AI Manager – kim jest i jak nim zostać – to jedno z najnowszych pytań na rynku pracy. Problem w tym, że większość organizacji… jeszcze nie do końca wie, czym ta rola naprawdę jest.
W wielu firmach wygląda to dziś tak:
- ktoś „zna ChatGPT”,
- testuje narzędzia AI,
- robi automatyzacje,
- wspiera zespół ad hoc.
To nie jest AI Manager.
To etap eksperymentów.
Prawdziwy AI Manager nie „używa AI”.
On buduje system wykorzystania AI w organizacji.
I to jest ogromna różnica:
z narzędzia → na strategię i wdrożenie na skalę.
Kim jest AI Manager w praktyce
AI Manager to osoba odpowiedzialna za identyfikację, wdrażanie i skalowanie rozwiązań opartych o sztuczną inteligencję w organizacji.
Czyli:
- nie tylko technologia,
- nie tylko dane,
- ale przede wszystkim biznesowy efekt.
W praktyce oznacza to pracę na styku:
- operacji (produkcja, procesy),
- technologii (AI, automatyzacja),
- zarządzania (strategia, decyzje).
AI Manager odpowiada za:
- wybór zastosowań AI,
- ocenę opłacalności,
- wdrożenie rozwiązań,
- rozwój kompetencji w organizacji.
Najważniejsze:
to nie jest rola programisty.
To rola łącznika między biznesem a technologią.
Jak wygląda codzienna praca jako AI Manager
To nie jest „siedzenie i pisanie promptów”.
Codzienność to:
- identyfikacja problemów, które można rozwiązać AI,
- rozmowy z działami (produkcja, jakość, HR),
- analiza danych i procesów,
- wybór narzędzi i rozwiązań,
- pilotaże (POC – proof of concept),
- skalowanie wdrożeń.
Największa wartość powstaje tam, gdzie:
AI rozwiązuje realny problem, a nie „jest wdrażane, bo jest modne”.
Wymagane kompetencje – co naprawdę się liczy
To rola interdyscyplinarna. I tu wiele osób się myli.
Kompetencje biznesowe (kluczowe)
AI Manager musi rozumieć:
- procesy w firmie,
- gdzie powstają straty,
- gdzie są wąskie gardła,
- co generuje wartość.
Bez tego:
wdrażasz AI w miejscach, gdzie nie ma sensu.
Kompetencje technologiczne (ale nie programistyczne)
Nie musisz być „data scientist”, ale musisz rozumieć:
- czym jest AI / ML,
- jakie są możliwości i ograniczenia,
- jakie narzędzia istnieją (LLM, automatyzacja, analityka),
- jak wygląda wdrożenie.
To pozwala podejmować dobre decyzje.
Kompetencje analityczne
- praca na danych,
- identyfikacja wzorców,
- ocena efektywności wdrożeń.
AI bez danych = brak wartości.
Kompetencje miękkie
To często najtrudniejszy element:
- komunikacja między IT a biznesem,
- przekonywanie do zmian,
- zarządzanie oporem,
- prowadzenie projektów.
AI zmienia sposób pracy – a to zawsze budzi opór.
Kompetencje Lean (ogromna przewaga)
To, co wyróżnia dobrego AI Managera:
- rozumienie procesów,
- eliminacja strat,
- myślenie systemowe.
Bo AI potęguje to, do czego jest używane. Jeśli twój proces jest chaotyczny i generuje dużo błędów – będziesz miał chaos i błędy do kwadratu.
Ścieżka rozwoju – jak zostać AI Managerem krok po kroku
Nie ma jednej drogi, ale są dwa główne kierunki.
Ścieżka 1: od biznesu / operacji
- produkcja / jakość / procesy,
- Lean / optymalizacja,
- rozwój w kierunku digitalizacji i AI.
To najlepsza ścieżka do roli AI Managera w przemyśle.
Ścieżka 2: od technologii
- IT / data / analityka,
- poznanie biznesu,
- przejście w stronę zarządzania.
Tu wyzwaniem jest zrozumienie procesów.
Etapy rozwoju
- Zrozumienie procesów i problemów
- Nauka narzędzi AI
- Pierwsze wdrożenia (małe)
- Projekty międzydziałowe
- Budowa strategii AI
To nie jest skok. To proces.
Narzędzia i metodyki, które musisz znać jako AI Manager
Narzędzia AI
- modele językowe (LLM),
- narzędzia pionowe, np. KaizenUP,
- automatyzacja procesów,
- analiza danych.
Nie chodzi o znajomość wszystkich – tylko o zrozumienie zastosowań.
Podejście projektowe (POC → skalowanie)
- test → weryfikacja → wdrożenie
- małe eksperymenty zamiast dużych projektów
Lean Management i optymalizacja
To kluczowe:
- identyfikacja strat,
- analiza procesu,
- standaryzacja.
Bez tego AI nie ma fundamentu.
Zarządzanie zmianą
AI zmienia sposób pracy.
Bez zarządzania zmianą:
- opór,
- brak adopcji,
- brak efektów.
Najczęstsze błędy na tej ścieżce
„Nauczę się narzędzi AI i to wystarczy”
Efekt:
- brak wartości biznesowej
Wdrażanie AI bez problemu do rozwiązania
Efekt:
- „fajne demo”, brak efektów
Ignorowanie danych
Efekt:
- błędne wnioski
Brak skalowania
Efekt:
- pojedyncze eksperymenty, brak wpływu
Przykład z praktyki – AI Manager
Firma chciała „wdrożyć AI”.
Podejście początkowe:
- wybór narzędzia,
- testy bez celu,
- brak efektów.
Zmiana:
- identyfikacja problemu (czas analizy danych jakościowych),
- pilotaż AI,
- wdrożenie w jednym obszarze,
- skalowanie.
Efekt:
- 50% krótszy czas analizy,
- lepsze decyzje,
- realna wartość.
Różnica?
Najpierw problem. Potem AI.
Podsumowanie – jak naprawdę zostać AI Managerem
Jak zostać AI Managerem?
Najważniejsze wnioski:
- ucz się procesów i biznesu
- poznaj możliwości AI (bez obsesji na kod)
- pracuj na realnych problemach
- zaczynaj od małych wdrożeń
- rozwijaj umiejętność łączenia ludzi i technologii
I najważniejsze:
AI Manager to nie osoba od narzędzi.
To osoba, która potrafi zamienić AI w realny wynik biznesowy.
Maciej Antosik – student zarządzania na Politechnice Wrocławskiej. Wspieram zespół Leantrix w realizacji projektów. Odpowiadałem m.in. za wdrożenie aplikacji konferencyjnej podczas Lean TWI Summit. Obecnie odpowiedzialny za marketing, jak również współdziałam przy tworzeniu Kaizen UP oraz podcastu Wiktora Wołoszczuka.
Poza studiami i pracą rozwijam się jako trener personalny oraz profesjonalnie trenuję dwubój siłowy. Sport uczy mnie dyscypliny i konsekwencji, które wykorzystuję także w życiu zawodowym. Największą satysfakcję daje mi rozwój osobisty i realizacja długoterminowych celów, które wymagają odwagi i przekraczania własnych granic.
W wolnym czasie pasjonuję się gotowaniem, podróżami i muzyką – to dla mnie przestrzeń do kreatywnego działania i odkrywania nowych inspiracji. Uważam się za osobę ambitną i otwartą, zawsze gotową na kolejne wyzwania.
