AI przyspiesza biznes, ale najpierw trzeba uporządkować fundamenty systemów IT

Z Krystianem Baranem, Project Management Lead w Ideo, o presji wdrażania AI, długu technologicznym i bezpiecznej modernizacji systemów legacy, rozmawiała Justyna Szymańska.

Firmy coraz mocniej czują, że automatyzacja i sztuczna inteligencja przestały być ciekawostką – dziś są jednym z warunków utrzymania konkurencyjności. Jednocześnie wiele organizacji nadal opiera kluczowe procesy na systemach tworzonych lata temu – trudnych w utrzymaniu, słabo udokumentowanych i nieprzygotowanych do integracji z nowoczesnymi narzędziami.

Jakie najważniejsze zmiany zachodzą obecnie na rynku IT?

Rozmawiając z naszymi klientami, zauważam, że dziś rośnie presja związana z wykorzystaniem AI i to jest największa zmiana, jaką obserwujemy. Firmy widzą, że sztuczna inteligencja może znacząco zwiększyć produktywność, przyspieszyć procesy i ograniczyć koszty operacyjne. Jednocześnie rośnie obawa, że konkurencja wdroży te rozwiązania szybciej i zyska przewagę trudną do nadrobienia. Firmy nie rywalizują dziś o to, czy wdrożą AI, ale o to, czy zrobią to szybciej niż konkurencja.

W praktyce okazuje się jednak, że sama decyzja o wdrożeniu AI nie wystarcza. Organizacje mają ambitne plany, ale ich środowisko IT nie jest na to gotowe. Dane są rozproszone, procesy nie są ustandaryzowane, a kluczowe systemy działają w oparciu o przestarzałe technologie.

Z jednej strony mamy więc ogromną szansę: automatyzację, przyspieszenie procesów i lepsze decyzje. Z drugiej jednak realne ograniczenia wynikające z długu technologicznego.

Rynek oczekuje dziś szybszego dostarczania rozwiązań i krótszego time-to-market. AI tylko wzmacnia tę presję, ale żeby jej sprostać, trzeba najpierw uporządkować fundamenty: dane, integracje i stabilność systemów.

Jakie konsekwencje ma odkładanie modernizacji systemów IT?

Zmiany w IT bardzo przyspieszyły. Nowe rozwiązania powstają znacznie szybciej niż kiedyś, a systemy budowane lata temu coraz częściej zaczynają ograniczać rozwój organizacji.

Największe ryzyka dotyczą bezpieczeństwa, kosztów i dostępności kompetencji. Stare systemy działają na niewspieranych technologiach, mają luki bezpieczeństwa i wymagają specjalistów, których coraz trudniej znaleźć. Coraz częściej ich utrzymanie pochłania większą część budżetu IT niż rozwój.

Do tego dochodzi problem wiedzy ukrytej. System zna jedna osoba albo niewielki zespół, a dokumentacja jest niepełna lub przestarzała. W wielu organizacjach przekłada się to wprost na ryzyko operacyjne.

Największym ograniczeniem dla rozwoju i wdrożeń AI w wielu firmach nie jest brak technologii, ale stare systemy i dane.

Wiele systemów, często kluczowych dla działania firmy, było projektowanych w czasach, gdy nie myślano o API, integracjach czy AI (tzw. systemy legacy). Dziś oznacza to, że ich rozwój, integracja czy rozbudowa są kosztowne i obarczone dużym ryzykiem.

Dług technologiczny nie znika – on narasta. Im dłużej firma odkłada modernizację, tym bardziej złożonym i kosztownym przedsięwzięciem staje się późniejsza zmiana.

Które problemy najczęściej rozwiązuje dobrze wdrożone IT?

Najczęściej są to problemy z przepływem informacji, ręczną pracą i brakiem kontroli nad procesami. W wielu firmach dane istnieją, ale są rozproszone. Zespoły przepisują je między systemami, porównują arkusze i tworzą obejścia. To działa do pewnej skali. Później zaczyna generować błędy, opóźnienia i realne koszty.

Dobrze wdrożony system porządkuje procesy, automatyzuje powtarzalne działania i łączy dane w jedno środowisko. Firma zyskuje dostęp do aktualnych informacji, ogranicza błędy i może szybciej podejmować decyzje.

W kontekście systemów legacy równie ważne jest odzyskanie kontroli nad kodem, dokumentacją, bezpieczeństwem i dalszym rozwojem.

Jak dopasować technologię do potrzeb firmy?

Kluczowe jest to, aby nie zaczynać od mody na konkretną technologię. AI, chmura czy mikroserwisy mogą dawać ogromną wartość, ale tylko wtedy, gdy odpowiadają na realny problem biznesowy. Technologia powinna wynikać z procesu, skali organizacji i celu, który firma chce osiągnąć.

Nie każde przedsiębiorstwo potrzebuje dużej transformacji. Czasem większą wartość daje modernizacja jednego systemu, uporządkowanie danych albo integracja istniejących narzędzi. W innych przypadkach potrzebna jest głębsza przebudowa. Najważniejsze jest dopasowanie skali wdrożenia bez „przewymiarowania”, ale z uwzględnieniem przyszłego rozwoju.

Jak zarządzać zmianą, aby nie zaburzyć działania firmy?

Kluczowe jest założenie, że firma musi działać także w trakcie zmiany. W przypadku systemów krytycznych nie można po prostu wyłączyć starego rozwiązania i przełączyć się na nowe.

Najbezpieczniejsze jest podejście ewolucyjne. Najpierw stabilizujemy obecny system, następnie go analizujemy, a dopiero później planujemy zmiany.

Często optymalna ścieżka polega na równoległym działaniu starego i nowego systemu. Dzięki temu można porównywać dane, testować procesy i przeprowadzić tzw. soft launch.

Bardzo ważne jest skracanie pętli informacji zwrotnej: testy, walidacja danych i szybkie iteracje. To zmniejsza ryzyko błędów i skraca czas wdrożeń.

Najlepsze efekty daje sytuacja, w której jeden partner odpowiada zarówno za utrzymanie obecnych systemów, jak i wdrożenie nowych rozwiązań. To zwiększa kontrolę i minimalizuje ryzyko przestojów.

Co jest dziś największym wyzwaniem dla firm?

Największym wyzwaniem nie jest samo wdrożenie AI. Prawdziwe wyzwanie polega na tym, aby wykorzystać AI tam, gdzie przynosi realną wartość, a jednocześnie utrzymać stabilność systemów.

W praktyce oznacza to stopniową modernizację starszych systemów, uporządkowanie danych i przygotowanie środowiska IT na przyszłość. Firmy, które podejdą do tego etapowo, nie będą musiały wybierać między innowacją a bezpieczeństwem. Mogą rozwijać się bez destabilizacji operacji.

Jakie trendy będą miały największy wpływ na zarządzanie firmami?

AI pozostaje głównym trendem, ale jego skuteczność zależy od sposobu wdrożenia. Wykorzystanie sztucznej inteligencji w sposób ogólny i nieprzemyślany nie przynosi oczekiwanych efektów.

Najbliższe lata to rozwój agentów AI, którzy nie tylko przejmą część powtarzalnych procesów, ale otrzymają możliwość podejmowania określonych decyzji. Człowiek coraz częściej będzie pełnił rolę nadzorcy i menedżera. Równolegle rośnie znaczenie danych – bez ich uporządkowania AI nie przyniesie realnej wartości.

Istotnym trendem będzie także FinOps. Wykorzystanie AI i danych w czasie rzeczywistym powoduje wzrost kosztów infrastruktury, dlatego firmy będą szukały optymalizacji m.in. poprzez środowiska hybrydowe i lokalne modele AI.