O marnowaniu talentu

Wyobraź sobie inżyniera z kilku/kilkudziesięcioletnim stażem. Człowiek po politechnice, z doświadczeniem, wiedzą i - przynajmniej teoretycznie - potencjałem do rozwiązywania problemów, których nikt inny w firmie nie rozwiąże. A teraz wyobraź sobie, co robi przez pół dnia roboczego: przepisuje dane z faktur do Excela, kopiuje wartości między systemami, ręcznie zbiera dane do raportów i wypełnia formularze do regulatora.

Specjalista opłacany jak specjalista - wykonujący pracę, którą mógłby robić skrypt, robot albo student na praktykach. To tak, jakby wynajmować chirurga do przyklejania plasterków.

Firma traci dwa razy

Po pierwsze - płaci za czas eksperta jak za pracę biurową. Przepisywanie danych nie wymaga dyplomu inżyniera. Można by zatrudnić kogoś za ułamek stawki. Albo - nie zatrudniać nikogo, bo maszyna zrobi to za ułamek tego ułamka.

Po drugie - traci coś, czego nie widać na fakturze: potencjał innowacyjny. Ten inżynier mógłby optymalizować procesy, analizować dane i wyciągać z nich wnioski, projektować usprawnienia. Ale nie robi tego, bo klika, bo przepisuje, bo ma rendez-vous z Excelem.

I to jest prawdziwy koszt - nie tylko pieniądze wydane na pensję, ale pieniądze, których firma nigdy nie zarobi, bo jej najlepsi ludzie robią pracę poniżej swoich kompetencji.

„Zawsze tak robiliśmy"

Gdy pytam, dlaczego inżynier przepisuje dane, najczęściej słyszę: „Bo system X nie gada z systemem Y, więc ktoś musi to ręcznie przenieść."

Klasyczna pułapka status quo. Kiedyś nie było alternatywy. Dziś jest - i to kilka.

Maszyna, która czyta

OCR, czyli optyczne rozpoznawanie znaków, to technologia stara jak skanery biurowe. Tyle że dawna wersja trafiała w siedemdziesiąt procent przypadków, a resztę poprawiał zdenerwowany pracownik. Nie dziwię się, że mało kto ma do tego sentyment.

Nowa generacja - napędzana sztuczną inteligencją - to zupełnie inna liga. Współczesne systemy rozpoznają układ dokumentu, rozumieją kontekst (wiedzą, że „NIP" to NIP, a „kwota brutto" to kwota brutto), wyciągają uporządkowane dane zamiast surowego tekstu i uczą się na każdym kolejnym dokumencie. Dokładność? Na standardowych fakturach przekracza dziewięćdziesiąt pięć procent, a przy dobrze wytrenowanym modelu sięga niemal stu.

Narzędzi nie brakuje - od komercyjnych platform w chmurze (Azure Document Intelligence, Google Document AI) po rozwiązania open source (PaddleOCR, Qwen2.5-VL).

Robot, który klika

RPA, czyli Robotic Process Automation, to oprogramowanie naśladujące działania człowieka w systemach komputerowych. Brzmi banalnie, bo jest banalne - w najlepszym możliwym sensie.

Bez robota: otwórz system A, znajdź fakturę, skopiuj numer, kwotę i datę, otwórz system B, wklej dane, sprawdź, czy się zgadza. Powtórz dwieście razy dziennie.

Z robotem: to samo, tylko kilkadziesiąt razy szybciej, bez błędów i bez przerw na kawę.

Co da się zautomatyzować?

Więcej, niż mogłoby się wydawać.

Przetwarzanie faktur - od skanu lub PDF-a, przez rozpoznanie tekstu, po import do systemu finansowego. Raportowanie - dane z wielu źródeł zbierane, agregowane i formatowane automatycznie. Uzgadnianie danych - porównywanie faktur z umowami, płatności z należnościami, z automatycznym wyłapywaniem różnic. Wprowadzanie danych do systemów dziedzinowych - robot loguje się i nawiguje jak człowiek, działa nawet tam, gdzie nie ma API. Generowanie dokumentów - szablon plus dane równa się gotowa umowa, protokół czy pismo w kilkadziesiąt sekund zamiast kilkudziesięciu minut.

„Ale co jeśli…"

Słyszę trzy obawy.

„…robot się pomyli?" - Roboty nie mylą się jak ludzie. Albo działają zgodnie z regułami, albo zatrzymują się i raportują wyjątek. Nie ma zmęczenia, nie ma przeoczenia. Błędy biorą się ze źle zaprojektowanych reguł - a to można naprawić.

„…system się zmieni?" - To realne ryzyko. Jeśli producent systemu zmieni interfejs, robot może przestać działać. Dlatego warto preferować integrację przez API (stabilniejsze), mieć procedurę aktualizacji i nie automatyzować procesów, które zmieniają się co tydzień.

„…ludzie stracą pracę?" - Celem automatyzacji nie jest redukcja zatrudnienia, lecz redukcja marnowania talentu. Inżynier, który przestaje przepisywać faktury, nie traci pracy - zaczyna robić to, do czego został zatrudniony. W praktyce firmy, które automatyzują, nie zwalniają. Rosną szybciej, bo ludzie robią wartościowsze rzeczy.

Od czego zacząć?

Od obserwacji. Gdzie ludzie robią to samo wielokrotnie? Gdzie błędy wynikają ze zmęczenia? Ile godzin tygodniowo na to idzie? Potem - jeden pilotaż, najlepiej na czymś prostym i powtarzalnym. Przetwarzanie faktur to klasyczny pierwszy krok. Prototyp, pomiar oszczędności na realnych danych, a jeśli działa - skalowanie na kolejne procesy.

Nie trzeba automatyzować wszystkiego naraz. Wystarczy zacząć od jednego procesu, żeby zobaczyć, ile czasu i energii wracają do ludzi, którzy tego czasu najbardziej potrzebują.

Na koniec

Jeśli inżynier z dyplomem spędza godziny na przeklejaniu danych, to nie jest „taka praca". To marnowanie talentu i pieniędzy.

OCR, RPA, automatyzacja - to nie science-fiction. To sprawdzone, dostępne narzędzia, które zwalniają ludzi od żmudnej roboty.

Niech maszyny przepisują cyferki. Niech ludzie analizują, co z tych cyferek wynika.

Bo za to im płacisz. I za to warto płacić.