Publicystyka - ngo.pl

Poniedziałkowe zebranie zespołu, dziesięć minut po kawie. Ktoś rzuca mimochodem: "a wy w ogóle używacie AI do pisania sprawozdań?". Okazuje się, że trzy osoby z pięcioosobowego zespołu robią to od miesięcy. Każda inaczej. Jedna wkleja cały wniosek do ChatGPT i prosi o streszczenie. Druga wypracowała własny, długi prompt z instrukcją "pisz jak urzędnik, ale zrozumiale". Trzecia używa go tylko do poprawiania literówek, bo "nie ufa, że nie zmyśli czegoś od siebie". Żadna nie wiedziała, co robią pozostałe dwie. Cisza po tym pytaniu trwa chwilę dłużej, niż powinna.

To opowieść o organizacji, w której AI już pracuje od dawna, tylko nikt tego nie poukładał.

W poprzednim tekście, "Połowa Twojego zespołu już używa AI. Czas to zauważyć" (23.06.2026), pisałem o zjawisku pod nazwą shadow AI, o tym, że połowa zespołu już korzysta z AI, zanim ktokolwiek to zauważy. Ten tekst jest naturalnym ciągiem dalszym. Bo diagnoza "ludzie już korzystają z AI" to dopiero połowa problemu. Druga połowa jest mniej wygodna: nawet gdy to zauważycie i nazwiecie, wcale nie znaczy, że coś się realnie zmienia w tym, co Wasza organizacja potrafi.

Zacznę od liczb.

Według raportu "2026 Nonprofit AI Adoption Report" (Virtuous & Fundraising.AI, luty 2026, badanie 346 organizacji z grudnia 2025), 92 procent organizacji non-profit korzysta już z AI w jakimś zakresie. Ale tylko 7 procent osiąga to, co raport nazywa strategiczną transformacją tj. realny wzrost możliwości organizacji, a nie tylko szybszą pracę. Reszta, 79 procent, deklaruje małe lub umiarkowane zyski efektywności. Adopcja jest niemal powszechna. Efekt jest rzadkością.

Ten sam raport pokazuje mechanizm, który za tym stoi: 81 procent organizacji korzysta z AI ad hoc, indywidualnie, bez udokumentowanego sposobu pracy (workflow), a tylko 4 procent ma powtarzalne, spisane procesy. I jeszcze jedna liczba, która spina wszystko: 47 procent organizacji nie ma żadnej polityki zarządzania AI. Nie chodzi więc o to, że ludzie nie chcą korzystać z AI albo się jej boją. Chodzi o to, że każda osoba w zespole wymyśla koło na nowo, samodzielnie, i wiedza o tym, co działa, znika razem z nią, gdy zmienia pracę albo po prostu przestaje o tym mówić.

Inne badania potwierdzają ten sam wzorzec: 85,6 procent organizacji bada możliwości AI, ale tylko 24 procent ma formalną strategię wdrożenia (TechSoup & Tapp Network, "State of AI in Nonprofits 2025").

Popularne wytłumaczenie tu nie działa: to nie budżet jest barierą. Małe organizacje, poniżej 50 osób, osiągają lepsze wyniki z AI niż duże: 41 procent umiarkowanego wpływu wobec 34 procent w organizacjach większych (Virtuous & Fundraising.AI, luty 2026). Barierą jest złożoność organizacyjna, nie wielkość konta bankowego. To dobra wiadomość dla ośmio- czy dziesięcioosobowej fundacji: nie potrzebujecie budżetu korporacji, żeby zrobić to lepiej niż duże instytucje.

Podobny obraz pokazują dane globalne spoza sektora społecznego. Według badania Avanade opisanego w artykule "The AI dilemma" (Nisha Verma, HR Executive, czerwiec 2026), 41 procent organizacji utknęło na etapie testów (proof-of-concept), tylko 30 procent ma spójną strategię AI, a 75 procent wdraża AI w pojedynczych, izolowanych funkcjach zamiast w całej organizacji. To nie jest problem specyficzny dla sektora społecznego. To problem każdej organizacji, która potraktowała AI jak narzędzie do wypróbowania, a nie jak coś, co wymaga decyzji o tym, jak z niego korzystać wspólnie.

Plateau efektywności AI to moment, w którym organizacja pracuje szybciej dzięki AI, ale przestaje zyskiwać nowe możliwości, bo brak wspólnego sposobu pracy zamraża wiedzę na poziomie pojedynczych osób zamiast przenosić ją na poziom całego zespołu.

To dokładnie to, co dzieje się w scenie z poniedziałkowego zebrania. Trzy osoby, trzy metody, zero wymiany. Każda z nich indywidualnie jest szybsza. Organizacja jako całość nie jest ani trochę mądrzejsza niż rok temu, bo to, czego się nauczyły, zostaje zamknięte w ich prywatnych rozmowach z chatbotem.

Raporty nazywają to "adopcją bez transformacji". Kiedy każda osoba w zespole wypracowuje własny sposób korzystania z AI, dzieje się coś, co brzmi niewinnie, ale kosztuje organizację najwięcej: wiedza staje się prywatną własnością pracownika, nie zasobem organizacji.

Osoba, która po pół roku eksperymentów znalazła świetny sposób na streszczanie wniosków grantowych, nie zapisuje go nigdzie poza własną głową i historią czatu. Gdy ona odchodzi z organizacji, a rotacja w sektorze społecznym bywa realnym problemem, odchodzi razem z nią cała ta wiedza. Następna osoba zaczyna od zera. Organizacja płaci ten sam koszt nauki wielokrotnie, zamiast zapłacić go raz i mieć z tego pożytek przez lata.

To dlatego "szybciej" tak łatwo myli się z "lepiej". Maile piszą się prędzej. Ale liczba obsłużonych darczyńców, granty złożone w terminie, czas uwolniony na strategię pozostaje bez zmian. Indywidualna prędkość nie sumuje się w organizacyjną zdolność, jeśli nikt nie zbiera tego, co działa, w jednym miejscu.

Dobra wiadomość: wyjście z tego stanu nie wymaga wielkiego programu wdrożeniowego. Można patrzeć na dojrzałość AI w organizacji przez cztery obszary: politykę, ludzi, produkt i wydajność. Nie trzeba dorosnąć do wszystkich naraz. Trzeba zacząć od najmniejszego możliwego kroku w każdym z nich.

Adaptacja tej logiki do organizacji 3–10-osobowej wygląda tak: zaczynasz od małego, konkretnego zastosowania (na przykład streszczanie wniosków), oceniasz, co to realnie daje (czy oszczędza czas, czy poprawia jakość), spisujesz to, co zadziałało, jako prosty przypadek do naśladowania, a dopiero potem (jeśli działa) rozszerzasz na kolejne zadania. Bez tego ostatniego kroku organizacja zostaje uwięziona w pierwszym: każda osoba wciąż zaczyna od zera, bo nikt nie ocenił i nie spisał, co zadziałało u kogoś innego.

Trzeba przy tym być ostrożnym. Badania nad tzw. algorithmic aversion (niechęcią do algorytmów) pokazują, że ludzie łatwiej odrzucają narzędzie AI po jednym błędzie niż podobny błąd popełniony przez człowieka. To zjawisko jest przywoływane m.in. w opracowaniach o zderzeniu AI z ludzką naturą w organizacjach. Warto o tym wiedzieć, wprowadzając wspólny sposób pracy z AI: pierwsze potknięcie łatwo zinterpretować jako dowód, że "to nie działa", zamiast jako normalny element uczenia się.

Słowo "governance" brzmi jak coś, na co mała organizacja nie ma ani czasu, ani ludzi. To uzasadniona obawa. Odpowiedź: governance przy trzyosobowym zespole to nie dokument na dwadzieścia stron. To jedna wspólna zasada plus miejsce, w którym zapisujecie działające prompty, plus jedna osoba, która tym tematem się zajmuje.

Dla organizacji 3–10-osobowej minimalna wersja governance AI wygląda tak:

1. Jedna wspólna zasada - na przykład: "nie wklejamy danych osób, którym pomagamy, do żadnego darmowego narzędzia AI bez sprawdzenia jego polityki prywatności".
2. Jedno wspólne repozytorium promptów - zwykły dokument w chmurze, gdzie każdy, kto znajdzie działający sposób użycia AI, wkleja go z krótkim opisem, do czego służy.
3. Jedna osoba odpowiedzialna - nie po to, żeby kontrolować, tylko po to, żeby było wiadomo, do kogo przyjść z pytaniem albo wątpliwością.

To mniej pracy niż koszt ciągłego wymyślania koła na nowo przez każdą osobę z osobna. Trzy elementy, jedno popołudnie na wdrożenie, żadnej biurokracji.

Poniżej szablon do wypełnienia w Waszej organizacji, nie licencjonowany dokument prawniczy, tylko punkt wyjścia do rozmowy zespołowej.

POLITYKA AI — [nazwa organizacji]

Cel użycia AI w naszej organizacji:
[np. "przyspieszamy pisanie i redagowanie tekstów, nie zastępujemy nią oceny merytorycznej"]

Czego NIE wklejamy do narzędzi AI:
[np. dane osobowe beneficjentów, dane wrażliwe, niepubliczne dane finansowe]

Co WOLNO robić bez pytania nikogo:
[np. poprawianie stylu tekstów jawnych, tłumaczenia, burza mózgów do postów]

Gdzie zapisujemy działające prompty i sposoby użycia:
[link do wspólnego dokumentu]

Kto jest właścicielem tematu AI w organizacji:
[imię i nazwisko + jak się z tą osobą skontaktować]

Data ostatniego przeglądu: [data]

A jeśli jeszcze nie wiecie, co w Waszej organizacji już się dzieje z AI, zacznijcie od tego promptu, wklejonego do dowolnego chatbota AI, z którego korzysta zespół:

"Zadawaj mi pytania, żebyśmy razem wypisali wszystkie miejsca w mojej pracy, gdzie ja lub mój zespół już teraz nieformalnie korzystamy z AI, nawet drobne rzeczy typu poprawianie maila czy podsumowanie notatki. Nie oceniaj, tylko pytaj i spisuj."

Odpowiedzi zbierzcie od każdej osoby osobno, zanim spiszecie wspólną zasadę. Diagnoza przed decyzją, nie na odwrót.

AI nie zdecyduje za Was, jaka zasada jest dla Waszej organizacji odpowiednia, ani które dane są w niej wrażliwe. Nie przeprowadzi rozmowy zespołowej, w której ludzie szczerze mówią, z czego korzystają, ta rozmowa jest aktem zaufania między ludźmi, nie procesem do zautomatyzowania. AI wspiera decyzje o tym, jak organizacja pracuje. Nie zastępuje ludzkiej refleksji nad tym, co w ogóle warto robić.

Dlaczego AI nie przyspiesza mojej organizacji, skoro zespół z niej korzysta?
Bo indywidualna prędkość nie sumuje się automatycznie w organizacyjną zdolność. Jeśli każda osoba korzysta z AI po swojemu i nie dzieli się tym, co działa, organizacja utyka na plateau efektywności: pracuje szybciej, ale nie zyskuje nowych możliwości.

Czym jest plateau efektywności AI?
To stan, w którym adopcja AI jest wysoka, ale efekt organizacyjny pozostaje niski, bo brakuje wspólnego sposobu pracy, repozytorium wiedzy i jednej osoby odpowiedzialnej za temat. Według raportu Virtuous & Fundraising.AI (luty 2026) dotyczy to aż 92 procent organizacji korzystających z AI, z których tylko 7 procent realnie zyskuje nowe możliwości.

Jak przejść z pojedynczych promptów do wspólnego sposobu pracy z AI?
Zacznijcie od diagnozy (prosty prompt do audytu z tego artykułu), a potem załóżcie jedno wspólne repozytorium promptów, do którego każda osoba dopisuje to, co u niej zadziałało. To pierwszy krok od indywidualnej wiedzy do organizacyjnej.

Czy moja mała organizacja naprawdę potrzebuje polityki AI?
Tak, ale nie w wersji korporacyjnej. Wystarczy jedna strona: cel użycia, czego nie wklejacie, gdzie zapisujecie działające prompty i kto jest właścicielem tematu. Mniej pracy niż koszt tego, że każda osoba w zespole uczy się tego samego od zera.

Piotr Antoniewicz (dobryai.pl) - konsultant i trener, od 20 lat pracuje z organizacjami społecznymi. Wdraża AI, automatyzacje i strategie fundraisingowe w organizacjach i firmach opartych na wartościach.

Jeśli chcesz sprawdzić, gdzie w Twojej organizacji AI już pracuje po cichu, zapraszam na profil na LinkedIn albo na czterotygodniowy pilotaż bez zobowiązań, wystarczy jedna rozmowa, żeby zobaczyć, czy warto zrobić kolejny krok.