Kim jest ewangelista AI i po co firmie taka rola?

Ewangelista AI (ang. AI Evangelist) ma sens tylko wtedy, gdy pomaga firmie zamienić ogólne zainteresowanie sztuczną inteligencją na konkretną zmianę procesu, mierzalny wynik i jasną odpowiedzialność.

Nie jest to rola polegająca na opowiadaniu, że „świat się zmienia”. Chodzi o sprawdzanie, gdzie AI rzeczywiście oszczędza czas, gdzie zwiększa ryzyko i czy firma potrzebuje tłumacza między biznesem, operacją i technologią, czy raczej kogoś, kto wreszcie uporządkuje bałagan.

Nie każda nowa nazwa opisuje realną potrzebę

Ewangelista AI brzmi jak stanowisko z epoki, w której łatwiej wymyślić etykietę niż odpowiedzialność. W praktyce chodzi o znacznie prostszą sprawę: ktoś ma pomóc firmie zrozumieć, gdzie użycie AI ma sens, a gdzie staje się drogą na skróty do nowych problemów.

Ta rola nie polega na sprzedawaniu narzędzi ani na firmowym zachwycie nad modelami. Jej sens pojawia się dopiero wtedy, gdy jedna osoba potrafi połączyć cztery kwestie naraz:

proces,
koszt,
ryzyko,
sposób pracy ludzi.

W firmie usługowej bywa to istotne, bo zwykle nie ma tam osobnego działu innowacji, governance i analiz. Jest właściciel, kilka kluczowych osób i dużo pracy wykonywanej ręcznie, etapami, doraźnie i pod presją czasu. W takim układzie nietrafiony pomysł szybciej pokazuje swój koszt niż w korporacji, bo firma ma mniejszy margines błędu.

Dobra wersja tej roli tłumaczy, nie imponuje

Ewangelista AI w sensownej wersji jest tłumaczem między światami, które zwykle się mijają. Zarząd chce wiedzieć, czy pojawi się oszczędność czasu i pieniędzy. Operacja chce wiedzieć, czy ubędzie powtarzalnej pracy. Osoba techniczna chce wiedzieć, co da się zrobić bez prowizorki. Ktoś odpowiedzialny za dane chce wiedzieć, czego nie wolno wprowadzać do narzędzia.

Bez takiego tłumaczenia każda strona mówi własnym językiem i uznaje, że problem leży po drugiej stronie. W efekcie projekt przypomina dobrze opisany bałagan: są notatki, jest plan, bywa nawet zakup, ale efekt końcowy nadal nie chce się pojawić.

Dlatego sens tej roli nie wynika z samej znajomości modeli. Polega na tym, że ktoś umie zamienić luźne „zróbmy coś z AI” na pytania, które mają znaczenie:

jaki proces dziś sprawia trudność,
ile czasu pochłania,
gdzie pojawia się ryzyko błędu,
kto zatwierdza wynik.

Pierwszy test powinien być mały i policzalny

Jeśli rola działa, prowadzi do pilotażu. Nie do wielkiego programu ani serii spotkań, lecz do małego testu na jednym procesie, który da się opisać i policzyć.

Dobry kandydat na taki test wygląda mało efektownie:

pierwsza wersja oferty,
odpowiedź na powtarzalne zapytania,
notatka po spotkaniu,
wstępne uporządkowanie materiałów od klienta.

To są czynności mało widowiskowe, ale właśnie dlatego warto je badać, bo pochłaniają czas codziennie, a nie tylko podczas prezentacji dla zarządu.

Przykład z firmy usługowej może wyglądać następująco. Zespół przygotowuje pierwszą wersję oferty dla nowych zapytań i za każdym razem ręcznie składa podobne fragmenty, poprawia język i szuka starszych materiałów. Przed testem zajmuje to średnio 45–60 minut na ofertę. Po ustawieniu prostego procesu z szablonem, ograniczeniem danych wejściowych i obowiązkową kontrolą człowieka przygotowanie pierwszej wersji zajmuje 15–30 minut. Nie oznacza to, że AI „robi sprzedaż”. Oznacza to, że człowiek przestaje tracić pół godziny na składanie przewidywalnych elementów.

Ten przykład pokazuje, że sens nie leży w skali wdrożenia, lecz w różnicy między pracą przed zmianą i po niej. Gdy ta różnica jest mierzalna, a ryzyko da się ograniczyć, temat zaczyna nabierać realnego znaczenia.

Najczęściej myli się funkcję, etat i wykonawcę

Wiele firm nie potrzebuje ewangelisty AI jako stanowiska. Potrzebuje tej funkcji przez pewien czas.

Może ją pełnić właściciel firmy, jeśli rozumie procesy i potrafi zadać kilka niewygodnych pytań. Może ją pełnić lider operacyjny, jeśli ma wpływ na sposób pracy zespołu. Może ją pełnić zewnętrzny doradca, jeśli potrafi nie tylko mówić o narzędziach, lecz także rozłożyć proces na części i ustawić granice odpowiedzialności.

Dla porządku warto rozróżnić role:

Ewangelista AI porządkuje sens użycia AI i spina rozmowę między ludźmi.
Konsultant AI diagnozuje problem i proponuje kierunek.
Wdrożeniowiec buduje lub konfiguruje rozwiązanie.
Właściciel procesu odpowiada za to, czy zmiana działa w codziennej pracy.
Sponsor biznesowy odblokowuje decyzje, priorytet i budżet.

Gdy te role się mieszają, firma zaczyna oczekiwać od jednej osoby zbyt wiele. Później pojawia się typowa sytuacja: ktoś miał „ogarnąć AI”, ale nikt nie określił, czy chodzi o decyzję, projekt, konfigurację, szkolenie czy odpowiedzialność za wynik.

Czasem problemem nie jest brak tej roli, lecz bałagan pod spodem

W tym miejscu pojawia się granica, o którą najłatwiej się potknąć. Nie każda firma, która mówi o AI, potrzebuje ewangelisty AI.

Jeśli firma ma jeden prosty problem, na przykład chce skrócić przygotowanie ofert albo uporządkować notatki po spotkaniach, zwykle nie potrzeba nowej roli. Wystarczy ktoś, kto rozpisze proces, ustawi test i doprowadzi wdrożenie do końca bez nadawania temu nowej rangi stanowiskowej.

Jest też trudniejszy przypadek. Firma ma nieuporządkowany obieg informacji, niejasny podział odpowiedzialności, zbyt dużo ręcznej pracy i brak zasad postępowania z danymi. Wtedy powołanie ewangelisty AI bywa eleganckim sposobem na uniknięcie przyznania, że problem jest bardziej podstawowy. W takiej sytuacji najpierw trzeba naprawić sposób pracy. Inaczej AI tylko przyspieszy chaos.

Dlatego ta rola ma sens dopiero wtedy, gdy firma jest gotowa odpowiedzieć na proste pytania o proces, dane i decyzje. Jeśli nie jest, nowa nazwa niczego nie uratuje.

Bez hamulca nawet dobry pomysł kończy się źle

Użycie AI w firmie bez prostych zasad odpowiedzialności oznacza proszenie się o kosztowny błąd. Nie potrzeba do tego rozbudowanego regulaminu. Wystarczy kilka twardych ustaleń:

Kto wybiera proces do testu?
Kto dopuszcza dane wejściowe?
Kto sprawdza jakość wyniku?
Kto mówi „stop”, gdy wynik jest słaby albo ryzyko staje się zbyt duże?

Jeśli na te pytania nie ma odpowiedzi, nie ma wdrożenia.

W małej i średniej firmie usługowej taki porządek jest jeszcze istotniejszy, bo zwykle nie ma tam działu compliance ani zespołu bezpieczeństwa, który posprząta skutki cudzego nadmiernego zapału. Dlatego dobra funkcja związana z AI nie polega na przyspieszaniu za wszelką cenę. Polega na tym, żeby przyspieszać to, co rzeczywiście warto, i zatrzymywać to, co może przynieść szkody, zanim te szkody się pojawią.

Co z tego wynika w praktyce

Jeśli prowadzisz firmę usługową, najpierw sprawdź, czy masz problem z technologią, czy z organizacją pracy. To nie jest to samo.

Jeśli problem dotyczy jednego procesu, najczęściej wystarczy analiza, pilot i ktoś, kto doprowadzi wdrożenie do końca. Jeśli problem polega na tym, że firma nie umie ocenić sensu użycia AI, nie umie połączyć rozmowy o wyniku z rozmową o ryzyku i nie ma nikogo, kto spina decyzje między ludźmi, wtedy funkcja ewangelisty AI zaczyna mieć sens.

Dobry pierwszy krok jest prosty. Wybierz jeden proces, częsty, przewidywalny i mierzalny. Ustal czas „przed”. Ustal warunki bezpieczeństwa. Ustal, kto zatwierdza wynik. Dopiero potem testuj narzędzie.

Ta kolejność ma znaczenie. Gdy zaczynasz od narzędzia, zwykle kończysz na zakupie. Gdy zaczynasz od procesu, rośnie szansa na realny wynik.

FAQ

Czy mała firma potrzebuje ewangelisty AI na etacie?

Najczęściej nie. Mała firma zwykle potrzebuje tej funkcji czasowo albo w ograniczonym zakresie, a czasem po prostu osoby, która dobrze poukłada pierwszy pilot.

Kto może pełnić tę funkcję w małej firmie?

Najczęściej właściciel, lider operacyjny albo zewnętrzny doradca. Warunek jest prosty: ta osoba musi rozumieć proces, ryzyko i ograniczenia narzędzia, a nie tylko umieć o nim mówić.

Czym to się różni od konsultanta AI?

Konsultant częściej diagnozuje problem i proponuje kierunek. Ewangelista AI pilnuje, żeby temat nie rozpadł się między ludźmi, z których każdy widzi tylko własny fragment problemu.

Kiedy lepiej nie tworzyć takiej roli?

Wtedy, gdy problem jest wąski i lokalny albo gdy w firmie panuje chaos procesowy. W pierwszym przypadku wystarczy wdrożenie. W drugim najpierw trzeba naprawić podstawy.

Po czym poznać, że to działa?

Po tym, że firma przestaje pytać wyłącznie „jakiego narzędzia użyć?”. Zaczyna pytać, czy dany proces w ogóle warto wspierać AI, gdzie pojawia się ryzyko i kto odpowiada za wynik.