Ponad połowa przedstawicieli kadry zarządzającej wykorzystuje już AI do wspierania decyzji strategicznych, ale tylko 1% uważa, że w ciągu trzech lat technologia będzie mogła samodzielnie podejmować część z nich. AI nie zastępuje więc menedżera – coraz częściej przejmuje za to analizę informacji, porównywanie scenariuszy i przygotowanie rekomendacji.
Jeszcze niedawno dyskusja o wpływie AI na pracę koncentrowała się głównie na automatyzacji prostych i powtarzalnych zadań. Dziś technologia coraz mocniej wchodzi w obszary związane z analizą danych, przygotowywaniem rekomendacji i wspieraniem decyzji biznesowych. Zmiana przyspiesza także w Polsce. W ubiegłym roku 62% polskich firm zwiększyło wydatki na AI, 18% znajdowało się już na etapie pełnego wdrożenia, wobec 5% rok wcześniej, a kolejne 32% deklarowało wdrożenie częściowe. AI coraz wyraźniej przechodzi więc z fazy eksperymentów do codziennych procesów organizacji. Dla kadry zarządzającej oznacza to zmianę istotniejszą niż możliwość szybszego przygotowania prezentacji czy podsumowania spotkania. Zmienia się podział pracy między człowiekiem a technologią.
AI przestaje tylko wykonywać zadania
Obecnie kadra zarządzająca wykorzystuje AI przede wszystkim do pracy z e-mailami, notatkami ze spotkań i dokumentami oraz do researchu i analiz. W perspektywie trzech lat CXO oczekują jednak przesunięcia zastosowań AI w kierunku wspierania, a nawet kwestionowania ich myślenia strategicznego.W bieżącym roku firmy spodziewają się niemal podwoić nakłady na AI – z około 0,8% do 1,7% przychodów. Jednocześnie 42% CEO deklaruje, że osobiście korzysta z agentów AI co najmniej raz w tygodniu. Nadal jednak mniej niż jedna piąta liderów zalicza podejmowanie decyzji do najważniejszych obszarów inwestycji w AI. Technologia jest więc coraz bliżej zarządu, ale jej wejście w najbardziej strategiczne decyzje pozostaje ostrożne. To zasadnicza różnica. Automatyczne przygotowanie notatki ze spotkania pozwala oszczędzić czas. System, który zbiera informacje z różnych źródeł, wskazuje zależności, porównuje możliwe scenariusze i przygotowuje rekomendację, zaczyna wpływać na proces prowadzący do decyzji. Menedżer może dzięki temu otrzymać szybciej materiał, którego samodzielne przygotowanie wymagałoby analizy wielu dokumentów, raportów czy danych pochodzących z różnych części organizacji.
– Z doświadczenia we wdrażaniu automatyzacji procesów w firmach widzę, że największa wartość AI nie pojawia się wtedy, gdy próbujemy oddać jej decyzję, ale wtedy, gdy zdejmujemy z człowieka pracę potrzebną do jej przygotowania. W wielu procesach sporą część czasu zajmuje zebranie informacji z dokumentów, sprawdzenie ich kompletności, porównanie danych czy ustalenie, na jakim etapie znajduje się dana sprawa. AI może wykonać znaczną część tej pracy. Menedżer dostaje wtedy nie stos dokumentów do przejrzenia, ale uporządkowany materiał do oceny. Ostateczna decyzja i odpowiedzialność nadal pozostają po jego stronie – mówi dr Przemysław Sołdacki, CEO AMODIT, od ponad 20 lat zajmujący się digitalizacją i automatyzacją procesów biznesowych.
AI przyspiesza analizę, ale rośnie wartość jej oceny
Pierwsze efekty tej zmiany są już widoczne. Ponad połowa badanych przez Capgemini przedstawicieli kadry wyższego szczebla deklaruje, że wykorzystanie AI przyniosło poprawę pod względem czasu i kosztu podejmowania decyzji, a także kreatywności i zdolności przewidywania. Jeżeli AI potrafi szybciej zebrać dane, porównać dokumenty i przygotować zestawienie, specjalista może poświęcić mniej czasu na samo przygotowanie materiału do decyzji. Punkt ciężkości jego pracy przesuwa się wtedy w stronę interpretacji, sprawdzenia jakości informacji i osadzenia wyniku w kontekście biznesowym.
Menedżer musi wiedzieć, czy zadał dobre pytanie
Wraz z upowszechnieniem AI zmienia się zestaw kompetencji potrzebnych specjalistom i kadrze zarządzającej. Mniejszego znaczenia może nabierać mechaniczne wyszukiwanie i porządkowanie informacji, a większego – umiejętność zdefiniowania problemu, określenia kontekstu, oceny źródeł, zauważenia brakujących danych i zakwestionowania rekomendacji przedstawionej przez system. Widać jednak, że kompetencje zarządcze nie zawsze nadążają za możliwościami technologii. Według raportu Chartered Management Institute z 2026 r. 68% menedżerów nadal znajduje się na wczesnym etapie eksperymentowania z AI lub budowania pilotaży, a ponad 80% uważa, że lepsze rozumienie sposobu zarządzania AI poprawiłoby zarówno ich własne wyniki, jak i efektywność zespołów. CMI wskazuje przy tym na potrzebę łączenia ludzkiego osądu i inteligencji emocjonalnej z modelem human-in-the-loop, czyli pozostawieniem człowieka w procesie decyzyjnym.
– Przy wdrażaniu AI bardzo szybko okazuje się, że problemem nie jest samo wygenerowanie odpowiedzi. Znacznie trudniejsze jest zapewnienie, że system pracuje na właściwych danych i rozumie odpowiedni kontekst procesu. Jeśli brakuje dokumentu, dane są nieaktualne albo system nie zna wyjątku od standardowej procedury, rekomendacja może wyglądać przekonująco, a mimo to prowadzić w złym kierunku. Dlatego kompetencją menedżera staje się nie tylko zadawanie pytań AI, ale przede wszystkim umiejętność oceny, na jakiej podstawie powstała odpowiedź i czego w niej może brakować – wskazuje dr Przemysław Sołdacki.
AI obniża koszt dostępu do analizy, ale jednocześnie podnosi wartość kompetencji potrzebnych do jej oceny. Kto zatem wygrywa? Niekoniecznie osoba najszybciej przetwarzająca informacje, lecz ta, która potrafi właściwie zinterpretować wynik, zauważyć jego ograniczenia i osadzić go w kontekście biznesowym.
Im większy wpływ AI na decyzję, tym ważniejszy staje się proces
Włączenie AI do pracy specjalistów i menedżerów rodzi jeszcze jedno pytanie: gdzie kończy się rekomendacja systemu, a zaczyna decyzja człowieka? Przy prostych zadaniach konsekwencje błędu mogą być niewielkie. Inaczej wygląda sytuacja, gdy AI wspiera decyzję dotyczącą dużego wydatku, umowy, zatrudnienia, inwestycji czy zmiany sposobu działania organizacji. W takim przypadku znaczenie ma nie tylko jakość modelu, ale możliwość odtworzenia całej ścieżki decyzji: z jakich danych skorzystał system, jaki wynik przedstawił, czy rekomendacja została zweryfikowana przez człowieka i kto ostatecznie zaakceptował decyzję. Im większe znaczenie decyzji, tym ważniejszy staje się proces i jasne przypisanie odpowiedzialności.
Problem staje się szczególnie widoczny wraz ze skalowaniem AI. Według Grant Thornton 2026 AI Impact Survey 78% badanych nie ma wysokiej pewności, że ich organizacja byłaby w stanie w ciągu 90 dni pozytywnie przejść niezależny audyt AI governance. Jednocześnie trzy czwarte zarządów zatwierdziło już znaczące inwestycje w AI, podczas gdy 48% nie określiło jeszcze oczekiwań dotyczących governance, a 46% nie włączyło ryzyka AI do bieżącego nadzoru.
To szczególnie ważne w kontekście deklaracji samych liderów. W badaniu Capgemini tylko 41% CEO, CFO i COO deklarowało ponadprzeciętny poziom zaufania do AI w podejmowaniu decyzji kierowniczych. Jednocześnie dwie trzecie CXO wskazało, że bardziej przejrzyste zasady governance i odpowiedzialności pomogłyby im lepiej wykorzystywać AI w procesie decyzyjnym.
W praktyce oznacza to, że wraz ze wzrostem wykorzystania AI organizacje potrzebują nie tylko coraz lepszych modeli, ale również coraz lepiej zaprojektowanych procesów. Trzeba określić, które czynności może wykonywać system, w którym momencie wymagana jest kontrola człowieka, kto posiada uprawnienie do akceptacji i jak zachować historię całego procesu.
Menedżer nie znika z procesu
Im więcej pracy analitycznej będzie mogła przejąć sztuczna inteligencja, tym mniej wartościowe stanie się samo posiadanie informacji. Większego znaczenia nabiorą kompetencje, których nie da się sprowadzić do wygenerowania rekomendacji: doświadczenie, ocena ryzyka, rozumienie kontekstu organizacji, odpowiedzialność, komunikacja czy umiejętność pracy z ludźmi.
Warto zwrócić uwagę także na drugą stronę problemu: AI może wspierać osąd, ale zbyt bezrefleksyjne poleganie na niej może go osłabiać. Im mocniej AI zostaje włączona w pracę CEO, tym ważniejsze staje się krytyczne sprawdzanie sposobu działania narzędzi i generowanych przez nie wyników. Istnieje bowiem ryzyko, że korzystające z podobnych modeli zespoły zaczną otrzymywać podobne rekomendacje, zamiast rzeczywiście poszerzać perspektywę. To prowadzi do pozornie paradoksalnego wniosku: im lepsze stają się systemy wspierające decyzje, tym bardziej potrzebny może być człowiek zdolny powiedzieć „nie” ich rekomendacji.
– W praktyce biznesowej sama odpowiedź AI to tylko jeden element procesu. Jeżeli system podpowiada sposób rozpatrzenia wniosku, ocenę dokumentu czy wariant dalszego działania, organizacja powinna wiedzieć, z jakich informacji powstała ta rekomendacja, kto ją zweryfikował i kto podjął ostateczną decyzję. Przy procesach o większych konsekwencjach finansowych, prawnych czy kadrowych możliwość odtworzenia tej ścieżki staje się równie ważna jak sprawność samego modelu. AI może wspierać decyzję, ale odpowiedzialność musi mieć konkretnego właściciela – podsumowuje dr Przemysław Sołdacki.