Prezesi zachorowali na AI. Najgroźniejszy błąd w technologii to dziś wiara w prezentacje
Debata o „AI psychosis” wśród szefów firm pokazuje mniej medyczny problem, a bardziej biznesowy: menedżerowie widzą demo, ale nie widzą ostatniego kilometra pracy.

👁 144 przeczytań
- Najgroźniejszym błędem przy wdrożeniu AI jest podjęcie decyzji pod wpływem imponującego demo, zanim technologia przejdzie przez brudną codzienność firmy.
- Aaron Levy z Boxa użył określenia 'AI psychosis', by opisać zjawisko, w którym liderzy widzą obietnicę AI szybciej, niż pracownicy widzą jej realną użyteczność.
- Projekt AI można odróżnić od samej prezentacji prostym testem: czy ma właściciela procesu, dane wejściowe, miarę sukcesu i plan na wypadek błędu?
W Dolinie Krzemowej wraca pytanie, czy część liderów technologicznych nie uwierzyła we własne prezentacje o AI zbyt mocno. Nie chodzi o diagnozę medyczną, tylko o zjawisko gospodarcze: decyzje podejmowane pod wpływem idealnego demo, zanim technologia przejdzie przez brudną codzienność firmy.
Demo jest czyste, praca jest brudna
TechCrunch opisał debatę wywołaną przez komentarz Aarona Leviego z Boxa o tym, że prezesi firm technologicznych mogą być szczególnie podatni na „AI psychosis”. To mocne sformułowanie, którego nie warto traktować jako klinicznej etykiety. Lepiej potraktować je jako skrót do problemu: ludzie na górze organizacji widzą obietnicę AI szybciej niż pracownicy widzą realną użyteczność.
Każdy, kto pracował z nowymi narzędziami AI, zna ten rozdźwięk. Demo wygląda fantastycznie. Model odpowiada płynnie, tworzy dokument, układa plan, pisze kod, robi analizę. Potem zaczyna się wdrożenie: uprawnienia, błędne dane, integracje, wyjątki, odpowiedzialność, audyt, bezpieczeństwo, szkolenia i pytanie, kto odpowiada za wynik. Prezes widzi skrót. Zespół widzi rachunek.
AI ma problem ostatniego kilometra
Najbardziej niedoceniany element AI to nie jakość modelu, lecz ostatni kilometr pracy. W wielu firmach zadanie nie polega na tym, by napisać ładny tekst albo wygenerować fragment kodu. Zadanie polega na tym, by dowieźć wynik zgodny z polityką firmy, prawem, oczekiwaniami klienta i realiami starych systemów. Tu magia szybko zamienia się w procedurę.
To dlatego część wdrożeń AI przynosi szybki efekt, a część kończy się frustracją. Jeśli proces był powtarzalny, dane czyste, a ryzyko niskie, model może działać świetnie. Jeśli proces wymaga osądu, kontekstu i odpowiedzialności, AI bywa pomocnikiem, ale rzadko gotowym zastępcą całego działu.
Największe ryzyko to nie sceptycyzm, tylko religia wzrostu
W biznesie technologicznym sceptyk często uchodzi za kogoś, kto „nie rozumie przyszłości”. Problem w tym, że przyszłość nie jest excellem z optymistycznymi założeniami. AI może być przełomem i jednocześnie może być przepalaniem budżetu, jeśli firma nie wie, gdzie konkretnie technologia ma zarobić pieniądze.
Najgorszy scenariusz to organizacja, która zwalnia ludzi, tnie procesy i obiecuje klientom automatyzację, zanim rozumie ograniczenia własnych systemów. Wtedy nie powstaje firma przyszłości, tylko firma z mniejszą liczbą ludzi, większą liczbą narzędzi i rozmytą odpowiedzialnością.
Trzeźwość będzie przewagą konkurencyjną
Nie chodzi o to, by być anty-AI. Przeciwnie: najwięcej wygrają ci, którzy potraktują AI poważnie, a więc bez mistyki. Będą mierzyć zadania, błędy, czas, koszt, odpowiedzialność i realny wpływ na klienta. Będą pytać nie „czy mamy agentów”, ale „który proces stał się lepszy i po czym to poznajemy”.
W tej fazie rynku najbardziej wartościowa może być redakcyjna, produktowa i menedżerska trzeźwość. Hype przyciąga pieniądze. Trzeźwość decyduje, kto je zatrzyma.
Jak odróżnić wizję od zbiorowej halucynacji
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
Najprostszy test jest brutalny: czy projekt AI ma właściciela procesu, dane wejściowe, miarę sukcesu i plan na błąd? Jeśli nie, jest raczej prezentacją niż wdrożeniem. Wiele firm potrafi dziś pokazać imponujący prototyp. Znacznie mniej potrafi powiedzieć, kto ponosi odpowiedzialność, gdy prototyp podejmie złą decyzję albo wygeneruje kosztowny nonsens.
Drugi test dotyczy skali. AI może działać świetnie dla dziesięciu przypadków pokazowych i przeciętnie dla dziesięciu tysięcy realnych przypadków. Organizacje zbyt często mylą „działało na demo” z „działa w biznesie”. To luka, w której rodzi się przesada, rozczarowanie i późniejsze zwolnienia tłumaczone automatyzacją, której nikt do końca nie wdrożył.
Dobra strategia AI nie zaczyna się od hasła „wszędzie”. Zaczyna się od jednego procesu, jednego problemu i jednej liczby, którą można poprawić. Reszta jest konferencyjnym dymem.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Najlepsze pytanie brzmi: co przestaje boleć?
Każdy projekt AI powinien umieć odpowiedzieć na jedno proste pytanie: jaki ból znika po wdrożeniu? Jeśli odpowiedź brzmi „będziemy bardziej innowacyjni”, to prawdopodobnie jeszcze nie mamy projektu. Jeśli odpowiedź brzmi „czas obsługi reklamacji spada o 30 procent, a liczba eskalacji nie rośnie”, wtedy zaczyna się konkret. Rynek potrzebuje mniej objawień, a więcej takiego rzemiosła.
To jest moment na chłodne notatki po każdym wdrożeniu, nie na kolejną obietnicę o końcu pracy. AI ma największą wartość tam, gdzie człowiek potrafi nazwać problem dokładniej niż model potrafi brzmieć przekonująco.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Na czym polega problem 'AI psychosis' opisywany przez prezesów firm technologicznych?
'AI psychosis' to określenie Aarona Leviego z Boxa na zjawisko, w którym liderzy organizacji uwierzyli we własne prezentacje o AI zbyt mocno. Demo wygląda czysto i płynnie, a dopiero przy wdrożeniu pojawiają się realne koszty: uprawnienia, błędne dane, integracje, audyt i kwestia odpowiedzialności za wynik.
Kiedy wdrożenie AI w firmie kończy się frustracją, a kiedy szybkim efektem?
Wdrożenie przynosi szybki efekt, gdy proces jest powtarzalny, dane czyste, a ryzyko niskie. Jeśli zadanie wymaga osądu, kontekstu i odpowiedzialności, AI bywa pomocnikiem, ale rzadko gotowym zastępcą całego działu.
Jak sprawdzić, czy projekt AI to realne wdrożenie, czy tylko prezentacja?
Należy zadać cztery pytania: czy projekt ma właściciela procesu, dane wejściowe, miarę sukcesu i plan na błąd. Jeśli brakuje któregokolwiek z tych elementów, to raczej prezentacja niż wdrożenie.
Jak powinien wyglądać konkretny cel projektu AI, żeby miał sens biznesowy?
Projekt powinien odpowiedzieć na pytanie, jaki ból znika po wdrożeniu - przykład podany w artykule to czas obsługi reklamacji spadający o 30 procent bez wzrostu liczby eskalacji. Odpowiedź w stylu 'będziemy bardziej innowacyjni' oznacza, że projekt jeszcze nie istnieje.



