AI w doradztwie: dane łatwiej zebrać niż właściwie je zinterpretować

Czy firma może zbudować strategię wyłącznie na danych zebranych za pomocą AI?

Zacząć od AI można i warto. Dane zebrane przez model, bez weryfikacji i interpretacji, rzadko stają się jednak solidną podstawą strategii.

Wstępny research z pomocą AI jest przydatny: w godzinę dostajesz ogólny obraz rynku, listę graczy i podstawowe ramy regulacyjne. Do wstępnego zrozumienia to wystarcza, nawet jeśli korzystasz ze zwykłych, ogólnodostępnych modeli.

Problemy zaczynają się, gdy ten obraz traktuje się jako podstawę decyzji. Odpowiedź modelu powstaje z tego, co już zostało opublikowane, i jest uśredniona do poziomu, na którym jest prawdziwa dla wszystkich i dla nikogo konkretnie. Model nie zna Twojej firmy, nie widzi Twojej ekonomiki i, co najważniejsze, nie ponosi Twojego ryzyka. Jeśli wniosek okaże się błędny, pieniądze, czas i reputację traci firma, a nie narzędzie.

Żeby AI dała rzetelny wynik, trzeba z niej umiejętnie korzystać: rozumieć strukturę branży, formułować zadanie we właściwej formie, wymagać od modelu ustrukturyzowanej odpowiedzi, a potem tę odpowiedź sprawdzać. Bez zrozumienia, z czego składa się informacja i jak osiąga się praktyczny rezultat, opieranie się wyłącznie na danych zebranych przez model jest ryzykowne.

Co AI naprawdę zmieniła w pracy doradców?

Największa zmiana dotyczy pracy z danymi: można je dziś porządkować i analizować znacznie szybciej i głębiej.

Podobnie jak wielu doradców, zaczęliśmy pracować na lepiej ustrukturyzowanych danych. Własne dane albo dane przekazane przez klienta do analizy można dziś opracować w kilka dni zamiast tygodni: zestawić różne źródła, dostrzec prawidłowości, sprawdzić hipotezy na większym wolumenie informacji. To wyraźnie podniosło poziom tego, co da się zrobić w ramach jednego projektu.

Pokrywa się to z obserwacjami badaczy. W pracy Uniwersytetu w Münster z 2026 roku doradcy opisują AI przede wszystkim jako sposób na automatyzację przetwarzania i analizy informacji, który uwalnia czas na pracę z klientem i złożone zadania. Większość z nich nie uważa AI za zagrożenie dla swojej podstawowej wartości, opartej na kontakcie z drugim człowiekiem.

Dlaczego głównym problemem AI nie są dane, tylko ich interpretacja?

Ponieważ model widzi liczbę, ale nie widzi, jak ona powstała. Bez tego ta sama liczba może oznaczać zupełnie przeciwne rzeczy.

Energetyka i inżynieria to obszary, w których pracujemy najczęściej, i właśnie tu różnica między danymi a ich zrozumieniem jest szczególnie widoczna. Żeby pracować z danymi w tych branżach, potrzebne są dwie rzeczy:

Po pierwsze: rozumieć, czym są te dane

Kto je liczy, co się na nie składa, według jakich zasad powstają i na którym etapie łańcucha się pojawiają: u dewelopera, wykonawcy EPC, operatora sieci czy regulatora.

Po drugie: właściwie je interpretować

Zrozumieć, co ta liczba oznacza dla konkretnej firmy na konkretnym rynku. Właśnie na tym etapie modele mylą się częściej niż przy zbieraniu danych.

Oto przykład z polskiego rynku odnawialnych źródeł energii, który dobrze znamy:

Źródło: sprawozdanie Prezesa URE za 2025 rok, dane ARE i Ministerstwa Energii, za publikacją Gramwzielone.pl z 11.05.2026.

Każdą z tych liczb łatwo odczytać błędnie i właśnie tak często odczytują je modele:

Żadna z powierzchownych interpretacji nie jest wymysłem. Każda logicznie wynika z liczby. Ale każda prowadzi do błędnej decyzji: dokąd wchodzić, komu sprzedawać, ile inwestować. Właściwe odczytanie znacznie łatwiej znaleźć, gdy rozumie się strukturę branży i wie, jakie pytania zadać dalej: o akty prawne, o otoczenie konkurencyjne, o ekonomikę projektów w danym kraju.

Dlaczego weryfikacja danych jest ważniejsza niż szybkość analizy?

Bo szybka analiza niezweryfikowanych danych prowadzi jedynie szybciej do błędu.

Weryfikacja, sprawdzanie i walidacja danych nie są dziś dodatkowym etapem po pracy z AI. To warunek, bez którego trudno oprzeć decyzje na wynikach tej pracy. Każdą liczbę, na której opiera się wniosek, trzeba sprowadzić do źródła pierwotnego, sprawdzić pod kątem aktualności i, najlepiej, potwierdzić u ludzi, którzy pracują na danym rynku.

Nawet wyspecjalizowane narzędzia nie zwalniają z tego obowiązku. Badanie Uniwersytetu Stanforda z prerejestracją, opublikowane w Journal of Empirical Legal Studies, wykazało, że wiodące prawnicze serwisy AI udzielały błędnych lub nieuzasadnionych odpowiedzi w 17-33% przypadków, choć rzadziej niż uniwersalne chatboty. Regulacje w energetyce nie są prostsze od prawniczych baz danych, a zmieniają się częściej.

AI nie zna Twojej firmy i nie ponosi Twojego ryzyka. Dlatego odpowiedzialność za to, jakie dane stają się podstawą decyzji, pozostaje po stronie człowieka.

Dima V. Nechyporenko, założyciel the nech

Dlaczego w B2B decydujący pozostaje człowiek?

Ponieważ transakcje B2B zawierają ludzie z ludźmi, a zaufanie między nimi nie rodzi się z korespondencji.

Badanie rynku kończy się raportem, ale biznes dopiero się wtedy zaczyna. Firmy muszą się znaleźć, poznać i, co najważniejsze, zrozumieć: jak zapadają decyzje, co jest ważne dla partnera, gdzie leży granica kompromisu. Przez e-maile, wiadomości na LinkedIn czy w komunikatorach bardzo trudno to osiągnąć.

W energetyce i inżynierii odczuwa się to szczególnie mocno. Cykl sprzedaży jest długi, kwoty duże, a ryzyko dla obu stron liczy się w latach. W jednym kraju kluczową decyzję podejmuje dyrektor techniczny, w innym komisja zakupowa, w jeszcze innym decydujące będzie stanowisko banku lub inwestora projektu. Model może opisać te różnice w ogólnym zarysie. Wyczuć je w konkretnej rozmowie znacznie lepiej potrafi człowiek, który tam pracował.

W biznesie wciąż jest wiele z człowieka: relacje, obecność, rozumienie mentalności i specyfiki kulturowej rynków, prawdziwe doświadczenie życiowe. Tych elementów nie ma w odpowiedzi modelu, a to właśnie one często decydują o tym, czy do transakcji dojdzie.

Jak AI zmienia branżę doradczą?

Szybko i głęboko. Oceniamy te zmiany jako bardzo pozytywne.

Część pracy, która kiedyś zajmowała doradcy większość czasu, czyli wyszukiwanie, zbieranie i wstępne przetwarzanie informacji, wykonuje się dziś znacznie szybciej. To nie sprawia, że doradztwo staje się zbędne, ale zmienia to, na czym polega jego wartość: na zrozumieniu branży, właściwej interpretacji, weryfikacji danych i pracy z ludźmi.

Dla nas AI w doradztwie oznacza możliwość realizowania znacznie bardziej złożonych zadań w krótszym czasie i pomagania klientom szybciej osiągać wyniki w Europie. Narzędzie stało się mocniejsze. Odpowiedzialność za to, jak z niego korzystać, pozostała tam, gdzie była.