AI jako partner managera: od asystenta do wirtualnej rady nadzorczej #EN130

TL;DR

Granola automatyzuje notatki ze spotkań i formatuje je według predefiniowanych szablonów dla różnych typów rozmów
Alice łączy asystenta AI z umiejętnościami wykonywalnymi przez skróty klawiaturowe i integracje z zewnętrznymi API
Lindy tworzy workflow automatyzacji dla research uczestników spotkań i przygotowań briefów
Personalna rada nadzorcza AI zastępuje tradycyjne mentoring dostępnym 24/7 doradztwem
Małe, kontekstowe bazy wiedzy działają lepiej niż jedna wielka baza dla całej organizacji
API często kosztuje mniej niż miesięczne subskrypcje przy podobnym poziomie użytkowania
Eksperyment z GPT jako kopią menedżera zwiększa samodzielność zespołu w podejmowaniu decyzji

Współczesny menedżer stoi przed wyborem: optymalizować procesy czy delegować je AI. Grzegorz Róg i Bartek Pućek podczas webinaru pokazali, jak technologia może przekształcić rolę managera z koordynatora zadań w partnera strategicznego.

Granola – inteligentne notatki ze spotkań

Granola to jedno z najpotężniejszych narzędzi do automatyzacji notatek ze spotkań. Aplikacja nagrywa rozmowy i tworzy transkrypcje, jednak jej prawdziwa siła leży w predefiniowanych szablonach.

Każdy typ spotkania może mieć własny format. Client Discovery generuje inne notatki niż Existing Client. Dodatkowo na końcu każdego spotkania Granola automatycznie tworzy listę uzgodnionych zadań.

Bartek Pućek podkreśla korzyści dla procesów sprzedażowych: „Możliwość spojrzenia poprzez te spotkania, sprawdzenia co kto powiedział, dlaczego. Można wrócić do tego na kolejnym spotkaniu.”

Narzędzie działa już dobrze po polsku. Wcześniej obsługiwało tylko język angielski, co ograniczało jego zastosowanie w polskich firmach.

Alice – centrum dowodzenia produktywnością

Alice to natywna aplikacja, która łączy asystenta AI z wykonywalnymi umiejętnościami. Grzegorz Róg zbudował w niej system asystentów i umiejętności (skills).

Każdy asystent ma swój kontekst i systemowy prompt. Asystent do brandingu EZE odpowie na pytanie „what are our values” w kontekście tego konkretnego projektu.

Umiejętności to prompty podpięte pod skróty klawiaturowe. Zaznaczenie tekstu i wciśnięcie Command+Shift+T automatycznie tłumaczy go na angielski. W rezultacie tekst trafia do schowka bez otwierania aplikacji.

Alice integruje się z zewnętrznymi API i może:

Tworzyć zadania w Todoist z naturalnego języka
Zarządzać projektami w Linear – sprawdzać status, dodawać taski
Generować linki do spotkań w Zencal (jednorazowe, nie wielokrotnego użytku)
Łączyć się z dowolnym API przez customowe endpointy

Lindy – automatyzacja procesów biznesowych

Lindy to „Zapier na sterydach”, sterowany w całości przez AI. Pozwala tworzyć automatyzacje za pomocą naturalnego języka zamiast skomplikowanych konfiguracji.

Grzegorz Róg pokazał workflow przygotowania do spotkań. Godzinę przed spotkaniem system automatycznie:

Zbiera informacje o uczestniku przez Perplexity
Scrapuje profil LinkedIn uczestnika
Przeszukuje historię maili z ostatnich 30 dni
Wysyła briefing email z agendą i kontekstem

Lindy może nawet dzwonić z przypomnieniami poprzez wbudowanego agenta AI. Agent zna kontekst spotkania i może odpowiadać na pytania uczestników.

Checklist: Automatyzacja przygotowań do spotkań

☐ Wybierz narzędzie automatyzacji (Lindy, Zapier, Make)
☐ Połącz z kalendarzem (Google Calendar, Outlook)
☐ Skonfiguruj trigger czasowy (60 min przed spotkaniem)
☐ Dodaj research uczestników (Perplexity + LinkedIn)
☐ Zintegruj z emailem do wysyłania briefów
☐ Przetestuj workflow na kilku spotkaniach
☐ Dostosuj template briefu do swoich potrzeb

Bartek Pućek ma podobny system z dodatkowymi odnogami. Codziennie rano dostaje email z informacjami o wszystkich spotkaniach dnia.

System integruje się też z Clay – osobistym CRM-em. Clay ma funkcję Nexus, która działa jak osobista książka kontaktowa zbierająca kontakty z różnych kanałów, w tym LinkedIn. Pozwala wyszukiwać wszystkie osoby z określonymi rolami czy z którymi spotykano się w ostatnich 30 dniach.

Superhuman – AI w obsłudze poczty

Superhuman automatyzuje zarządzanie emailami na kilku poziomach. Autolabelowanie przypisuje kategorie na podstawie treści. Użytkownik może zdefiniować własne reguły klasyfikacji.

Podczas pisania emaili Command+K otwiera menu AI. Create Event analizuje całą konwersację i tworzy spotkanie z odpowiednim tematem, godziną i uczestnikami.

System oferuje też trzy automatyczne wersje odpowiedzi do każdego emaila. Dla rutynowych wiadomości wystarczy kliknięcie, bez pisania od zera.

Voice input – koniec z pisaniem na klawiaturze

Bartek Pućek rzadko pisze na klawiaturze. Używa Super Whisper (lokalnie) lub Whisper Flow (w chmurze) do dyktowania treści.

Może podyktować email, a AI sformatuje go w punkty i doda odpowiednie formatowanie. To szczególnie wartościowe dla osób, które szybciej mówią niż piszą.

Grzegorz Róg łączy voice input z Alice. Dyktuje surową treść, potem uruchamia skrót klawiaturowy, który przekształca szczątkowe informacje w dopracowanego emaila.

Praktyczny tip na macOS: Command+Shift+W tworzy screen z wybranego obszaru i wrzuca go od razu do schowka. Grzegorz używa tego do szybkiego przesyłania fragmentów ekranu do Alice bez zapisywania plików.

Personalna rada nadzorcza napędzana AI

Koncepcja Personal Board of Directors z Harvard Business Review z 2017 roku zakłada radę 6-8 osób: fanów, mentorów i krytyków. AI pozwala stworzyć taką radę dostępną 24/7.

Bartek Pućek użył modelu O1 Pro z funkcją Deep Research do stworzenia rady nadzorczej dla menedżera. System przeszukał 19 źródeł w 4 minuty i zaproponował:

Strategiczny mentor z poziomu C-level
Ekspert finansowy (CFO)
Ekspert branżowy/technologiczny
Coach przywództwa
Równieśnik z innej firmy

Każda persona ma swój kontekst i specjalizację. Pytanie o konflikt w zespole generuje odpowiedzi z różnych perspektyw – strategicznej, finansowej, HR-owej.

Checklist: Tworzenie personalnej rady nadzorczej AI

☐ Zdefiniuj swoją rolę i kontekst biznesowy
☐ Wybierz 5-6 typów doradców (mentor, ekspert finansowy, branżowy, coach, krytyk)
☐ Stwórz projekt w ChatGPT/Claude z instrukcjami
☐ Dodaj swoje 360 feedback i badania jako kontekst
☐ Przygotuj przykładowe scenariusze do testowania
☐ Przetestuj każdą personę osobno
☐ Zadaj pierwsze rzeczywiste pytanie biznesowe
☐ Dostosuj role na podstawie jakości odpowiedzi

Grzegorz Róg stworzył w Alice mentora Steve’a, wzorowanego na Steve’ie Jobsie. Na pytanie o percepcję cen odpowiada: „W Apple pobieramy premiumowe ceny, ponieważ dostarczamy premiumowe doświadczenia.”

Framework powtarzalnych zadań

Bartek Pućek przedstawił prosty framework myślenia o automatyzacji: „Jeżeli wykonuję jakąś pracę dużo razy i ona jest powtarzalna, to automatycznie powinienem zadać pytanie – jakiego typu narzędzie już może dzisiaj wspomagać tę pracę.”

Raycast to narzędzie, które Bartek używa „dziesiątki czy setki razy” dziennie. Jest to launcher aplikacji z funkcjami AI, które znacząco przyspieszają pracę na macOS.

Eksperyment z GPT jako kopią menedżera

Grzegorz Róg stworzył GPT-a „Grzegorz Ruki” dla swojego zespołu. W master prompt wpisał swoje wartości i zasady, z wyłączeniem podwyżek i urlopów.

Eksperyment spowodował ciekawy efekt psychologiczny. Zespół częściej podejmował samodzielne decyzje, mając możliwość „przyklepania” pomysłów przez AI-kopię szefa.

Po przeanalizowaniu rozmów okazało się, że GPT często podejmował lepsze decyzje niż prawdziwy menedżer. Miał więcej czasu na wnikliwą analizę i zadawał dodatkowe pytania o alternatywne perspektywy.

Dlaczego duże bazy wiedzy nie działają

Większość firm błędnie podchodzi do baz wiedzy AI. Wrzucają wszystkie dokumenty do jednego systemu, oczekując magicznych rezultatów.

Techniczne ograniczenia modeli – kontekst window, sposób przetwarzania PDF-ów, jakość wyszukiwania – sprawiają, że ogromne bazy danych nie mogą działać efektywnie.

Grzegorz Róg proponuje małe, kontekstowe bazy wiedzy:

Procedura onboardingu – proces wdrażania nowych pracowników
Proces obsługi klienta – standardy komunikacji i rozwiązywania problemów
Instrukcje do narzędzi – specyficzne dla konkretnych aplikacji
Dokumentacja prawna – dla konkretnego procesu, nie ogólna

Każda baza powinna być dobrze sklasyfikowana, otagowana i dedykowana konkretnemu zastosowaniu. Marketing, sales i legal powinny mieć osobne bazy, nie jedną wielką.

Obsidian jako alternatywa dla Notebook LM

Obsidian z lokalnie działającymi modelami AI oferuje prywatną alternatywę dla Google Notebook LM. Ma funkcję linkowania, która pozwala AI poruszać się po różnych obszarach bazy wiedzy.

Bartek Pućek poleca też rozwiązania hardcore jak OLAMA dla użytkowników zaawansowanych technologicznie.

Koszty vs wartość narzędzi AI

Bartek Pućek płaci 200$ miesięcznie za ChatGPT Pro. Zwraca się wielokrotnie przez oszczędność czasu na research i analizie.

Grzegorz Róg używa kluczy API zamiast subskrypcji. Płaci za rzeczywiste użycie wszystkich modeli – Anthropic, OpenAI, innych – w koszcie jednej subskrypcji.

API to dobra alternatywa dla użytkowników, którzy nie prowadzą ciągłych, intensywnych rozmów z AI. Trzeba by non-stop używać modeli, żeby wyrobić koszt jednej subskrypcji.

Open Router to kolejne narzędzie warte uwagi – agreguje dostęp do wszystkich modeli pod jednym kluczem. Pozwala eksperymentować z różnymi modelami bez zakładania osobnych kont.

Różnice między modelami AI

Wybór modelu ma znaczenie dla jakości rezultatów. Bartek Pućek testował Deep Research w ChatGPT i Perplexity na tym samym zadaniu – rezultaty były „diametralnie inne”.

Z ChatGPT mógł pracować nad rezultatem, z Perplexity nie. Jednocześnie Perplexity jest jego pierwszym wyborem do porównywania funkcjonalności czy usług.

Modele mają swoje mocne strony: Anthropic Sonnet 3.7 jest najlepszy do pisania i pracy nad tekstem, podczas gdy O1 Pro sprawdza się w złożonych analizach i research.

Czasami pomaga „staropolskie słowo ponaglające” – prośba o podsumowanie kontekstu w długich konwersacjach, gdy model zaczyna tracić wątek.

Wyzwania wdrożenia w organizacjach

Największym blokerem adopcji AI w firmach są zespoły IT. Blokują nowe rozwiązania w imię bezpieczeństwa, jednocześnie używając Google Workspace z podobnymi regulaminami prywatności.

Rozwiązaniem jest edukacja, nie blokada. IT powinno wspierać produktywność organizacji, nie ją hamować.

Dla firm z restrykcyjnymi zasadami Bartek Pućek proponuje rozwiązania lokalne:

LLM Chat – interfejs do lokalnych modeli, przyjazny dla użytkowników
Super Whisper – transkrypcja głosu działająca offline
OLAMA – bardziej zaawansowane, dla użytkowników technicznych
Obsidian z lokalnym AI – prywatna alternatywa dla baz wiedzy
N8N – self-hosted automatyzacja, bezpieczniejsza dla firm

Jak uniknąć pułapki „stupid things faster”

AI umożliwia szybkie tworzenie prototypów i rozwiązań. Ryzyko polega na robieniu błędnych rzeczy w większej skali.

Kluczowe staje się zastanowienie nad „co” i „dlaczego” zamiast „jak”. Menedżer musi bardziej skupić się na strategii i wartości biznesowej niż na wykonaniu.

Większa liczba cykli i eksperymentów pozwala szybciej dotrzeć do lepszych rezultatów. Mimo to AI nie zastąpi myślenia strategicznego – wzmocni je.

Enterprise Sales wspierany przez AI

Bartek Pućek podkreśla wartość AI w długich procesach sprzedażowych. W Enterprise Sales jest wiele spotkań z różnymi osobami, dlatego trudno śledzić wszystkie ustalenia.

AI pozwala spojrzeć poprzez wszystkie spotkania i sprawdzić na jakim etapie procesu sprzedażowego jesteśmy. Można zadawać pytania: „Jakie rzeczy ustaliliśmy trzy spotkania temu?” czy „Jakie zadania miały być zrealizowane przez nas w tym procesie?”

Dodatkowy benefit to możliwość przygotowania predykcyjnych scenariuszy. Po wypracowaniu persony klienta można symulować reakcje na planowane propozycje jeszcze przed spotkaniem.

Rozwiązania wertykalne vs generyczne

Istnieją dedykowane narzędzia AI dla konkretnych branż i ról. Procurement, legal tech, finanse – każdy obszar ma wyspecjalizowane rozwiązania.

Bartek Pućek zachęca do spojrzenia przez pryzmat Customer Journey. Miejsca z niskim NPS i wysokim wpływem na marżę to idealne kandydaty na wdrożenia AI.

Praktyczne ćwiczenie to mapowanie Customer Journey organizacji z oznaczeniem wpływu na NPS (zadowolenie klienta) i marżę w różnych punktach. Miejsca o niskim NPS i wysokim wpływie na marżę wymagają natychmiastowej uwagi.

One-on-one meetings to kolejny obszar do automatyzacji. Kontekst poprzednich rozmów, cele rozwojowe pracownika, uzgodnione działania – wszystko można usprawniać przez AI zachowujące historię i sugerujące kolejne kroki.

Nie wszystko musi sprowadzać się do generycznych chatbotów. Workflow, agenci, automatyzacje – różne problemy wymagają różnych podejść.

Checklist: Implementacja AI w organizacji

Analiza potrzeb

☐ Zmapuj Customer Journey w organizacji
☐ Zidentyfikuj miejsca z niskim NPS (zadowoleniem użytkowników)
☐ Znajdź procesy z wysokim wpływem na marżę
☐ Spisz powtarzalne, czasochłonne zadania

Wybór rozwiązań

☐ Sprawdź rozwiązania wertykalne dla swojej branży
☐ Przetestuj 2-3 narzędzia przed zakupem subskrypcji
☐ Porównaj koszty API vs subskrypcje miesięczne
☐ Oceń wymagania bezpieczeństwa (lokalne vs chmura)

Wdrożenie

☐ Zacznij od jednego procesu/działu
☐ Przygotuj kontekstową bazę wiedzy
☐ Przeszkolony zespół z podstaw promptowania
☐ Zdefiniuj metryki sukcesu
☐ Zaplanuj edukację dla IT o korzyściach AI

Skalowanie

☐ Dokumentuj best practices z pilota
☐ Rozszerz na kolejne procesy
☐ Zbuduj wewnętrzną społeczność użytkowników AI
☐ Regularnie oceniaj ROI wdrożeń

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je tutaj: AI jako partner managera od asystenta do wirtualnej rady nadzorczej – Grzegorz Róg Bartek Pucek