Case study

Output. Jeden system pracy zamiast plików, które się rozjeżdżają

Jak agencja pracy tymczasowej uporządkowała wiedzę w firmie i wprowadziła agentów AI, którzy wykonują zadania, a nie tylko podpowiadają.

O firmie

Output dostarcza klientom pracowników magazynowych i technicznych, prowadzi rekrutacje i zajmuje się legalizacją zatrudnienia cudzoziemców. Firmą kieruje Ola Hajn, radczyni prawna, która sama odpowiada za oferty i relacje z klientami.

W tej branży o współpracy decyduje zaufanie. Klient powierza agencji ludzi i terminy, więc każda oferta, umowa i odpowiedź musi być dopracowana. Oli zależy, żeby klient na każdym etapie czuł, że trafił do profesjonalistów.

Wyzwanie

Zespół korzystał z AI, ale bez wspólnego systemu. Wiedza o firmie była rozproszona, a efekty pracy z AI przypominały ruletkę: raz dobre, raz do poprawki. Przy takim standardzie obsługi to był realny problem.

• Każda osoba prowadziła własną wersję plików, które z czasem się rozjeżdżały.
• Każda korzystała z AI po swojemu, bez wspólnego sposobu i jednego poziomu jakości.
• Żeby wiedzieć, co dzieje się w firmie, Ola musiała pytać każdą osobę osobno.
• Firma miała duży program do obsługi klientów, z którego zespół praktycznie nie korzystał.

„Zachwyciłam się sztuczną inteligencją, ale przy każdej czynności napotykałam przeszkody. Ciągle musiałam ją ustawiać, korygować.”Ola Hajn

Rozwiązanie

Zaczęłyśmy od uporządkowania firmy. Agentów uruchomiłyśmy dopiero na gotowym fundamencie.

To świadoma kolejność. Agent podłączony do rozproszonych plików i niespisanych zasad tylko przyspiesza bałagan: szybciej powiela błędy i pracuje na różnych wersjach tych samych danych. Dopiero gdy firma ma jedno źródło wiedzy i jasne zasady, agent może działać tak, jak działa dobry pracownik, który zna firmę.

1. Diagnoza. Audyt systemu pracy całej firmy, a potem rozmowa z każdą osobą o jej obowiązkach i stylu pracy.
2. Fundament. Jedna baza wiedzy zamiast kilku wersji plików. Duży CRM zastąpiła aplikacja szyta pod potrzeby zespołu i obsługiwana przez agentów AI. Całość połączyłyśmy z narzędziami, z których zespół już korzysta.
3. Agenci dopasowani do ról. Każda osoba, łącznie z prezeską, pracuje z agentem zaprojektowanym pod swoje zadania. Ramy są jasne: wewnątrz firmy agent działa sam, a nic nie trafia do klienta bez zatwierdzenia człowieka.
4. Wdrożenie etapami. Agentów uruchamiałyśmy krok po kroku. Każdy etap kończył się rozwiązaniem, które działa w codziennej pracy.

Efekty

„Taki laik jak ja jest w stanie w końcu zadać pytanie i od razu otrzymać odpowiedź dopasowaną do mnie i mojej firmy.”Ola Hajn

• Zadania wykonane, nie tylko podpowiedziane. Agent sam wystawia faktury, rozlicza godziny i od razu zgłasza, gdy coś się nie zgadza.
• Sprawy domknięte do końca. Agent pilnuje otwartych tematów, żeby nic nie zostawało w połowie.
• Dane w jednym miejscu. Zmiany i uzupełnienia w aplikacji dzieją się automatycznie albo na prośbę osoby z zespołu.
• Kontrola bez dopytywania. Ola wie, co dzieje się w firmie, bez odrywania zespołu od pracy.

Przykład z codziennej pracy: jedna z faktur nie trafiła do KSeF, bo Ola czekała, aż klient zatwierdzi jej treść, a w natłoku spraw o niej zapomniała. Agent wyłapał, że faktura wciąż czeka, i zwrócił na to uwagę Oli. To drobna sprawa, ale właśnie takie drobne sprawy najczęściej giną, gdy wszystko jest na głowie właścicielki.

„To jest mój najlepszy pracownik, pod wieloma względami: wiedzy, doświadczenia, znajomości tematu. A co zaskakujące, też ta uprzejmość i nastawienie na rozwiązanie problemu, a nie jego multiplikowanie.”Ola Hajn, Output