Co robi 28% wygranych

Gartner zapytał zwycięzców, czemu wygrali, i zwycięzcy odpowiedzieli: wpięliśmy AI w przepływy i systemy, które już mieliśmy, a biznes stał za nami w pełni. Brzmi jak przepis. Jest listą sporządzoną przez tych, którzy wrócili z lotu. Decyzja, która od tego zależy, wraca co kwartał, kiedy wybierasz jedno zastosowanie do uruchomienia jako pierwsze, i podejmujesz ją na danych, z których wycięto wszystkich poległych.

Co ta ankieta naprawdę policzyła

Zacznijmy od mianownika, bo cała reszta od niego zależy. Komunikat Gartnera z 7 kwietnia 2026 mówi, że 28% zastosowań AI (use case'ów) w obszarze infrastruktury i operacji IT (I&O) osiąga pełny sukces i spełnia oczekiwania co do zwrotu z inwestycji. Kolejne 20% ponosi porażkę wprost. Jednostką jest pojedyncze zastosowanie w jednym obszarze IT, nie firma i nie projekt, a „spełnia oczekiwania co do ROI” jest deklaracją respondenta o własnym wyniku, nie zaudytowanym rachunkiem. Co jeszcze ta liczba ukrywa, w tym środkowe 52% i mianownik firmowy, rozebrałem osobno i nie powtórzę tamtej roboty.

Interesuje mnie jedno zdanie z tego komunikatu. 77% badanych organizacji dowiozło co najmniej jedno udane zastosowanie, a liderzy z tych 77% przypisują sukces przede wszystkim wpięciu AI w istniejące przepływy pracy i systemy oraz pełnemu poparciu kadry biznesowej. To atrybucja post hoc dokonana przez zwycięzców na temat samych siebie. Nikt nie sprawdził, ilu poległych miało te same dwie cechy. Przegrani, czyli 57% organizacji z co najmniej jedną porażką, również podali powody: najczęściej nierealistyczne oczekiwania wobec technologii, a po 38% wskazań zebrały luki kompetencyjne oraz jakość i dostępność danych. Zwycięzcy tłumaczą się wpięciem i sponsorem, przegrani oczekiwaniami i danymi. Obie listy są samoopisem.

Do tego dochodzi rozkład, który wróci pod koniec tekstu. 53% zgłoszonych sukcesów skupia się w jednym miejscu: w generatywnej AI w zarządzaniu usługami IT (ITSM). Jedna nisza, ponad połowa wygranych.

Anatomia ocalałego

Zbierzmy z tej ankiety i z sąsiednich badań pięć cech, które opisują zastosowanie, któremu wyszło. Zanim je wypiszę, metryczka, bo inaczej ten esej zrobi to, co za chwilę zarzuci innym. Ta piątka nie jest modelem z literatury. Nie ma autora, nie ma roku i nikt jej nie testował. To mój konstrukt roboczy, złożony z cudzych ustaleń, i traktuj go jak hipotezę do odrzucenia.

Pierwsza cecha to wąski zakres: zastosowanie robi jedną rzecz, którą da się opisać w jednym zdaniu bez spójnika „oraz”. Druga to właściciel z własnym rachunkiem wyników, czyli osoba, której liczby pogorszą się, jeśli to nie zadziała. Trzecia to wpięcie w istniejący krok, a nie nowe miejsce w kalendarzu użytkownika. Czwarta to mierzalne przed i po, gdzie liczba istniała przed startem i ktoś ją zapisał wraz z definicją. Piąta to odwracalność: umiesz wyłączyć to w tydzień i wrócić do starego kroku, nie tłumacząc się nikomu z porażki.

Czwarta i piąta nie pochodzą z ankiety Gartnera. Dokładam je sam, bo bez nich trzy pierwsze nie dają się ani sprawdzić, ani cofnąć, a wtedy cała lista zostaje opowieścią o cudzym powodzeniu. Odwracalność ma przy tym jedną właściwość, której nie ma żadna z pozostałych czterech cech. Kontrolujesz ją w całości sam.

Za trzema pierwszymi stoi obserwacja z niezależnego badania. Raport MIT Project NANDA rozłożył wdrożenia na macierzy zakresu i złożoności egzekucji. Wąskie i proste dawało szybkie wygrane, takie jak kategoryzacja wydatków czy przegląd umów. Szerokie i złożone kończyło się porażką, a modelowym przykładem jest pełna orkiestracja procesu zakupowego. Wygrywała obsługa dokumentów i generowanie kodu do zadań powtarzalnych. Wygrywało też streszczanie i kierowanie rozmów głosowych. Padały wdrożenia wymagające złożonej logiki wewnętrznej albo optymalizacji na własnych heurystykach firmy.

Rygor przy tym źródle jest osobną sprawą. To raport wstępny, a jego część ankietowa to 153 odpowiedzi zebrane na czterech konferencjach branżowych, do tego 52 wywiady i przegląd ponad trzystu publicznie opisanych inicjatyw. Autorzy sami piszą, że liczby są kierunkowo trafne na podstawie pojedynczych wywiadów. Definicja sukcesu jest tam miękka: wdrożenie liczy się jako udane wtedy, gdy użytkownicy albo kadra zauważyli wyraźny i trwały wpływ na produktywność lub na wynik. Ten sam dokument podaje na sąsiednich stronach dwie różne wartości tej samej alokacji budżetu, raz około 70%, raz około 50%. Kierunek biorę stąd chętnie. Na liczbach z tego raportu niczego nie stawiam.

Samolot wraca z dziurami tam, gdzie trafienie nie zabija

Teraz muszę zrobić tej piątce to, co robię cudzym liczbom. W 1943 roku Statistical Research Group na Columbia University wydała osiem memorandów Abrahama Walda o szacowaniu podatności samolotu na podstawie uszkodzeń maszyn, które wróciły z lotu. Piąte z nich opisuje metodę wnioskowania o wrażliwości części z rozkładu trafień wśród ocalałych. Logika jest odwrotna do intuicji. Gęsto podziurawione obszary u powracających maszyn to obszary, w których trafienie nie było śmiertelne, a obszary czyste to te, po których trafieniu maszyna nie wracała. Pancerz idzie tam, gdzie na danych nie ma dziur.

Wokół tej historii narosło więcej ozdobników niż faktów, a esej o cudzych liczbach nie może nimi handlować. Wald nie narysował sylwetki bombowca w czerwone kropki; ta grafika jest współczesną ilustracją dorobioną do opowieści. W memorandum nie ma polecenia opancerzenia silników ani liczby uratowanych załóg. Jest za to rekurencyjna metoda estymacji prawdopodobieństwa zestrzelenia przy trafieniu w daną część, oparta na mocnych założeniach o rozkładzie trafień. Publikacja pierwotna była niejawna, przedruk wyszedł w 1980 roku jako CRC 432 w Center for Naval Analyses, a kanoniczne omówienie naukowe dali Marc Mangel i Francisco Samaniego w 1984 roku.

Przełóżmy to teraz na ankietę. Gartner przepytał zastosowania, które wróciły. Wpięcie w istniejący przepływ i poparcie zarządu to dziury w kadłubie ocalałych. Żeby uznać je za przyczynę powodzenia, musielibyśmy wiedzieć, ile zastosowań wpiętych w istniejący przepływ i obstawionych sponsorem mimo wszystko padło. Tej liczby w komunikacie nie ma. Nikt jej nie policzył.

Jan Denrell pokazał w 2003 roku, dlaczego to nie jest drobiazg metodologiczny, tylko usterka całego uczenia się przez obserwację. Organizacje, które widzimy w danym momencie, są ocalałymi z selekcji, która wycięła dużą część populacji wyjściowej, a prasa i książki biznesowe dokładają własny filtr, bo opisują sukcesy. W próbie dostępnej do naśladowania porażek jest systematycznie za mało. Jego wniosek formalny jest ostrzejszy niż samo ostrzeżenie. Praktyki ryzykowne, czyli takie o dużej wariancji wyników, potrafią wyglądać w próbie ocalałych na dodatnio skorelowane z wynikiem, choć w pełnej populacji nie mają z nim nic wspólnego.

Drugi zarzut trafia w przyczynowość z innej strony. Phil Rosenzweig opisał efekt aureoli: oceny cech organizacji są skażone znajomością jej wyników finansowych, więc to, co nazywamy przyczyną sukcesu, bywa jego konsekwencją. W wersji najostrzejszej dla tego eseju brzmi to tak: wpięcie w istniejący przepływ może być korelatem dojrzałości organizacyjnej. Firma, która ma opisany i zmierzony przepływ, w który da się cokolwiek wpiąć, już jest firmą, która umie wdrażać. Naśladowca bez takiego przepływu nie ma gdzie wpiąć i skopiuje formę bez warunku, który ją unosił. Przyznaję to wprost: nie umiem tego rozstrzygnąć danymi, którymi dysponuję, bo do oddzielenia dojrzałości organizacji od samego wpięcia potrzebowałbym próby wdrożeń z tej samej firmy, opisanych z obu stron wyniku. Takiej próby nikt nie opublikował.

Co z tego zostaje dla mojej piątki? Najmocniejsza uczciwa wersja tezy brzmi tak: wpięcie w istniejący krok jest najczęściej wskazywanym korelatem powodzenia w próbie zwycięzców i ma niezależne wsparcie w literaturze o adopcji, ale nie zostało pokazane jako przyczyna. Reszta eseju pracuje pod tym zastrzeżeniem. Nigdzie go nie zdejmuję.

Ile kosztuje nawyk, którego żądasz od użytkownika

Korelat bez wyprowadzenia jest przesądem, więc rozłóżmy ten jeden od podstaw. Dlaczego podmieniona linijka w istniejącej procedurze wygrywa z nowym, lepszym ekranem obok?

Najstarsza część odpowiedzi ma czterdzieści cztery lata. Louis Tornatzky i Katherine Klein zebrali w 1982 roku wyniki siedemdziesięciu pięciu badań nad adopcją innowacji i sprawdzili, które cechy wracają najkonsekwentniej. Na czele stanęła kompatybilność, rozumiana jako zgodność innowacji z dotychczasowymi wartościami, doświadczeniem i bieżącymi potrzebami odbiorcy. Obok niej utrzymały się względna przewaga i złożoność. Cała dyskusja o wdrożeniach AI jest od tego wyniku młodsza o cztery dekady.

Nawyk też nie jest w tej dyskusji metaforą, tylko konstruktem z modelu. Viswanath Venkatesh wraz z Jamesem Thongiem i Xin Xu dołożyli go do teorii akceptacji technologii w 2012 roku i zmierzyli, co się wtedy dzieje z mocą wyjaśniającą modelu. Wyjaśniona wariancja intencji behawioralnej rośnie z 56% do 74%, a faktycznego użycia z 40% do 52%. Badanie było dwuetapowe, objęło 1512 użytkowników mobilnego internetu, a dane o rzeczywistym użyciu zebrano cztery miesiące po pierwszej ankiecie. Jednego zastrzeżenia nie zdejmuję: model walidowano na konsumentach, więc przeniesienie go na pracownika wewnątrz procedury firmowej jest moją ekstrapolacją.

Wniosek dla wdrożenia jest przez to prosty. Skoro nawyk odpowiada za sporą część tego, czy ktoś naprawdę używa narzędzia, to wdrożenie żądające nowego nawyku startuje z ujemnym saldem i musi ten nawyk najpierw kupić.

Ile to kosztuje w czasie? Phillippa Lally z zespołem poprosiła dziewięćdziesięciu sześciu ochotników o powtarzanie wybranego zachowania codziennie w tym samym kontekście przez dwanaście tygodni, a potem dopasowała krzywą automatyzmu do wyników każdego z nich. Mediana wyniosła 66 dni, a rozrzut sięgnął od 18 do 254 dni. Popularna wersja „66 dni na nawyk” gubi i rozrzut, i to, że mediana pochodzi z podzbioru, któremu model się dopasował, czyli mniej więcej połowy uczestników. Biorę stąd rząd wielkości. Nie traktuję 66 dni jak stałej. Kwartał to realistyczny koszt jednego nowego odruchu u jednej osoby.

Po stronie uwagi koszt jest policzalny. Rohan Narayana Murty z dwoma współautorami obserwował dwadzieścia zespołów w trzech firmach z listy Fortune 500 przez maksymalnie pięć tygodni. Objęło to stu trzydziestu siedmiu użytkowników. Wyszło około 1200 przełączeń między aplikacjami dziennie i około czterech godzin tygodniowo na samą reorientację, czyli mniej więcej 9% czasu pracy. 65% przełączeń następowało w mniej niż jedenaście sekund od poprzedniego. Zastrzeżenie jest tu ważniejsze od liczby: to pomiar kosztu przełączania kontekstu, a nie kosztu nauczenia się nowego narzędzia. Most między jednym a drugim stawiam ja, nie autorzy badania.

Złóżmy to w jedno zdanie. Nowy ekran żąda nawyku, którego koszt liczy się w kwartałach, w budżecie uwagi, który jest już wydany, przy wartości odczuwanej jako ułamek deklarowanej. Ostatni człon jest ramą, a nie pomiarem: John Gourville złożył go w 2006 roku z dwóch przeciwnych przeszacowań, bo użytkownik przecenia to, co już ma, a twórca przecenia swoją nowość. Podmieniona linijka w istniejącej procedurze nie żąda niczego z tej listy. Krok już jest w kalendarzu, ktoś go już wykonuje, a zmienia się to, czym go wykonuje.

Niezależne potwierdzenie przyszło z próby NANDA. Sponsorzy i użytkownicy z pięćdziesięciu dwóch organizacji oceniali częstość barier w skalowaniu pilotaży, a na pierwszym miejscu wyszła niechęć do przyjęcia nowego narzędzia; autorzy zaznaczają, że oceny odzwierciedlają zgłaszaną częstość, a nie zmierzony wpływ bariery. Cytat z wywiadu jest prostszy: „Jeśli to się nie wpina w Salesforce albo w nasze systemy, nikt tego nie użyje”. W tych samych wywiadach wraca skarga, że większość dostawców nie rozumie, jak w danej firmie działają akceptacje i którędy wędrują dane. Wpięcie w istniejący krok jest w praktyce pytaniem o to, kto akceptuje i w jakiej kolejności, więc odpowiedź na nie zapada w dziale, który z modelem językowym nie ma nic wspólnego. Dlaczego wąskie gardło całego wdrożenia leży zwykle w integracji i w adopcji, rozpisałem w ROI nie mieszka w modelu; tu zostaję przy cenie jednego nawyku.

Sponsor pozorny i arytmetyka, która go demaskuje

Druga cecha z listy zwycięzców jest trudniejsza, bo słowo „sponsor” zdążyło się zużyć. W dokumentach projektowych oznacza osobę, która zatwierdziła budżet. Operacyjnie użyteczna jest inna definicja: sponsorem jest ten, czyj własny wynik zależy od tego, czy to zastosowanie zadziała. Bywa, że to dwie różne osoby. Wtedy projekt ma podpis i nie ma właściciela.

Rozróżnienie daje sama arytmetyka. Project Management Institute przepytał w lipcu 2014 roku 897 praktyków zarządzania projektami oraz 232 członków kadry kierowniczej, którzy sponsorowali projekty w ciągu poprzednich dwóch lat, w organizacjach o przychodach od stu milionów dolarów. Odsetek projektów z aktywnie zaangażowanym sponsorem wyniósł 63% w roku 2012 i nie drgnął ani w kolejnym, ani w następnym. Trzy pomiary dały tę samą wartość, a retoryka o roli sponsorowania w tym czasie rosła.

Ciekawsze są dwie liczby obok. Sponsorzy prowadzili średnio trzy projekty naraz i poświęcali średnio trzynaście godzin tygodniowo na każdy, ponad swoją normalną pracę. To trzydzieści dziewięć godzin tygodniowo doklejone do etatu. Nikt nie musi ci mówić, że sponsor jest pozorny: wystarczy zapytać, ile inicjatyw ma dziś na liście i kiedy ostatnio patrzył na ich liczby. Jeden na trzy nieudane projekty nie osiągał celów z powodu słabo zaangażowanego sponsora, a przeciążeni sponsorzy pojawiali się prawie dwukrotnie częściej w organizacjach o niskich wynikach.

Raport ma dwanaście lat i wyrasta z ankiety samoopisowej prowadzonej przez organizację, która sprzedaje certyfikaty w zarządzaniu projektami. Nie podaję go jako źródła neutralnego. Wartość ma tu sama arytmetyka przeciążenia; odsetka sukcesu z tego raportu nie używam.

Powiem też, gdzie ta teza nie ma poparcia. W próbie NANDA brak sponsora wykonawczego wyszedł dopiero jako czwarta z pięciu barier, za niechęcią do nowego narzędzia, obawami o jakość wyjścia modelu i słabym doświadczeniem użytkownika. Kto sprzedaje sponsorowanie jako pierwszą przyczynę powodzenia, robi to wbrew tej próbie. Moja teza stoi na definicji i tylko na niej. Pytam, kogo zaboli wynik, kiedy to zastosowanie stanie.

Jest tam jeszcze jedna obserwacja, która pasuje do definicji lepiej niż do rankingu. Najsilniejsze wdrożenia w tej próbie zgłaszali menedżerowie liniowi i dysponenci budżetu, a nie centralne laboratorium AI; ludzie, których proces boli, nazywali problem, sprawdzali narzędzia i prowadzili wdrożenie, a odpowiedzialność wykonawcza siedziała osobno i wyżej. To obserwacja jakościowa z pięćdziesięciu dwóch wywiadów. Nikt jej nie testował.

Piszę o tym z miejsca, w którym widać to szczególnie wyraźnie. W pracy na etacie zajmuję się ryzykiem i odpornością, więc częściej bronię cudzych wniosków budżetowych, niż je rozstrzygam. Z tej strony stołu sponsor pozorny ma jeden rozpoznawalny odruch. Pyta o ryzyko dopiero wtedy, gdy ktoś inny nazwał je w dokumencie. Perspektywa jest stronnicza w przewidywalny sposób i mówię to teraz, bo z niej wyrasta całe moje zalecenie.

Sponsora pozornego poznasz po trzech odpowiedziach. Na pytanie o własną liczbę odpowiada cudzą liczbą albo celem rocznym całego pionu. Na pytanie o termin pierwszego przeglądu odsyła do kalendarza programu, którego sam nie prowadzi. Na pytanie, co zrobi, jeśli po kwartale nie widać ruchu, mówi o komunikacji i o zmianie kulturowej.

Zadaj te pięć pytań, zanim wybierzesz pierwsze zastosowanie

Do tej pory szło o to, co twierdzę i z jaką pewnością. Teraz o tym, co zrobić w poniedziałek rano.

Pierwsze pytanie jest najtrudniejsze do oszukania, bo wymaga nazwiska. Krok, którego nikt dziś nie wykonuje, nie jest krokiem do podmiany; jest nowym miejscem w czyimś dniu i kosztuje tyle, ile kosztuje nawyk. Jeśli odpowiedź brzmi „usprawnimy cały proces”, policz sobie, ile nowych odruchów zamawiasz i u ilu osób.

Ostatnie pytanie wygląda na formalność i nią nie jest. Wdrożenie, którego nie da się cofnąć w tydzień, przestaje być testem w chwili uruchomienia i zamienia się w zobowiązanie, którego nikt nie chce publicznie odwołać. Odwracalność kupujesz przed startem albo wcale. Zapisz procedurę powrotu, zanim ktokolwiek dotknie konfiguracji, bo po starcie nikt jej nie napisze.

Przeliczmy to raz na moim podwórku, żeby nie zostać przy samej abstrakcji. Prowadzę studio jednoosobowe, więc kandydatów na pierwsze zastosowanie mam tylu, ile mam powtarzalnych kroków. Wziąłem jeden: przygotowanie opisów i metadanych dla każdego publikowanego tekstu. Krok istnieje od dawna, ma właściciela, zajmuje mniej więcej czterdzieści minut na tekst i wraca kilka razy w miesiącu.

Cztery pytania z tabeli ten kandydat przeszedł od razu. Nie zakładam nowej zakładki, bo podmieniam narzędzie wewnątrz kroku, który i tak wykonuję. Zakres mieści się w jednym zdaniu. Jeśli to nie zadziała, pogarszają się moje własne liczby i nie ma komu ich przepisać na kogoś innego. Powrót do starego sposobu zajmuje tyle, co otwarcie edytora. Poległo pytanie o linię bazową, i to w najgłupszy możliwy sposób: pierwszego pomiaru nie zapisałem, więc po miesiącu pamiętałem tylko tyle, że szło szybciej. Drugie podejście zacząłem od kartki.

Zanim uznasz tę listę za swoją, przeczytaj ją jeszcze raz pod kątem własnego interesu. 53% zgłoszonych sukcesów siedzi w ITSM, a zarządzanie usługami IT jest zrytualizowane do granic: zgłoszenie, kategoryzacja, przypisanie, eskalacja, zamknięcie. Jest tam gotowy krok do podmiany i gotowy licznik. Możliwe więc, że te 53% mówi o czymś innym niż wpięcie. ITSM ma po prostu najlepiej zdefiniowaną miarę przed i po w całym IT, więc tam najłatwiej cokolwiek udowodnić. To osłabia moje wyprowadzenie i zostawiam to zdanie w tekście.

Linia bazowa, której nikt nie ma

Czwartą cechę najłatwiej przegapić i najtaniej naprawić. Mierzalne przed i po znaczy, że liczba istniała przed startem, ktoś ją zapisał, a jej definicja leży na papierze. Brzmi banalnie. Skala braku nie jest banalna.

McKinsey przepytał między 25 czerwca a 29 lipca 2025 roku 1993 respondentów ze stu pięciu krajów, ważąc dane udziałem kraju w globalnym PKB; 38% pracowało w organizacjach o przychodach powyżej miliarda dolarów. Mniej niż jedna organizacja na pięć śledzi zdefiniowane wskaźniki dla rozwiązań generatywnej AI. 39% przypisuje AI jakikolwiek wpływ na wynik operacyjny, a większość z nich mówi o wpływie poniżej 5%. Ponad 80% nie widzi odczuwalnego wpływu na poziomie całego przedsiębiorstwa.

Przeczytaj pierwszą z tych liczb jeszcze raz, bo ona tłumaczy resztę. Cztery organizacje na pięć nie mają czego porównać po pół roku, więc pytanie, czy wdrożenie się opłaciło, nie ma tam odpowiedzi dobrej ani złej. Ma odpowiedź opowiedzianą.

Z tym źródłem trzeba uważać w obie strony. Zdanie, że śledzenie wskaźników ma największy wpływ na wynik finansowy spośród dwunastu badanych praktyk, jest korelacją z ankiety samoopisowej, a organizacja, która umie zmierzyć, prawdopodobnie umie też kilka innych rzeczy. Domena McKinseya oddaje automatycznemu pobraniu 403, więc liczby podaję w brzmieniu z omówień.

Sama procedura jest tania i zajmuje jedno popołudnie. Wybierasz krok, nie narzędzie, i zapisujesz o nim cztery rzeczy: ile trwa, ile razy w miesiącu się zdarza, jak często wymaga poprawki i kto płaci za tę poprawkę. Do tego data pomiaru oraz definicja każdej z tych liczb w jednym zdaniu, żeby za pół roku nikt nie przesunął granicy tego, co się liczy. Miara narzędzia, czyli liczba zapytań, wykupione stanowiska czy zużyte tokeny, opisuje użycie i nic poza nim. Definicja na papierze jest ważniejsza od samej wartości, bo po pół roku nikt nie pamięta, czy „czas obsługi zgłoszenia” liczył się od wpłynięcia, czy od przypisania do człowieka. Granica przesuwa się sama.

Bez tej kartki pilotaż nie ma jak się skończyć, a o pilotażach, które nie kończą się nigdy, pisałem osobno. Zastosowanie bez linii bazowej nie umiera. Ono trwa.

Wpięcie kupuje adopcję, przeprojektowanie kupuje wartość

Zostaje napięcie, którego nie da się przemilczeć bez oszustwa. W tej ankiecie McKinseya spośród dwudziestu pięciu testowanych atrybutów największy wpływ na zdolność organizacji do zobaczenia efektu w wyniku operacyjnym miało przeprojektowanie przepływów pracy. Chodzi o ich przebudowę. Tylko około 21% organizacji używających generatywnej AI przeprojektowało choćby część swoich przepływów, a wśród najwyżej wydajnych zrobiło to około 55% wobec około 20% reszty.

Pod tą liczbą siedzi ta sama słabość co pod poprzednimi. To korelacja z ankiety samoopisowej, którą przeliczyła i zważyła firma doradcza sprzedająca przeprojektowywanie procesów. Żadnego eksperymentu tu nie było.

Te dwa ustalenia stoją naprzeciw siebie tylko pozornie, bo mierzą się na różnych szczeblach. Gartner pyta, czy pojedyncze zastosowanie osiągnęło swój cel. McKinsey pyta, czy widać to w wyniku operacyjnym całej firmy. Wpięcie w istniejący krok kupuje adopcję, czyli sprawia, że ktoś tego w ogóle użyje. Przeprojektowanie kupuje wartość, czyli sprawia, że użycie da się policzyć wyżej niż na poziomie jednego działu. Da się to ustawić w kolejności: najpierw podmieniasz krok i kupujesz nawyk, a dopiero potem, mając już ten nawyk, przebudowujesz przepływ wokół niego. Ta sekwencja jest moją hipotezą. Żadne z tych badań jej nie sprawdzało. Gorzej: gdyby przeprojektowanie przepływu było warunkiem, a nie następstwem adopcji, kolejność byłaby odwrotna i cała rada z tego eseju odsyłałaby czytelnika w najdroższe możliwe miejsce.

Teza wychodzi z tego węższa. Dotyczy pierwszego zastosowania i tej jednej fazy, w której kupujesz prawo do drugiego. Piątka cech ocalałego nie mówi, które wdrożenie zarobi najwięcej; mówi, które ma szansę wejść w użycie, zanim ktokolwiek zdąży policzyć zarobek. Do tego dokłada się ograniczenie, o którym już wiesz. To lista sporządzona przez tych, którzy wrócili, więc jej uczciwa robota polega na odrzucaniu kandydatów. Zwycięzcy nie wskaże.

Weź kandydata, którego masz na następny kwartał, i przepuść go przez pięć pytań z tabeli. Jeśli wypada na dwóch, odłóż go i sięgnij po następnego; na tyle tę listę stać. Jeśli przechodzi wszystkie pięć, nadal nie wiesz niczego pewnego o jego szansach, bo poległych z tymi samymi cechami nikt nie policzył. Zostaje jedna rzecz, którą trzymasz w całości we własnych rękach, i jest nią pytanie ostatnie. Umiesz to wyłączyć w tydzień i wrócić do starego kroku? Resztę kupujesz na kredyt.

Bibliografia

1. primaryAbraham Wald, A Method of Estimating Plane Vulnerability Based on Damage of Survivors, Statistical Research Group, Columbia University, 1943 — osiem memorandów; publikacja pierwotna niejawna, przedruk CRC 432, Center for Naval Analyses, lipiec 1980, w DTIC jako ADA091073.
2. primaryMarc Mangel, Francisco J. Samaniego, Abraham Wald's Work on Aircraft Survivability, „Journal of the American Statistical Association” 79(386), 1984, s. 259–267 — kanoniczne omówienie metody i korekta popularnej wersji anegdoty.
3. primaryJan Denrell, Vicarious Learning, Undersampling of Failure, and the Myths of Management, „Organization Science” 14(3), 2003, s. 227–243 — model formalny i argument teoretyczny, nie badanie empiryczne konkretnych firm.
4. primaryLouis G. Tornatzky, Katherine J. Klein, Innovation Characteristics and Innovation Adoption-Implementation: A Meta-Analysis of Findings, „IEEE Transactions on Engineering Management” EM-29(1), 1982, s. 28–45 — meta-analiza 75 badań.
5. primaryViswanath Venkatesh, James Y. L. Thong, Xin Xu, Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology, „MIS Quarterly” 36(1), 2012, s. 157–178 — n=1512, kontekst konsumencki; przeniesienie konstruktu nawyku na kontekst organizacyjny jest ekstrapolacją tego eseju.
6. primaryPhillippa Lally, Cornelia H. M. van Jaarsveld, Henry W. W. Potts, Jane Wardle, How are habits formed: Modelling habit formation in the real world, „European Journal of Social Psychology” 40(6), 2010, s. 998–1009 — n=96; mediana 66 dni pochodzi z podzbioru, któremu dopasowano krzywą.
7. primaryGartner, komunikat prasowy Gartner Says AI Projects in I&O Stall Ahead of Meaningful ROI Returns, 7 kwietnia 2026 — ankieta wśród 782 liderów I&O, listopad–grudzień 2025; metodologia doboru próby w płatnym raporcie, domena oddaje kod 403 automatycznemu pobraniu, treść potwierdzona w dwóch niezależnych relacjach branżowych (CIO.com, National Technology), jeden z pośredników podaje 783 respondentów.
8. primaryAditya Challapally, Chris Pease, Ramesh Raskar, Pradyumna Chari, The GenAI Divide: State of AI in Business 2025, MIT NANDA, lipiec 2025 — raport wstępny; 52 wywiady, 153 odpowiedzi ankietowe zebrane na czterech konferencjach, przegląd ponad 300 publicznie opisanych inicjatyw; dokument podaje dwie różne wartości tej samej alokacji budżetu na sąsiednich stronach.
9. primaryProject Management Institute, Pulse of the Profession In-Depth Report: Executive Sponsor Engagement, październik 2014 — ankieta samoopisowa organizacji sprzedającej certyfikaty w zarządzaniu projektami; n=897 praktyków i 232 członków kadry kierowniczej.
10. primaryMcKinsey & Company / QuantumBlack, The State of AI: Global Survey, 2025 — n=1993 ze 105 krajów, badanie w polu 25 czerwca–29 lipca 2025, dane ważone udziałem kraju w globalnym PKB; domena oddaje kod 403, liczby podane za omówieniami wtórnymi.
11. secondaryRohan Narayana Murty, Sandeep Dadlani, Rajath B. Das, How Much Time and Energy Do We Waste Toggling Between Applications?, „Harvard Business Review”, sierpień 2022 — publikacja menedżerska, metodologia opisana skrótowo i za paywallem; badanie mierzy koszt przełączania kontekstu, nie koszt adopcji narzędzia.
12. secondaryPhil Rosenzweig, The Halo Effect… and the Eight Other Business Delusions That Deceive Managers, Free Press, 2007 — krytyka metodologiczna literatury o zwycięzcach; cytowany jako argument, nie jako dane.
13. secondaryJohn T. Gourville, Eager Sellers and Stony Buyers: Understanding the Psychology of New-Product Adoption, „Harvard Business Review”, czerwiec 2006 — artykuł menedżerski, nie badanie; rozjazd między wartością widzianą przez twórcę a wartością widzianą przez użytkownika jest wyprowadzeniem koncepcyjnym z dwóch mnożników około trzykrotnych, a nie zmierzonym współczynnikiem.