Kto kieruje AI w Państwa firmie: po co biznesowi operator Claude Code

W większości firm sztuczna inteligencja już jest. Ktoś opłacił pracownikom subskrypcje, ktoś zamówił u integratora czatbota lub asystenta głosowego, ktoś podłączył AI do poczty i dokumentów. A po kilku miesiącach kierownik szczerze przyznaje: efekt jest mniejszy, niż obiecywano. Bot odpowiada nieaktualnymi cenami, asystent „coś robi”, ale nikt nie potrafi powiedzieć, ile godzin zaoszczędził, a połowa pracowników wróciła do znajomych tabel.

Przyczyną rzadko jest sam model. Prawie zawsze brakuje człowieka, który codziennie stawia AI zadania, odbiera wynik i odpowiada za niego tak, jak główny księgowy odpowiada za rachunkowość. Tę rolę nazywamy operatorem, a w tym artykule na przykładzie Claude Code wyjaśniamy, dlaczego jest potrzebna nawet po najlepszym wdrożeniu.

Co mówią liczby

Najszerszy obraz daje kwartalny tracker Rezerwy Federalnej w St. Louis. Według jego danych w trzecim kwartale 2026 roku generatywna AI oszczędzała pracownikom w USA średnio około 2,1 % wszystkich godzin pracy. To średnia dla wszystkich zatrudnionych w wieku 18–64 lat: ci, którzy z AI nie korzystają, liczą się jako zero, dlatego łączna liczba wychodzi skromna.

Zupełnie inny wynik widać tam, gdzie AI wbudowano w konkretną pracę. Badanie „Generative AI at Work” (Brynjolfsson, Li, Raymond, NBER) prześledziło wdrożenie asystenta AI dla 5 179 operatorów obsługi klienta: liczba zgłoszeń rozwiązanych na godzinę wzrosła średnio o 14 %, a u nowicjuszy i najmniej doświadczonych — o 34 %. To różne pomiary, więc nie wolno dzielić jednego przez drugi. Kierunek jest jednak ten sam: efekt pojawia się tam, gdzie AI wbudowano w konkretną pracę.

A raport MIT NANDA „The GenAI Divide” (2025) wyjaśnia, dlaczego nie wszystkim udaje się to wbudować: według niego tylko około 5 % korporacyjnych pilotaży AI daje wymierny wynik finansowy. Autorzy widzą przyczynę nie w jakości modeli, lecz w tym, że narzędzia nie wbudowują się w procesy firmy i nie dostosowują się do nich. Czyli problem nie jest technologiczny, lecz zarządczy.

Efekt daje nie dostęp do AI, lecz człowiek, który zamienia go w proces.

Claude Code — nie czat, lecz agent w środowisku pracy

Większość ludzi zna AI jako okno czatu: pytanie — odpowiedź. Claude Code jest zbudowany inaczej. To agent, który pracuje w środowisku firmy: czyta projekt i dokumenty, proponuje plan, sam wprowadza zmiany i pokazuje, co dokładnie zmienił. Przez konektory — gotowe połączenia — łączy się go z pocztą, kalendarzem, systemami ewidencyjnymi, stroną internetową, i wtedy pracuje nie z jednym plikiem, lecz z rzeczywistymi danymi przedsiębiorstwa.

Właśnie dlatego jest silniejszy niż czat — i właśnie dlatego wymaga zarządzania. Agent, który może zmienić stronę serwisu, cenę w bazie czy tekst umowy, musi mieć gospodarza: osobę, która określa, co mu wolno, i sprawdza wykonaną pracę, zanim trafi ona do klienta.

Jakie zadania można już powierzyć agentowi wewnątrz firmy

Na co dzień pracujemy z Claude Code na własnych produktach — Smart CMS, Smart 360, Smart LMS, BOT-panel — oraz na stronach klientów. Oto zadania, które agent pod kierunkiem operatora wykonuje u nas już stabilnie:

Operator nie musi być programistą — musi znać swój obszar i umieć postawić zadanie tak, aby wynik dało się przyjąć.

Gdzie agent myli się po cichu

Najgroźniejsze błędy AI to nie te, w których odmawia pracy, lecz te, w których z przekonaniem melduje „gotowe”. Kilka sytuacji z naszej praktyki:

W każdym z tych przypadków ratuje nie „mądrzejszy model”, lecz człowiek z wyraźnym cyklem pracy.

Dlaczego po integratorze potrzebny jest operator

Integrator to projekt: stawia system, konfiguruje, szkoli i przekazuje. Ale system żyje dalej. Zmieniają się ceny, pojawiają się produkty, przychodzą nowi ludzie, zmieniają się dane i wymogi bezpieczeństwa. Bez właściciela nawet idealnie wdrożone AI po kilku miesiącach zaczyna odstawać od rzeczywistości firmy.

To nie jest konkurencja. Dobry integrator jest właśnie zainteresowany tym, by zamawiający miał osobę, której można przekazać system — inaczej po pół roku znów wzywają go, żeby „naprawił AI, które się zepsuło”.

Cykl operatora: cztery kroki przy każdym zadaniu

Dopóki ten cykl nie stał się nawykiem, agent pozostaje zabawką. Gdy już się stał — to narzędzie, które co tydzień oszczędza zespołowi godziny rutyny.

Od SmartGT Academy

Jak tego uczymy

Tej roli uczymy w SmartGT Academy. Kurs nie dotyczy samego narzędzia, lecz zarządzania nim: sześć tygodni praktyki na własnych zadaniach uczestnika.

Programowanie nie jest wymagane. Dla klientów SmartGT — 400 $ · 15 000 UAH, grupa korporacyjna do 8 osób — 3 200 $ · 120 000 UAH.

Edycję prowadzi Mykhailo Vasianovych, założyciel SmartGT, który codziennie pracuje z Claude Code na tych samych produktach, które stają się materiałem do ćwiczeń.

Rangi: kwalifikacja, która rośnie wraz z praktyką

Certyfikat „ukończył kurs” nic nie mówi o tym, co człowiek zrobi w poniedziałek. Dlatego dla operatorów prowadzimy skalę rang: dziesięć stopni, z których każdy potwierdzają godziny pracy z agentem, liczba sesji roboczych, zużyte tokeny i zadanie praktyczne.

Pierwsze dwie–trzy rangi uczestnicy otrzymują jeszcze w trakcie kursu. Dalej ranga rośnie wraz z pracą. Każda ranga ma plakietkę ze stałym szyfrem i własną stronę, którą pracodawca może otworzyć i sprawdzić. Dla firmy to zrozumiałe kryterium: w ofercie pracy można wpisać wymaganą rangę.

Rangi się nie kupuje, tylko wypracowuje.

Od czego zacząć

Źródła

• Federal Reserve Bank of St. Louis, FRED: Generative Artificial Intelligence, Time Savings: Employed Adults (RPSGENAITSALL), dane za trzeci kwartał 2026 roku.
• Erik Brynjolfsson, Danielle Li, Lindsey R. Raymond. Generative AI at Work, NBER Working Paper 31161.
• MIT NANDA, „The GenAI Divide: State of AI in Business 2025”, za relacją Virtualization Review.

SmartGT — zespół IT, kompleksowe rozwiązania dla biznesu. SmartGT Academy — niezależny projekt edukacyjny. Claude i Claude Code — znaki towarowe Anthropic; nie jesteśmy oficjalnym partnerem firmy.