Praktyczne wykorzystanie AI w codziennej pracy biurowej
WiktorAI Systems Architect | CTO
AI w codziennej pracy biurowej oddaje czas przy zadaniach, których wynik sprawdzisz w pół minuty: szkic maila, streszczenie długiego wątku, notatka ze spotkania, poprawka stylu pisma. Myli się przy liczbach, datach i faktach spoza materiału, który dostało. Zespół biurowy wdraża to w cztery tygodnie: spis zadań, podział według kosztu sprawdzenia, wspólna biblioteka poleceń i pomiar. Poniżej każdy etap z warunkiem końca.
Punkt startowy: trzy rzeczy przed pierwszym czatem
„Liczę na samą siebie". Tak koordynatorka kadr u naszego klienta podsumowała w kwietniu 2026 swoje próby z ogólnodostępnymi czatami AI. Miała ku temu konkretne powody i wracam do nich w czwartej sekcji. Najpierw trzy rzeczy, bez których wdrożenie w zespole rozjeżdża się już w pierwszym tygodniu.
Pierwsza to jedno narzędzie dla wszystkich, kupione na planie firmowym. Gdy każdy używa, czego chce, na prywatnym koncie, nie zbudujecie wspólnych poleceń, a dokumenty firmy lądują w usługach, nad którymi nikt nie panuje. Plany firmowe dużych dostawców domyślnie nie używają rozmów do trenowania modeli i dają administratorowi listę kont.
Druga to kartka z zasadą danych. PESEL, numery dowodów, dane o zdrowiu i wynagrodzenia nie trafiają do czatu wcale. Treść umów i nazwy kontrahentów trafiają wyłącznie na plan firmowy. Reszta bez ograniczeń.
Trzy zdania. Każdy musi je znać.
Trzecia to właściciel wdrożenia. Jedna osoba z zespołu, która przez cztery tygodnie ma w kalendarzu dwie do trzech godzin tygodniowo i odpowiada za bibliotekę poleceń. Bez niej po dwóch tygodniach wszyscy wracają do starych nawyków. Jak ustawić ludzi przed zmianą sposobu pracy, opisaliśmy w przewodniku o przygotowaniu zespołu do wdrożenia AI.
Punkt wyjścia w Polsce jest niski. Według informacji sygnalnej GUS „Społeczeństwo informacyjne w Polsce w 2025 r." z 21 października 2025 technologie sztucznej inteligencji wykorzystywało 8,7 procent przedsiębiorstw. W pracach biurowych związanych z zarządzaniem kadrami i firmą tylko 3,7 procent.
Cztery etapy po kolei
Tydzień 1: spis zadań z minutami
Każda osoba przez dwa dni robocze zapisuje wszystko, co robi dłużej niż pięć minut. Czynność, czas, skąd bierze dane i dokąd trafia wynik. Arkusz z czterema kolumnami wystarczy.
Dwa dni wystarczą, bo praca biurowa kręci się w cyklu tygodniowym, a po trzecim dniu ludzie przestają zapisywać uczciwie. Zapis kosztuje około dziesięciu minut dziennie.
Warunek końca: arkusz od każdej osoby, co najmniej piętnaście pozycji na osobę.
Tydzień 2: podział według kosztu sprawdzenia
Tu zapada najważniejsza decyzja całego wdrożenia. Przy każdej pozycji ze spisu zadajecie jedno pytanie: ile trwa sprawdzenie, czy AI zrobiło to dobrze?
Gdy wystarczy przeczytać wynik, zadanie idzie do AI. Gdy trzeba porównać wynik ze źródłem, idzie do AI z obowiązkową kontrolą. A jeśli sprawdzenie wymaga policzenia wszystkiego od nowa, zadanie zostaje w arkuszu, programie kadrowym albo u człowieka.
| Zadanie | Decyzja | Jak sprawdzić |
|---|---|---|
| Szkic odpowiedzi na maila | oddać | przeczytać przed wysłaniem |
| Poprawa stylu pisma do urzędu lub klienta | oddać | przeczytać całość |
| Streszczenie wątku albo raportu | oddać z kontrolą | porównać liczby i nazwiska z oryginałem |
| Notatka i lista zadań ze spotkania | oddać z kontrolą | prowadzący czyta ją tego samego dnia |
| Formuła do Excela | oddać z kontrolą | przetestować na trzech wierszach o znanym wyniku |
| Sumy, procenty i ułamki w treści | zostawić | Excel albo kalkulator |
| Terminy i dni robocze | zostawić | reguła w systemie albo kalendarz |
| Aktualne przepisy, stawki, limity | zostawić | źródło urzędowe |
Formuła do Excela pokazuje cały mechanizm w jednym wierszu. Model pisze formułę, czyli tekst. Liczy Excel. Wy sprawdzacie na trzech wierszach, których wynik znacie, i od tej chwili formuła jest pewna w każdym kolejnym wierszu.
Warunek końca: każda pozycja ze spisu ma jedną z trzech decyzji. Wystarczy godzinne spotkanie zespołu.
Tydzień 3: biblioteka poleceń
Zadania z pierwszych dwóch grup dostają gotowe polecenia, zebrane w jednym wspólnym dokumencie. Każde polecenie ma trzy części: co model dostaje, czego od niego chcecie i jeden przykład dobrego wyniku.
Przykładowy wpis: „Poniżej wątek mailowy z klientem. Napisz odpowiedź w maksymalnie pięciu zdaniach, w formie pan/pani, bez obietnic terminów, których nie ma w wątku. Na końcu wypisz osobno pytania, które wymagają mojej decyzji". Ostatnie zdanie robi największą różnicę, bo model przestaje zgadywać za człowieka i zostawia mu decyzje czarno na białym.
Na start wystarczy dziesięć poleceń. Właściciel zbiera je od zespołu, testuje każde na trzech prawdziwych przypadkach i poprawia to, co wychodzi krzywo. Około trzech godzin w tygodniu. Ile minut takie polecenia oddają przy mailach i notatkach, zebraliśmy w artykule o kopilotach AI w pracy biurowej.
Warunek końca: dziesięć przetestowanych poleceń w dokumencie przypiętym tam, gdzie zespół i tak codziennie zagląda.
Tydzień 4: pomiar
Ten sam arkusz co w pierwszym tygodniu, znowu przez dwa dni, tym razem wyłącznie dla zadań oddanych AI. Czas przed, czas po i liczba poprawek po modelu. Jeśli poprawki zjadają połowę zaoszczędzonego czasu, polecenie jest źle napisane albo zadanie trafiło do złej grupy. Jak przełożyć odzyskane minuty na złotówki, opisaliśmy w artykule o mierzeniu zwrotu z AI.
Warunek końca: liczba minut odzyskanych tygodniowo na osobę oraz lista poleceń, które zostają.
Kto co robi i co blokuje każdy etap
| Etap | Kto to robi | Ile trwa | Co blokuje |
|---|---|---|---|
| Spis zadań | każda osoba z zespołu | 2 dni, ok. 10 minut dziennie | zaniżanie czasu drobnych czynności |
| Podział według kosztu sprawdzenia | zespół razem z właścicielem | jedno spotkanie, 60 minut | spór o zadania z liczbami |
| Biblioteka poleceń | właściciel wdrożenia | tydzień, ok. 3 godziny | brak prawdziwych przykładów bez danych wrażliwych |
| Pomiar | każda osoba, podsumowuje właściciel | 2 dni plus godzina analizy | brak zapisu z pierwszego tygodnia |
Najczęściej blokuje ostatni wiersz. Zespół chce od razu testować narzędzie, pomija spis zadań i po miesiącu ma wrażenie, że „chyba jest szybciej". Wrażenie nie obroni licencji przy następnym budżecie.
Drugi w kolejce jest spór w tygodniu drugim. Ktoś zawsze powie, że model policzył mu coś dobrze już trzy razy. Owszem, policzył. Problem zaczyna się przy czwartym razie, bo nikt nie wie, kiedy on nadejdzie.
Gdzie to się wykłada: liczby, daty i nasz własny błąd
13 kwietnia 2026, sesja audytowa u klienta, którego wdrożenie opisujemy w case study RJS. Koordynatorka kadr opowiadała, jak układa teczkę pracownika oddelegowanego do Szwecji. W pewnym momencie sama wróciła do czatów AI. Testowała kilka ogólnodostępnych. Jeden zrobił błędy w ułamkach, przy których, jak mówiła, „byłam sama w szoku". Inny na pytanie o szczegół z książki, którą dobrze znała, podał 36 zamiast 24.
„Gdybym nie miała żadnej wiedzy, to bym to przyklepała" — powiedziała. Dorzuciła, że AI nie wyłapie zmiany kodeksu pracy.
Miała rację w każdym punkcie. Model językowy tworzy najbardziej prawdopodobny ciąg tekstu, a liczba w zdaniu jest dla niego takim samym tekstem jak każde inne słowo. Ta sama cecha, która daje płynnego maila, daje płynnie napisaną błędną sumę.
Badanie Harvard Business School i Boston Consulting Group z września 2023 zmierzyło to na 758 konsultantach. W pracy „Navigating the Jagged Technological Frontier" osoby z dostępem do GPT-4 przy zadaniach w zasięgu modelu wykonały o 12,2 procent więcej zadań, o 25,1 procent szybciej i z jakością wyższą o ponad 40 procent. Przy zadaniu wybranym celowo poza tym zasięgiem ich szansa na poprawne rozwiązanie spadła o 19 punktów procentowych względem grupy bez AI. Z modelem wypadli gorzej niż bez niego.
Nowsze dane mówią to samo innym językiem. Anthropic Economic Index ze stycznia 2026 podaje, że przy wywołaniach przez API zadania zajmujące człowiekowi mniej niż godzinę kończą się sukcesem w około 60 procentach, a zadania na ponad pięć godzin w około 45 procentach. Ten sam raport notuje, że udział zadań z obszaru biurowego i administracyjnego w tych wywołaniach wzrósł do 13 procent w listopadzie 2025.
Koordynatorka opisała na tym samym spotkaniu regułę, której żaden czat nie powinien dostać. Pracownik wylatuje w sobotę, więc zaświadczenie A1 i aneks liczą się od dnia wylotu, a dokumenty podpisuje się w ostatni dzień roboczy przed wyjazdem, bo w sobotę się ich nie podpisuje. W systemie, który dla tej firmy zbudowaliśmy, daty dokumentów liczy kod. Termin „dwa dni robocze od zatrudnienia" pomija weekendy i polskie święta, a Wielkanoc wylicza algorytmem. Model nie dotyka tam żadnej daty.
Teraz nasz błąd. Pierwszy projekt z kwietnia 2026 zakładał asystenta AI, który czyta dane pracownika z arkusza i na polecenie w zwykłym języku wypełnia szesnaście dokumentów teczki. Na papierze wyglądało to świetnie. Ostatecznie przerobiliśmy to na szablony wypełniane polami z bazy, bo dokument kadrowy ma wychodzić identycznie za każdym razem, a odpowiedź modelu za każdym razem wychodzi trochę inaczej.
Wniosek dla biura jest prosty. Tekst oddajecie modelowi. Reguły, liczby i daty zapisujecie w miejscu, które liczy deterministycznie.
Jak wygląda dobry wynik po każdym etapie
Po pierwszym tygodniu macie coś, czego większość firm nigdy nie widziała: listę czynności z minutami, spisaną przez ludzi, którzy je wykonują. Często już ona sama pokazuje, że najwięcej czasu zjada przepisywanie tych samych danych między dwoma miejscami.
Po drugim tygodniu każde zadanie ma decyzję i nikt nie kłóci się o to, czy „AI się do tego nadaje". Pytanie brzmi już inaczej: ile kosztuje sprawdzenie.
Po trzecim tygodniu nowa osoba w zespole korzysta z AI od pierwszego dnia, bo dostaje dokument z dziesięcioma poleceniami i przykładami. Wiedza przestaje siedzieć w głowie jednego entuzjasty.
Po czwartym tygodniu macie liczbę minut na osobę i listę zadań z trzeciej grupy. Ta druga lista jest cenniejsza, niż się wydaje. Zadania z liczbami, datami i regułami, których czat nie powinien robić, to dokładnie te, które da się zautomatyzować systemem liczącym bez błędów. Jak wybrać z niej pierwszą pozycję, pokazaliśmy w artykule o wyborze pierwszego procesu do automatyzacji.
Najczęstsze pytania
Czy darmowa wersja czatu AI wystarczy do codziennej pracy biurowej w małej firmie?
Darmowa wersja czatu AI wystarczy do testu na tekstach bez danych firmy: szkicach maili, poprawkach stylu, pomysłach na strukturę dokumentu. Do codziennej pracy zespołu lepszy jest plan firmowy, bo domyślnie nie używa rozmów do trenowania modeli, daje administratorowi kontrolę nad kontami i pozwala budować wspólne polecenia dla wszystkich pracowników biura.
Jakich danych pracownicy biura nie powinni wklejać do czatu AI?
Pracownicy biura nie powinni wklejać do czatu AI numerów PESEL, danych z dowodów osobistych, informacji o zdrowiu, wynagrodzeń ani haseł. Treść umów i dane kontrahentów mogą trafiać wyłącznie do narzędzia na planie firmowym. Zasadę danych warto spisać w trzech zdaniach i przekazać każdej osobie przed pierwszym użyciem narzędzia w firmie.
Dlaczego AI myli się w prostych obliczeniach, skoro dobrze pisze teksty?
Model językowy tworzy najbardziej prawdopodobny ciąg tekstu, a liczby traktuje jak słowa, więc wynik obliczenia może brzmieć wiarygodnie i być błędny. Dlatego w pracy biurowej AI powinno pisać formułę do Excela, a Excel powinien liczyć. Formułę sprawdza się na trzech wierszach o znanym wyniku i dopiero wtedy stosuje w całym arkuszu.
Ile czasu zespół biurowy odzyskuje dzięki AI w pierwszym miesiącu?
Czas odzyskany dzięki AI w pierwszym miesiącu zależy od udziału zadań tekstowych w pracy zespołu, dlatego mierzy się go spisem zadań przed i po wdrożeniu. Badanie Harvard i Boston Consulting Group z 2023 roku pokazało, że przy zadaniach w zasięgu modelu konsultanci pracowali o 25,1 procent szybciej, a przy zadaniach poza zasięgiem popełniali więcej błędów.
Jeśli zespół ma już narzędzie, a nikt nie używa go regularnie, szkolenie AI to praktyczny warsztat na zadaniach Waszego biura, po którym ludzie realnie korzystają z AI w codziennej pracy.