Do redakcji AIPORT.pl trafił egzemplarz recenzencki nowej książki Marcina Żmigrodzkiego „Zarządzanie projektami AI dla początkujących. Jak optymalizować procesy biznesowe za pomocą modeli językowych (LLM)”, która ukazuje się nakładem wydawnictwa Onepress. Premiera zaplanowana jest na 2 września 2026 roku, książka ma 248 stron, miękką oprawę i cenę katalogową 89 złotych.
Kluczowe fakty:
- Książka „Zarządzanie projektami AI dla początkujących" autorstwa Marcina Żmigrodzkiego ukaże się nakładem wydawnictwa Onepress 2 września 2026 roku i będzie liczyć 248 stron w cenie katalogowej 89 złotych.
- Autor jest doktorem nauk o zarządzaniu, założycielem firmy szkoleniowej Octigo oraz kierownikiem merytorycznym studiów podyplomowych z zarządzania projektami na Akademii Leona Koźmińskiego.
- Książka przywołuje megaprojekt CYC z 1984 roku, w którym przez dwie dekady stworzono ponad 20 milionów pojęć i 60 milionów relacji kosztem 60 milionów dolarów i 600 osobolat pracy, jednak nie stał się on zalążkiem ogólnej sztucznej inteligencji.
Autor jest doktorem nauk o zarządzaniu, założycielem firmy szkoleniowej Octigo i kierownikiem merytorycznym studiów podyplomowych z zarządzania projektami na Akademii Leona Koźmińskiego. Ma na koncie kilkanaście publikacji o prowadzeniu projektów, w tym „Bardziej niż Agile” oraz podręcznik dla administracji publicznej. To ważny kontekst, bo nowa książka nie jest kolejnym poradnikiem promptowania. To podręcznik zarządzania projektem, w którym technologią akurat są modele językowe. Adresatami są, zgodnie z zapowiedzią z tylnej okładki, kierownicy projektów, liderzy, analitycy procesów, analitycy biznesowi i właściciele procesów.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Od systemów ekspertowych do LLM
Wprowadzenie zaczyna się nietypowo jak na książkę o AI. Żmigrodzki opisuje własne studenckie fascynacje systemami ekspertowymi i nieudane próby znalezienia na nie klientów. Podsumowuje to jednym zdaniem: „To była moja pierwsza przegrana w starciu z AI”.
Z tego wątku wyrasta cała rama pojęciowa książki. Autor tłumaczy różnicę między podejściem symbolicznym a koneksjonistycznym na przykładzie niedojrzałego pomidora, którego da się opisać regułami, i od razu pokazuje, gdzie takie reguły się sypią. Wystarczy dorzucić do analizy ogórka albo awokado. Przywołuje też megaprojekt CYC, uruchomiony w 1984 roku i rozwijany przez dwie dekady, w którym ręcznie stworzono ponad 20 milionów pojęć i 60 milionów relacji między nimi, kosztem 60 milionów dolarów i 600 osobolat pracy. Zalążkiem ogólnej sztucznej inteligencji się nie stał. Wygrała skalowalność sieci neuronowych, razem z jej ceną w postaci czarnej skrzynki i probabilistycznego rozumowania.
Rozdział o wartości LLM w biznesie jest gęsty od liczb. Autor przytacza raport McKinseya z 2025 roku o wkładzie sztucznej inteligencji w światową gospodarkę i deklarację, że 92 procent firm planuje inwestycje w tę technologię w ciągu trzech lat. Dalej idą konkrety: JP Morgan i oszczędność 360 tysięcy roboczogodzin rocznie na analizie dokumentów finansowych, HSBC z 600 projektami opartymi na generatywnej AI i wzrostem efektywności programistów o 15 procent, Klarna z 2,3 miliona rozmów obsłużonych przez chatboty w 2024 roku, co firma przeliczyła na 700 etatów, Octopus Energy z pracą 250 konsultantów wykonywaną przez AI, Ikea z 47 procentami zgłoszeń zamykanych przez chatbota, Amazon i zwolnienie 14 tysięcy pracowników biurowych pod koniec 2025 roku. Jest też polski przykład, czyli system PZU oparty na LLM do analizy szkód, z założeniem 12 tysięcy spraw rocznie.
Osobny akapit dostaje vibecoding i start-up Lovable wyceniany na 6,6 miliarda dolarów. Autor od razu zaznacza, że jego książka nie jest o projektach programistycznych i nie opisuje pracy zespołu zwinnego wspartego generowaniem kodu.
Pięć etapów i siedem ról
Sercem książki jest metodyka nazwana DAPIS. Skrót rozwija się na pięć etapów cyklu życia projektu LLM: Define, Analyze, Plan, Implement, Scale. Każdy z nich dostaje ten sam szkielet opisu, czyli pytania kontrolne, wejścia, techniki, wyjścia i przykładowy projekt prowadzony przez całą książkę. Autor definiuje też siedem ról: sponsora, lidera innowacji, interesariuszy, zespół, użytkowników, product ownera i architekta IT. W etapie planowania osobne miejsce zajmują regulacje, obok zakresu, czasu i kosztu.
Sam autor pisze o swojej metodzie bez namaszczenia. Zapowiadając jej omówienie we wprowadzeniu, obiecuje wersję „telegraficzną albo SMS-ową, albo, żeby nie brzmieć jak dziaders socialowy, skrótową”. Ten ton trzyma się przez całą książkę i jest jej realną zaletą, bo materiał o etapach projektu i tabelkach priorytetyzacji potrafi być śmiertelnie nudny.
Podoba mi się, że ktoś wreszcie napisał o AI w firmie językiem kierownika projektu, a nie ewangelisty. Większość książek na tej półce sprzedaje wizję, ta sprzedaje procedurę, listę kontrolną i pytanie, czy wiemy, kto podpisze się pod decyzją modelu. To rzadkie i potrzebne.
Mam jednak dwie wątpliwości. Pierwsza dotyczy trwałości. Książka jest wypełniona liczbami z 2025 i 2026 roku, wycenami start-upów i poziomami dojrzałości opartymi na dzisiejszych narzędziach. Za osiemnaście miesięcy część z tego będzie brzmiała jak archiwum, a metodyka będzie musiała obronić się sama.
Druga dotyczy proporcji. Aspektom prawnym, czyli RODO i AI Act, poświęcono niecałe cztery strony na 248. Rozumiem, że to nie podręcznik prawa. Ale akurat u nas to właśnie ten fragment decyduje dziś o tym, czy pilotaż wejdzie na produkcję, czy utknie u prawników na pół roku. Czy autor nie oddał tu za dużo pola?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Techniki i lista rzeczy, które modele robią źle
Drugi rozdział to zestaw narzędzi, w którym klasyka zarządzania projektami miesza się z warsztatem AI. Obok product backlogu, WBS, PDCA, SIPOC, mapy procesu i dot chartu stoją embeddingi, Retrieval-Augmented Generation, agenty i Model Context Protocol. Autor dorzuca dwa pomysły, których w takich publikacjach zwykle brakuje: rejestr rozwiązań LLM w organizacji i bazę przypadków testowych.
Najbardziej użyteczny fragment znalazłem w rozdziale trzecim, w części o ograniczeniach modeli. Żmigrodzki wylicza tam po kolei ograniczone okienko kontekstowe, spadek jakości wnioskowania przy długim kontekście, brak determinizmu, halucynacje przy braku wiedzy, dryf modelu, brak poufności, problem wielu kontekstów rozmowy, kłopot z negacją i zapytaniem o lukę w danych oraz koszty korzystania z różnych modeli. To gotowa lista ryzyk do wklejenia w dokumentację projektu. Techniki promptowania obejmują między innymi łańcuch myśli, promptowanie negatywne, podważanie odpowiedzi, ponawianie promptu, promptowanie sokratejskie i search grounding, a całość domykają bariery ochronne.
Od autora, czyli komentarz Marcina Żmigrodzkiego
Dzięki za opinię na temat mojej książki Zarządzanie projektami AI dla początkujących. Faktycznie postęp jest dzisiaj tak gigantyczny, że rozwiązania, które fascynują nas dzisiaj, w przyszłym roku mogą być ocenione jako przestarzałe. Jednak całkiem sporo już wiemy o możliwościach i ograniczeniach LLM, ta technologia jest z nami już kilka lat i przykładowo samo promptowanie nie zmieniło się względem tego, jak to wyglądało w przypadku GPT 3.5. Zmieniła się przede wszystkim jakość odpowiedzi.
W książce skupiam się na aspekcie implementacji AI tak, aby wspierała biznes. Centralnym założeniem jest, że po pierwsze automatyzacje trzeba wdrażać w procesach biznesowych i to przede wszystkim tych, które realizowane są często. Bowiem nawet drobna optymalizacja w wysoko frekwencyjnym procesie może dać dużą wartość.
Po drugie warto wdrażać AI w sposób usystematyzowany skupiony w dużej mierze na problemie biznesowym, a nie wdrażaniu dla samego faktu użycia AI w firmie. Z tego powodu sugeruję stosowanie systematycznego podejścia inspirowanego DMAIC, które nazwałem DAPIS (Define – Analyze – Plan – Implement – Scale).
Po trzecie nie ma jednego poziomu jakości. Modele są niedeterministyczne, problemy biznesowe mają różny stopień trudności i konsekwencje popełnienia błędu są różne. To powoduje, że warto posługiwać się terminem „dostatecznie dobrej jakości”. Z jednej strony czasem może wystarczyć mały i tani model uruchamiany lokalnie, a czasem ryzyko jest za wielkie, aby w ogóle zastosować AI.
Mam nadzieję, że wszystkie te założenia oferują trwalszą wartość niż rok naprzód, że będą aktualne dłużej niezależnie od postępu technologii LLM. Szczególnie, że optymalizacja przez identyfikację krytycznych procesów sprawdziła się w przeszłości wielokrotnie, że systematyczne podejście do doskonalenia jakości od kilkudziesięciu lat wykazuje wartość i że brak determinizmu jest trwale wbudowany w fundament technologii modeli językowych.
Sześć poziomów dojrzałości
Czwarty rozdział, o programie automatyzacji opartej na LLM, opisuje skalę dojrzałości organizacji. To najbardziej praktyczna część książki, bo pozwala firmie ustalić, gdzie realnie jest:
- Poziom 1. Partyzanckie promptowanie — pracownicy używają modeli po cichu, bez zgody i bez polityki
- Poziom 2. Copilot na każdym biurku — narzędzie jest oficjalne, ale procesy się nie zmieniają
- Poziom 3. Pierwsze procesy ze zintegrowanym AI w wybranych krokach
- Poziom 4. AI jako frontend — model staje się interfejsem do systemów firmy
- Poziom 5. Nadzór SpecKit nad krokami w procesach
- Poziom 6. Korporacyjny „umysł” — organizacja działa na wspólnej warstwie modelu
Za skalą idzie inicjacja programu, dostarczanie falami oraz część o oporze ludzi wobec zmiany i o metodach ich angażowania: hackathony, identyfikacja agentów zmiany, sesje posterowe, wspólnoty praktyków, biuletyn, nagrody za wdrożenia. Książkę zamyka podsumowanie i rozdział „Wizja przyszłości”. We wprowadzeniu znalazł się też zrzut ekranu z komentarzami agentów AI w serwisie Moltbook, opisany jako rysunek W.3.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Dlaczego ta książka trafia na polski rynek w dobrym momencie
Polskie firmy dopiero wychodzą z pierwszego poziomu tej skali. Według badania NBP „Szybki Monitoring” odsetek przedsiębiorstw korzystających z narzędzi AI wzrósł do 42 procent w drugim kwartale 2026 roku z 14 procent pod koniec 2024 roku, a wpływ tych wdrożeń na zatrudnienie bank centralny określił jako marginalny. Dane GUS, mierzone inną metodologią, dają obraz surowszy: 8,7 procent firm w 2025 roku wobec 5,9 procent rok wcześniej, przy czym wśród dużych przedsiębiorstw było to 42 procent, a wśród małych 6,1 procent.
Rozjazd między tymi liczbami mówi więcej niż same liczby. Firmy używają modeli, ale niewiele z nich potrafi powiedzieć, w którym procesie i z jakim skutkiem. Nasz własny raport o polskich firmach w erze AI pokazał to samo zjawisko od środka: ludzie odczuwają wzrost produktywności, prawie nikt go nie mierzy, a co drugi pracownik działa poza oficjalnym obiegiem firmowym. Dokładnie tak wygląda partyzanckie promptowanie z poziomu pierwszego.
I tu jest właściwy adresat tej książki. Nie inżynier, tylko osoba, która ma w firmie przejść od „ludzie coś tam sobie klikają” do procesu z właścicielem, budżetem i miarą efektu. Takich osób w polskich organizacjach będzie w najbliższych kwartałach przybywać szybciej niż specjalistów od modeli.
Źródła i metodologia
Podstawą tekstu jest egzemplarz recenzencki książki „Zarządzanie projektami AI dla początkujących. Jak optymalizować procesy biznesowe za pomocą modeli językowych (LLM)” Marcina Żmigrodzkiego (Onepress, ISBN 978-83-289-3844-1, 248 stron), przesłany do redakcji AIPORT.pl przez autora. Opis oparto na lekturze wprowadzenia, spisu treści i tylnej okładki, a cytaty pochodzą bezpośrednio z tekstu książki. Dane wydawnicze i datę premiery zweryfikowano z kartą produktu w księgarni Helion. Dane rynkowe o wykorzystaniu AI w polskich przedsiębiorstwach pochodzą z badania NBP „Szybki Monitoring analiza sytuacji sektora przedsiębiorstw” oraz z opracowań GUS i Polskiego Instytutu Ekonomicznego. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o publikacji i jej odbiorze na rynku.
