Człowiek w pętli: Jak zachować balans między technologią a empatią?

Polskie firmy stoją dziś przed paradoksem: muszą nadrobić zaległości w cyfryzacji – według danych Eurostatu i Polskiego Instytutu Ekonomicznego w 2023 roku zaledwie 3,7% polskich firm korzystało z rozwiązań AI, wobec około 8% średnio w UE (Eurostat/PIE) – a jednocześnie nie mogą pozwolić sobie na ślepą automatyzację, która wydrąży organizację z relacji i zaufania. To nie wybór „albo–albo”, lecz wyzwanie projektowania procesów, w których technologia wzmacnia empatię zamiast ją eliminować.

Model „człowiek w pętli” (human-in-the-loop, HITL) odpowiada na to wyzwanie. To architektura świadomie włączająca ludzi w kluczowe etapy działania systemów AI: od projektowania danych przez nadzór w czasie rzeczywistym po decyzje końcowe i audyt. Dla właściciela firmy oznacza to konkretną mapę odpowiedzialności: kto, kiedy i jak podejmuje decyzje dotykające ludzi.

Dlaczego empatia w erze AI to temat strategiczny, a nie tylko etyczny?

Międzynarodowe badania McKinsey pokazują, że generatywna AI może zautomatyzować aktywności pochłaniające 60–70% czasu pracy pracowników wiedzy (McKinsey). Do 2030 roku około 25% obecnych zadań w USA i Europie może być zautomatyzowanych przy średnim tempie wdrożeń (McKinsey). W Polsce dane GUS cytowane przez PARP wskazują, że odsetek firm korzystających z AI wzrósł w 2024 roku do 3,93% dla małych przedsiębiorstw i 32,96% dla dużych (PARP/GUS).

Te liczby oznaczają, że automatyzacja przestaje być opcją – staje się warunkiem konkurencyjności. Równocześnie jednak rośnie ryzyko: przedsiębiorstwa automatyzujące procesy bez zachowania warstwy ludzkiej wrażliwości tracą zaufanie klientów (gdy algorytm podejmuje zimne decyzje bez możliwości odwołania), zaangażowanie zespołu (gdy ludzie czują się traktowani jak zasoby do zastąpienia) oraz wartość marki (gdy pojawiają się skandale związane z dyskryminacją algorytmiczną).

Z perspektywy wartości firmy i przygotowania do sprzedaży czy fuzji, balans technologia–empatia to element kapitału przedsiębiorstwa. Dobrze udokumentowane procesy HITL i governance AI stanowią atut w due diligence, a empatyczna kultura przekłada się bezpośrednio na NPS, retencję klientów i stabilność zespołu.

Protip: Przy każdej nowej inicjatywie AI odpowiedz sobie pisemnie na trzy pytania (i włącz je do procedury wdrożeniowej): 1) Kto dokładnie odpowiada za ludzką kontrolę tej decyzji? 2) Jak klient/pracownik może odwołać się od wyniku AI? 3) W jakich typach przypadków system ma obowiązek przekazać sprawę do człowieka automatycznie?

Czym w praktyce jest „człowiek w pętli”?

Model HITL to świadome włączanie ludzkiej oceny w kluczowych punktach cyklu życia AI: przed decyzją (projekt danych, wybór cech, definicja kryteriów sukcesu), w trakcie działania (możliwość interwencji, zatrzymania systemu, nadpisania decyzji) oraz po decyzji (audyt, możliwość odwołania się, przegląd skutków dla ludzi).

Gdzie konkretnie trzymać człowieka „w pętli”?

Decyzje dotyczące pracowników: AI może rekomendować awanse, podpowiadać wynagrodzenia, analizować performance – ale ostateczna decyzja musi być ludzka. Algorytm nie widzi kontekstu: problemów zdrowotnych, kryzysu rodzinnego, specyficznych talentów niemierzalnych KPI.

Decyzje wpływające na klientów w obszarach ryzyka: Kredyty, ubezpieczenia, dostęp do usług medycznych – wszędzie tam, gdzie decyzja AI może zamknąć komuś drogę, człowiek powinien móc zweryfikować i zmienić wynik. To nie tylko kwestia etyki, ale budowania zaufania i kontestowalności decyzji.

Decyzje strategiczne: Wejście na rynek, fuzje, rebranding – AI jako narzędzie analityczne, nie „decydent”. Człowiek łączy dane z intuicją, kontekstem rynkowym i rozumieniem wartości firmy.

Jak HITL chroni empatię? Umożliwia reakcję na wyjątki – ludzkie zrozumienie sytuacji tam, gdzie model widzi tylko dane liczbowe. Zapewnia, że decyzje są kontestowalne – można się od nich odwołać do człowieka, co buduje poczucie sprawczości i bezpieczeństwa.

Technologia jako narzędzie skalowania empatii

Eksperci IMD i Mastercard podkreślają, że empatia w biznesie jest mierzalnym kapitałem, który przekłada się na lojalność klienta, odporność marki i zdolność firmy do adaptacji. Technologia – szczególnie AI – może tę empatię wzmacniać, jeśli jest używana świadomie.

Zastosowanie	Jak działa	Gdzie chroni empatię
Analiza nastroju w obsłudze klienta	AI wychwytuje momenty, gdy emocje rosną	Automatycznie eskaluje sprawę do doświadczonego konsultanta
Personalizacja z poszanowaniem prywatności	Łączy dane transakcyjne, preferencje i zachowania	Ogranicza zakres zbieranych danych, stawia na transparentność i zgodę
Wsparcie dla zespołów frontowych	Co-piloty AI podpowiadają kolejne kroki, przypominają o empatycznym języku	Sugerują momenty, w których trzeba zwolnić tempo rozmowy
Likwidowanie „silosów wiedzy”	Systemy AI łączą rozproszone informacje o klientach	Każda osoba kontaktująca się z firmą nie musi „od zera” tłumaczyć swojej historii

Mastercard wskazuje, że odpowiednio użyta AI i personalizacja „mogą wypełnić lukę empatii między markami a ich klientami” (Mastercard Polska). IMD podkreśla, że AI jest „kluczem do biznesu zorientowanego na człowieka”, jeśli zastosowania są ukierunkowane na wzmacnianie relacji, a nie wyłącznie na redukcję kosztów (IMD).

Wyzwania naszych Klientów: czego uczymy się w praktyce?

Pracując z właścicielami firm w Polsce, najczęściej spotykamy się z trzema typowymi wyzwaniami przy łączeniu technologii i empatii:

1. Symboliczny nadzór: Firma wdraża AI, dodaje „człowieka do akceptacji”, ale w praktyce ten człowiek ma 30 sekund na przypadek i zatwierdza 99% decyzji bez analizy. Brak realnej kontroli, a odpowiedzialność rozmywa się między menedżerem a „algorytmem”.

2. Brak jasnych procedur odwołania: Klient dostaje decyzję AI (np. odmowa rabatu, przydzielenie do niższej kategorii lojalnościowej), ale nie wie, do kogo może się odwołać. Zespół frontu nie ma mandatu do zmiany wyniku. Efekt? Frustracja klienta i erozja zaufania.

3. Niewidzialne uprzedzenia (bias): Firma wdraża automatyczne scoringi w HR lub sprzedaży, ale nikt nie analizuje systematycznie, czy algorytm nie dyskryminuje ze względu na wiek, miejsce zamieszkania czy inne cechy. Pojedyncze przeglądy przypadków nie wychwycą problemu widocznego dopiero w agregacji danych.

Protip oparty na doświadczeniu z rynku: Raz na kwartał zorganizuj „spotkanie empatii i technologii” z przedstawicielami frontu (obsługa klienta, sprzedaż, HR) i zespołów technicznych. Poproś o 3 przykłady sytuacji, gdzie technologia pomogła w relacji z ludźmi, oraz 3 przykłady, gdzie utrudniła empatyczne działanie. Punkty pozytywne traktuj jako kierunki rozwoju, a negatywne – jako obowiązkowe obszary korekty procesów.

Gotowy Prompt: Zaprojektuj proces „człowiek w pętli” w swoim biznesie

Przekopiuj poniższy prompt i wklej do Chat GPT, Gemini, Perplexity lub skorzystaj z naszych autorskich generatorów biznesowych dostępnych na stronie narzedzia lub kalkulatorów branżowych kalkulatory.

Jestem właścicielem firmy z branży [WPISZ SWOJĄ BRANŻĘ] i planuję wdrożyć rozwiązanie AI w obszarze [WPISZ OBSZAR: np. obsługa klienta / HR / scoring klientów / pricing].

Pomóż mi zaprojektować proces „człowiek w pętli" (human-in-the-loop), który zachowa balans między automatyzacją a empatią.

Proszę o:
1. Mapę procesu z jasnym wskazaniem, w których punktach AI działa automatycznie, a w których MUSI pojawić się człowiek.
2. Definicję kryteriów, kiedy system automatycznie eskaluje sprawę do człowieka (np. wynik poniżej X, sygnał emocjonalny powyżej Y, wyjątek Z).
3. Procedurę odwołania – jak klient/pracownik może zakwestionować decyzję AI i kto ją rozpatrzy.
4. Listę 3–5 scenariuszy „empatii i szkody" – sytuacje, w których „zimna" automatyzacja mogłaby wyrządzić krzywdę, oraz zasady ochrony przed tym.

Typ klienta/pracownika, którego dotyczy proces: [WPISZ, np. klienci B2B, kandydaci do pracy, klienci indywidualni z kredytami].

Format odpowiedzi: praktyczny, gotowy do wdrożenia w małej/średniej firmie, z konkretnymi krokami i odpowiedzialnościami.

Ryzyka „fałszywego” człowieka w pętli

Część ekspertów ostrzega przed „pułapką human-in-the-loop”: samo dodanie człowieka do procesu nie gwarantuje etyczności, empatii ani jakości decyzji.

Najważniejsze zagrożenia to symboliczny nadzór (człowiek formalnie „zatwierdza” decyzje, ale w praktyce ma zbyt mało czasu, danych lub kompetencji, by realnie je skorygować), rozmyta odpowiedzialność (gdy nikt nie czuje się osobiście odpowiedzialny za skutki decyzji), niezauważalne uprzedzenia (jeśli ludzie przeglądają tylko pojedyncze przypadki, systematyczne dyskryminacje mogą pozostać niewidzialne) oraz przerzucenie winy na „algorytm” (menedżerowie powołują się na „obiektywność” AI, ignorując sygnały empatii płynące od zespołu lub klientów).

Dlatego coraz częściej mówi się o „humanity-in-the-loop” – rozszerzeniu koncepcji, które obejmuje warstwę wartości (rady ds. etyki AI, które definiują, do czego w ogóle wolno używać AI w firmie), warstwę kontekstu (eksperci od biznesu i danych, którzy dbają o sensowność wejść do modeli i ich interpretację) oraz warstwę osądu (ludzie odpowiedzialni za empatyczną ocenę skutków decyzji AI dla konkretnych osób).

Protip dla wdrożeń AI: Przy planowaniu projektu AI wpisz do briefu technicznego osobną sekcję „scenariusze empatii i szkody”: opisz 3–5 typowych sytuacji, w których „zimna” automatyzacja mogłaby wyrządzić krzywdę (np. odmowa kredytu osobie w kryzysie zdrowotnym), a dla każdej zdefiniuj twarde reguły: kiedy system musi przekazać sprawę do człowieka, a kiedy ma jedynie sugerować dodatkową weryfikację.

Rola lidera: łączenie danych, intuicji i empatii

Capgemini zwraca uwagę, że AI nie zastąpi osoby zarządzającej zespołem – skuteczność technologii zależy od umiejętnego połączenia jej z ludzkimi kompetencjami, takimi jak empatia, strategiczne myślenie i budowanie relacji (Capgemini Polska). EY w Polsce podkreśla, że empatia jest kluczem do efektywnego zarządzania, szczególnie w czasach niepewności i szybkich zmian technologicznych (EY Polska).

Jakie postawy lidera pomagają utrzymać balans?

„Technologia na służbie człowieka, nie odwrotnie”: Lider jasno komunikuje, że celem AI jest wspieranie ludzi, a nie redukowanie ich do „zasobów do zastąpienia”.

Decyzje z „podwójnym uzasadnieniem”: Przy decyzjach opartych na rekomendacjach AI lider zawsze podaje dwa powody: dane oraz rozumienie kontekstu i perspektywy ludzi (pracowników, klientów).

Aktywne słuchanie sygnałów z zespołu: Ludzie na froncie często pierwsi widzą, kiedy automatyzacja zaczyna szkodzić relacjom. Lider uczy się traktować te sygnały jako materiał strategiczny, nie „opór przed zmianą”.

Inwestowanie w „human interpreters”: Eksperci zdolni krytycznie interpretować zachowanie modeli, zadawać trudne pytania o wartości, szkody i bias.

Projektowanie „empatycznej architektury” AI w firmie

Z perspektywy strategii wzrostu kluczowe jest, by architektura techniczna była spójna z architekturą wartości. Eksperci od etyki AI rekomendują kilka praktycznych komponentów:

1. Rada ds. etyki i governance AI (values layer): Ciało z realnym mandatem do blokowania projektów sprzecznych z zasadami (np. narzędzia rankingujące pracowników wyłącznie na podstawie KPI bez możliwości kontekstu). Udział przedstawicieli prawnych, HR, operacji i technologii.

2. „Values-by-design” – wartości wpisane w technologię:

• śledzenie (traceability) decyzji AI: skąd wzięły się dane, jakie transformacje przeszły, jak model doszedł do wniosku,
• wyjaśnialność (explainability) – użytkownik powinien móc zrozumieć w prostym języku, dlaczego system podjął konkretną decyzję,
• możliwość odwołania (contestability) – każdy wynik kluczowej decyzji musi być „otwieralny” do ludzkiej rewizji.

3. Szkolenie „human interpreters”: Analitycy, product managerowie, liderzy zespołów uczą się zadawać krytyczne pytania o źródła danych, rozpoznawać sygnały biasu i szkody, umiejętnie tłumaczyć zespołom, co AI robi i czego nie potrafi.

4. „Ethical circuit breakers” – wyłączniki awaryjne: Z góry zdefiniowane progi (np. określony wzrost liczby reklamacji lub sygnałów krzywdy), po których system automatycznie przechodzi w tryb manualny i wymaga przeglądu przez ludzi.

Skalowanie, fuzje i sprzedaż: dlaczego balans wpływa na wycenę firmy?

Z punktu widzenia inwestorów i potencjalnych nabywców firma łącząca wysoki poziom automatyzacji z dojrzałą kulturą empatii ma kilka przewag:

• niższe ryzyko reputacyjne (mniejsza szansa, że algorytmiczne decyzje doprowadzą do kryzysu wizerunkowego),
• wyższą odporność zespołu na zmiany (empatyczne przywództwo i czytelne ramy użycia AI zmniejszają rotację, co przekłada się na stabilność operacyjną),
• lepsze doświadczenie klienta (technologie CX wsparte empatycznym frontem tworzą relacje trudne do skopiowania przez konkurencję),
• przygotowanie do regulacji (nadchodzące regulacje, np. europejskie ograniczenia dla „high-risk AI”, premiują firmy z dojrzałym governance).

Protip dla właścicieli przygotowujących się do fuzji/sprzedaży: Przygotuj „AI & Empathy Dossier” jako część pakietu inwestorskiego: opis zastosowań AI w firmie, procedury human-in-the-loop i zasady odwołań, wskaźniki CX (NPS, CSAT) przed i po wdrożeniach, działania rozwojowe dla liderów w zakresie empatii. To pokazuje, że wzrost jest budowany w sposób nowoczesny, ale kontrolowany i zorientowany na człowieka.

Balans jako nowy standard efektywności

Balans między technologią a empatią nie jest kompromisem – to nowy standard efektywności. Właściwie użyta AI zwiększa skalę działania, a empatia sprawia, że ten wzrost jest zrównoważony, etyczny i atrakcyjny dla inwestorów.

Dla polskich firm, które mają do nadrobienia dystans w adopcji AI względem UE, to jednocześnie szansa: możemy uczyć się na błędach innych rynków i od razu projektować systemy z wbudowaną warstwą ludzkiej odpowiedzialności.

Kluczowe pytania, które warto sobie zadać już dziś:

• Które procesy w Twojej firmie są gotowe do automatyzacji – i w których punktach człowiek musi zostać w pętli?
• Jak Twoi klienci i pracownicy mogą zakwestionować decyzje algorytmów?
• Czy Twoi liderzy rozumieją, że technologia bez empatii to ryzyko reputacyjne, a empatia bez technologii to bariera skalowalności?

W Mergano pomagamy właścicielom firm projektować procesy łączące nowoczesne narzędzia z kapitałem relacyjnym – bo wiemy, że to właśnie ten balans decyduje o wartości przedsiębiorstwa w długim terminie.