AI w zarządzaniu procesami: Wiarygodne dane jako klucz do sukcesu

Sztuczna inteligencja w zarządzaniu procesami biznesowymi przestała być ciekawostką. Coraz więcej organizacji uruchamia projekty AI z nadzieją na szybsze procesy, wyższą jakość i bardziej zadowolonych klientów. Wiele z tych inicjatyw kończy się jednak rozczarowaniem.

Dlaczego tak się dzieje i co ma z tym wspólnego dobra dokumentacja procesowa? Na te pytania odpowiadał Zbigniew Misiak z BOC Group podczas konferencji GigaCon BPM, 8 października 2026 r., w prelekcji „Wiarygodne dane i AI: przepis na profesjonalne BPM”.

Sprawdź: Nagranie wystąpienia można obejrzeć bezpłatnie.

W artykule przedstawiamy najważniejsze wnioski z wystąpienia:

• Dlaczego projekty AI nie przynoszą oczekiwanych rezultatów
• Jak wiarygodne dane o procesach pomagają wybrać właściwe miejsca do zastosowania AI
• Jak AI może przyspieszyć codzienną pracę z procesami – od modelowania, przez analizę, po wsparcie pracowników
• Jak bezpiecznie korzystać z AI, zachowując kontrolę nad modelem i zgodność z AI Act

Entuzjazm wokół AI jest ogromny. Pojawia się pomysł za pomysłem: „zróbmy to, zautomatyzujmy tamto”. Wyniki często nie nadążają jednak za oczekiwaniami. Według raportu MIT NANDA The GenAI Divide: State of AI in Business 2025 aż 95% organizacji nie widzi zwrotu biznesowego z inwestycji w generatywną AI. Gartner przewiduje z kolei, że ponad 40% projektów agentowej AI zostanie anulowanych do końca 2027 r. – m.in. z powodu niejasnej wartości biznesowej i niewystarczającej kontroli ryzyka.

Wdrożenia AI nie przynoszą rezultatów nie dlatego, że modele działają niepoprawnie, ale dlatego, że technologię zastosowano w niewłaściwym procesie albo brakuje danych, które oddają kontekst specyficzny dla organizacji.

Z doświadczenia BOC Group wynika, że problemem rzadko jest niedojrzała technologia. Modele AI są coraz bardziej zaawansowane i dają coraz większe możliwości. Najczęściej zawodzi podejście, a błędy powtarzają się w trzech wariantach:

1. Niewłaściwy proces – automatyzujemy obszar, który w ogóle nie powinien podlegać automatyzacji lub na tym etapie nie przyniesie korzyści.
2. Niewłaściwy sposób – stosujemy AI tam, gdzie lepiej sprawdziłaby się klasyczna, deterministyczna automatyzacja, albo wdrażamy ją w nieprzemyślany sposób.
3. Brak kontekstu – proces jest dobrze wybrany, ale AI nie dostała informacji o tym, jak działa organizacja. Efekt? Generyczne odpowiedzi, które nie pasują do specyfiki firmy.

Przestrogą jest przykład Klarny. Firma mocno postawiła na AI w obsłudze klienta, a w 2025 r. jej prezes przyznał, że rozwiązanie było tańsze, ale dawało „niższą jakość” – i spółka zaczęła ponownie inwestować w obsługę prowadzoną przez ludzi. Krótkoterminowe oszczędności okazały się drogą do pogorszenia doświadczeń klientów.

Właśnie tu pojawia się rola narzędzi do zarządzania procesami biznesowymi. To one dostarczają wiarygodnych informacji, które są niezbędnym kontekstem dla AI.

Organizacja potrzebuje spójnego obrazu w trzech obszarach: doskonałości operacyjnej (procesy), wykorzystania technologii (architektura korporacyjna) oraz bezpieczeństwa i zgodności (ryzyko i zgodność z przepisami). Wspólnym mianownikiem tych obszarów są wiarygodne informacje. To one, połączone z AI, dają profesjonalne zarządzanie nie tylko procesami, ale całą organizacją.

Wiarygodne informacje łączące trzy obszary zarządzania organizacją: doskonałość operacyjną, wykorzystanie technologii i bezpieczeństwo biznesu

Pierwszym krokiem do zrozumienia, jak działa organizacja, jest zwykle opisanie procesów – najczęściej w notacji BPMN 2.0. Narzędzia klasy EBPA (Enterprise Business Process Analysis), takie jak ADONIS, pozwalają jednak zrobić znacznie więcej. Diagramy powstają we wspólnym repozytorium i mogą być powiązane z innymi informacjami. Dla każdego kroku procesu można określić:

• kto go wykonuje (role, jednostki organizacyjne),
• w jakich systemach się odbywa (aplikacje IT),
• z jakich dokumentów korzystamy i jakie regulacje nas ograniczają,
• na jakie ryzyka powinniśmy uważać.

Dzięki temu opis procesu staje się specyficzny dla organizacji. Pokazuje, jak firma faktycznie działa, a nie jest zestawem generycznych kroków, które pasowałyby do każdej firmy na świecie. Dokładnie takiego kontekstu brakuje AI, gdy zwraca ogólnikowe odpowiedzi.

Dobrze wyglądający diagram BPMN można dziś stworzyć bardzo szybko. Żeby jednak miał wartość, musi odzwierciedlać rzeczywistość. Wiarygodność dokumentacji procesowej opiera się na kilku filarach:

• Sprawdzone źródła – np. lista aplikacji pochodzi z działu IT lub jest zsynchronizowana z systemem CMDB, a nie jest opisem „słowno-muzycznym”
• Wersjonowanie i akceptacja – każdy proces ma wersję, status (np. „zaakceptowany”), datę obowiązywania i właściciela
• Współpraca – diagramy sprawdzają osoby, które faktycznie znają dany proces, nawet jeśli nie są ekspertami od BPM
• Aktualność – wygodna publikacja i komentowanie sprawiają, że pracownicy zgłaszają uwagi, a dokumentacja nadąża za zmianami

Taka dokumentacja służy dwóm grupom odbiorców jednocześnie: pracownikom (wykonawcom, właścicielom procesów, analitykom) oraz rozwiązaniom AI i agentom, które potrzebują rzetelnej wiedzy o organizacji.

Sprawdź: Chcesz zweryfikować, czy Twoja organizacja posiada takie fundamenty? Skorzystaj z bezpłatnej checklisty gotowości na AI, która w sześciu obszarach pomaga ocenić podstawy procesowe i wskazać luki do uzupełnienia przed skalowaniem AI.

Podczas prezentacji na żywo Zbigniew Misiak pokazał to w systemie ADONIS na przykładzie demonstracyjnego banku ADOmoney Bank.

Punktem wyjścia jest architektura procesów – uporządkowany obraz wszystkich procesów podzielonych na grupy. Każdy proces ma opis: czego dotyczy, co go wyzwala, kto jest jego właścicielem, od jakich innych procesów zależy i jakie systemy wykorzystuje.

Z poziomu architektury można schodzić w głąb. W obszarze kredytów widać np. etapy (nowe umowy, obsługa istniejących umów, zakończenie umowy), łańcuchy wartości, a dalej procesy szczegółowe w notacji BPMN. Można też opisywać warianty procesów – np. gdy firma eksperymentuje już z wersją zautomatyzowaną i chce porównać ją ze standardem.

Dane zgromadzone w repozytorium można łatwo raportować i wizualizować – w formie analiz graficznych, map cieplnych (heatmap) i kokpitów dla decydentów. Pozwala to ocenić procesy np. pod kątem:

• częstotliwości wykonywania,
• poziomu standaryzacji,
• potencjalnych korzyści z automatyzacji,
• wymaganego poziomu deterministyczności, czyli tego, czy wynik musi być zawsze przewidywalny i powtarzalny.

Przykład z banku dobrze pokazuje, jak te kryteria się uzupełniają:

Obsługa płatności to obszar, w którym automatyzacja ma dużo więcej sensu niż w zarządzaniu strategią. Nie oznacza to jednak, że samo zlecanie przelewów należy powierzyć AI. Tu sprawdzi się klasyczna, przewidywalna automatyzacja. AI może za to wnieść dużą wartość w analizie transakcji pod kątem nadużyć.

Procesy opisane w ADONIS pokazują, gdzie AI może przynieść korzyść. System ADOIT do zarządzania architekturą korporacyjną uzupełnia ten obraz o warstwę technologiczną. Pozwala np. zestawić, jakie modele językowe i rozwiązania oparte na AI są już używane w organizacji, gdzie działają i na czym się opierają. Z kolei ADOGRC pomaga identyfikować i oceniać ryzyka – również te związane z samym wykorzystaniem AI.

Druga strona tej relacji jest równie ważna: nie tylko wiarygodne dane pomagają AI, ale także AI pomaga tworzyć i utrzymywać wiarygodne dane. Wizja BOC Group zakłada, że AI jest wbudowana w system tam, gdzie jest przydatna, wspiera najczęstsze działania i zdejmuje z ludzi czasochłonną pracę. Ma przy tym działać transparentnie, tak aby decyzje zapadały na podstawie sprawdzonych informacji.

To odpowiedź na trzy wyzwania współczesnych organizacji: złożoność (zmiana jednego przepisu może wpłynąć na wiele procesów), informacje zamknięte w silosach oraz przeciążenie informacjami – dotyczące zarówno wykonawców procesów, jak i zespołów zajmujących się BPM.

Modelowanie i warsztaty procesowe zajmują dużo czasu. Asystent AI w ADONIS pozwala znacznie go skrócić. Przy tworzeniu nowego diagramu można:

• wpisać krótkie polecenie, np. „Zaproponuj proces obsługi zapytania ofertowego” i potraktować wynik jako inspirację,
• podać dłuższy opis tekstowy, np. podsumowanie spotkania lub transkrypcję warsztatu z Microsoft Teams,
• wgrać istniejące dokumenty (Word, PDF, Excel), np. procedury i przekształcić je w diagram BPMN.

Projektowanie procesu BPMN z asystentem AI na podstawie opisu tekstowego

Użytkownik decyduje, jak szczegółowy ma być proces i czy asystent ma uwzględnić role, tory czy opisy. W efekcie powstaje poprawny diagram BPMN, a analityk może poświęcić czas na jego dopracowanie zamiast na rysowanie od zera. W modelowanie łatwiej jest też zaangażować osoby, które nie są analitykami.

Wszystko, co wygenerowała AI, jest w systemie wyraźnie oznaczone. To sygnał, że wynik należy sprawdzić pod kątem merytorycznym i – w razie potrzeby – poprawić układ diagramu. Dalej pomagają standardowe funkcje ADONIS:

1. Zaproszenie do przeglądu – osoby znające proces dostają link do diagramu
2. Komentarze – współpracownicy wskazują miejsca, w których proces działa w praktyce inaczej
3. Akceptacja – po uwzględnieniu uwag proces przechodzi przez ścieżkę zatwierdzania i staje się obowiązującą wersją stanu obecnego (AS-IS) lub docelowego (TO-BE

To właśnie połączenie szybkości AI z weryfikacją przez ludzi sprawia, że dokumentacja pozostaje wiarygodna.

Gdy proces już istnieje, asystent może go przeanalizować. Można skorzystać z gotowych zapytań lub zadać własne pytanie, np.:

• „Zasugeruj, jak udoskonalić ten proces”,
• „Które kroki tego procesu powinny zostać zautomatyzowane?”,
• „Czy w tym procesie są luki logiczne?”

Analiza procesu i sugestie usprawnień od asystenta AI w ADONIS

To inspiracja dla analityków i właścicieli procesów, która pomaga szybciej znaleźć pomysły na usprawnienia, standaryzację i automatyzację.

Diagramy BPMN są jednoznaczne, ale osobom bez doświadczenia ich czytanie może na początku sprawiać trudność. Dlatego ADONIS oferuje automatycznie generowane widoki tekstowe i dokumentację do wydruku, a asystent AI idzie o krok dalej. Pracownik może zapytać: „Czego dotyczy ten proces?”, „Kto jest w niego zaangażowany?” albo konkretnie: „Co mam zrobić, jeśli obsługuję klienta korporacyjnego?”.

Odpowiedzi asystenta AI na pytania pracownika o proces

Odpowiedzi powstają na podstawie zawartości repozytorium, czyli sprawdzonych i obowiązujących informacji, a asystent zawsze wskazuje, na czym się opiera. AI wspiera więc nie tylko tych, którzy procesy tworzą, ale także tych, którzy je na co dzień wykonują.

Wśród najnowszych usprawnień asystenta AI znalazły się:

• Generowanie i edycja tekstów w notatnikach obiektów i modeli – poprawianie literówek i gramatyki, porządkowanie notatek z warsztatów, skracanie, wydłużanie oraz zmiana tonu na bardziej lub mniej formalny
• Generowanie torów (swimlanes) w diagramach BPMN
• Kopiowanie promptów i odpowiedzi, automatyczna numeracja oraz możliwość wstrzymania akcji

Edycja tekstów może nie brzmieć imponująco, ale w praktyce notatki z warsztatów często są niespójne lub zawierają błędy. Ich szybkie uporządkowanie bezpośrednio podnosi jakość dokumentacji.

Efekt? Dokumentacja procesowa powstaje szybciej, jest lepszej jakości i łatwiej ją zrozumieć. Wiarygodne dane pomagają trafnie wdrażać AI, a AI pomaga dbać o wiarygodne dane – oba aspekty wzajemnie się wzmacniają.

Wbudowany asystent to dopiero początek. Zawartość repozytorium ADONIS może zasilać także własne rozwiązania AI organizacji. Służą do tego:

• MCP (Model Context Protocol) – otwarty standard łączenia modeli AI z zewnętrznymi źródłami danych i narzędziami; umożliwia łatwą integrację z rozwiązaniami AI
• REST API – pozwala zasilać danymi o procesach własne bazy wiedzy
• Dodatkowe opcje techniczne, np. Ollama czy Amazon Bedrock, które dają dostęp do większej liczby modeli

Na tej podstawie można budować rozwiązania w trzech głównych obszarach:

Repozytorium ADONIS jako źródło wiedzy dla indywidualnych projektów AI

Architektura procesów pomaga lepiej planować takie wdrożenia. Repozytorium i mechanizmy wersjonowania gwarantują z kolei, że AI korzysta z aktualnych i wiarygodnych informacji.

Sprawdź: Więcej o tych scenariuszach przeczytasz w artykule Jak połączyć BPM z AI dzięki MCP i ADONIS.

Przez MCP można zadawać repozytorium pytania w języku naturalnym. Podczas prezentacji padły m.in. takie przykłady:

• „Podaj listę diagramów BPMN, których typ procesu to wspierający i które nie były modyfikowane od listopada 2025”,
• „Podaj wszystkie aplikacje występujące w tych procesach wraz z właścicielem i strategią inwestycyjną”,
• „Przygotuj listę ryzyk z grupy Klienci, produkty i praktyki biznesowe”.

Pytania w języku naturalnym do repozytorium procesów, aplikacji i ryzyk

Odpowiedź zawsze wskazuje źródło, np. link do konkretnego diagramu. Tak samo można odpytywać repozytoria architektury korporacyjnej (ADOIT) czy ryzyk (ADOGRC). W centrum pozostają wiarygodne dane, a AI pomaga je szybko wydobyć i na ich podstawie działać.

W przypadku AI w biznesie liczy się nie tylko funkcjonalność, ale też bezpieczeństwo i przejrzystość. Zgodnie z wynikami badania BPM 2025, przeprowadzonego przez ZHAW School of Management and Law we współpracy z BOC Group wśród niemal 300 ekspertów, ochrona danych to najczęściej wskazywane wyzwanie przy wykorzystaniu AI w zarządzaniu procesami (70% wskazań). Dlatego asystent AI w ADONIS został zaprojektowany tak, aby to klient zachowywał kontrolę:

• Wybór dostawcy i modelu – organizacja sama decyduje, z jakiego modelu językowego (LLM) korzysta. Do wyboru są m.in. Amazon Bedrock, Anthropic (Claude), Azure OpenAI, Google (Gemini), OpenAI, dostawcy zgodni z OpenAI API, a także Ollama – w chmurze lub lokalnie, np. z modelami GPT OSS czy polskim Bielikiem
• Kontrola zakresu – klient decyduje, z czego i w jakim zakresie korzysta
• Transparentność – treści wygenerowane przez AI są zawsze oznaczone, a odpowiedzi wskazują źródła w repozytorium
• Zgodność z AI Act – BOC Group jest jednym z pierwszych sygnatariuszy unijnego Kodeksu Praktyk dotyczącego przejrzystości treści generowanych przez AI, który pomaga wykazać zgodność z art. 50 AI Act

Asystent AI jest dostępny w cenie ADONIS w wersji Enterprise. System można wdrożyć w chmurze (SaaS) lub lokalnie (on-premise).

Przepis na skuteczne wykorzystanie AI w zarządzaniu procesami składa się z trzech składników:

1. Wiedza, na której można polegać – wiarygodne, wersjonowane i zaakceptowane informacje o procesach, rolach, systemach, dokumentach i ryzykach
2. Kontekst, dzięki któremu AI dostarcza wartość – zamiast generycznych odpowiedzi AI daje sugestie dopasowane do konkretnej organizacji
3. Wiedza, która przekłada się na działanie – dla ludzi i dla AI, z realnymi rezultatami dla całej organizacji

Wiarygodne dane w repozytorium pomagają wybrać właściwe miejsca do wdrożenia AI i zmniejszają ryzyko, że inwestycja nie przyniesie zwrotu. AI z kolei przyspiesza tworzenie dokumentacji, podnosi jej jakość i ułatwia jej zrozumienie. Te dwa elementy wzajemnie się wzmacniają – i właśnie to połączenie tworzy profesjonalne BPM.

Chcesz zobaczyć asystenta AI w ADONIS w działaniu? Skontaktuj się z nami – umówimy bezpłatną prezentację lub przygotujemy środowisko testowe, w którym samodzielnie sprawdzisz możliwości systemu.