Insight tygodnia
Rola COO wchodzi w fazę, w której klasyczne „gaszenie pożarów” przestaje wystarczać. Z jednej strony presja krótkoterminowego wyniku – kosztów, cash flow, dostępności produktu – pozostaje bez zmian. Z drugiej strony AI i automatyzacja otwierają możliwość strukturalnej poprawy produktywności i odporności operacyjnej. Problem w tym, że bez uporządkowanego modelu operacyjnego i jasnych standardów pracy wdrozenie rozwiazań cyfrowych i AI łatwo zamienia się w kolejne źródło chaosu.
Kluczowe wyzwanie dla COO to dziś praca na dwóch prędkościach: dowożenie wyniku tu i teraz, przy jednoczesnym budowaniu „AI-ready” modelu operacyjnego – opartego na przepływie end-to-end, stabilnych procesach, jakości danych i kulturze dyscypliny. Tam, gdzie dominuje mentalność bohatera, który co tydzień ratuje wynik, inwestycje w AI kończą się w pilotażach lub tworzą dodatkowe marnotrawstwo. Tam, gdzie zarząd świadomie łączy AI, Lean i zarządzanie zmianą, powstaje nowa dźwignia produktywności.
Co się wydarzyło (PL + świat) – komentarz operacyjny jednym zdaniem
1. Ożywienie inwestycji i eksportu przy wciąż słabym przemyśle ciężkim
Struktura wzrostu gospodarczego w Polsce coraz mocniej opiera się na inwestycjach i eksporcie, a banki sygnalizują ożywienie w akcji kredytowej. Jednocześnie przemysł ciężki – w tym górnictwo – kumuluje głębokie straty, które są efektem wieloletniego odkładania decyzji transformacyjnych w modelu operacyjnym.
Komentarz operacyjny: Makro otwiera okno na inwestycje w produktywność i cyfryzację, ale przykład górnictwa przypomina, że brak decyzji operacyjnych przez lata skutkuje dziś bardzo drogą, wymuszoną korektą.
2. PMI dla polskiego przemysłu rośnie, ale wciąż poniżej 50 pkt
Wskaźnik PMI dla przemysłu drugi miesiąc z rzędu rośnie i zbliża się do poziomu 50 pkt, co sugeruje stopniowe wychodzenie z dołka, choć wciąż bez wejścia w fazę wyraźnej ekspansji. Firmy sygnalizują poprawę nastrojów, ale nadal ostrożnie podchodzą do kosztów i zatrudnienia.
Komentarz operacyjny: To typowa sytuacja „pomiędzy” – COO nie ma już alibi, by działając tylko reaktywnie czekać na lepsze czasy, ale nie ma też komfortu, by ignorować dyscyplinę kosztową; potrzebne jest równoległe prowadzenie działań krótkoterminowych i budowanie zdolności do skalowania AI.
3. NIS2 i cyberbezpieczeństwo: nowe obowiązki, mało czasu, realne ryzyko dla OT i robotów
Implementacja dyrektywy NIS2 oznacza dla licznych firm nowe, szerokie obowiązki w obszarze cyberbezpieczeństwa, wysokie potencjalne kary i bardzo krótki czas na dostosowanie. Eksperci zwracają uwagę, że rośnie ryzyko ataków na systemy przemysłowe, roboty i infrastrukturę OT, a najsłabszym ogniwem pozostaje świadomość i praktyka codziennej pracy ludzi.
Komentarz operacyjny: Dla COO to sygnał, że cyberbezpieczeństwo trzeba traktować jako element modelu operacyjnego (standardy, procedury, szkolenia, architektura przepływu danych), a nie jako jednorazowy projekt IT realizowany „na deadline”.
4. Gen AI w firmach: rosnące użycie, brak ROI i zjawisko „workslop”
Badania globalne pokazują, że mimo gwałtownego wzrostu wykorzystania narzędzi gen AI w pracy biurowej i operacyjnej, zdecydowana większość organizacji nie widzi jeszcze mierzalnych efektów w produktywności. Pojawia się zjawisko „workslop”: treści i raporty generowane przez AI, które są efektowne, ale mało użyteczne – zamiast skracać czas pracy, produkują dodatkowe obciążenie dla odbiorców.
Komentarz operacyjny: To jasny sygnał, że bez przeprojektowania procesów, standardów pracy i mierników, AI staje się kolejnym źródłem marnotrawstwa, a nie dźwignią skracającą lead time i poprawiającą produktywność.
Jak to widzę jako doradca operacyjny
- COO musi przestać być głównym strażakiem, a stać się architektem przepływu i AI
W wielu firmach rola COO sprowadza się do codziennego rozwiązywania problemów: braków materiałowych, opóźnień w produkcji, reklamacji, konfliktów między działami. Takie środowisko jest bardzo podatne na „modne projekty AI”, które nie zmieniają realnie modelu pracy – bo każdy kolejny tydzień „pożarów” przykrywa wnioski z pilotaży. Zewnętrzne otoczenie – presja NIS2, niepewność w łańcuchach dostaw, rosnące oczekiwania klientów – tylko podnosi temperaturę.
Perspektywa COO na dwóch prędkościach oznacza: z jednej strony dalszą odpowiedzialność za bieżący wynik (OTIF, koszty operacyjne, cash-to-cash), z drugiej – przejęcie roli projektanta docelowego modelu operacyjnego, który od początku zakłada wykorzystanie AI i automatyzacji. To wymaga przesunięcia części czasu i energii z gaszenia pożarów na systemowe usuwanie ich przyczyn.
- Model operacyjny „AI-ready” zaczyna się od przepływu, nie od technologii
Bez uporządkowanego przepływu wartości – end-to-end od zamówienia klienta po inkaso – AI najczęściej tylko przyspiesza chaos. Jeżeli proces jest nieustandaryzowany, dane są rozproszone, a decyzje podejmowane intuicyjnie, to wdrożenie gen AI kończy się tysiącami „sprytnych” promptów, które każdy zespół tworzy po swojemu. Efekt: brak powtarzalności, brak mierników i brak realnego efektu na LT, WIP czy produktywność.
Podejście, które działa, jest odwrotne: najpierw mapowanie kluczowych strumieni wartości (VSM), identyfikacja wąskich gardeł i miejsc, gdzie praca jest powtarzalna, ale oparta na informacji (dokumenty, dane, raporty). Dopiero potem dobór technologii – klasycznej automatyzacji, RPA, gen AI czy agentów – w miejscach, gdzie z perspektywy operacji „opłaca się” ustandaryzować i zautomatyzować decyzję lub działanie. AI nie jest celem, tylko elementem docelowego przepływu.
- Kultura bohaterów vs. kultura standardów – największy dylemat wdrożeń AI
Organizacje, w których codzienność opiera się na bohaterach ratujących sytuację „w ostatniej chwili”, zazwyczaj mają najwięcej potencjału do poprawy, ale jednocześnie najtrudniej im zmieniać się systemowo oraz utrzymać efekty wdrożeń AI i Lean. Heroiczna postawa jest nagradzana, a praca nad standardami i stabilnością przepływu bywa traktowana jako „biurokracja”. To bezpośrednio blokuje skalowanie AI, bo modele wymagają stabilnych danych, powtarzalnych sekwencji działań i jasnych granic decyzyjnych.
Przestawienie tej kultury to zadanie dla całego zarządu, nie tylko COO. W praktyce oznacza to zmianę systemu nagród (docenianie stabilności i przewidywalności), jasne standardy pracy na styku zespołów oraz wdrożenie prostych, wizualnych systemów zarządzania (obeya, tablice, codzienny rytm spotkań). AI i automatyzacja mogą tę zmianę wesprzeć, ale jej nie zastąpią – algorytm nie naprawi kultury, która premiuje improwizację.
- AI i automatyzacja jako dźwignia produktywności, a nie projekt wizerunkowy
Zjawisko „workslop” dobrze pokazuje, jak łatwo AI staje się dodatkiem PR-owym, a nie realnym narzędziem operacyjnym. Jeśli KPI wdrożenia gen AI nie są powiązane z twardymi wskaźnikami – skróceniem lead time, redukcją WIP, poprawą OTIF, zmniejszeniem liczby błędów – to bardzo trudno oddzielić efekt rzeczywisty od szumu. W takim środowisku rośnie też ryzyko „shadow AI”: niekontrolowanego użycia narzędzi przez pracowników, z ryzykiem błędów, naruszeń bezpieczeństwa czy po prostu marnotrawstwa.
COO, który traktuje AI jako narzędzie produktywności, zaczyna od definicji konkretnych przypadków użycia i mierników, po czym prowadzi projekty w logice kaizen/lean – małe eksperymenty, szybka nauka, standaryzacja tego, co działa, stopniowe skalowanie. Ważna jest również ścisła współpraca z CIO/CISO – tak, aby architektura danych, bezpieczeństwo (w tym wymogi NIS2) i praktyka codziennej pracy tworzyły spójny system, a nie kolekcję niezależnych inicjatyw.
- Rola zarządu: gwarant skali i konsekwencji
Bez jasnego sygnału z poziomu CEO/CFO/COO, że AI i automatyzacja są elementem strategii operacyjnej – a nie ciekawostką – organizacja bardzo szybko wraca do nawyku „pilotaży bez końca”. Zarząd musi wprost rozstrzygnąć, które procesy są priorytetem do ustandaryzowania i zautomatyzowania, jaki budżet i zasoby są dostępne oraz jak będą mierzone efekty.
W praktyce oznacza to m.in. ustanowienie prostych zasad: każdy projekt AI ma jasno zdefiniowany strumień wartości, do którego się odnosi, mierniki przed/po oraz plan skalowania od pierwszego dnia. Tylko wtedy COO może realnie pracować na dwóch prędkościach – dowożąc krótkoterminowy wynik i równocześnie budując docelowy, skalowalny model operacyjny.
Co możesz wdrożyć teraz (90 dni)
- Zmapuj 3–5 kluczowych strumieni wartości z perspektywy AI
Wybierz strumienie, które mają największy wpływ na klienta i cash (np. order-to-cash, planowanie produkcji, obsługa reklamacji) i wykonaj uproszczone VSM: czasy, przekazania, decyzje, punkty danych. Na tej bazie wskaż 2–3 miejsca, gdzie AI lub automatyzacja mogą w ciągu 90 dni skrócić lead time lub obniżyć WIP.
KPI: LT w wybranych strumieniach, WIP, OTIF, liczba przekazań między działami. - Ustal standard użycia gen AI w pracy operacyjnej
Zamiast pozwalać na żywiołowe korzystanie z narzędzi, przygotuj prosty „playbook AI” dla operacji: do jakich zadań wolno używać gen AI, w jaki sposób weryfikować wyniki, jak oznaczać treści wygenerowane przez AI. Przeszkol menedżerów liniowych tak, aby potrafili odróżniać wartość od „workslop”.
KPI: udział zadań objętych standardem, liczba błędów/rekalmacji powiązanych z treściami AI, czas przygotowania wybranych dokumentów/analiz. - Zidentyfikuj i „ugaś” dwa chroniczne pożary poprzez standaryzację
Wybierz dwa obszary, w których co tydzień wraca ten sam problem (np. braki materiałowe, opóźnione zatwierdzenia, powtarzające się błędy jakościowe) i potraktuj je jak projekt kaizen: przeprowadź warsztaty kaizen blitz – analiza przyczyn, nowy standard pracy, wizualne zarządzanie, jednoznaczna odpowiedzialność. Dopiero na tak uporządkowany proces wprowadzaj elementy automatyzacji czy AI.
KPI: liczba incydentów „pożarowych” w danym obszarze, czas reakcji, wpływ na OTIF i produktywność zespołu. - Powiąż inicjatywy AI z miernikami finansowymi i operacyjnymi
Dla każdego trwającego lub planowanego projektu AI zdefiniuj twarde mierniki: wpływ na marżę operacyjną, koszt jednostkowy, cash-to-cash, produktywność FTE lub OEE. Uzgodnij z CFO sposób liczenia efektów i minimalny próg zwrotu, który musi zostać osiągnięty, aby projekt był skalowany.
KPI: zmiana kosztu jednostkowego, cash-to-cash, produktywność (np. wartość dodana/FTE), liczba projektów AI z jasno zdefiniowanym business case. - Włącz cyberbezpieczeństwo OT/AI do codziennego zarządzania operacjami
Przeglądnij wraz z zespołem listę kluczowych systemów OT, robotów, aplikacji AI wykorzystywanych w operacjach i określ minimalne standardy bezpieczeństwa oraz zachowań użytkowników. Wprowadź krótkie, regularne „mikroszkolenia” w Gemba (np. na zmianach) obejmujące realne scenariusze zagrożeń i właściwe reakcje.
KPI: liczba incydentów bezpieczeństwa, poziom zgodności z przyjętymi standardami, czas reakcji na podejrzane zdarzenia. - Ustal „rytuał dwóch prędkości” w kalendarzu COO i kluczowych menedżerów
Zarezerwuj w kalendarzu stałe okna czasowe (np. 4–6 godzin tygodniowo) na pracę nad docelowym modelem operacyjnym i projektami AI – niezależnie od bieżących pożarów. Włącz do tego rytuału przegląd głównych strumieni wartości, postępu projektów oraz blokady w kulturze i przepływie informacji.
KPI: faktyczny czas poświęcony na działania strategiczno-operacyjne, liczba domkniętych usprawnień, postęp w kluczowych projektach AI/automatyzacji.
Polecane treści z BDO Advisory
- Ile kosztuje audyt operacyjny?
- Ile kosztuje nieefektywność? Realne dane o potencjale operacyjnym w zakładach produkcyjnych. Część 2
- Czy twoja organizacja działa tak efektywnie jak powinna?
- Szkolenia operacyjne BDO Advisory
Warto przeczytać