Czy AI zastąpi analityków, czy sprawi, że ich praca będzie jeszcze bardziej efektywna?

To jedno z pytań, które wybrzmiało podczas panelu dyskusyjnego „AI + Analityka = Najsilniejszy  duet w organizacji”, zorganizowanego w ramach Konferencji Business Intelligence 2026 „Rola AI w analityce danych”.

W rozmowie udział wzięli eksperci Humansoft:

•       Ewa Rut-Skrzypczak – Dyrektor Działu Business Intelligence oraz Członek Zarządu
•       Tomasz Hyzopski – Dyrektor Działu Realizacji Business Intelligence

Dyskusja koncentrowała się na tym, jak AI zmienia analitykę danych i czego organizacje potrzebują, aby w pełni wykorzystać jej możliwości. Eksperci rozmawiali m.in.: o:

•       roli AI w pracy analityka – wsparciu czy zastąpieniu człowieka,
•       przygotowaniu organizacji do pracy z danymi w 2026 roku i kolejnych latach
•       kompetencjach, które będą coraz ważniejsze w zespołach BI
•       wyzwaniach związanych z jakością danych, zaufaniem do modeli AI i cyberbezpieczeństwem

Jak AI zmienia rolę analityka i co oznacza to dla firm? Zachęcamy do zapoznania się z przebiegiem dyskusji oraz obejrzenia nagrania panelu.

Ewa Rut-Skrzypczak: Zaczynając panel dyskusyjny, chciałabym rozpocząć od pytania, które dziś pojawia się wszędzie w zarządach, zespołach i na uczelniach. Tomku, czy Twoim zdaniem AI zastąpi analityka?

Tomasz Hyzopski: Moim zdaniem nie zastąpi, ale zmieni reguły gry. W praktyce oznacza to jedno: przewagę zyskają ci analitycy, którzy nauczą się pracować z AI. To naturalny etap rozwoju. Każda technologia nie eliminuje człowieka, tylko go przekształca. Dziś coraz częściej zamiast przeklikiwać raporty, użytkownicy po prostu pytają o dane w języku naturalnym i otrzymują odpowiedzi z wyjaśnieniem, skąd się biorą liczby oraz jakie działania warto rozważyć dalej.

Ewa: Czyli to po prostu kolejna warstwa chatbota?

Tomasz: Niekoniecznie. Kluczowa różnica polega na tym, skąd pochodzi odpowiedź. W dojrzałym podejściu AI nie zgaduje wyników, tylko opiera się na rzeczywistych danych i sprawdzonych definicjach biznesowych. Najpierw wykonuje precyzyjne obliczenia na danych, a dopiero potem tłumaczy wynik na język naturalny.

Ewa: A zatem to ogromna zmiana od czarnej skrzynki do transparentnego procesu, który może prześledzić człowiek i zrozumieć. Masz przykład z życia?

Tomasz: Oczywiście. W jednej z firm dystrybucyjnych menadżer zapytał o spadki rotacji towaru. System wskazał problem i jednocześnie pokazał źródło danych. Dzięki temu szybko odkryto, że część danych była niekompletna i uniknięto błędnej decyzji operacyjnej.

Ewa: To bardzo dobry przykład tego, że przyszłość to nie sztuczna inteligencja zamiast człowieka, tylko człowiek wspierany przez sztuczną inteligencję. Okej. A jak przygotować organizację na dane w 2026 roku no i w kolejne lata? A co z firmami, które już korzystają z różnych narzędzi AI? Czy powinny wszystko ujednolicić?

Tomasz: Wręcz przeciwnie, kluczowym kierunkiem jest dziś integracja, nie zastępowanie. Coraz częściej stosuje się podejście, w którym różni asystenci i narzędzia korzystają z jednej spójnej warstwy danych i logiki biznesowej. To coś w rodzaju uniwersalnego interfejsu programistycznego dla AI. Dzięki temu dowolny asystent może pracować na tych samych kontrolowanych danych.

Ewa: Co to oznacza dla analityków w praktyce?

Tomasz: Przede wszystkim wygodę i ciągłość pracy. Możesz zadawać pytania o dane w narzędziu, którego używasz na co dzień, bez konieczności przełączania się między systemami. Kluczowe jest jednak to, że dane nie są kopiowane chaotycznie. Obliczenia bazują na uzgodnionych definicjach, a dostęp odbywa się zgodnie z uprawnieniami.

Ewa: Czyli to eliminuje klasyczne problemy typu: „Każdy ma swoją wersję prawdy”. A mniejsze organizacje?

Tomasz: Dla nich najlepsze podejście to start od jednego dobrze zdefiniowanego przypadku z życia. Na przykład analiza sprzedaży. Zasada jest prosta: zacznij od szybkiej wartości, zbuduj zaufanie do danych, a dopiero potem rozwijaj ekosystem AI.

Ewa: A zatem duże organizacje skalują, małe organizacje najpierw udowadniają sens. Może to jakaś wskazówka także dla dużych organizacji. Jakość danych, zaufanie i bezpieczeństwo. No właśnie, jak zaufać odpowiedziom sztucznej inteligencji?

Tomasz: Podstawowa zasada: zaufanie nie wynika z wiary, tylko z przejrzystości, transparentności. Użytkownik powinien widzieć, skąd pochodzi dana, jak została przetworzona, jaka logika biznesowa została użyta. Jeśli tego nie ma, ryzyko błędnej decyzji rośnie niezależnie od technologii.

Ewa: A  jak ocenić wiarygodność modeli AI?

Tomasz: Coraz częściej stosuje się mierzalne podejście do jakości danych: aktualność danych, ich kompletność, spójność, różnorodność. Dzięki temu można nie tylko ocenić, czy dane są gotowe dla AI, ale też monitorować zmiany w czasie i ich wpływ na wyniki modeli.

Ewa: Zatem to zmienia rozmowę z „Czy możemy użyć AI” na „Czy nasze dane są na to gotowe”. A bezpieczeństwo? Bardzo ważna kwestia.

Tomasz: Tu obowiązuje jedna uniwersalna zasada: sztuczna inteligencja nie powinna omijać istniejących mechanizmów bezpieczeństwa, tylko je rozszerzać. W praktyce oznacza to dostęp zgodny z rolą użytkownika, pełne logowanie działań i brak bezpośredniego dostępu do surowych danych przez modele AI.

Ewa: Czyli AI dostaje się tylko do tych danych, do których dany użytkownik powinien mieć dostęp. A jak z jakością danych? AI pomaga czy pogarsza sytuację?

Tomasz: AI działa jak wzmacniacz. Dobre dane to lepsze decyzje, szybciej i z większą pewnością. Złe dane to po prostu błędne decyzje. Dlatego rola zarządzania jakością danych nie maleje, a wręcz rośnie.

Ewa: A zatem w organizacjach z przyszłością kluczową rolą staje się odpowiedzialna osoba, która będzie umiała zdefiniować dane i je czytać. A trzy najważniejsze rady dla lidera BI twoim zdaniem?

Tomasz: Po pierwsze, naucz zespół zadawać dobre pytania. Umiejętność formułowania precyzyjnych pytań staje się równie ważna jak znajomość narzędzi. Po drugie, zdecyduj o strategii, nie tylko technologii. Czy stawiasz na szybkie wdrożenie i prostotę, czy na budowę własnego ekosystemu? To zupełnie różne drogi. Po trzecie, zacznij od governance. AI działa tylko wtedy, gdy opiera się na uporządkowanych danych, spójnych definicjach i jasno określonych zasadach. Bez tego każdy pilotaż zatrzyma się przed wdrożeniem produkcyjnym.

Ewa: Dokładnie. Dziś pytanie nie brzmi już „Czy wdrażać AI”, tylko „Na jakich danych, w jakim modelu i z jaką kontrolą”, tak?

Tomasz: To właśnie te trzy elementy decydują o sukcesie, niezależnie od narzędzi.

Obejrzyj całość Konferencji Business Intelligence 2026 – „Rola AI w analityce danych”.