Dane i połączenia
Pliki, eksporty i zanonimizowane dane. Narzędzia AI oraz automatyzacje służyły sprawdzeniu pomysłów bez połączeń z produkcją.
Od pojedynczych fascynatów AI do zespołów budujących prototypy
Program dla całej firmy, talentów i dyrektorów, w którym pracownicy klienta sami zbudowali 21 prototypów AI na danych firmy. Na Demo Day uczestnicy pokazali działające prototypy w gronie kadry kierowniczej, a wybrane przypadki trafiły do zarządu.
Efekt
- 21
- prototypów AI zbudowanych przez pracowników
- 7
- prototypów dyrektorów pokazanych na Demo Day
- 40+
- pomysłów opisanych przez uczestników na kanwach
Jak to działa
Trzy poziomy programu
firma, talenty, dyrektorzy
Pomysł oceniany na kanwie
cztery wymiary
Semafor danych
co wolno, co nigdy
Pracownicy budują prototypy
na danych firmy
Demo Day
prototypy w gronie kadry kierowniczej
Dyrektorzy program zakończony Demo Day
Talenty 15 osób
Cała firma szkolenie podstawowe
Przykładowy pomysł
Powtarzalność
Wpływ
Ryzyko
Szybkość efektu
Opis procesu
Wolno
Eksport zamówień
Po anonimizacji
Dane kadrowe
Nigdy
m.in.
- Asystent dokumentacji ERPprototyp
- Ofertowanie z kilkoma agentamiprototyp
- Wtyczka do systemu HRprototyp
7 prototypów dyrektorów na Demo Day
21 prototypów pracowników w całym programie
Efekt21prototypów AI zbudowanych przez pracowników
01
Wyzwanie
Zarząd widział w AI kolejną falę zmian, ale firma nie miała do niej systemowego podejścia. Pracownicy korzystali z różnych narzędzi na własną rękę, a pilotaż Copilota objął niewielką grupę osób. Brakowało wspólnego języka, metody oceny pomysłów i liczenia zwrotu. Zarząd chciał zobaczyć działające rozwiązania na danych firmy przed większą inwestycją.
Dyrektorzy i pracownicy pracowali na swoich zadaniach. Prototypy powstawały na zanonimizowanych materiałach, poza systemami produkcyjnymi.
02
Rozwiązanie
Program miał trzy poziomy: szkolenie podstawowe dla całej firmy, program dla 15 talentów i program dla kadry dyrektorskiej zakończony Demo Day. W programach praktycznych uczestnicy oceniali pomysły na kanwie i budowali prototypy na zanonimizowanych danych firmy, a my prowadziliśmy sesje i coaching. Prototypy zbudowali sami pracownicy klienta, m.in. asystenta dokumentacji ERP, wieloagentowy prototyp ofertowania i wtyczkę do systemu HR.
03
Jak to zbudowaliśmy
Uczestnicy pracowali na narzędziach dostępnych w firmie i w wersjach ogólnodostępnych: Claude, ChatGPT i Copilot, a bardziej zaawansowani także n8n, Make i Python z API modeli. Dane firmowe przed użyciem w narzędziach publicznych przechodziły przez zasadę semafora: co wolno, co tylko po anonimizacji, a co nigdy. Prototypy działały na plikach i eksportach danych, bez integracji z systemami produkcyjnymi. Instrukcje ograniczały halucynacje: odpowiedzi tylko z dokumentów, internet za zgodą użytkownika. Każdy pomysł oceniano w czterech wymiarach: powtarzalność, wpływ, ryzyko i szybkość efektu, a przed wdrożeniem zalecaliśmy testy bezpieczeństwa.
ClaudeChatGPTMicrosoft Copilotn8nMakePython
Przebieg
Jak działa rozwiązanie
- 01
Zadanie i punkt wyjścia
Zespół wybiera powtarzalną pracę i opisuje, co chce usprawnić.
- 02
Prototyp na danych roboczych
Sprawdza pomysł na plikach i eksportach. Ten etap nie zapisuje zmian w produkcyjnych systemach firmy.
- 03
Demo Day i decyzja
Uczestnicy pokazują działające prototypy w gronie kadry kierowniczej, z założeniami i ograniczeniami. Wybrane przypadki trafiają do zarządu, który wybiera kolejne pilotaże.
Rola człowieka
Dyrektorzy i zespoły oceniają przydatność rozwiązania. Zarząd decyduje o dalszej inwestycji; prototyp nie jest jeszcze integracją produkcyjną.
Wnioski
Co zadecydowało o efekcie.
- 01
Prototyp zamiast prezentacji
Dyrektorzy budują działające rozwiązanie na danych firmy i pokazują je na Demo Day w gronie kadry kierowniczej. Wybrane przypadki trafiają do zarządu, zanim zapadnie decyzja o budżecie.
- 02
Ocena pomysłu na kanwie
Każdy pomysł przechodzi przez cztery pytania: powtarzalność, wpływ, ryzyko i szybkość efektu, z szacunkiem zwrotu przygotowanym przez autora.
- 03
Semafor danych
Prosta zasada mówi, których danych wolno używać w narzędziach publicznych, których tylko po anonimizacji, a których nigdy.
PrototypowanieOcena pomysłówAdopcja AI
Firma przyszłości
Jak to buduje firmę przyszłości
Projekt daje efekt sam w sobie, ale zostawia też w firmie uporządkowany kontekst. Z niego korzysta każde kolejne rozwiązanie AI. Ten projekt dołożył do AI Engine:
- Human+AI Teams
Wspólny język AI w całej firmie: szkolenie podstawowe dla wszystkich pracowników, program dla 15 talentów i dla kadry dyrektorskiej.
- Decisions
Metoda oceny pomysłów w czterech wymiarach i zasada semafora dla danych.
- Skills
Pierwsze skille budowane przez uczestników, m.in. matryca kompetencji dla HR, zestawianie ofert dostawców, wyszukiwanie przetargów. Powstawały na indywidualnych kontach uczestników.
Wartość
Gdzie powstaje wartość
Oszczędność czasu
Prototypy pokazują, które rutynowe zadania warto sprawdzić w pilotażu.
Odblokowane możliwości
Ponad 40 pomysłów opisanych na kanwach pozwala ocenić zastosowanie przed inwestycją w integrację produkcyjną. Średnia ocen w ankietach uczestników to 8,7/10, a NPS drugiej sesji dla talentów wyniósł +71.
Co dalej
Powstał materiał do wyboru zastosowań, które warto sprawdzić w pilotażu i dopiero potem połączyć z systemami firmy. Po programie firma uruchomiła własne środowisko AI, ruszyła druga faza ze szkoleniami domenowymi dla 66 osób, powstał wewnętrzny zespół ofertowania, a zarząd ogłosił konkurs na najlepsze wdrożenie AI.
Większość naszych realizacji jest objęta NDA. Dlatego pokazujemy tylko część, bez nazw klientów i szczegółów, jako inspirację. Chętnie opowiemy więcej o naszym doświadczeniu na rozmowie.
Porozmawiajmy o kolejnym kroku.
Wspólnie określimy proces, dostępne dane i efekt, który warto sprawdzić. Na tej podstawie dobierzemy punkt startu.
Umów rozmowęAlbo napisz: hello@wearefuture.ai
