BPM w erze AI: Dlaczego to zespoły procesowe decydują o skutecznym wdrożeniu sztucznej inteligencji

Sztuczna inteligencja trafia do firm szybciej niż jakakolwiek wcześniejsza technologia. Chatboty, asystenci i agenci AI pojawiają się w kolejnych działach, a wraz z nimi pytania o koszty, odpowiedzialność, bezpieczeństwo i zgodność z przepisami. Odpowiedzi na wiele z nich nie trzeba szukać w samej technologii. Znajdują się w procesach. Dlatego to właśnie zespoły procesowe mogą przesądzić o tym, czy AI przyniesie firmie realną wartość, czy kolejny obszar bez kontroli.

O tym, jak bardzo zmieniło się postrzeganie AI w biznesie, dobrze świadczy raport Allianz Risk Barometer 2026, czyli coroczny ranking największych ryzyk biznesowych na świecie. Sztuczna inteligencja awansowała w nim z 10. na 2. miejsce, tuż za incydentami cybernetycznymi i przed przerwami w działalności, w tym zakłóceniami w łańcuchach dostaw. Wszystkie trzy ryzyka łączy jedno: trudno nimi zarządzać bez dobrej znajomości procesów. Ochrona przed cyberatakami wymaga wiedzy o tym, gdzie w procesach leżą ryzyka, a ciągłość działania zależy od tego, czy procesy, także te przebiegające przez organizacje partnerów, zaprojektowano z myślą o odporności, a nie tylko o efektywności.

AI jest w tym zestawieniu wyjątkowa, bo to jednocześnie ryzyko i narzędzie, które może pomóc w zarządzaniu pozostałymi zagrożeniami. Wyzwaniem jest przede wszystkim tempo zmian. Jak widać na poniższej osi czasu, automatyzacja oparta na regułach dominowała w BPM przez około 20 lat, podejście oparte na danych i process mining przez około 10, a uczenie maszynowe przez około 5. Od 2022 roku generatywna i agentowa AI zmieniają sytuację niemal z miesiąca na miesiąc.

Tę zmianę dobrze widać na przykładzie codziennej pracy. Jeszcze niedawno to człowiek prowadził cały proces, a AI jedynie odpowiadała na prompt, na przykład podsumowując kwartalne KPI procesów w kilku punktach. Później pojawiły się zadania harmonogramowane, które co tydzień same przygotowują przegląd nowych regulacji dotyczących procesów, za które odpowiadamy. Kolejnym krokiem byli agenci działający równolegle według z góry zdefiniowanych planów, a te plany można opisać właśnie w notacji BPMN. Dziś coraz większą rolę odgrywają agenci autonomiczni, którym wystarczy wskazać cel, na przykład rezerwację podróży, by samodzielnie wykonali całe zadanie.

To ogromna oszczędność czasu, ale także nowe pytania o bezpieczeństwo, dostęp do danych osobowych czy płatności. AI przestaje być narzędziem, z którego korzystamy, a staje się współpracownikiem, który wykonuje pracę. Taki „cyfrowy pracownik” również potrzebuje jasno określonych zadań, zasad i odpowiedzialności, czyli dokładnie tego, co opisują dobrze zaprojektowane procesy.

„Technologia zwykle nie jest problemem. Problemem bywa tempo zmian. Dobry opis procesów pozwala jednak przełożyć nowe możliwości na działanie całej organizacji”. – dr Harald Kühn, członek zarządu BOC Products & Services AG

W wielu firmach scenariusz wygląda podobnie. Organizacja szybko uruchamia korporacyjnego chatbota albo inny system AI, a dopiero potem zaczynają się pytania. Zebrane na poniższej grafice przykłady pokazują, że dotyczą one niemal każdego obszaru firmy. Pracownicy chcą wiedzieć, czy mogą korzystać z nowego modelu. Dyrektor finansowy pyta o koszty, zarząd o to, gdzie AI już działa i jaki ma wpływ na biznes, a dział IT o to, co się stanie, jeśli dostawca zmieni model. Właściciele procesów potrzebują jasnych odpowiedzi na pytania, kto, co i kiedy robi, a dział HR musi zaplanować szkolenia.

Część tych pytań wynika wprost z przepisów. Firmy działające w Unii Europejskiej muszą zgodnie z AI Act zadbać o przeszkolenie pracowników i wiedzieć, w których procesach wykorzystują AI. Bez aktualnego opisu procesów zebranie takich informacji jest trudne, a odpowiedzi szuka się dopiero wtedy, gdy problem już się pojawił.

„AI często trafia do organizacji bardzo szybko, a pytania o zasady, odpowiedzialność i koszty pojawiają się dopiero po wdrożeniu. Powinno być odwrotnie”. – dr Harald Kühn

Dlatego warto uporządkować wdrażanie AI wokół trzech celów, w których zarządzanie procesami odgrywa kluczową rolę. Pierwszy to większa efektywność dzięki AI. Drugi to przejrzystość i kontrola nad tym, gdzie i za jaką cenę AI jest wykorzystywana. Trzeci to włączenie AI w całą organizację, tak by korzystała z rzetelnej wiedzy o firmie. Poniżej pokazujemy, jak każdy z nich wygląda w praktyce na przykładzie ADONIS.

Modelowanie procesów to podstawa pracy każdego zespołu procesowego, ale też zadanie, które zajmuje sporo czasu. Nic dziwnego, że to właśnie tu AI przynosi najszybsze i najbardziej odczuwalne efekty.

Jeszcze niedawno dużym ułatwieniem było narysowanie procesu na podstawie promptu. Dziś oczekiwania są znacznie wyższe. Punktem wyjścia mogą być automatyczne notatki ze spotkania w Teams, zdjęcie schematu narysowanego na flipcharcie albo dokumentacja procesu w kilku językach, którą AI pomaga szybko przetłumaczyć. Najczęściej jednak firmy chcą tworzyć modele procesów na podstawie dokumentów, które już mają, na przykład procedur i instrukcji.

Asystent AI w ADONIS sprawdza się w tym scenariuszu bardzo dobrze. Wystarczy przesłać plik z opisem procesu, a asystent przeanalizuje treść, zaproponuje role i zadania, pozwoli je dopracować, a następnie wygeneruje diagram BPMN z pulami, torami i opisami. Od razu wskaże też, które czynności są zautomatyzowane, a które wykonuje człowiek. Zamiast zaczynać od pustej kartki, analityk otrzymuje gotowy szkic do weryfikacji, a wynik nadal zatwierdza ekspert.

Sprawdź: Krok po kroku opisujemy to we wpisie blogowym Modelowanie procesów BPMN z AI w ADONIS: od SOP do modelu, a o tym, jak AI ułatwia utrzymanie aktualnej dokumentacji, przeczytasz w artykule AI w dokumentowaniu procesów: nowy sposób pracy z procesami.

W praktyce największym wyzwaniem dla wielu firm nie jest sama funkcja, ale uzyskanie wewnętrznej zgody i dostępu do modelu AI. Gdy to się uda, praca nad modelami znacznie przyspiesza.

Asystent AI w ADONIS pomaga także zrozumieć i przeanalizować procesy, które już są w repozytorium. Można zadać mu pytanie zwykłym językiem, na przykład o to, co się stanie, gdy budżet na zakup okaże się niedostępny. Asystent prześledzi wtedy przebieg procesu i wyjaśni, jak powinien się zakończyć. Taki dialog widać na zrzucie ekranu poniżej.

Jeszcze większą wartość asystent wnosi przy przygotowaniu do warsztatów procesowych. Na podstawie modelu i kontekstu organizacji, a także ogólnej wiedzy, którą dysponują narzędzia AI, podpowiada, które czynności warto zautomatyzować lub usprawnić. Polecenia można też wydawać głosowo, co przydaje się zwłaszcza podczas warsztatów, gdy trzeba szybko zanotować dużo treści.

Choć AI otwiera wiele nowych możliwości, nie jest najlepszym rozwiązaniem w każdej sytuacji. Efektywność często zaczyna się od klasycznych, deterministycznych technologii. Grafika poniżej porządkuje, kiedy wybrać które podejście. Reguły i workflow najlepiej sprawdzają się tam, gdzie zasady są znane i stabilne, a procesy powtarzalne i ważne z punktu widzenia audytu. AI wnosi największą wartość przy nieustrukturyzowanych danych, takich jak teksty i dokumenty, oraz wszędzie tam, gdzie liczą się język, zmienność i ocena sytuacji.

Coraz częściej najlepsze efekty daje podejście hybrydowe, w którym AI przygotowuje materiał, a decyzję podejmuje człowiek lub reguła, na przykład gdy agent sprawdza wniosek budżetowy, a menedżer go zatwierdza.

Najważniejsze, by taką decyzję podejmować świadomie, już na etapie projektowania procesu, a nie przypadkowo, gdy rozwiązanie trafi do produkcji.

Dobrym przykładem połączenia obu światów jest projekt usprawnienia procesu purchase-to-pay z pomocą AI. Pierwszym krokiem nie jest wcale wdrożenie AI, ale sprawdzenie, jak proces naprawdę przebiega. Do tego służy process mining, który na podstawie logów z systemów odtwarza rzeczywisty przebieg procesu. W przykładowym, demonstracyjnym zbiorze danych z kilku miesięcy było to około 4300 przypadków i ponad 600 wariantów realizacji jednego procesu.

Na zrzucie ekranu poniżej widać graf bezpośrednich następstw, który pokazuje rzeczywiste ścieżki procesu i liczbę przypadków na każdej z nich. Process mining pozwala też zbadać zgodność procesu z oficjalną dokumentacją i przeanalizować poszczególne warianty. To technologia deterministyczna, która takie dane analizuje szybko i tanio. Analiza tych samych danych przez model AI byłaby znacznie droższa i wymagałaby zużycia dużej liczby tokenów.

„Dokumentacja pokazuje, jak proces powinien przebiegać. Organizacja żyje jednak własnym życiem i realizuje proces po swojemu, dlatego usprawnianie procesu z pomocą AI warto zacząć od sprawdzenia, jak wygląda naprawdę”. – Michał Kossowski, Managing Director w BOC Group w Polsce

Rzeczywisty model procesu można następnie przenieść do ADONIS i pracować nad nim tak, jak przy każdym projekcie optymalizacji: analizować, omawiać na warsztatach z uczestnikami procesu, a także pytać asystenta AI, które usługi AI warto w nim zastosować. W tym przykładzie zespół dodał do procesu niewielką usługę AI, która porównuje fakturę z zamówieniem i przyjęciem towaru.

Zanim firma zdecyduje o inwestycji, symulacja w ADONIS pozwala porównać obecną i docelową wersję procesu. W naszym przykładzie, opartym na danych demonstracyjnych, a nie na wynikach konkretnego wdrożenia, proces z krokiem AI okazał się nieco szybszy i tańszy o około 60 000 euro rocznie, a zapotrzebowanie na pracę spadło z ponad 8 do 7,6 etatu. W każdej firmie wynik będzie inny, ale sposób liczenia pozostaje ten sam. Ważna jest przy tym nie tylko sama oszczędność, ale też uwolnienie czasu pracowników na inne zadania. Dzięki temu na pytanie, czy wdrożenie AI w danym procesie się opłaci, można odpowiedzieć jeszcze przed przeznaczeniem na nie budżetu.

Gdy AI działa już w wielu procesach, firma musi wiedzieć, kto z niej korzysta, które narzędzia są oficjalnie zatwierdzone, a które działają na prywatnych kontach pracowników. Tu ogromną przewagę daje repozytorium procesów. Łączy ono procesy z ryzykami, mechanizmami kontrolnymi, aplikacjami i usługami IT, w tym usługami opartymi na AI. Dzięki analizie zależności w ADONIS można szybko odpowiedzieć na pytanie, które procesy i dokumenty ucierpią, jeśli konkretna usługa AI przestanie działać, oraz sprawdzić, jakie umowy SLA i działania awaryjne są dla niej przewidziane.

Równie ważna jest kontrola kosztów. W dużych organizacjach pracownicy potrafią wykorzystać przydzieloną pulę tokenów AI w ciągu kilku godzin pracy i regularnie proszą o kolejne. Tokeny AI stają się wręcz benefitem pracowniczym, podobnie jak samochód służbowy. Bez danych o tym, gdzie i na co są wykorzystywane, trudno ocenić, czy te wydatki się zwracają.

„Właściciel procesu musi wiedzieć, które procesy i zadania korzystają z AI i jakie koszty się z tym wiążą. Dostarczenie organizacji tej wiedzy to zadanie dla zespołów procesowych”. – Michał Kossowski

Dobrym punktem wyjścia jest zestaw pytań, na które firma powinna umieć odpowiedzieć dla każdej usługi AI, najlepiej jeszcze przed jej wdrożeniem:

• W których procesach i zadaniach będzie wykorzystywana i które procesy skorzystają na niej najbardziej?

• Na jakich danych będzie pracować i jakie ryzyka się z tym wiążą?

• Ile będzie kosztować i jakie oszczędności lub korzyści ma przynieść?

• Kto za nią odpowiada?

• Co się stanie, jeśli przestanie działać, i jakie SLA oraz działania awaryjne są przewidziane?

Odpowiedzi warto zapisać w repozytorium procesów, przy procesach i zadaniach, których dotyczą. W ADONIS można je potem zebrać w kokpicie zbudowanym z konfigurowalnych widżetów. Jak widać na zrzucie ekranu poniżej, kokpit pokazuje, w których procesach działają usługi AI, ile kosztują i kto za nie odpowiada.

Sprawdź: Więcej o tym, jak sprawdzić, co AI zmienia w zadaniach, rolach, danych i kosztach procesów, przeczytasz w artykule Co AI naprawdę zmienia w Twoich procesach.

Firma, która ma dobrze opisane procesy i kontrolę nad wykorzystaniem AI, może pójść o krok dalej i udostępnić zatwierdzoną wiedzę o procesach całej organizacji. Żeby AI dawała wiarygodne odpowiedzi, musi dobrze znać firmę: jej procesy, kompetencje, procedury, aplikacje oraz ryzyka i mechanizmy kontrolne.

Repozytorium procesów zawiera właśnie taką wiedzę. Służy do tego Model Context Protocol (MCP), czyli standard, który można porównać do „USB dla AI”. Jak pokazuje schemat poniżej, MCP łączy repozytoria ADONIS, ADOIT i ADOGRC z narzędziami takimi jak Microsoft Copilot, ChatGPT, Claude czy Gemini, a także z innymi systemami i aplikacjami firmy.

W praktyce bardzo dobrze sprawdza się to w firmowych chatbotach i asystentach, które pomagają pracownikom szukać informacji. Znalezienie właściwej procedury w Confluence, SharePoincie czy w dziesiątkach dokumentów bywa trudne, a pytania o to, jak coś zrobić, pojawiają się codziennie. Gdy pracownik zapyta na przykład, co powinien zrobić w procesie purchase-to-pay, asystent połączony z ADONIS przez MCP pobierze odpowiedź z oficjalnego, zatwierdzonego modelu procesu, a nawet przygotuje propozycję odpowiedzi na e-mail.

„Odpowiedź opiera się na zatwierdzonym modelu procesu, więc nie ma w niej miejsca na halucynacje. To zaufane dane”. – Michał Kossowski

Dla pracowników oznacza to, że nie muszą przeszukiwać dokumentów ani pytać kolegów. Wystarczy zadać pytanie asystentowi AI, z którego korzystają na co dzień, i dostać odpowiedź zgodną z aktualnym, zatwierdzonym procesem. Kluczowe jest przy tym, by asystent korzystał wyłącznie z zatwierdzonych modeli procesów.

Sprawdź: Jak działa MCP i od czego zacząć, wyjaśniamy w artykule Jak połączyć BPM z AI dzięki MCP i ADONIS.

Nawet najlepiej przygotowana technologia nie przyniesie efektów, jeśli ludzie nie będą umieli i chcieli z niej korzystać. Dane Accenture zebrane na grafice poniżej pokazują, że to wciąż słaby punkt wielu firm. 80% pracowników w UE ma dostęp do narzędzi AI, ale codziennie korzysta z nich tylko 28%. Powody bywają różne, jednak najczęściej pracownicy po prostu nie są odpowiednio przeszkoleni. Jednocześnie kadra zarządzająca ocenia sytuację znacznie lepiej niż sami pracownicy. Według badania Accenture przeprowadzonego na rynku szwajcarskim 94% menedżerów uważa, że zespoły są dobrze przygotowane do pracy z AI, a zgadza się z tym tylko 27% pracowników.

„AI nie wdroży się sama. To ludzie przygotowują procesy i pomagają organizacji przejść przez zmianę, a zespoły BPM mają w tym ogromną rolę”. – Michał Kossowski

AI jest kolejnym narzędziem, które może zwiększyć produktywność, podobnie jak wcześniej telefon komórkowy czy internet. Żeby tak się stało, organizacja musi przygotować procesy, określić zasady i odpowiedzialność oraz wesprzeć ludzi w zmianie. To naturalne zadanie dla zespołów procesowych i działów BPM.

AI zmienia zarządzanie procesami szybciej niż jakakolwiek wcześniejsza technologia, ale o sukcesie wdrożenia nie decyduje sama technologia. Decyduje to, czy firma potrafi przełożyć jej możliwości na procesy, odpowiedzialność i codzienną pracę ludzi. Zespoły procesowe mają do tego wszystko, czego potrzeba: znają procesy, potrafią mierzyć ich efektywność i dysponują repozytorium, które może stać się źródłem zaufanej wiedzy dla narzędzi AI.

Jeśli Twoja firma planuje wdrożenie AI lub już z niej korzysta, warto mieć na uwadze poniższe kroki:

• Zanim uruchomisz nowe narzędzie AI, ustal, w których procesach będzie działać, kto za nie odpowiada, ile będzie kosztować i jak przeszkolisz pracowników.

• Wykorzystuj AI tam, gdzie liczą się język, ocena sytuacji i zmienność, a przy stabilnych regułach postaw na rozwiązania deterministyczne.

• Sprawdź za pomocą process mining, jak procesy przebiegają w rzeczywistości, i oceń opłacalność AI w symulacji, zanim przeznaczysz na nią budżet.

• Prowadź w repozytorium procesów aktualną mapę usług AI, procesów, kosztów i osób odpowiedzialnych.

• Udostępniaj zatwierdzoną wiedzę o procesach narzędziom AI przez MCP, żeby odpowiedzi opierały się na zaufanych danych.

Jeśli zastanawiasz się, od czego konkretnie zacząć w Twojej organizacji, na przykład jak zbudować mapę usług AI w repozytorium procesów, policzyć opłacalność AI w symulacji albo połączyć ADONIS z narzędziami AI, z których korzystają Twoi pracownicy, skontaktuj się z nami. Chętnie pokażemy, jak zrobić to w ADONIS na przykładach dopasowanych do Twoich procesów.

Artykuł powstał na podstawie prelekcji „BPM and the AI Shift: New Capabilities for Modern Process Management”, którą dr Harald Kühn, członek zarządu BOC Products & Services AG i Michał Kossowski, Managing Director BOC Group w Polsce, wygłosili 22 października 2026 roku w Wilnie podczas konferencji BPM (Procesų valdymo konferencija 2026), organizowanej przez naszego litewskiego partnera BOC Group, firmę IK consulting.