• Główna
  • Blog
  • Lean, Agile i AI pod Wawelem: zajęcia dla studentów IT Business Management na AGH 

Lean, Agile i AI pod Wawelem: zajęcia dla studentów IT Business Management na AGH 

9 maja 2026r. wraz z Justyną Pawlak-Mihułką miałyśmy przyjemność poprowadzić intensywny warsztat „Budowanie kultury Lean i Agile w organizacji” dla studentów studiów podyplomowych IT Business Management

Ten dzień nie był tylko teorią – to była prawdziwa podróż przez procesy, emocje związane z nowymi technologiami oraz konkretne narzędzia, które zmieniają oblicze nowoczesnego biznesu IT. 

Solidne fundamenty: Agile & Lean pod jednym parasolem 

Zajęcia rozpoczęliśmy od uporządkowania pojęć. Agile i Lean często bywają traktowane jako odrębne światy, podczas gdy w rzeczywistości stanowią wspólny „parasol” ochronny przed wyzwaniami takimi jak presja konkurencji, zmiany rynkowe czy wewnętrzne trudności organizacji. Przypomnieliśmy sobie filary Lean Thinking – wartość, strumień wartości, przepływ, pull oraz dążenie do doskonałości. Nie zabrakło też powrotu do korzeni, czyli Manifestu Agile, który niezmiennie stawia ludzi i interakcje ponad procesy i narzędzia. 

Value Stream Mapping: nauka dostrzegania niewidocznego 

Głównym punktem programu była praca warsztatowa nad Mapowaniem Strumienia Wartości (VSM). To nie tylko technika wizualizacji, ale również zespołowa metodologia pozwalająca dostrzec luki i redundancje w sposobie wykonywania pracy. 

W ramach ćwiczeń skupiliśmy się na procesie End-to-End (E2E), który dla celów warsztatowych podzieliliśmy na trzy kluczowe części, odzwierciedlające pełny cykl życia rozwoju produktu: 

  • Upstream – obejmujący etapy od lejka pomysłów (Funnel) i Discovery, przez procesy Shaping i Validation, aż po projektowanie UX i status „Approved for Dev”.  
  • SDLC do momentu mergu do brancha – koncentrujący się na technicznej części wytwarzania, w tym analizie wymagań, projektowaniu, kodowaniu (Coding), Code Review, testowaniu oraz finalnym commicie.  
  • SDLC Commit to Deploy/Release – skupiający się na ostatniej prostej, czyli drodze kodu od momentu zatwierdzenia do faktycznego wdrożenia i wydania produktu.  

Studenci mieli możliwość wyboru jednego z tych procesów, aby na jego podstawie zdefiniować konkretne aktywności oraz funkcje poszczególnych aktorów biorących udział w strumieniu. 

Pracę podzieliliśmy na iteracje, ponieważ już każdy etap przynosił wartość. Trzy kluczowe etapy, przez które poprowadziłyśmy uczestników, to: 

1. Current State – opis procesu 

Wybierając rzeczywiste procesy (takie jak Upstream czy pełny cykl SDLC), grupy definiowały aktorów i aktywności, trzymając się zasady „uczenie się, nie osądzanie”. 

2. CSI Investigation – szukanie marnotrawstwa 

Tu zaczęła się prawdziwa praca detektywistyczna. Mierzyliśmy Touch Time (czas faktycznego przetwarzania) oraz Wait Time (czas przestoju). Studenci identyfikowali osiem rodzajów marnotrawstwa (Muda), ukrytych pod akronimem TIMWOODS – od zbędnego transportu po niewykorzystany potencjał pracowników. 

3. Future State – projektowanie zmiany 

Zastanawialiśmy się, jak AI może wesprzeć usprawnienie procesów oraz jak zmniejszyć opóźnienia, by stworzyć bardziej efektywny strumień wartości. 

Wnioski 

  • Już sama identyfikacja kroków i rozmowa na temat przebiegu procesu (czyli etap 1) wnosi bardzo wiele – budujemy wspólne zrozumienie oraz definiujemy pojęcia. W naszym przypadku były to m.in. PoC, MVP, rola Product Ownera, Product Managera czy definicja releasu. 
  • Bardzo wartościowe jest również mapowanie toolchainu towarzyszącego procesowi. To właśnie tutaj zazwyczaj od razu widać wiele miejsc do usprawnień. Choć zmiany bywają kosztowne, warto rozważyć korzystanie z jednego zestawu narzędzi do utrzymywania dokumentacji i komunikacji projektowej. Dzięki temu dokumenty nie są przechowywane w różnych formatach, miejscach czy lokalnie na komputerach poszczególnych osób. 
  • Do pracy nad procesem należy zaprosić osoby, które rzeczywiście biorą w nim udział. Już w Toyocie w latach 50. menedżerowie odkryli, że najwięcej o problemach i nieefektywnościach wiedzą pracownicy operacyjni (patrz: gemba walk). 
  • Niestety organizacje nadal często działają w silosach i optymalizują jedynie wybrane fragmenty procesu. Tymczasem warto patrzeć na proces holistycznie i angażować osoby pracujące na styku procesów, ponieważ to właśnie tam często pojawia się największy przestój j (wait time) związany z przekazywaniem obowiązków (handoff). 

AI a Change Management: nowy gracz na krzywej zmiany 

Współczesne budowanie kultury organizacyjnej nie może pomijać tematu sztucznej inteligencji. Podczas bloku poświęconego AI przyjrzeliśmy się emocjom towarzyszącym tej zmianie, analizując je przez pryzmat krzywej zmiany Kübler-Ross

Prezentowana przez Justynę synteza dwunastu głównych raportów dotyczących adopcji i transformacji AI (m.in. Stanford HAI, Microsoft, McKinsey, Gartner) z lat 2024–2026 pokazuje pięć kluczowych megatrendów kształtujących obecny rynek: 

  • Adopcja AI jest niemal powszechna, ale płytka – chociaż 88–90% organizacji deklaruje korzystanie z AI, tylko 15% z nich faktycznie przeprojektowuje swoją pracę, a 56% nie odnotowało jeszcze zwrotów finansowych.  
  • Agentowa AI (Agentic AI) to kolejne pole bitwy – rozwiązania oparte na autonomicznych agentach są wdrożone w 11–52% firm, przy czym liderami są najbogatsze przedsiębiorstwa (kapitał 500 mln USD+). Jednocześnie ostrzega się, że 40% takich projektów może zakończyć się porażką.  
  • Przepaść w zwrocie z inwestycji (ROI) jest realna i pogłębia się – tylko 6% firm to tzw. „high performers”, którzy osiągają 3,7-krotnie wyższy zwrot z inwestycji. Większość organizacji nie widzi jeszcze żadnych zysków.  
  • Zaufanie i bezpieczeństwo są decydujące – 77% badanych uważa zaufanie za fundament wdrożeń, ale jednocześnie odnotowano 44-procentowy wzrost liczby exploitów (nadużyć) oraz powszechne obawy dotyczące bezpieczeństwa danych.  
  • Przyspieszenie transformacji talentów i kadr – 90% pracowników używa AI w pracy, a 82% liderów uważa, że musi to prowadzić do wzrostu produktywności. Widoczna jest jednak pogłębiająca się luka kompetencyjna (skills gap).  

Kluczowy wniosek? Technologia nie jest największą barierą – jest nią organizacja. Skuteczne wdrożenie AI wymaga nie tylko odpowiednich narzędzi, ale przede wszystkim transformacji kultury organizacyjnej i przeprojektowania procesów. A narzędziem idealnym do przeprojektowania procesów jest właśnie Value Stream Mapping. 

Samo wdrożenie technologii nie wystarczy – kluczem do sukcesu jest głęboka transformacja organizacyjna, przeprojektowanie procesów i budowanie kultury zaufania. 

Podsumowanie: to ludzie tworzą kulturę 

Warsztaty zakończyliśmy budowaniem planów wdrożenia dla najważniejszych usprawnień. Przykłady z realnych zespołów, które dzięki VSM skróciły czas dostarczania (Cycle Time) z 22 do 12 dni, pokazały studentom, że zwinność to mierzalne korzyści, a nie tylko modne hasła. 

Sami zidentyfikowali również własne pomysły na usprawnienia – często była to automatyzacja z wykorzystaniem AI, ale także zmiany na poziomie liczby osób zaangażowanych w spotkania czy włączanie przedstawicieli innych działów już na wczesnym etapie projektowania. Dzięki temu można uniknąć kosztów ponownej pracy (rework) wynikającego z braku wcześniejszej informacji lub odmiennej perspektywy, przez co realizacja danego pomysłu okazuje się później niemożliwa. 

Dziękujemy studentom AGH za otwartość, merytoryczne dyskusje i gotowość do kwestionowania status quo. Budowanie kultury Lean i Agile to proces ciągły (kaizen), a sztuczna inteligencja może nam w tym realnie pomóc. Kluczem pozostają jednak uporządkowane procesy oraz ludzie, bez których tych procesów po prostu nie ma – i którzy nadal są motorem działania, porządkowania oraz świadomego wykorzystywania AI do usprawniania organizacji.