automatyzowanie zbyt wielu rzeczy naraz, brak obsługi błędów i stawianie pytań o ochronę danych dopiero na końcu.
Jeśli nie chcesz konfigurować tego sam
To, jak wdrażam automatyzacje dla małych firm, opisuję na stronie Automatyzacja AI. Jeśli najpierw chcesz ustalić, które procesy u Ciebie się opłacają, dobrym początkiem jest konsulting AI.
Stan na: listopad 2026




