Najważniejsze wnioski w pigułce
Skala i kontekst
- Anthropic zorganizował trasę warsztatów w 10 miastach USA, w której wzięło udział ponad 1000 właścicieli i menedżerów małych firm.
- Małe firmy wytwarzają 44% PKB Stanów Zjednoczonych i zatrudniają blisko połowę pracowników sektora prywatnego, a mimo to narzędzia AI powstają głównie z myślą o korporacjach.
- 80% zarejestrowanych prowadzi firmy zatrudniające 5–50 osób, głównie w budownictwie, produkcji, logistyce i usługach profesjonalnych.
Jak małe firmy używają AI
- Około dwóch trzecich zgłaszanych potrzeb dotyczyło bieżącego prowadzenia firmy, a jedna trzecia jej rozwoju.
- Raportowanie to najczęstszy przypadek użycia poza marketingiem.
- Pięcioosobowa firma z Tennessee obniżyła odsetek błędów w rozliczeniach podatku paliwowego z 7% do zera.
Bariery i obawy
- W ankiecie wśród 503 decydentów bezpieczeństwo danych okazało się najczęściej wskazywaną barierą.
- 81% właścicieli jest otwartych na nowe narzędzia AI, ale największym problemem jest to, że pracownicy nie wiedzą, jak i kiedy ich używać.
- Właściciele boją się, że coś ważnego „prześlizgnie się” niezauważone, dlatego uczą się weryfikować wyniki AI.
Co działa najlepiej
- W 635 ankietach końcowych najwyżej oceniono praktyczną sesję budowania automatyzacji.
- Niemal dwie trzecie uczestników chce wsparcia we wdrożeniu AI po warsztatach.
- Najskuteczniejszym nauczycielem przedsiębiorcy okazuje się inny przedsiębiorca.
Dlaczego małe firmy zostały z AI same
Większość narzędzi i szkoleń z zakresu sztucznej inteligencji powstaje z myślą o dużych organizacjach i startupach finansowanych przez fundusze. Tymczasem małe przedsiębiorstwa odpowiadają w USA za 44% PKB i zatrudniają blisko połowę pracowników sektora prywatnego. Anthropic, jako spółka pożytku publicznego (public benefit corporation), postanowił zmniejszyć tę lukę. W maju firma uruchomiła Claude for Small Business - wtyczkę do Claude Cowork stworzoną we współpracy z QuickBooks, PayPal, HubSpot, Canva, DocuSign i innymi popularnymi narzędziami.
Równolegle powstał kurs AI Fluency for Small Businesses, przygotowany razem z PayPal. Przez sześć tygodni zespół Anthropic wraz z partnerem Tenex prowadził bezpłatne, półdniowe warsztaty w 10 miastach, m.in. w Chicago, Dallas, Baltimore i San Jose. Na każdym przystanku około 100 osób otwierało laptopy i automatyzowało konkretny proces we własnej firmie. Wnioski z tej trasy opisała Lina Ochman, szefowa działu małych i średnich firm w USA w Anthropic, i warto je przeanalizować z polskiej perspektywy.
AI wyrównuje szanse firmom bez zaplecza technicznego
Najciekawsze okazało się to, kto przyszedł na warsztaty. Dominowały firmy z tzw. gospodarki fizycznej, czyli wykonawcy, producenci, firmy logistyczne i obsługujące je biura usługowe. Wykonawca prac malarskich prowadzący firmę od 1984 roku używa dziś Claude do analizy rysunków technicznych w PDF piętro po piętrze, co przyspiesza przygotowanie wycen. Z kolei technicy w firmie integrującej systemy przemysłowe fotografują nieoznaczoną część, a AI identyfikuje ją w kilka sekund zamiast kilku godzin.
Jeszcze bardziej uderzające jest to, że osoby bez żadnego doświadczenia programistycznego budują własne narzędzia dopasowane do swoich problemów. Właściciel producenta przyczep z trzema zakładami w Indianie w około 15 minut stworzył narzędzie do uzgadniania danych w nowo przejętej fabryce. Jego dyrektor IT, który latami twierdził, że AI nie jest mu potrzebne, w ciągu kilku dni zastąpił papierowe harmonogramy produkcji dashboardami na żywo. Dla wielu przedsiębiorców AI daje dostęp do kompetencji, na które wcześniej nie mogliby sobie pozwolić - to temat, który rozwijamy też w tekście o marketingu dla małych firm .
Ważne zadania, ale z zasadą ograniczonego zaufania
Właściciele nie chcą od AI drobnych sztuczek, tylko wsparcia w kluczowych procesach operacyjnych. Typowe prośby brzmiały: „zbierz liczby z trzech systemów do poniedziałkowego raportu” albo „zamień dzisiejszą rozmowę z klientem w ofertę handlową”. Najbardziej wymowny przykład to pięcioosobowa firma z Tennessee zajmująca się zgodnością przepisów w transporcie. Po utracie 60% klientów i 30-dniowym wypowiedzeniu od kluczowego dostawcy oprogramowania zespół sam odbudował system z pomocą Claude, zredukował błędy w rozliczeniach podatku paliwowego z 7% do zera i jest gotów obsłużyć dwukrotność dawnego szczytowego wolumenu w tym samym składzie.
Pod tym entuzjazmem kryła się jednak wyraźna obawa o dokładność. Najlepiej sprawdziło się podejście, w którym AI traktuje się jak nowego pracownika - zaufanie buduje się stopniowo, a wyniki się weryfikuje. Jeden z właścicieli każe Claude zaznaczać, kiedy coś zakłada, a kiedy wie na pewno. Wspomniany wykonawca malarski wyłapał kiedyś, że model zastosował uproszczony mnożnik powierzchni zamiast realnych wymiarów ścian, i od tamtej pory prosi: „pokaż, jak to policzyłeś”. Z naszego doświadczenia to ta sama zasada, którą stosujemy przy pracy z modelami w SEO - opisaliśmy ją w tekście o tym, jak testowaliśmy agenty SEO w Claude .
Bezpieczeństwo danych i człowiek za sterami
W ankiecie przeprowadzonej przed startem programu wśród 503 decydentów bezpieczeństwo danych było najczęściej wskazywaną barierą wdrożenia AI. Na każdym warsztacie pierwsze pytania dotyczyły prywatności: czy moje dane trenują model, co dokładnie widzi Claude po podłączeniu QuickBooks i czy złośliwa strona może przejąć agenta przeglądającego internet. Przedsiębiorcy słyszą sprzeczne informacje od dostawców, konsultantów i mediów, a ta niepewność kosztuje. Dane produktowe Anthropic pokazują, że firmy, które czują się na tyle pewnie, by podłączyć swoje narzędzia, wyciągają z AI znacznie więcej korzyści.
Najbardziej zaawansowane firmy rozwiązały kwestię zaufania, świadomie zostawiając człowieka w procesie decyzyjnym. W 40-osobowej firmie inżynieryjnej nowi pracownicy przeglądają każde podsumowanie wygenerowane przez Claude, co służy jednocześnie jako szkolenie. Agencja brandingowa zautomatyzowała cały proces od oferty do umowy, ale każdy mail do potencjalnego klienta wysyła człowiek. Firma obsługująca dane płacowe klientów przed wdrożeniem wprowadziła anonimizację danych osobowych i rejestr wszystkich workflow. Anthropic podkreśla, że w planach Team i Enterprise rozmowy domyślnie nie służą do trenowania modeli, a uprawnienia z podłączonych systemów są zachowywane. Jeśli chcesz lepiej zrozumieć, jak model korzysta z danych z zewnętrznych narzędzi, zajrzyj do naszego tekstu o tym, skąd AI ma swoją wiedzę - training data, RAG i MCP .
Pierwszy workflow i siła społeczności
Drugą barierą okazały się kompetencje. Wielu uczestników korzystało codziennie z czatu Claude, ale nigdy nie próbowało Cowork, umiejętności (skills) ani konektorów. Jeden z nich przyznał, że używa modeli AI od lat, ale realne zastosowania w pracy znalazł dopiero dzięki skills i konektorom - więcej o tym, jak rozszerzają one możliwości modelu, piszemy w artykule o tym, jak Claude rozszerza konektory o kolejne aplikacje . Przełomem był czas spędzony przy klawiaturze z kimś, kto pomaga. Gdy przedsiębiorca zbudował pierwszy workflow, nabierał pewności, by tworzyć kolejne, a w 635 ankietach końcowych sesja praktyczna była najwyżej ocenianym elementem warsztatów.
Równie ważna okazała się społeczność. Po sesji budowania uczestnicy najbardziej cenili rozmowy o tym, jak inni rozwiązali podobne problemy, i częściej prosili o bazę przykładów od innych firm niż o nowe funkcje produktu. Mniej więcej co piąty uczestnik sam był konsultantem lub trenerem dla małych firm. Szefowa w 35-osobowej firmie webowej po warsztatach przygotowała dwugodzinne szkolenie wewnętrzne, które odbyło się już cztery razy i pozwoliło przenieść pracowników z zadań administracyjnych do kreatywnych bez redukcji zespołu. Wniosek dla polskich firm jest prosty: zamiast czekać na idealne szkolenie, warto zacząć od jednego konkretnego procesu, a następnie dzielić się doświadczeniem w zespole i branży.
Podsumowanie
Lekcje z trasy Claude SMB Tour pokazują, że małe firmy nie potrzebują przekonywania do AI, tylko praktycznego wsparcia, jasnych zasad bezpieczeństwa i kontaktu z innymi przedsiębiorcami. Największą barierą nie jest technologia, ale pierwszy krok i zaufanie do wyników. Firmy, które zaczną od jednego dobrze zweryfikowanego workflow, szybko przekonają się, że AI potrafi realnie odciążyć zespół.
Źródło: What 1,000 small business owners taught us about AI , Lina Ochman, Anthropic
