Kiedy ktoś postanawia zostać w swojej firmie osobą od AI, prawie zawsze rusza od zadania, które irytuje go najbardziej. Odruch jest zrozumiały, a punkt startu zły. Najbardziej irytujące zadanie rzadko jest tym, od którego warto zacząć: bywa nieregularne, drażliwe albo takie, że jedna pomyłka od razu kogoś kosztuje. Wartość nie leży zresztą w samym budowaniu, tylko w tym, co postanowisz zbudować; to osobny temat, który rozkładam przy decydowaniu, co w ogóle warto robić z AI.
Lepszy początek jest cichszy. Zaczynasz od własnego biurka, od pracy, za którą i tak odpowiadasz, zbierasz dowód w liczbach i dopiero po pierwszych wygranych sięgasz po realne ograniczenie firmy. To łagodny podjazd do tej samej roli, którą od strony ograniczeń opisuję w tekście o firmowej osobie od AI: tam wchodzisz od razu przez wąskie gardło, tutaj budujesz do niego dojazd z własnego zadania. Dlaczego okno na tę rolę jest otwarte akurat teraz, tłumaczę osobno w tekście o karierze w AI w 2026. Tu pokażę ci sam ruch: cztery kroki, którymi wypracujesz sobie tę rolę od dołu.
Posłuchaj
Około 6-minutowa rozmowa o tym artykule — dlaczego zaczynasz od własnych zadań, a nie od największego problemu firmy.
Wygenerowane przez NotebookLM, sprawdzone przez AURA.
Zacznij od własnego biurka
Pierwszy krok to audyt własnej pracy, bez patrzenia na całą firmę. Usiądź i wypisz, co realnie robisz w ciągu tygodnia: nie wielkie projekty, tylko powtarzalne czynności, które wracają co poniedziałek. Potem przepuść tę listę przez prosty filtr o dwóch warunkach.
Zadanie nadaje się na start, jeśli spełnia oba naraz. Po pierwsze, zjada realne godziny co tydzień. Po drugie, jest niskiego ryzyka, gdy AI się pomyli: zostajesz w pętli, sprawdzasz wynik, poprawiasz i idziesz dalej, a nikt nie ponosi tego kosztu. Jeden warunek bez drugiego nie wystarcza. Zadanie, które zżera czas, ale w którym pomyłka jest kosztowna, odkładasz na potem. Zadanie niskiego ryzyka, które zajmuje ci kwadrans na miesiąc, nie da ci żadnego dowodu.
Co zwykle przechodzi przez ten filtr? Cotygodniowy raport statusowy, notatki ze spotkań, porządkowanie skrzynki, czyszczenie danych w arkuszu, prosty research pod jedną decyzję. To celowo drobne utrapienia, nie strategiczne wąskie gardła firmy. Nie ruszasz od razu całej firmy: zaczynasz od własnego biurka, bo tu masz pełną kontrolę. Nie musisz nikogo pytać o zgodę, a każdy błąd zostaje między tobą a twoim zadaniem. Jeśli szukasz szerszego klucza, które typy zadań w ogóle opłaca się automatyzować — te powracające i wartościowe — opisuję je w tekście o tym, czego firmy oczekują dziś od AI.
Zbierz dowód w liczbach
Krok drugi: bierzesz zadania z góry listy i faktycznie je automatyzujesz. Nie chodzi jeszcze o rozmach, tylko o jedno — o dowód, że to działa. A dowód znaczy liczby, zapisane, zanim je zapomnisz. „Ten raport zajmował mi dwie godziny w tygodniu, teraz zajmuje dziesięć minut”. Godziny, które w ten sposób odzyskujesz, są twoim dowodem; bez zapisu zostaje tylko wrażenie, że „jakoś szybciej”.
Notuj to od pierwszego dnia: nazwa zadania, czas przed, czas po i co dokładnie robi teraz AI. To nudny rejestr i właśnie dlatego działa — masz twarde dane na moment, w którym przyjdzie o nich mówić. Jest w tym ta sama logika, co u trenera, który najpierw sam dochodzi do formy, zanim zacznie prowadzić innych. Nikt nie kupi rady od kogoś bez wyniku; najpierw pokazujesz efekt na sobie. Mierz przy tym uczciwie: licz cały czas zadania razem ze sprawdzeniem tego, co zwróci AI, a nie sam moment, w którym klikasz „generuj”. Zawyżony wynik i tak pęknie przy pierwszym pytaniu przełożonego.
Kiedy pierwsze zadanie zaskoczy, nie zatrzymujesz się. Wracasz na listę i bierzesz następne, potem kolejne. Każde domknięte zadanie to nowa pozycja w rejestrze i kolejne odzyskane godziny. Rośnie ci przy tym coś cenniejszego niż same automatyzacje: konkretny, policzalny ślad tego, co potrafisz. To on, a nie lista narzędzi w CV, przekonuje ludzi. Ten sam mechanizm — że liczy się, co pokazujesz, a nie ile kursów zaliczyłeś — rozkładam w tekście o tym, co właściwie zbudowałeś; tam od strony pracy widocznej na zewnątrz, tu od strony cichego dowodu w twojej własnej firmie.
Pokaż, co działa
Krok trzeci: sprawiasz, że ten dowód staje się widoczny. Sam rejestr nikogo nie przekona, jeśli leży w twoim folderze. Pokaż wyniki na spotkaniu zespołu, krótko, na jednym przykładzie. Zaproponuj, że rozwiążesz najbardziej uciążliwe zadanie współpracownika — to samo, na które wcześniej narzekał. I dokumentuj wszystko po drodze.
Sposób, w jaki o tym mówisz, waży tyle samo, co sam wynik. Nie wchodzisz na spotkanie ze zdaniem „użyłem do tego czatu AI”. Mówisz językiem biznesu: „to oszczędziło nam osiem godzin przed raportem kwartalnym”. Pierwsza wersja brzmi jak ciekawostka, druga jak coś, co twój przełożony zapamięta i powtórzy dalej. Różnica jest prosta: jedno opisuje narzędzie, drugie efekt dla firmy.
Zbierz przy tym najlepsze prompty i przepływy w jednym wewnętrznym dokumencie, z którego może korzystać cały zespół. Opisz je tak, żeby ktoś bez twojej wprawy odtworzył je w kilka minut — bo przyjęcie tych rozwiązań przez innych jest osobnym zadaniem, często trudniejszym niż samo ich zbudowanie. Kiedy inni zaczną z nich korzystać, twoje nazwisko jest na czymś, na czym opiera się ich codzienna praca. Z osoby, która „coś tam robi z AI”, stajesz się punktem, do którego ludzie sami przychodzą.
Od drobnych utrapień do wąskich gardeł
Kiedy masz już kilka wygranych i ludzie zaczynają przychodzić po pomoc, jesteś gotowy, żeby awansować z drobnych utrapień na ograniczenia. Ten bezpieczny, niskoryzykowny początek był właściwym ruchem: dał ci miejsce, w którym mogłeś eksperymentować, ucząc się i wciąż zbierając dowód. Ale automatyzowanie utrapień nie rozwija firmy. Rozwija ją dopiero atakowanie ograniczeń i za nie płaci się naprawdę.
Teraz powtarzasz audyt z pierwszego kroku, tylko na całej firmie, i pytanie się zmienia. Nie brzmi już „co mnie irytuje” ani „co zjada mi kilka godzin”. Brzmi: co realnie hamuje firmę — a konkretnie, gdyby jutro zjawiło się mnóstwo nowych klientów, co pękłoby pierwsze? To pytanie i sposób, w jaki namierza się nim wąskie gardło, rozkładam w tekście o tym, czego firmy oczekują dziś od AI. Tam, gdzie pada odpowiedź, jest twój pierwszy prawdziwy projekt. Oszczędzenie zespołowi kilku godzin w tygodniu czyni cię pomocnym; usunięcie wąskiego gardła, o które zahacza cała firma, zarabia jej pieniądze. To zupełnie inna rozmowa z przełożonym.
Krok czwarty: nadajesz temu formę stanowiska. Sumujesz wszystkie godziny i pieniądze, które oszczędziły twoje automatyzacje, i zamieniasz je w jedną liczbę. Coś w rodzaju: „w tych automatyzacjach oddaję zespołowi równowartość jednego pełnego etatu rocznie”. Taka liczba daje firmie realny powód, żeby wydzielić budżet na projekty z AI. Dopóki twoja praca jest opisana jako „pomaganie tu i tam”, trudno przypisać jej budżet; jedna liczba zamienia rozproszone przysługi w pozycję, którą da się zaplanować. Idziesz z nią do przełożonego i nie prosisz o przysługę — przedstawiasz konkretną rolę razem z tytułem, opartą na tym, co pokazuje twój rejestr. Nie prosisz o tę rolę. Pokazujesz, że już ją pełnisz.
Zasada na wynos
Cała ścieżka mieści się w jednym zdaniu: nie zdobywasz roli od AI deklaracją, że się na tym znasz, tylko odkładając dowód, aż rola stanie się oczywista. Zaczynasz od własnego biurka, bo tam pomyłka jest tania, a wygrana twoja do policzenia.
Jeśli pracujesz w branży regulowanej, ten sam ruch obowiązuje z jednym zastrzeżeniem: nie kieruj AI na wrażliwe dane i nie automatyzuj niczego bez zgody. Wciąż możesz być osobą od AI, eksperymentując po godzinach na danych zastępczych; więcej o tej sytuacji w tekście o karierze w AI w 2026.
Na dziś jeden ruch: wypisz swój tydzień i zaznacz dwa zadania, które zjadają godziny i po których nic złego się nie stanie, jeśli AI raz się pomyli. To twoja lista startowa.