Nigdy nie było więcej narzędzi do automatyzacji. Agenci AI, którzy czytają Twoją skrzynkę odbiorczą, podsumowują spotkania, piszą odpowiedzi, tworzą kod, organizują tydzień. Co miesiąc pojawia się nowa fala.
A jednak większość osób, z którymi rozmawiamy, nadal wykonuje te same ręczne, powtarzalne, wyczerpujące zadania, co dwa lata temu.
Dlaczego?
Ostatnie miesiące spędziliśmy, próbując odpowiedzieć na to pytanie. Rozmawialiśmy z 22 osobami z różnych ról, branż i poziomów umiejętności. Około trzy czwarte miało techniczne wykształcenie. Reszta nie. Mniej więcej połowa pracowała w branży technologicznej. Druga połowa nie.
Zapytaliśmy ich, jak wygląda ich praca. Co jest trudne. Co chcieliby zmienić.
Odkryliśmy cztery bariery, które pojawiają się wciąż na nowo, niezależnie od zawodu czy poziomu technicznego. Trzy z nich są osobiste. Czwarta jest strukturalna. Razem wyjaśniają, dlaczego automatyzacja, mimo że od dwóch dekad jest najbardziej obiecywaną kategorią oprogramowania, dla większości ludzi wciąż pozostaje marzeniem.
Oto one.
Bariera 1: Nie widzisz, co jest zepsute
Pierwsza rzecz, która nas zaskoczyła: gdy pytaliśmy ludzi, co jest trudne lub frustrujące w ich pracy, większość odpowiadała ogólnikami. „Żonglowanie priorytetami.” „Komunikacja.” „Po prostu jestem zajęty.” Nic konkretnego. Nic, co można by zrobić.
Spróbowaliśmy więc innego pytania: „Gdybyś mógł machnąć magiczną różdżką i naprawić jedną rzecz w swoim obecnym workflow, co by to było?”
Nagle pojawił się wyraźny ból. Konkretne zadania. Rzeczy, których nienawidzili. Ci sami ludzie, którzy pięć minut wcześniej wzruszali ramionami, teraz mieli po trzy odpowiedzi.
Jedna z osób powiedziała nam:
„Tak, jestem na bieżąco. Miałem mnóstwo rozmów. Ale samo utrzymywanie wszystkich w pętli to taka żmudna część pracy.”
Inna, opisując kwartalny proces:
„Chciałbym na pewno wyeliminować to ręczne śledzenie. Zabiera nam to za dużo czasu. Robimy to prawie co kwartał. I w tym tygodniu, kiedy to się dzieje, wszyscy tego nienawidzą.”
Trzeci rozmówca o powtarzalnym zadaniu:
„Czasem dostaję prośbę ze sklepu, żeby zsynchronizować stan magazynowy online. Prośba jest tak... niestandardowa. Czasem podają poprawne ID sklepu. Czasem ID musi być wielkimi literami, a podają małymi. Format się nie zgadza. Muszę ręcznie poprawiać wszystkie formaty, żeby były poprawne, wrzucić do maszyny i kliknąć przycisk.”
Żadna z tych osób nie myślała o tych zadaniach jako możliwych do automatyzacji, dopóki nie zadaliśmy właściwego pytania. Robili je od miesięcy lub lat. To po prostu była praca.
To nie jest osobista porażka. Tak działa uwaga. Powtarzalne zadania znikają w tle. Mózg przestaje je sygnalizować, bo są przewidywalne. Dyskomfort ich wykonywania staje się „poniedziałkiem”.
Nie możesz zautomatyzować tego, czego nie potrafisz nazwać. A większość ludzi nie potrafi nazwać, co jest zepsute w ich pracy bez pomocy.
To pierwsza bariera.
Bariera 2: Nie wiesz, od czego zacząć
Załóżmy, że widzisz, co jest zepsute. Wiesz dokładnie, które zadanie wysysa z Ciebie energię. Masz nawet dostęp do narzędzi AI, które mogłyby się tym zająć.
Większość ludzi i tak się zatrzymuje.
Problem: za dużo możliwości, brak konkretnego punktu startowego. Paraliż decyzyjny w automatyzacji. Gdy możesz zautomatyzować wszystko, często nie automatyzujesz niczego.
Jedna osoba powiedziała nam:
„Jak, no wiesz, nakierować AI, żeby to zrobiło? Jak sformułować wiadomość do AI, żeby to zrobiło? Myślę, że trzeba się nauczyć, jak być bardziej precyzyjnym.”
Wiedzieli, że AI jest zdolne. Po prostu nie wiedzieli, jak skierować je na swoją pracę.
Inny rozmówca opisał to bardziej wprost:
„Nie sądzę, żeby z interfejsu było jasne, co jeszcze można zrobić. Bo jak wpisuję prompt, to myślę: 'muszę wymyślić, czego potrzebuję.' Ale nie mam opcji, prawda? Nie wiem, co jeszcze można zrobić. Jak daleko mogę sobie wyobrazić mój problem? W naszej poprzedniej rozmowie zorientowałem się, że mogę poprosić o raport standupowy z maila albo utworzyć zadanie w Linear czy coś. Więc to nie było jasne.”
Rozwinęli myśl:
„Może gdyby było rozwijane menu albo przykładowe prompt’y czy szablony, których mógłbym użyć, to by pomogło, zamiast wymyślać wszystko od zera.”
Ktoś inny chciał czegoś jeszcze bardziej konkretnego:
„Jest tego tyle. Stos technologiczny jest ogromny. Tyle możliwości. Gdyby ktoś mógł mi powiedzieć, którego narzędzia użyć, które będzie najwydajniejsze do danego zadania. Na przykład, żeby spojrzał na mój Linear i powiedział: hej, do tego zadania użyj tego zamiast Claude Code czy czegoś innego. To byłoby super.”
Ludziom nie potrzeba więcej możliwości. Potrzebują konkretnego punktu startowego. Prawdziwego przykładu. Workflow, który ktoś podobny do nich zbudował, działa od początku do końca, który można skopiować i dostosować.
To dlatego wszędzie automatyzuje się te same pięć workflow: poranne briefy, tygodniowe raporty, porządkowanie skrzynki, notatki standupowe, podsumowania dla klientów. To nie są najlepsze automatyzacje. Po prostu mają publiczne szablony i oczywiste punkty startowe.
Cała reszta zostaje ręczna. Nie dlatego, że nie da się jej zautomatyzować, tylko dlatego, że nikt nie pokazał, jak wygląda „start”.
To druga bariera.
Bariera 3: Koszt rozpoczęcia jest wyższy niż koszt zaniechania
OK, zidentyfikowałeś zadanie. Masz konkretny punkt startowy. Teraz musisz to faktycznie skonfigurować.
Tu większość ludzi się poddaje.
Jeden rozmówca opowiedział nam o narzędziu AI, którego regularnie używali jego współpracownicy:
„Znam OpenClaw, ale sam nigdy nie próbowałem. Wiem, że moi współpracownicy używają, ale ja nie.”
Zapytaliśmy dlaczego – konfiguracja była zbyt skomplikowana i czasochłonna. Nigdy nawet nie spróbował. Fakt, że jego zespół korzystał z sukcesem, nie wystarczył. Postrzegany koszt aktywacji był na tyle wysoki, że po prostu... nie.
Inny był jeszcze bardziej bezpośredni o punkcie rezygnacji:
„Myślę, że dla nowych użytkowników to szczególnie. Bo wiele osób zobaczy to i będzie chciało spróbować. A potem wpisują NPM install i nagle pojawia się 'musisz zainstalować też Claude'... i tu wielu ludzi się poddaje, nawet nie próbując dalej.”
Pod tymi cytatami kryje się ta sama racjonalna kalkulacja. Inny rozmówca powiedział wprost:
„Chcemy automatyzować workflow, żeby oszczędzić czas i zwiększyć produktywność. Nie chcemy spędzać mnóstwa czasu na narzędziach, które mają poprawić naszą efektywność.”
To nie lenistwo. To matematyka.
Cały sens automatyzacji to oszczędność czasu. Ale dla większości workflow konfiguracja trwa dłużej niż ręczne wykonanie zadania. Godziny nauki interfejsu, godziny ustawiania wyzwalaczy, godziny testowania przypadków brzegowych – i dopiero potem zaczynasz oszczędzać czas. Przy zadaniach cotygodniowych zwrot następuje po miesiącach. Przy miesięcznych lub kwartalnych – matematyka nigdy się nie spina.
Więc ludzie rezygnują.
Doświadczenia z przeszłości pogłębiają problem. Ludzie próbowali narzędzi, które obiecywały wszystko, a wymagały 40-etapowej konfiguracji. Uczyli się interfejsów, które się nie opłaciły. Więc nawet gdy nowe narzędzie faktycznie działa, wcześniejsze doświadczenia zniechęcają do inwestycji.
Większość narzędzi do automatyzacji zakłada, że poświęcisz godzinę na naukę, zanim zobaczysz jakąkolwiek wartość. Dla większości ludzi, zwłaszcza nietechnicznych, tu kończy się relacja.
To trzecia bariera.
Bariera 4: Twoja organizacja ci nie pozwoli
Oto bariera najtrudniejsza do pokonania i ta, o której najczęściej słyszymy od osób pracujących w większych firmach.
Nawet jeśli widzisz, co jest zepsute, wiesz, od czego zacząć i jesteś gotów poświęcić czas na konfigurację, firma może ci na to nie pozwolić.
Jedna osoba z dużego przedsiębiorstwa opisała, jak to wygląda w praktyce:
„Każde narzędzie musi być zatwierdzone przez klienta lub wewnętrznie. Gdy już jest zatwierdzone i przyznany budżet, kupujemy je osobno dla każdej osoby.”
Zatwierdzenie. Budżet. Licencja na osobę. Dla każdego nowego narzędzia. Gdy proces się kończy, motywacja, która sprawiła, że chciałeś spróbować, jest już dawno przeszłością.
Ale głębszy problem to nie tylko „nie mogę dostać zgody na narzędzie”. Nawet jeśli możesz używać AI prywatnie, nie możesz połączyć go z systemami, w których faktycznie pracujesz. Ta sama osoba:
„Nie mogę połączyć tego z moim środowiskiem pracy. Jeśli używam tego prywatnie, nie mogę połączyć Salesforce. Nie mogę połączyć Teams. Bo to jest na służbowym laptopie.”
Mają dostęp do ChatGPT. Mają zadania, które chcieliby zautomatyzować w Salesforce. Nie da się ich połączyć. Automatyzacja wymaga połączenia narzędzi prywatnych z danymi firmowymi, a to jest zabronione.
To nie tylko problem dużych firm. Inny rozmówca powiedział:
„Myślę, że duże firmy mają pewne obawy o prywatność. Możemy używać ChatGPT, ale nie możemy używać Gemini. Nie wiem dlaczego. Nie wiem dlaczego. Ale to taka decyzja firmy.”
„Nie wiem dlaczego.” To zdanie często się pojawia, gdy rozmawiasz z ludźmi o ograniczeniach narzędzi w ich firmie. Wybory wydają się arbitralne. Jedne narzędzia zatwierdzone, inne nie, bez jasnej logiki. Musisz obchodzić zasady, nie rozumiejąc ich.
Dla wielu osób to prawdziwy mur. Nie „nie widzę, co jest zepsute”. Nie „nie wiem, jak to zautomatyzować”. Tylko „nie wolno mi”.
Ta bariera jest trudniejsza od pozostałych, bo nie dotyczy ciebie, tylko twojego otoczenia. A otoczenie zmienia się powoli.
To czwarta bariera.
Co to oznacza
Te cztery bariery się nakładają. Nawet jeśli pokonasz pierwszą, trafiasz na drugą. Za drugą – trzecią. A nawet jeśli przebrniesz przez trzy, organizacja może cię zatrzymać.
Razem tworzą mur, którego większość ludzi nigdy nie przekracza, nawet jeśli dokładnie wie, co chce naprawić. Dlatego automatyzacja workflow, mimo że od dwóch dekad jest najbardziej obiecywaną kategorią oprogramowania, wciąż pozostaje marzeniem.
Uważamy, że ten mur można przełamać. Nie cały, nie dla wszystkich, ale w większym stopniu, niż zakładają obecne narzędzia. Ostatnie miesiące spędziliśmy, budując rozwiązania na trzy pierwsze bariery i intensywnie myśląc, jak uczynić automatyzację na tyle bezpieczną, by czwarta bariera z czasem była mniej restrykcyjna. Mamy swoje opinie, co działa. Ale wolimy pokazać niż opowiadać.
Dlatego robimy coś innego.
W sobotę, 16 maja, organizujemy bezpłatne praktyczne warsztaty w San Jose. Pokażemy, jak rozpoznać, co w twojej pracy da się zautomatyzować, od czego zacząć, gdy masz sto opcji, i jak skonfigurować pierwszego AI współpracownika w mniej niż 15 minut. Bez kodowania.
Limit to 30 osób. Zgłoszenia: https://luma.com/yqpulmgq
We wtorek, 20 maja, organizujemy podobne wydarzenie w San Francisco. Szczegóły i zgłoszenia wkrótce. Obserwuj @vm0_ai, by być na bieżąco.
Jeśli nie możesz być na żadnym wydarzeniu, obserwuj nas mimo to. Opiszemy, co ludzie faktycznie zbudują na warsztatach. Workflow, niespodzianki, rzeczy, które nie zadziałały. Opublikujemy je w kolejnym wpisie. Praktyczne odpowiedzi dostaniesz tak czy inaczej.
Te cztery bariery są realne. Słyszymy o nich od prawie każdej osoby, z którą rozmawiamy. Trzy pierwsze można rozwiązać już dziś. Czwarta wymaga czasu, ale też jest do pokonania. Przez najbliższe tygodnie będziemy to udowadniać – na wydarzeniach i w kolejnych publikacjach.
Cytaty są zanonimizowane do roli. Próba: 22 osób z branży software/AI, ochrony zdrowia, sztuk scenicznych, produkcji, konsultingu, handlu, biomechaniki i NGO. Około 73% z technicznym wykształceniem i 27% bez.
