Od ponad dwóch dekad rynek IT działa według stosunkowo prostego modelu.
Firma ma problem. Kupuje system. Wdraża system. Szkoli pracowników. Uczy się korzystać z systemu. A następnie próbuje osiągnąć założony cel biznesowy.
Tak wyglądały wdrożenia:
- CRM,
- ERP,
- systemów magazynowych,
- platform e-commerce,
- narzędzi marketingowych,
- systemów do zarządzania projektami.
Przez lata nikogo to nie dziwiło. W końcu oprogramowanie było narzędziem, które miało pomóc osiągnąć określony rezultat.
Ale dziś pojawia się pytanie, które jeszcze kilka lat temu brzmiałoby absurdalnie: Czy firmy nadal będą kupować oprogramowanie?
A może zaczną kupować gotowe kompetencje realizowane przez sztuczną inteligencję?
To nie jest już futurystyczna wizja. Pierwsze symptomy tej zmiany są widoczne już teraz.
Jak działał rynek IT do tej pory?
Przez dekady kupowaliśmy narzędzia.
Przykład?
Firma potrzebowała lepiej zarządzać sprzedażą. - Kupowała CRM.
Potrzebowała raportowania. - Kupowała system BI.
Potrzebowała automatyzacji marketingu. - Kupowała kolejne narzędzie.
Problem polegał na tym, że zakup systemu nigdy nie oznaczał automatycznie osiągnięcia celu.
Kupienie CRM nie gwarantowało wzrostu sprzedaży.
Kupienie ERP nie gwarantowało lepszego zarządzania.
Kupienie platformy marketingowej nie gwarantowało większej liczby klientów.
Firma kupowała możliwość wykonania pracy. Nie sam efekt.
I właśnie to może się zmienić.
Software-as-a-Service - model, który zdominował świat
Najpierw pojawił się SaaS (Software-as-a-Service).
Zamiast kupować licencję i instalować system na własnych serwerach, firmy zaczęły korzystać z usług abonamentowych.
Powstały tysiące platform:
- CRM-y,
- systemy HR,
- helpdeski,
- platformy e-commerce,
- narzędzia marketingowe.
Model okazał się ogromnym sukcesem.
Ale miał jedną wadę - nadal wymagał obsługi. To człowiek wykonywał pracę. System był tylko narzędziem.
Co zmienia AI?
Po raz pierwszy w historii narzędzie zaczyna wykonywać część pracy samodzielnie. To fundamentalna różnica.
Przykład.
Klasyczny CRM:
- przechowuje dane klientów,
- pozwala dodawać notatki,
- generuje raporty.
Agent AI:
- analizuje klientów,
- wykrywa ryzyko utraty,
- proponuje działania,
- przygotowuje wiadomości,
- uruchamia workflow.
A w przyszłości może wykonywać jeszcze więcej.
I właśnie dlatego coraz częściej mówi się o nowym modelu.
Outcome-as-a-Service
To pojęcie będzie pojawiać się coraz częściej.
Outcome oznacza rezultat.
Nie kupujemy już narzędzia. Kupujemy efekt.
Przykład.
Dziś firma kupuje platformę marketing automation.
Jutro może kupować: "pozyskanie 100 kwalifikowanych leadów miesięcznie".
Bez interesowania się technologią działającą w tle.
Dla klienta znaczenie ma wynik. Nie narzędzie.
To bardzo podobna zmiana do tej, którą obserwowaliśmy w chmurze.
Mało kto dziś zastanawia się, na jakim serwerze działa aplikacja. Liczy się dostępność usługi.
Podobnie może stać się z AI.
Agent-as-a-Service
Jeszcze ciekawszym kierunkiem jest Agent-as-a-Service.
Czyli możliwość "wynajęcia" kompetencji.
Nie człowieka.
Nie systemu.
Agentów AI.
Wyobraźmy sobie firmę, która potrzebuje wsparcia sprzedaży.
Zamiast zatrudniać dodatkową osobę lub kupować kolejne narzędzie, korzysta z agenta odpowiedzialnego za:
- analizę leadów,
- przygotowanie ofert,
- kwalifikację klientów,
- raportowanie.
Firma nie kupuje funkcji. Kupuje kompetencję.
To bardzo duża zmiana w sposobie myślenia o technologii.
Słowniczek pojęć
SaaS (Software-as-a-Service)
Model dostarczania oprogramowania w formie usługi abonamentowej.
Outcome-as-a-Service
Model, w którym klient płaci za rezultat biznesowy, a nie za samo narzędzie.
Agent-as-a-Service
Usługa polegająca na dostarczaniu wyspecjalizowanych agentów AI wykonujących określone zadania.
AI Agent
System zdolny do analizowania informacji, podejmowania działań i realizacji określonych celów.
AI Orchestration
Koordynacja wielu agentów, procesów i systemów w celu realizacji zadania biznesowego.
Jak może wyglądać firma za kilka lat?
Wyobraźmy sobie średniej wielkości przedsiębiorstwo.
Dziś posiada:
- CRM,
- ERP,
- helpdesk,
- system księgowy,
- platformę marketingową,
- system raportowy.
Pracownicy codziennie logują się do wielu aplikacji. Przełączają między ekranami. Eksportują dane. Tworzą raporty. Przenoszą informacje.
Za kilka lat możliwy jest inny model - pracownik komunikuje cel.
Warstwa agentów AI:
- zbiera dane,
- analizuje sytuację,
- podejmuje działania,
- raportuje wyniki.
Systemy nadal istnieją, ale przestają być centrum pracy - stają się źródłami danych.
Czy to oznacza koniec tradycyjnego SaaS?
Nie. Przynajmniej nie w najbliższych latach.
Systemy biznesowe nadal będą potrzebne.
ERP nie zniknie.
CRM nie zniknie.
Platformy e-commerce nie znikną.
Zmieni się jednak sposób korzystania z nich.
Coraz częściej użytkownik nie będzie pracował bezpośrednio w systemie. Będzie współpracował z warstwą inteligencji, która wykona większość operacji.
Gdzie firmy mogą popełnić błąd?
Największy błąd to uwierzenie, że AI rozwiąże wszystko samo.
To nie działa.
Agent bez danych jest bezużyteczny.
Agent bez integracji jest ograniczony.
Agent bez kontroli może podejmować błędne decyzje.
Dlatego przyszłość nie polega na zastępowaniu wszystkich systemów AI. Polega na ich inteligentnym połączeniu.
Czerwone flagi przy wdrożeniach
🚩 Firma wdraża AI bez uporządkowanych danych.
🚩 Agent nie ma dostępu do rzeczywistych procesów.
🚩 Brakuje walidacji i nadzoru człowieka.
🚩 AI działa obok organizacji zamiast w jej procesach.
🚩 Oczekuje się pełnej autonomii od pierwszego dnia.
Takie projekty bardzo często kończą się rozczarowaniem.
Jak przygotować się na tę zmianę?
Nie trzeba od razu budować armii agentów. Warto zacząć od fundamentów.
1. Upórządkuj dane
Dane będą walutą nowej gospodarki AI.
2. Buduj architekturę API-first
Integracje staną się jeszcze ważniejsze niż dziś.
3. Dokumentuj procesy
Agent nie może przejąć procesu, którego nikt nie rozumie.
4. Myśl o rezultatach
Nie pytaj:
"Jakie narzędzie kupić?"
Pytaj:
"Jaki wynik chcemy osiągnąć?"
Przykład z życia
Wyobraźmy sobie dział obsługi klienta.
Klasyczne podejście:
- system ticketowy,
- ręczna analiza zgłoszeń,
- ręczne przypisywanie spraw,
- raportowanie.
Podejście agentowe:
- agent klasyfikuje zgłoszenia,
- określa priorytet,
- przypisuje odpowiedni dział,
- przygotowuje odpowiedź,
- monitoruje termin realizacji,
- raportuje wyniki.
Pracownik nadal istnieje. Ale jego rola zmienia się z operatora na nadzorcę procesu.
Najważniejszy wniosek
Przyszłość rynku IT może nie polegać na kupowaniu kolejnych systemów. Może polegać na kupowaniu zdolności do osiągania określonych rezultatów.
Tak jak firmy przestały kupować własne serwery i zaczęły korzystać z chmury.
Tak mogą przestać kupować kolejne narzędzia i zacząć korzystać z kompetencji realizowanych przez agentów AI.
Nie oznacza to końca oprogramowania. Oznacza zmianę jego roli.
Oprogramowanie będzie coraz częściej niewidoczne. Widoczny pozostanie efekt.
A właśnie o efekt od zawsze chodziło biznesowi.
