Pierwsze badanie pracowników odnotowało 81% respondentów deklarujących korzystanie z AI, ale zespołową praktykę AI oceniono na zaledwie 34 punkty na 100. Druga fala badania odnotowała wzrost zespołowej praktyki AI do 52,7 punktu.
Raport nie podaje wskaźnika ROI dla całej firmy. Raport w formacie PDF dostępny jest na stronie case study.
TL;DR
- Future Processing opisało w raporcie piętnaście miesięcy własnej drogi od adopcji do transformacji AI.
- 81% pracowników korzystało z AI, a zespołową praktykę AI oceniono na 34 punkty na 100.
- Codzienne korzystanie z AI podwoiło się, a biblioteka metod urosła z 6 do 18.
- Raport nie podaje wskaźnika ROI, który firma zapowiada po pełnym roku nowego sposobu pracy.
Co zawiera ten raport i jak powstał?
Raport przedstawia zmierzony opis wewnętrznej transformacji firmy, oparty na dwóch badaniach pracowników i kwartalnej ocenie dojrzałości AI.
Future Processing opublikowało Case Study o adopcji AI pod tytułem „Nasza droga od adopcji AI do transformacji AI”. Dokument opisuje, co firma zmieniła, w jakiej kolejności i jak mierzyła postępy.
Dwie fale badania
Pierwsze badanie odbyło się latem 2025 roku i wypełniło je 446 osób (odsetek odpowiedzi: 66%). Druga fala z kwietnia 2026 roku objęła 480 osób, z których 293 odpowiedziały także w pierwszej. Szerszy kontekst takich działań przedstawia przewodnik po transformacji przedsiębiorstwa w oparciu o sztuczną inteligencję, opublikowany na blogu Future Processing.
Dojrzałość AI w delivery firma ocenia co kwartał w dziewięciu centrach kompetencyjnych. Skala ma pięć poziomów i obejmuje cztery obszary: ludzi, praktyki i metody, narzędzia, dane i zgodność oraz governance. Pomiar bazowy oceny wykonano w styczniu 2026 roku.
Punkt odniesienia dla badania pracowników firma ustaliła przed pierwszymi zmianami systemowymi. Mike Zamarski, doradca ds. strategii AI, ujmuje to tak: „Punkt odniesienia sprawdza się najlepiej na samym początku, więc ustaliliśmy nasz, zanim nastąpiły jakiekolwiek zmiany systemowe.”
Trzy pojęcia w raporcie
Remigiusz Tunowski, konsultant ds. analiz biznesowych, zaproponował rozróżnienie. Adopcja AI oznacza zakres użycia, czyli to, kto korzysta z AI i jak często. Dojrzałość AI opisuje jakość umiejętności i praktyk. Transformacja AI oznacza, że firma wykonuje pracę inaczej dzięki AI.
Cztery etapy drogi
Zamarski opracował czteroetapowy Model Odporności Organizacyjnej w kontekście AI. Model nie zawiera osobnej warstwy technologii, ponieważ narzędzia zmieniają się szybciej, niż firma może planować.
Etapy pierwszy i drugi to adopcja, czyli adopcja punktowa i szeroka adopcja. Etapy trzeci i czwarty to transformacja, czyli wspólne kompetencje AI i odporność organizacyjna.
Czy wysoki odsetek korzystających z AI oznacza już adopcję?
Nie, ponieważ odsetek użytkowników opisuje indywidualne nawyki, a zmianę firmy pokazuje dopiero praktyka zespołowa.
Dwie liczby z pierwszego badania
W pierwszym badaniu 81% respondentów zadeklarowało korzystanie z AI. Zespołową praktykę AI ocenili jednak na 34 punkty na 100. Pierwsza liczba opisuje indywidualne użycie, a druga wspólny, powtarzalny sposób pracy.
Co zmieniło się między falami
Zespołowa praktyka AI wzrosła ze 34 do 52,7 punktu na 100 między pierwszą a drugą falą. To najszybciej zmieniający się wskaźnik w badaniu. Codzienne korzystanie z AI w firmie podwoiło się.
Luka między oczekiwaniami pracowników a wsparciem firmy zmalała z 26 do 15. Chęć nauki wzrosła z 69 do 75 punktów na 100. Ocena gotowości firmy do wspierania ludzi wzrosła z 43 do 60, a znajomość narzędzi z 37 do 52.
Dlaczego liczy się praktyka zespołowa
Zespoły, które korzystają z AI wspólnie, wyżej oceniają jej wkład w sukces projektu (korelacja r = 0,42). Zależność utrzymuje się po uwzględnieniu indywidualnego użycia każdej osoby. Samo indywidualne użycie nie przewiduje tej oceny.
Konrad Bałys, Head of Engineering, ujmuje to tak: „To, że jedna osoba jest szybsza, nic nam nie daje. Szybszy musi być cały zespół, na każdym etapie.”
Gdzie luka pozostała największa
Największa różnica utrzymała się wśród liderów, konsultantów i najwyższego kierownictwa. To osoby, od których oczekuje się wyznaczania standardów. Najgłębsza adopcja w drugiej fali objęła także role nietechniczne, czyli marketing i komunikację oraz konsulting.
Jak firma uporządkowała zasady, narzędzia i kompetencje?
Firma uczyniła zatwierdzoną drogę do narzędzi najszybszą i potraktowała AI jako umiejętność w każdej roli.
Narzędzia i polityka
Firma zatwierdza narzędzia AI w ciągu najwyżej dwóch dni roboczych i opłaca licencje centralnie. Krótka polityka na jednej stronie ma wyznaczoną datę przeglądu.
Shadow AI, czyli narzędzia używane do pracy poza wiedzą firmy, rośnie zwykle tam, gdzie droga zatwierdzona jest wolniejsza od niezatwierdzonej.
Klasyfikacja ryzyka
Compliance Assistant klasyfikuje z góry około 150 codziennych zastosowań AI. Niskie ryzyko przechodzi dalej, średnie jest rejestrowane, a wysokie trafia do osoby z mandatem do jego akceptacji.
Dominik Samociuk, Head of Security & Compliance, opisuje podejście do narzędzi: „AI jest jak młotek: świetne narzędzie, o ile wiesz, jak i kiedy go użyć.”
Kompetencje w każdej roli
W każdym zespole projektowym pracuje AI Champion, a około 35 AI Masterów ma płatne godziny na pomoc dowolnemu projektowi. Według raportu nie powstała osobna rola do spraw AI i nikt nie zmienił tytułu.
Kawka z AI jest otwarta dla wszystkich pracowników i działa od kwietnia 2024 roku. W marcu 2026 roku w spotkaniu o budowaniu działającej aplikacji w rozmowie z AI uczestniczyło ponad 160 osób. Rejestr eksperymentów liczy ponad 250 pozycji.
Raport nie odnotowuje prawie żadnego oporu. Odsetek sceptyków spadł o ponad połowę, a odsetek entuzjastów i pionierów wzrósł o około połowę.
Co zmieniło się w procesach i pracy zespołów?
Firma przeprojektowała procesy w delivery i operacjach, a każdy wynik ma wyznaczonego właściciela.
Biblioteka use case’ów
Liczba metod zatwierdzonych do ponownego użycia wzrosła z 6 do 18. Każda z nich sprawdziła się w więcej niż jednym projekcie klienta.
Dokumentacja techniczna generowana z kodu zajmuje dziś mniej niż 30 minut zamiast 2 do 3 dni na podprojekt. Faza discovery prowadzona jako repozytorium Git skróciła się ze 120 do około 55 godzin.
Procesy biznesowe
Przy kwalifikacji zapytań około 90% sortuje się automatycznie, a pierwszy kontakt następuje po 6 godzinach roboczych zamiast po 20. Liczba leadów, z którymi nie udało się skontaktować, spadła o 60%.
Przygotowanie oferty zajmuje o 56% mniej czasu, a dziewięcioosobowy zespół presales obsługuje o 40% więcej pracy. Wstępna ocena ryzyka umowy trwa minuty zamiast dni, czyli prawie o 90% krócej. Końcową weryfikację nadal wykonuje dział prawny.
Zespoły AI native delivery
W modelu AI native delivery zespół liczy 2 lub 3 osoby zamiast 6 do 10 specjalistów. Każda z nich ma jedną głęboką specjalizację i umiejętność budowania z agentami AI. Future Processing uruchamia te zespoły na własnej platformie agentowej, która składa się z silnika i biblioteki.
Poziom użycia AI ustala się na starcie projektu: crawl, walk lub run. Projekt z danymi wrażliwymi może pozostać na poziomie crawl do końca. Im bliżej rdzenia biznesu klienta leży kod, tym więcej z niego pisze człowiek.
Wynik w projekcie klienta
W projekcie o stałej cenie dla międzynarodowej firmy doradztwa strategicznego firma dostarczyła pełny uzgodniony zakres przy ponad 30% mniejszym nakładzie pracy niż historyczny benchmark. Klient rozszerzył współpracę. Wymagania zmieniały się w trakcie realizacji. Drugi projekt opisany w raporcie powstał dla Fortaco: Future Processing przygotowało w pełni działający prototyp w dwa tygodnie, a gotowy system objęło dwunastomiesięczną gwarancją.
Czego raport nie twierdzi?
Raport nie publikuje wskaźnika zwrotu z inwestycji ani oszczędności czasu na poziomie całej firmy.
Firma wyznaczyła cele kompetencyjne. Wskaźnik zwrotu dla całej firmy pojawi się po pełnym roku działania nowego sposobu pracy w większości projektów.
Granice danych
Dane z badań pochodzą z samooceny, a dane z delivery z pomiarów w projektach klientów. Raport nie łączy tych dwóch rodzajów danych.
Obie fale odbyły się przed wprowadzeniem wspólnych standardów delivery, więc ich wpływ nie jest jeszcze widoczny w ankietach. Raport opisuje jedną firmę i nie zawiera porównania kontrolnego. Dane dotyczą stanu z października 2026 roku.
Dla kogo jest raport i jak go pobrać?
Raport jest przeznaczony dla liderów technologii i biznesu, którzy chcą poznać kolejność kroków i zastosowane miary.
Wnioski dla zarządów
Zdaniem autorów raportu pomiar warto wykonać przed startem i zaplanować drugi odczyt od pierwszego dnia. Jeden odczyt pokazuje, gdzie firma jest, a dwa pokazują, co zrobiła.
Daria Polończyk, Head of Delivery w Future Processing, opisuje różnicę, którą klient może sprawdzić u dostawcy: „Jedna firma powie Ci, że daje każdemu asystenta AI, i na tym koniec. Inna, że ma własny proces delivery: cały system, metody, bramki bezpieczeństwa, platformę agentową, która działa całą dobę, i ekspertów, którzy wiedzą, jak nad tym wszystkim zapanować. Właśnie między tym wybierasz.”
Zasady powinny obejmować sposób użycia AI, czyli dane, własność wyników i odpowiedzialność za ryzyko. Zasady warto opublikować razem z dostępem do narzędzi i datą przeglądu.
Jak pobrać raport
Pełny raport w formacie PDF pobierzesz ze strony case study poświęconej transformacji AI. Można go swobodnie przekazać zespołowi zarządzającemu.
FAQ
Czym różni się adopcja AI od transformacji AI?
Adopcja AI opisuje, kto korzysta z AI i jak często, a transformacja oznacza pracę wykonywaną inaczej. Ankieta pracowników pomija transformację, której ślady widać w metodach sprawdzonych w projektach klientów oraz w zmienionych procesach i rolach.
Jak zmierzyć dojrzałość AI w zespołach delivery?
Dojrzałość AI warto oceniać co kwartał w czterech obszarach na skali pięciopoziomowej. W raporcie najsłabszy w każdym odczycie okazał się obszar praktyk i metod, którego wynik wzrósł z 2,11 do 2,56.
Jak ograniczyć shadow AI w firmie?
Warto skrócić drogę do zatwierdzonych narzędzi i opublikować krótką politykę, która określa, jakie dane można wprowadzać i dla kogo. Cel zasad to szersze użycie AI bez wątpliwości pracowników, czy mogą z niej korzystać.
Jakie pytania zadać partnerowi wdrażającemu AI?
Zapytaj o poziom użycia AI w projekcie, o zakres kodu pisanego przez AI, o los danych i własność wyników. Zapytaj też, kto po stronie klienta decyduje i akceptuje oraz jak zmieni się cena, gdy praca przyspieszy.
Czy każdy projekt musi działać na najwyższym poziomie użycia AI?
Nie, poziom crawl, walk lub run ustala się osobno dla każdego projektu w uzgodnieniu z klientem. Tradycyjny sposób realizacji nadal pozostaje dostępny.
