Kim jest ewangelista AI i po co firmie taka rola

Ewangelista AI (ang. AI Evangelist) nie sprzedaje sztucznej inteligencji – zamienia ciekawość w konkretne użycie i bezlitośnie odcina pomysły, które tylko dobrze wyglądają na slajdach.

W firmie ta rola ma sens tylko wtedy, gdy tłumaczy AI na czas, koszt, ryzyko i mniej ręcznej roboty. Reszta to scenografia. Ładna, dobrze oświetlona i zwykle kompletnie bezużyteczna.

Co robi ewangelista AI

Najprościej: porządkuje chaos, tłumaczy różnym ludziom tę samą rzecz w ich języku i uruchamia małe testy, zamiast pompować wielkie hasła. Nie jest od „zakochania organizacji w AI”. Jest od sprawdzania, gdzie to narzędzie naprawdę działa, a gdzie robi tylko hałas.

To ważne, bo w większości firm problem nie brzmi „nie mamy AI”. Problem brzmi: „mamy za dużo ręcznej roboty, za mało czasu i jeszcze mniej cierpliwości do eksperymentów, które nic nie dają”. Dobry ewangelista AI nie zaczyna od narzędzia. Zaczyna od pytania, gdzie dziś ludzie kopiują, przepisują, streszczają, szukają albo poprawiają w kółko to samo.

Potem robi rzecz rzadką i przez to cenną – tłumaczy. Zarząd chce wiedzieć, ile to kosztuje, co może przyspieszyć i gdzie jest ryzyko. Zespół operacyjny chce wiedzieć, czy ubędzie mu bezsensownej roboty. Prawnik chce wiedzieć, czy z narzędzia nie wyciekną dane albo czy model nie zacznie zmyślać odpowiedzi.

Bez takiego tłumaczenia każdy mówi własnym dialektem. Techniczni mówią o możliwościach. Biznes mówi o wyniku. Operacja mówi o tym, że znowu ktoś dorzucił proces do procesu. Potem projekt umiera śmiercią dobrze udokumentowaną – są notatki, są slajdy, są nawet wnioski, tylko efektu brak.

Od rozmowy do pilotażu

Dlatego ta rola nie kończy się na rozmowach. Musi dojść do pilotażu. Małego, taniego i nudnego. Właśnie nudnego. Jeśli test dotyczy zadania, które dzieje się codziennie i pożera ludziom 40 minut, to nie potrzebujesz fanfar. Potrzebujesz wyniku.

Przykład z życia firmy usługowej wygląda zwykle banalnie. Zespół co tydzień wysyła podobne oferty, odpowiada na powtarzalne maile i robi notatki po spotkaniach. Zły pomysł: kupić „kompleksowe rozwiązanie AI dla nowoczesnej organizacji”, bo ktoś zobaczył demo. Dobry pomysł: wziąć jeden proces – na przykład pierwszą wersję oferty – i sprawdzić, czy da się skrócić pracę z 45 minut do 15 bez spadku jakości i bez wrzucania poufnych danych do byle jakiego narzędzia.

Tu wychodzi najważniejsza różnica między rozsądkiem a hype'em. Hype mówi: „wrzućmy model wszędzie”. Rozsądek pyta: „gdzie zysk jest realny, błąd odwracalny, a ryzyko da się kontrolować?”. Ewangelista AI ma stać po stronie drugiego pytania, bo od pierwszego pełno już ludzi od prezentacji.

Jest jeszcze jedna część tej roboty, mniej widowiskowa, ale ważniejsza niż entuzjazm. Gdy model zmyśla, wzmacnia uprzedzenia albo dostaje dostęp do danych, których nie powinien widzieć, nie ma miejsca na uśmiech i „iteracyjne uczenie się organizacji”. Trzeba wbić hamulec. Odpowiedzialność odcina tę rolę od zwykłego naganiania na nową modę.

Po czym poznasz, że taka rola działa? Nie po liczbie warsztatów. Nie po tym, że na spotkaniach częściej pada skrót „AI”. Działa wtedy, gdy zespół zaczyna sam oceniać sens użycia, wybiera narzędzie do konkretnego zadania i rozpoznaje granice, zanim narobi sobie kłopotu.

Najczęstsze błędy

Najczęstszy błąd to mylenie ewangelisty AI z handlowcem od narzędzia. Jeśli cała rola sprowadza się do pokazywania dem i opowiadania, że „świat się zmienia”, to nie masz ewangelisty. Masz tubę.

Drugi błąd to start od technologii zamiast od procesu. Firma nie potrzebuje „wdrożyć AI”. Firma potrzebuje szybciej robić to, co już robi, albo przestać płacić za ręczną robotę, która nie daje wartości.

Trzeci błąd to wielki program zamiast małego pilotażu. Slajd z napisem „transformacja” wygląda dumnie. Szkoda tylko, że nie odpisuje na maile, nie porządkuje dokumentów i nie skraca czasu przygotowania oferty.

Czwarty błąd to brak odpowiedzialności. Jeśli nikt nie wie, jakie dane trafiają do narzędzia, kto sprawdza wyniki i kiedy powiedzieć „stop”, to projekt nie ma hamulca. A rzeczy bez hamulca kończą się przewidywalnie.

Co z tego wynika w praktyce

Jeśli prowadzisz firmę usługową, nie potrzebujesz na start „strategii AI” w oprawie premium. Potrzebujesz listy trzech procesów, które dziś zabijają czas. Najczęściej będą to oferty, maile, raporty, notatki, research i porządkowanie informacji.

Z tej listy wybierz jeden proces o niskim ryzyku i dużej powtarzalności. Niskie ryzyko oznacza tyle, że błąd nie rozwali relacji z klientem, nie naruszy prawa i nie wypuści w świat danych, których potem nie odkleisz od internetu.

Dla pilotażu ustaw prostą miarę. Ile czasu zajmuje zadanie dziś. Ile zajmuje po użyciu AI. Ile błędów się pojawia. Czy człowiek dalej musi poprawiać wszystko ręcznie, czy tylko ostatnie 20 procent.

Spisz też granice. Jakich danych nie wolno wkładać do narzędzia. Jakich odpowiedzi nie wolno wysyłać bez sprawdzenia. W którym miejscu człowiek musi zatwierdzić wynik. To nie jest biurokracja. To jest tanie ubezpieczenie od drogiej głupoty.

Na koniec sprawdź jedną rzecz ważniejszą niż sam pilot. Czy zespół nauczył się myśleć. Jeśli po teście ludzie dalej pytają wyłącznie „jakiego narzędzia użyć?”, to praca została zrobiona w połowie. Jeśli zaczynają pytać „czy to zadanie w ogóle warto automatyzować?”, to pojawił się rozsądek. I o to w tej roli chodzi.

FAQ

Czy mała firma potrzebuje ewangelisty AI na etacie?

Zwykle nie. Mała firma potrzebuje tej funkcji, niekoniecznie etatu. Czasem robi to właściciel, czasem lider operacyjny, czasem zewnętrzny doradca, byle ktoś umiał łączyć proces, ryzyko i technologię.

Czym to się różni od konsultanta AI?

Konsultant często wchodzi, diagnozuje i wychodzi. Ewangelista AI częściej działa jak tłumacz i katalizator wewnątrz firmy – pilnuje, żeby temat nie rozpadł się między zarządem, operacją i technicznymi.

Od czego zacząć pierwszy pilot?

Od procesu częstego, męczącego i dość przewidywalnego. Jeśli zadanie powtarza się codziennie, ma prosty wynik i da się je mierzyć w czasie albo jakości, to jest dobry kandydat.

Kiedy lepiej wstrzymać wdrożenie AI?

Wtedy, gdy nie wiesz, jakie dane trafiają do narzędzia, kto odpowiada za wynik i co się stanie po błędzie. Brak odpowiedzi na te trzy pytania to nie „etap uczenia się”. To wczesna faza problemu.

Po czym poznać, że pilot był udany?

Po zmianie zachowania, nie po zachwycie na spotkaniu. Jeśli ludzie realnie oszczędzają czas, wiedzą, gdzie narzędzie się myli i potrafią używać go bez proszenia o zgodę przy każdym kroku, pilot zrobił swoją robotę.

Co dalej

Masz proces, który pożera ludziom godzinę albo dwie dziennie? To jest materiał na sensowny pilot. Najpierw rozbiórka procesu, potem test, dopiero na końcu decyzja o wdrożeniu.