Zespół nie używa AI, za które płacicie. Trzy z czterech przyczyn to nie opór

Dział IT pokazuje raport z narzędzia AI kupionego pół roku temu: 340 wykupionych licencji, 41 osób użyło go w ostatnim tygodniu. Pierwsza reakcja na sali brzmi zawsze tak samo – ludzie się opierają, trzeba ich przeszkolić. To wyjaśnienie jest wygodne, bo wskazuje winnego poza działem, który podejmował decyzję zakupową. Zwykle jest też nieprawdziwe.

Niskie użycie licencji ma cztery rozróżnialne przyczyny. Trzy z nich nie są oporem i naprawia się je w tygodniach, bez nowego budżetu. Czwarta jest realnym oporem, kosztuje najwięcej i jako jedyna wymaga decyzji na poziomie zarządu. Problem w tym, że wszystkie cztery wyglądają w raporcie identycznie – jako ta sama pusta kolumna z liczbą aktywnych użytkowników. Zanim zamówicie kolejne szkolenie, trzeba ustalić, którą z nich faktycznie macie.

Czy to na pewno opór, czy tylko tak wygląda w raporcie

Warstwa danych rynkowych nie potwierdza tezy o niechęci pracowników do AI. W czwartej edycji badania BCG AI at Work z czerwca 2026 roku, przeprowadzonego na 11 749 pracownikach w 14 krajach, regularnymi użytkownikami AI jest 74% pracowników szeregowych bez funkcji kierowniczych – o 23 punkty procentowe więcej niż rok wcześniej. Spośród nich 42% deklaruje, że AI oszczędza im co najmniej pełny dzień pracy tygodniowo.

Jeżeli trzech na czterech pracowników szeregowych używa AI regularnie, a w Waszym raporcie widnieje kilkanaście procent, to różnica nie bierze się z nastawienia. Bierze się z tego, że mierzycie użycie jednego konkretnego narzędzia, a nie użycie AI. To są dwie różne wielkości i mylenie ich prowadzi do złej decyzji: dokłada się budżet na zmianę postaw tam, gdzie problem leży w konfiguracji, dostępie albo w samym produkcie.

Pierwsze rozstrzygnięcie jest więc takie: czy zespół nie używa AI, czy nie używa tej AI. Odpowiedź na to pytanie zmienia adresata problemu i rząd wielkości kosztu.

Ile osób dostało zgodę, zasady i godziny na naukę

Zanim uznacie brak użycia za wybór pracownika, sprawdźcie, czy pracownik miał ten wybór. Jesienna edycja Slack Workforce Index z 2024 roku, oparta na ankiecie wśród 17 372 pracowników biurowych w 15 krajach, pokazuje trzy rzeczy naraz. 45% badanych nie miało wyraźnej zgody na korzystanie z AI w pracy. 30% nie przeszło żadnego szkolenia. 61% poświęciło na naukę obsługi mniej niż pięć godzin.

Do tego dochodzi bariera, której żaden raport z licencji nie pokaże. W tym samym badaniu 48% pracowników biurowych deklarowało, że czułoby się niekomfortowo, przyznając przełożonemu, że użyło AI do typowego zadania. Wśród powodów: przekonanie, że to forma ściągania (47%), obawa przed wyjściem na mniej kompetentnego (46%) i przed wyjściem na leniwego (46%).

To ma bezpośrednie przełożenie na liczby w panelu administracyjnym. Pracownik, który nie wie, czy wolno mu wkleić fragment dokumentu do modelu, nie zgłasza tego jako problemu – on po prostu tego nie robi albo robi to poza firmowym kontem. W obu przypadkach Wasz wskaźnik adopcji spada, a przyczyną jest brak decyzji po stronie firmy, nie postawa zespołu.

Dokument, który to odblokowuje, ma zwykle jedną stronę i odpowiada na cztery pytania: jakie dane wolno wprowadzać, jakich nie wolno, kto zatwierdza wynik przed wysłaniem go na zewnątrz i czy użycie AI trzeba oznaczać. Jeżeli takiego dokumentu nie ma, macie odpowiedź na pytanie o przyczynę i nie potrzebujecie do niej badania nastrojów.

Czego zespół używa zamiast tego, za co płacicie

Najbardziej niewygodna hipoteza jest jednocześnie najczęstsza: ludzie używają AI codziennie, tylko nie Waszej. Raport The GenAI Divide zespołu Project NANDA z MIT, opublikowany w sierpniu 2025 roku na podstawie przeglądu ponad 300 wdrożeń, 52 wywiadów i 153 ankiet wśród kadry kierowniczej, podaje zestawienie, które warto przeczytać dwa razy: oficjalne subskrypcje modeli językowych wykupiło 40% badanych organizacji, ale pracownicy z ponad 90% organizacji zgłaszali regularne używanie prywatnych narzędzi AI do zadań służbowych.

Kierunek potwierdza badanie Microsoftu i LinkedIna Work Trend Index z 2024 roku: spośród pracowników wiedzy korzystających z AI 78% przynosi do pracy własne narzędzia, a w firmach małych i średnich odsetek ten sięga 80%.

Dla zarządu to nie jest ciekawostka o zwyczajach zespołu, tylko trzy konkretne pozycje w rachunku. Po pierwsze, płacicie za licencje, które nie zastępują niczego. Po drugie, dane firmowe wychodzą przez konta, nad którymi nie macie kontroli i których nie obejmuje żadna umowa powierzenia. Po trzecie – i to jest najcenniejsza informacja – zespół sam przeprowadził za Was test porównawczy. Jeżeli wybiera narzędzie, za które płaci z własnej kieszeni, zamiast tego, które dostał za darmo, to Wasze narzędzie przegrało na parametrze, którego nie sprawdzono przy zakupie.

Zanim ten wniosek przełożycie na decyzję, ustalcie, czego dokładnie ludzie używają i do czego. Pytanie „z jakiego narzędzia AI korzystałeś w tym tygodniu i do jakiego zadania” zadane bez konsekwencji dyscyplinarnych daje odpowiedź w tydzień i kosztuje zero.

Cztery przyczyny niskiego użycia i koszt naprawy każdej z nich

Poniższa tabela porządkuje diagnozę. Kolumna „co zmierzyć” zawiera dane, które da się zebrać z systemów, jakie już macie, bez zamawiania badania zewnętrznego.

Trzy pierwsze wiersze to nie opór. To brak decyzji, brak inwestycji w kompetencje albo błąd zakupowy – wszystkie trzy są problemami zarządu, nie zespołu. Dopiero czwarty wiersz opisuje sytuację, w której ludzie rozumieją narzędzie, mają do niego dostęp i świadomie z niego nie korzystają.

Dlaczego kolejne szkolenie nie podniesie tych liczb

Szkolenie działa, ale tylko na drugi wiersz tabeli i tylko powyżej pewnego progu. Badanie BCG z 2025 roku, przeprowadzone na ponad 10 600 pracownikach w 11 krajach, wskazuje, że odpowiednio przeszkolonych czuje się 36% badanych, a istotny wzrost odsetka regularnych użytkowników pojawia się dopiero przy pięciu i więcej godzinach szkolenia – szczególnie prowadzonego na żywo, z coachingiem, a nie w formie nagrania do odsłuchania we własnym zakresie. Godzinne webinarium dla całej firmy nie przekracza tego progu i nie zmieni niczego poza pozycją w budżecie.

Na czwarty wiersz szkolenie nie działa wcale. Tegoroczne badanie BCG pokazuje, skąd bierze się różnica: jasna strategia AI podnosi prawdopodobieństwo mierzalnej poprawy wyników o 25 punktów procentowych, podczas gdy same lepsze narzędzia, bez strategii i przeprojektowania pracy, przesuwają ten wskaźnik o około 5 punktów. Organizacje, które faktycznie przeprojektowały przepływy pracy, są o 24 punkty procentowe bardziej skłonne raportować mierzalną poprawę i o 22 punkty częściej odnotowują oszczędność co najmniej dnia pracy tygodniowo.

Ta sama edycja badania odnotowuje drugą stronę bilansu: 67% regularnych użytkowników mówi o wyższej satysfakcji z pracy, ale 41% zgłasza wzrost obciążenia poznawczego. To realny mechanizm oporu, który da się wytłumaczyć bez odwoływania się do niechęci wobec technologii. Pracownik, któremu dołożono narzędzie, nie odejmując nic z dotychczasowych obowiązków, wykonuje teraz dwie prace: swoją oraz nadzór nad wynikiem modelu. Zakres tego nadzoru da się zaprojektować i ograniczyć do pól, w których pomyłka faktycznie kosztuje – opisuje to tekst o progach pewności przy automatycznym przepisywaniu danych z dokumentów – ale wymaga to decyzji, a nie założenia, że pracownik sprawdzi wszystko. Jeżeli oszczędzony czas nie ma dokąd pójść, bo cele i miary zostały te same, racjonalną odpowiedzią jest nieużywanie narzędzia. To nie jest sabotaż, tylko poprawnie odczytany system motywacyjny.

Stąd praktyczna reguła podziału odpowiedzialności: dostęp i zasady są sprawą IT i działu prawnego, umiejętności są sprawą HR i przełożonych, ale przeprojektowanie pracy, cele i miary są wyłącznie sprawą zarządu. Delegowanie czwartego wiersza w dół kończy się kolejnym raportem o niskiej adopcji.

Co zrobić w trzydzieści dni, zanim dokupicie kolejne licencje

Kolejność ma znaczenie, bo każdy krok zdejmuje z listy jedną hipotezę i zmniejsza zakres kolejnego.

• Dni 1–5. Wyciągnijcie z panelu dostawcy liczbę użytkowników aktywnych tygodniowo, a nie liczbę wykupionych licencji, w rozbiciu na działy. Rozrzut między działami jest ważniejszy niż średnia – jeden dział z wysokim użyciem oznacza, że narzędzie działa, a problemem jest wdrożenie w pozostałych.
• Dni 6–10. Sprawdźcie, czy istnieje pisemna zasada użycia i czy kierownicy potrafią ją streścić bez zaglądania do dokumentu. Jeżeli nie – to jest Wasza główna przyczyna i dalsza diagnoza może poczekać.
• Dni 11–15. Zapytajcie wprost o narzędzia spoza firmy, z góry zapowiadając brak konsekwencji. Odpowiedzi porównajcie z listą zadań, do których kupowaliście licencje.
• Dni 16–20. Policzcie godziny szkolenia na osobę w podziale na działy i zestawcie je z użyciem. Jeżeli działy powyżej pięciu godzin nie różnią się od pozostałych, problemem nie jest szkolenie.
• Dni 21–25. Wybierzcie jeden proces i sprawdźcie, czy po wdrożeniu zmieniły się w nim: opis czynności, cele stanowiskowe, miary i podział zadań. Cztery odpowiedzi „nie” to czwarty wiersz tabeli. Jeżeli okaże się, że proces nie jest nigdzie opisany, zaczynacie od opisania go tak, żeby dało się go komukolwiek przekazać, bo nie da się przeprojektować czegoś, czego kształt istnieje wyłącznie w głowach wykonawców.
• Dni 26–30. Postawcie decyzję na posiedzeniu: przeprojektowanie procesu, zmiana dostawcy albo wygaszenie licencji. Utrzymywanie nieużywanych licencji „do czasu poprawy adopcji” jest trzecią możliwością tylko formalnie.

Jeden wskaźnik zasługuje na osobne miejsce w raportowaniu. Liczba wykupionych licencji jest wskaźnikiem próżnym – opisuje wyłącznie Waszą decyzję zakupową sprzed pół roku. Wskaźnik operacyjny to udział osób, które w danym tygodniu wykonały narzędziem powtarzalne zadanie ze swojego zakresu obowiązków. Pierwszy zawsze rośnie po zakupie. Drugi rośnie tylko wtedy, gdy narzędzie coś realnie zastąpiło.

Pytania do zadania na najbliższym spotkaniu

Każde z poniższych pytań ma sprawdzalną odpowiedź. Brak odpowiedzi jest odpowiedzią.

• Ilu pracowników użyło narzędzia w ostatnim tygodniu, a ile licencji opłacamy? Jak ta proporcja wygląda w rozbiciu na działy?
• Czy mamy pisemną zasadę mówiącą, jakie dane wolno wprowadzać do modelu i kto zatwierdza wynik? Kiedy była ostatnio komunikowana?
• Z jakich narzędzi AI zespół korzysta poza tymi, które kupiliśmy, i do jakich zadań? Czy wiemy, jakie dane tam trafiają?
• Ile godzin szkolenia z prowadzącym otrzymał przeciętny pracownik i czy działy powyżej pięciu godzin różnią się użyciem od pozostałych?
• W którym procesie zmieniliśmy po wdrożeniu opis czynności, cele i miary – a nie tylko dołożyliśmy narzędzie do istniejącej pracy?
• Co dzieje się z czasem zaoszczędzonym przez zespół i czy ktokolwiek został z tego rozliczony?
• Jeżeli za kwartał użycie się nie zmieni, co konkretnie wyłączamy i kto podejmuje tę decyzję?

Źródła danych przywołanych w tekście

• BCG, AI at Work 2026: Strategy Matters More Than Tools, czerwiec 2026 – ankieta wśród 11 749 pracowników w 14 krajach.
• BCG, AI at Work 2025: Momentum Builds, But Gaps Remain, czerwiec 2025 – ponad 10 600 pracowników w 11 krajach.
• Slack Workforce Index, edycja jesienna 2024 – 17 372 pracowników biurowych w 15 krajach, badanie z sierpnia 2024.
• MIT Project NANDA, The GenAI Divide: State of AI in Business 2025, sierpień 2025 – przegląd ponad 300 wdrożeń, 52 wywiady, 153 ankiety.
• Microsoft i LinkedIn, Work Trend Index, maj 2024 – dane o korzystaniu z prywatnych narzędzi AI w pracy.