Jak sztuczna inteligencja zmienia pracę analityka biznesowego – spojrzenie praktyka

Zanim przejdziemy dalej, warto ustalić jedno: korzystanie z AI w pracy jest możliwe, ale tylko wtedy, gdy klient dysponuje takim narzędziem wewnętrznie. Poza pracą – pełna dowolność.

Nie każdy klient ma już wdrożone rozwiązania oparte na sztucznej inteligencji, a kluczową kwestią są tu dane – to od nich wszystko się zaczyna.

Jeszcze kilka lat temu powiedziałbym, że analityk biznesowy to taka osoba od „sklejania” świata IT i świata biznesu. Siedzi na spotkaniach, zapisuje każde słowo, robi tabelki, żeby wszyscy wiedzieli, o co chodzi, i czuwa, żeby żaden szczegół się nie zgubił. Trochę jak tłumacz, trochę jak dyplomata. Brzmi spokojnie? No właśnie – to były czasy, kiedy tempo projektów było inne, a zakresy zadań przewidywalne.

Dziś jest jednak inaczej. Projekty przypominają czasem jazdę kolejką górską bez zapiętych pasów: sprinty, zmieniające się priorytety, kilka wątków jednocześnie, do tego klient, który czasem sam nie wie, czego chce. Od analityka oczekuje się, że nie tylko spisze wymagania, ale też zrozumie kontekst, wyłapie ryzyka, zasugeruje rozwiązania, a czasem wręcz powie: „Słuchajcie, to się nie uda, bo brakuje wam X i Y”.

I w tym całym zamieszaniu coraz częściej pojawia się sztuczna inteligencja. Nie jako wróg czy zagrożenie, ale jako dodatkowa para rąk (albo raczej dodatkowy mózg) do tych mniej lub nawet bardziej porywających zadań.

Jak wygląda codzienność analityka biznesowego?

Oczywiście – każdy projekt jest inny, ale jeśli zebrałbym w kilka punktów, jak wygląda codzienność BA, to mogłaby wyglądać tak:

• Zbieranie potrzeb – spotkania, warsztaty, ankiety, czasem żmudne grzebanie w regulacjach albo starych procedurach.
• Modelowanie procesów – rysunki, schematy, BPMN, UML, czasem improwizacja na tablicy podczas burzy mózgów.
• Tworzenie wymagań – user stories, backlog, akceptacje, a czasem szybkie notatki spisane niezbyt starannie z powodu braku czasu i dużej ilości wątków, które później i tak trzeba poskładać i napisać tak, jak przystało na dobrego analityka.
• Kontakt z ludźmi – i to naprawdę z bardzo różnymi ludźmi: developerami, klientami, zespołami typu DevOps czy UX/UI designerami, architektami i wieloma innymi. Każdy ma swój język, a analityk musi się płynnie przełączać między nimi.
• Wsparcie testów – upewnienie się, że to, co powstało, faktycznie odpowiada ustaleniom.
• Dokumentacja – czyli podstawowe BRD, FRD. Czasem klient ma już gotowe szablony dla tych najważniejszych dokumentów, ale może być też odwrotnie.

I w każdej z tych dziedzin AI potrafi już dziś pomóc.

Gdzie w pracy analityka AI faktycznie się sprawdza?

W teorii można powiedzieć, że AI sprawdza się „wszędzie”, ale wolę mówić o konkretnych przykładach. I to takich, które faktycznie można wykorzystać.

1. Notatki ze spotkań – kiedyś analityk musiał słuchać rozmów i zapisywać je, niekoniecznie pamiętając o każdym szczególe. Natomiast dziś, jeśli ma zgodę klienta na nagrywanie rozmów i możliwość wykorzystania narzędzi tego typu, to może użyć np.: „Otter.ai”, „Fireflies” albo „Zoom AI Companion”. Spotkanie się kończy, a analityk ma pełną transkrypcję z wyróżnionymi decyzjami i pytaniami. Inne bardzo dobre i pomocne narzędzia to „Transcriptor” oraz „Sound type AI”. Dlaczego? W trakcie spotkania możesz skupić się na dobrym poprowadzeniu spotkania (czego AI nie zrobi), a nie na samym notowaniu.
2. Pierwsze szkice user stories – wracając z warsztatów, masz kartkę zapisaną odręcznymi notatkami i – jeśli masz zgodę na wykorzystanie narzędzia AI – możesz ją skopiować do „ChatGPT”, „Claude.ai” lub ostatnio bardzo popularnego „Gemini”. W kilka sekund otrzymasz wstępną strukturę. Później można skupić się na poprawkach i dostosowaniu ich do standardów w projekcie. Oczywiście – nie możesz ufać AI, musisz sprawdzić, czy tekst zawiera faktycznie to, czego oczekiwałeś.
3. Diagramy procesów bez rysowania – zamiast od razu klikać w Visio czy Draw.io, można opisać proces w prostych zdaniach, a narzędzie (np. Lucidchart z AI) narysuje diagram za Ciebie. Często zdarza się, że mamy jedynie fragmentaryczne informacje o procesie, które nie dają analitykowi pełnego obrazu i kontekstu potrzebnego do jego odwzorowania w BPMN. Mimo braków danych, musimy i tak przedstawić propozycję, opierając się na tym, co już wiemy.
   W projektach często oczekuje się od analityka narysowania procesu, nawet jeśli biznes nie udostępnia wszystkich wymagań. W takich sytuacjach też można wesprzeć się AI, aby zweryfikować, jak może wyglądać proces na podstawie przypuszczeń i dostępnych informacji. Otrzymany opis traktujemy jedynie jako szkic, który może pomóc w stworzeniu wstępnego procesu.
4. Analiza danych w locie – najczęściej nie możesz analizować danych w locie, jeśli nie jesteś w środowisku klienta. Tylko wtedy – pod warunkiem, że masz narzędzia – możesz wykorzystać AI lub Power BI do wstępnej analizy danych.
5. Tworzenie prezentacji i podsumowań – AI przygotowuje mi pierwszy „szkielet” prezentacji – układ slajdów, główne punkty. Potem dodaję szczegóły, poprawiam język, zmieniam grafiki. Choć nie jest to wiedza tajemna, warto wspomnieć również o tym udogodnieniu.
6. Analiza dokumentów prawnych lub technicznych – czasem trzeba przeczytać 100 stron umowy lub specyfikacji w bardzo krótkim czasie i opanować wszelkie detale. Jeśli masz AI w środowisku klienta, to sztuczna inteligencja streści dokument w 2 minuty, wskaże też np.: punkty sporne i niejasności oraz przygotuje podsumowanie.
7. Generowanie przypadków testowych – na bazie wymagań można też poprosić AI o propozycję przypadków testowych, które później należy zweryfikować z testerami.

AI pomoże Ci w zasadzie w każdym problemie, o ile oczywiście jest wytrenowana w danym temacie. Ważne jest też narzędzie, jakiego się używa. Można bowiem korzystać tylko z takiego, jakim dysponuj klient.

Czego AI nie zrobi za analityka?

Mimo całej pomocy, wciąż są rzeczy, których AI nie potrafi. Nie wyczuje, że klient coś przemilczał albo nie ma wiedzy w jakimś biznesowym obszarze. Nie zauważy, że w zespole programistów atmosfera się psuje, a to grozi opóźnieniami. Nie zrozumie niuansów polityki wewnętrznej w korporacji.

Analityk biznesowy to trochę psycholog, trochę strateg, trochę moderator dyskusji. AI może być narzędziem, ale nie partnerem przy podejmowaniu trudnych decyzji. Jednym słowem – analityk jest nie do zastąpienia. To on prowadzi rozmowy z różnymi interesariuszami i to on często jako ten pierwszy prototypuje rozwiązanie.

Podsumowanie

Gdyby ktoś mnie dziś zapytał: „Czy AI zabierze Ci pracę?”, odpowiedziałbym: „Nie, ale pewnie odciąży mnie od papierologii i żmudnych klików”. Dla mnie sztuczna inteligencja to jak dodatkowy asystent, który nie widzi problemu w dokończeniu diagramu o 23:00.

Najlepsze jest to, że im szybciej nauczymy się korzystać z AI, tym więcej czasu zostanie nam na tę część pracy, dla której w ogóle zostaliśmy analitykami: rozmowy z ludźmi, szukanie rozwiązań, łączenie kropek. A cała resztę… niech robią roboty, boty itp.

My zaś skupmy się nad tym, co potrafi robić człowiek: design, komunikacja, „problem solving”, wdrażanie i „socjalizowanie idei” na podstawie potrzeb klienta.