Czy AI stanie się kolejnym ERP? Przestroga przed iluzją szybkiego wdrożenia

Wielkie wdrożenia technologii w firmach zawsze przychodzą z dużym entuzjazmem, obietnicą przełomu i – niekiedy – z rozczarowaniem. Dwie dekady temu takim przełomem miały być systemy ERP. Dziś rolę tę przejęła sztuczna inteligencja. W obu przypadkach powtarza się ten sam schemat: niedoszacowanie złożoności, pośpiech i wiara, że nowa technologia sama rozwiąże problemy operacyjne.

Tyle że AI może okazać się jeszcze bardziej wymagająca – bo nie tylko zmienia narzędzia, ale redefiniuje sposób działania całych organizacji.

Historia lubi się powtarzać

W latach 90. i 2000. systemy ERP były synonimem nowoczesności – obiecywały pełną kontrolę nad przedsiębiorstwem, ujednolicenie procesów i lepszą decyzyjność. W rzeczywistości wiele firm przeszło przez bolesne, kosztowne i wieloletnie wdrożenia, których efekty były dalekie od oczekiwań.

Nie brakowało projektów, które kończyły się fiaskiem: źle zmapowane procesy, niewystarczające kompetencje, zmieniające się wymagania, napięte harmonogramy i brak planu operacyjnego. Dziś AI – szczególnie generatywna – wchodzi na podobną ścieżkę. Często traktowana jako produkt „plug and play”, w rzeczywistości wymaga przebudowy podstawowej architektury organizacyjnej.

AI to nie tylko technologia – to sposób działania

O ile ERP miały za zadanie uporządkować procesy, to AI idzie dalej: podejmuje decyzje, przewiduje zdarzenia, optymalizuje działania. W teorii ma to być szybkie i skalowalne. W praktyce – jak pokazuje najnowszy raport Harvey Nash/Nash Squared – dwie trzecie firm nie widzi jeszcze żadnego zwrotu z inwestycji w AI, mimo że aż 9 na 10 z nich już eksperymentuje z tą technologią.

Brzmi znajomo? Podobnie było z ERP, które miały błyskawicznie przełożyć się na oszczędności i wzrost efektywności. Dziś już wiemy, że w większości przypadków ROI pojawiał się dopiero po latach – jeśli w ogóle.

Pośpiech to zły doradca

Zarówno w przypadku ERP, jak i AI, kluczowym problemem jest złudzenie szybkiego efektu. W obu przypadkach technologia jest złożona, wymaga dostosowania do realiów organizacyjnych, zmiany procesów i kompetencji wewnętrznych.

Wdrażanie AI jako projektu IT, zamiast jako transformacji operacyjnej, prowadzi do tego, że technologia pozostaje na peryferiach. Model predykcyjny może działać – ale jeśli nie jest zintegrowany z procesem decyzyjnym, to jego wartość jest zerowa.

AI bez fundamentów organizacyjnych

W raportach branżowych coraz częściej powtarza się jedna diagnoza: AI nie działa, bo nie jest na czym jej oprzeć. Firmom brakuje podstaw – dobrej jakości danych, jasno przypisanej odpowiedzialności za modele, mechanizmów monitorowania i ciągłego doskonalenia.

To jak próba wdrożenia ERP bez przygotowania master data, bez mapy procesów i bez właścicieli modułów. Efekt? Technologia „jest”, ale organizacja nie umie z niej korzystać.

W dodatku w przypadku AI dochodzą nowe wyzwania: trudność w wyjaśnieniu decyzji algorytmu, zarządzanie ryzykiem modelu, zmienność wyników w czasie. To nie jest klasyczny system transakcyjny – to „żyjący” organizm, który wymaga ciągłej opieki.

Od projektu do architektury

Rozwiązaniem nie jest lepszy projekt pilotażowy, ale zmiana podejścia. AI musi być traktowana jak nowa warstwa architektury organizacyjnej – nie tylko technologicznej, ale również operacyjnej.

Potrzebne są nowe role (np. AI operations, model governance lead), nowe struktury (np. centra doskonałości AI), nowe mierniki sukcesu (KPI oparte na efektywności modelu, a nie wdrożeniu technologii).

Tak jak ERP wymagały przemyślenia procesów end-to-end, tak AI wymaga przemyślenia, gdzie podejmowane są decyzje, kto odpowiada za wynik modelu i jak włączyć go w realną praktykę biznesową.

Przestroga na czas hype’u

Nie chodzi o to, by hamować inwestycje w AI. Wręcz przeciwnie – firmy muszą się transformować, by nadążać za konkurencją. Ale historia wdrożeń ERP pokazuje, że inwestycja bez przygotowania strukturalnego prowadzi do frustracji i marnowania zasobów.

Jeśli firmy chcą uniknąć powtórki z tamtej epoki, muszą nauczyć się patrzeć na AI nie jako projekt, ale jako długoterminowy element operacyjnej infrastruktury. W przeciwnym razie – nawet najlepszy model pozostanie kosztownym MVP, które nigdy nie wejdzie do realnego użytku.

AI może zrewolucjonizować sposób działania firm – tak jak kiedyś ERP miały zrewolucjonizować zarządzanie zasobami. Ale tak jak ERP wymagały czasu, planu i transformacji procesowej, tak AI wymaga nowej architektury operacyjnej. Historia już raz pokazała, że sama technologia nie wystarczy. Tym razem stawka jest jeszcze większa.