Blog

AI w projektowaniu wydarzeń: gdzie kończy się podpowiedź, a zaczyna decyzja

Najważniejsze tezy: sztuczna inteligencja rozszerza przestrzeń możliwych rozwiązań, ale nie przejmuje odpowiedzialności za wybór jednego z nich, a projektowanie wydarzeń polega głównie na wyborze i jego konsekwencjach. Granica kompetencji modelu jest ruchoma i niewidoczna z wnętrza rozmowy z nim, więc odpowiedzialność za jej przekroczenie zostaje po stronie człowieka.

  • Dell'Acqua i współautorzy, badanie na 758 konsultantach: przy zadaniach w zasięgu modelu jakość pracy rosła o ponad 40 procent, przy zadaniu poza jego zasięgiem korzystający z narzędzia o 19 punktów procentowych rzadziej dochodzili do poprawnego rozwiązania.
  • METR: doświadczeni programiści pracowali z narzędziami o mniej więcej jedną piątą wolniej, choć byli przekonani, że pracują o tyle samo szybciej.
  • Doshi i Hauser w Science Advances: z podpowiedziami modelu pojedynczy tekst wypadał nieco świeżej, ale teksty różnych osób stawały się do siebie bardziej podobne.
  • Amex GBT: połowa planerów zapowiada użycie modeli generatywnych w 2026 roku, a zasady korzystania z nich wpisało do polityki spotkań 28 procent firm.

Narzędzie generuje mi trzydzieści wariantów formatu w dwie minuty. Nazwy, strukturę dnia, pomysły na aktywację, listę ryzyk, scenariusz kryzysowy. Dwa lata temu zajęłoby mi to trzy dni. I w tym samym narzędziu nie ma niczego, co powie mi, czy wariant numer siedemnaście wytrzyma obecność zarządu i przedstawicieli związków zawodowych w jednej sali przez cztery godziny. To jest dokładnie ta granica, o której chcę napisać, bo przebiega w miejscu, w którym nikt jej nie oznaczył.

Granica kompetencji modelu jest poszarpana i niewidoczna

Najmocniejszy materiał w tej sprawie pochodzi z eksperymentu terenowego Harvard Business School, Boston Consulting Group, MIT, Wharton i Warwick. Fabrizio Dell'Acqua z zespołem przebadał 758 konsultantów BCG, czyli około siedmiu procent wszystkich indywidualnych konsultantów firmy.

Przy osiemnastu realistycznych zadaniach doradczych mieszczących się w zasięgu modelu grupa z dostępem do narzędzia zrobiła mniej więcej o jedną ósmą więcej zadań, pracowała o jedną czwartą szybciej i dostała oceny jakości wyższe o ponad 40 procent. Najwięcej zyskali słabsi: konsultanci poniżej średniej poprawili się prawie o połowę, ci powyżej średniej o mniej więcej jedną szóstą. Brzmi jak koniec dyskusji.

Tylko że w tym samym badaniu było jedno zadanie zaprojektowane celowo poza zasięgiem modelu, wymagające pogodzenia danych liczbowych z wywiadami jakościowymi. Przy nim konsultanci korzystający z narzędzia byli o 19 punktów procentowych mniej skłonni dostarczyć poprawne rozwiązanie niż ci bez niego. Ci sami ludzie z tym samym narzędziem, a zadanie leży kilkanaście centymetrów dalej.

Rozdzielanie tych dwóch liczb jest nieuczciwe. W materiałach sprzedażowych narzędzi spotykam zwykle tylko pierwszą. Dla projektanta doświadczeń istotniejsza jest druga, bo opisuje sytuację, w której pracuje się najczęściej: dane ilościowe z rejestracji, wypowiedzi uczestników, polityka wewnętrzna klienta i trzy sprzeczne oczekiwania interesariuszy.

Nic w interfejsie nie sygnalizuje przejścia granicy

Model odpowie tak samo pewnie na pytanie o typowy układ sali i na pytanie, czy wywołanie dyrektora finansowego na scenę po ogłoszeniu restrukturyzacji jest dobrym pomysłem. Odpowiedź przyjdzie w tym samym tonie, z tą samą płynnością, w tym samym czasie. Projektant ma sygnał z doświadczenia, że właśnie wszedł na cienki lód. Gdy go nie ma, zwykle dlatego, że przestał sprawdzać.

Odczucie przyspieszenia i realny wynik to dwie różne rzeczy

METR przeprowadził w 2025 roku badanie z losowym przydziałem na szesnastu doświadczonych programistach open source, 246 zadaniach w dojrzałych repozytoriach. Uczestnicy przed badaniem prognozowali, że narzędzia skrócą im czas o 24 procent. Po badaniu szacowali, że skróciły o 20 procent. Faktycznie czas wydłużył się o 19 procent. Eksperci ekonomii prognozowali skrócenie o 39 procent, eksperci uczenia maszynowego o 38.

Ten wynik obrósł w internecie legendą i wymaga uczciwego zastrzeżenia, bo sam METR je sformułował. W lutym 2026 roku zespół opublikował aktualizację: przeprojektowuje eksperyment z powodu silnych efektów selekcji. Od 30 do 50 procent badanych programistów deklarowało, że części zadań nie zgłasza, bo nie chce ich robić bez narzędzia. Rośnie też liczba deweloperów, którzy z tego samego powodu odmawiają udziału w badaniu. METR pisze, że jego pomiar jest słabym przybliżeniem realnego wpływu, a obecne szacunki to raczej dolna granica efektu.

I właśnie to zastrzeżenie jest dla mnie najciekawszą częścią całej historii. Rozjazd między odczuciem a wynikiem został zmierzony. Pojedyncze badanie nie przejmuje jednak odpowiedzialności za wniosek. Zespół badawczy musiał sam wyjść i powiedzieć, gdzie jego narzędzie pomiarowe zawodzi. Dokładnie tego nie zrobi za nikogo żaden model.

Microsoft Research z Carnegie Mellon przebadali 319 pracowników wiedzy i 936 realnych przykładów użycia narzędzi generatywnych w pracy. Wynik: wyższa pewność co do modelu wiąże się z mniejszą ilością myślenia krytycznego, a wyższa pewność siebie użytkownika z większą. Charakter pracy umysłowej przesuwa się w stronę weryfikacji, scalania odpowiedzi i nadzoru nad zadaniem.

Zysk pojedynczego projektu, koszt całego rynku

Anil Doshi i Oliver Hauser opublikowali w Science Advances w lipcu 2024 roku eksperyment na 300 osobach piszących krótkie opowiadania i 600 oceniających. Z podpowiedziami modelu pojedyncze teksty wypadały w ocenach trochę świeżej i trochę lepiej, a najwięcej zyskiwały osoby, które same oceniały swoją kreatywność nisko. Jest jednak druga strona: teksty pisane z modelem były do siebie wyraźnie bardziej podobne niż te pisane bez niego. Każdy z osobna trochę lepszy, wszystkie razem bardziej jednakowe.

Autorzy nazywają to dylematem społecznym: zysk indywidualny, strata zbiorowa. Anil Doshi komentuje, że przy wzroście kreatywności jednostki istnieje ryzyko utraty zbiorowej nowości.

Przełóż to na rynek wydarzeń. Każdy event manager sięgający po narzędzie działa racjonalnie, bo dostaje lepsze warianty szybciej. Suma tych racjonalnych decyzji to rynek wydarzeń, które wyglądają jak swoje wzajemne kopie. Nikt za to nie odpowiada, bo nikt tego nie wybrał. Pytanie brzmi więc, kto bierze na siebie decyzję „nie, tego wariantu nie robimy, mimo że jest poprawny”.

Gdzie branża faktycznie używa tych narzędzi

Dane pokazują coś przewidywalnego: narzędzia wchodzą tam, gdzie zadanie jest powtarzalne. Tam, gdzie trzeba rozstrzygać, prawie ich nie ma. Rozkład zastosowań mówi o branży sporo, a sam wskaźnik adopcji niewiele. Które zastosowania w produkcji wydarzeń oddają czas, a które go zjadają, rozpisałem w tekście o sztucznej inteligencji w organizacji wydarzeń.

UFI w trzydziestej szóstej edycji Global Exhibition Barometer, na próbie 378 firm z 57 krajów, badanie zakończone w grudniu 2025, podaje, że 87 procent firm wystawienniczych używa dziś tych narzędzi, przy czym 68 procent korzysta ze standardowych rozwiązań w części funkcji, 15 procent ma je zintegrowane z systemami, a 4 procent trenuje własne algorytmy. 79 procent bada albo testuje je w obszarze usprawniania procesów, 70 procent w doświadczeniu klienta, 57 procent w generowaniu przychodów.

American Express Global Business Travel w prognozie na 2026 rok, badanie YouGov z lipca 2025 na 601 profesjonalistach z ośmiu krajów, podaje, że 50 procent planuje użyć modeli generatywnych do zadań takich jak budowa agendy, komunikacja czy chatboty. W pytaniu o konkretne zastosowania odsetki są niższe: 35 procent wskazuje kojarzenie uczestników i sponsorów, tyle samo komunikację wydarzenia, 34 procent generowanie koncepcji kreatywnych, 29 procent optymalizację logistyki.

PCMA z Gevme przebadało 92 osoby z branży. Próba jest mała i samoselekcyjna, więc czytam ją jako wskazówkę, nie wskaźnik. Rozkład zastosowań: tworzenie i streszczanie treści 46 procent, analiza danych i raportowanie 35 procent, marketing i sprzedaż 25 procent, planowanie i logistyka 18 procent, obsługa klienta 11 procent. Najczęstsze obawy: bezpieczeństwo danych 59 procent, brak kompetencji technicznych 48 procent, utrata ludzkiego pierwiastka 30 procent.

Najważniejsza luka w tych danych

Amex GBT podaje jeszcze jedną liczbę i to ona powinna budzić niepokój. 50 procent planerów zamierza w 2026 roku korzystać z modeli generatywnych, a zasady korzystania z nich wpisało do polityki spotkań 28 procent firm. Różnica 22 punktów procentowych to przestrzeń, w której odpowiedzialność jest niczyja aż do pierwszej wpadki.

Prawo rozstrzygnęło, kto odpowiada, i nie jest to model

Rozporządzenie Parlamentu Europejskiego i Rady o sztucznej inteligencji nakłada w artykule czwartym obowiązek wspierania kompetencji w zakresie tych narzędzi u personelu i innych osób obsługujących je w imieniu organizacji. Przepis stosuje się od 2 lutego 2025 roku, a jego adresatem jest obok dostawcy również podmiot stosujący, czyli firma, która narzędzia używa: twoja agencja albo twój dział marketingu.

Harmonogram pozostałych obowiązków był w 2026 roku zmieniany, a źródła prawne rozchodzą się co do niektórych dat, więc konkretnych terminów dla systemów wysokiego ryzyka nie podaję i odsyłam do aktualnego tekstu rozporządzenia w bazie EUR-Lex. Dla tego tekstu istotne jest co innego i to się nie zmieniło: przy reklamacji klienta nikt nie zapyta modelu, dlaczego zaproponował ten format.

Justin Hamilton, założyciel firmy produkcyjnej Pro Connect Group, napisał to w felietonie dla Newsweeka najzwięźlej, jak się da: technologia potrafi zautomatyzować procesy, ale nie zastąpi odpowiedzialności. I dodał zdanie, które zapisałem sobie na później: realne niebezpieczeństwo nie polega na tym, że maszyny usuną ludzkie role, tylko na tym, że ludzie oddadzą swój osąd tak stopniowo, że przestaną zauważać, co oddali.

Jak poukładać to w codziennej pracy nad projektowaniem wydarzeń

Pierwsza zasada, którą stosuję i polecam zespołom: pytaj o warianty, nie o wybór. Kate Goddard z zespołem w przeglądzie systematycznym opublikowanym w JAMIA w 2012 roku, opartym na 74 pracach wyłonionych z blisko czternastu tysięcy, wykazała, że sposób projektowania systemu zmienia zachowanie człowieka. System podający informację wywołuje inne decyzje niż system podający rekomendację. Pytanie „który wariant mam wybrać” to oddanie decyzji, której i tak nie da się oddać. Warianty łatwiej porównać, gdy zespół ma spisaną zamierzoną zmianę, od której zaczyna się projektowanie wydarzenia metodą Event Canvas.

Druga: zapisuj uzasadnienie wyboru. Wystarczy jedno zdanie w notatce projektowej, dlaczego odrzuciłeś wariant, który wyglądał lepiej. Za pół roku, przy ewaluacji, to zdanie okaże się cenniejsze od całej dokumentacji produkcyjnej.

Trzecia: wyznacz w zespole obszary, w których narzędzie nie wchodzi do procesu. U mnie są to trzy: decyzja o tym, czy wydarzenie w ogóle jest właściwym narzędziem dla celu klienta, dobór osób do ról scenicznych oraz komunikacja kryzysowa w trakcie realizacji. Wszystkie trzy mają wspólną cechę: konsekwencja błędu spada na konkretną osobę. Budżet jest tu drugorzędny.

Czwarta: napisz politykę, zanim będzie potrzebna. Trzy strony wystarczą. Co wolno wrzucać do narzędzia, czego nie wolno wrzucać pod żadnym pozorem, kto odpowiada za weryfikację, jak oznaczamy materiały powstałe z udziałem modelu. Skoro połowa planerów zamierza korzystać z tych narzędzi, a zasady ma 28 procent firm, dokument na trzy strony stawia cię przed większością rynku.

Mini-scenariusz: gala jubileuszowa i sto pomysłów

Klient prosi o koncepcję gali na dwudziestopięciolecie, 600 osób, w tym rodzina założycieli i dwóch byłych prezesów skłóconych od lat. Narzędzie poda ci sto pomysłów na oprawę i żaden z nich nie uwzględni tego konfliktu, bo o nim nie wie. Kiedy mu o nim powiesz, zaproponuje rozwiązania ostrożne i poprawne. Decyzja o tym, czy obaj wchodzą na scenę, czy żaden, czy jeden z nagraniem, zapada w głowie człowieka, który zna napięcie i poniesie konsekwencje złego wyboru. Praca koncepcyjna kończy się wcześniej. Zaczyna się praca decyzyjna i stanowi ona większą część zawodu.

Czego nie twierdzę o AI w organizacji wydarzeń

Nie twierdzę, że narzędzia obniżają jakość pracy. Badanie BCG pokazuje coś przeciwnego w obszarze, w którym model radzi sobie dobrze, a różnica 43 procent u osób wypadających poniżej średniej jest realnym argumentem za wdrożeniem w zespole. Nie twierdzę też, że obniżają kreatywność. Doshi i Hauser pokazali wzrost na poziomie jednostki. Spadek dotyczy różnorodności zbioru, a te dwa poziomy łatwo pomylić przy cytowaniu ich pracy.

Uczciwie trzeba dodać, że dane branżowe w tym tekście pochodzą z ankiet deklaratywnych, częściowo zamawianych przez dostawców usług, a najmniejsza próba, PCMA z Gevme, liczy 92 osoby. Polskiego badania adopcji tych narzędzi w branży wydarzeń nie znalazłem. Dane UFI są najsolidniejsze, ale dotyczą firm wystawienniczych, nie agencji eventowych.

Zadanie dla ciebie:
Jedna rzecz do ustalenia w zespole w tym tygodniu

Usiądźcie na pół godziny i wypiszcie trzy obszary, w których narzędzie nie wchodzi do procesu. Kryterium jest jedno: błąd w tym obszarze spada na konkretną osobę. Te trzy pozycje są początkiem polityki i jednocześnie najkrótszą definicją tego, za co klient wam płaci.

Chcesz przejść przez to z zespołem i ułożyć zasady korzystania z narzędzi w procesie projektowym, zobacz ofertę AI w eventach B2B. Szerszy kontekst dają teksty o wpływie sztucznej inteligencji na planowanie i promocję wydarzeń oraz o projektowaniu doświadczeń biznesowych.

Źródła

  • Dell'Acqua i współautorzy, „Navigating the Jagged Technological Frontier”, Harvard Business School Working Paper, 2023
  • METR, „Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity”, lipiec 2025
  • METR, „We are Changing our Developer Productivity Experiment Design”, luty 2026
  • Lee i współautorzy (Microsoft Research, Carnegie Mellon University), „The Impact of Generative AI on Critical Thinking”, CHI 2025
  • Doshi i Hauser, „Generative AI enhances individual creativity but reduces the collective diversity of novel content”, Science Advances, 2024
  • UFI, Global Exhibition Barometer, 36. edycja, badanie z grudnia 2025
  • American Express Global Business Travel, Global Meetings & Events Forecast 2026, badanie YouGov z lipca 2025
  • PCMA i Gevme, ankieta o wykorzystaniu AI w branży wydarzeń biznesowych, marzec 2025
  • Goddard, Roudsari, Wyatt, „Automation bias: a systematic review of frequency, effect mediators, and mitigators”, JAMIA, 2012
  • Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 o sztucznej inteligencji (AI Act), art. 4
  • Justin Hamilton, „The Biggest AI Risk Isn't Losing Your Job. It's Losing Judgment”, Newsweek

Przeczytaj też

Pytania

FAQ

Czy sztuczna inteligencja zastąpi event managera?

Zastąpi część jego zadań, głównie tych powtarzalnych i opisowych. Dane PCMA i Amex GBT pokazują, że branża używa tych narzędzi przede wszystkim do tworzenia treści, raportowania i komunikacji. Projektowanie wydarzenia polega jednak na wyborze między wariantami i na ponoszeniu konsekwencji tego wyboru, a tego nie da się przekazać narzędziu, które nie odpowiada przed klientem.

Do czego bezpiecznie używać modeli w pracy nad wydarzeniem?

Nadają się do generowania wariantów, streszczania materiałów, przygotowania list kontrolnych, pierwszych wersji komunikacji i analizy danych rejestracyjnych. Granica przebiega tam, gdzie błąd ma konsekwencje dla konkretnej osoby albo relacji z klientem: dobór osób do ról, decyzje o kolejności wystąpień, komunikacja w sytuacji kryzysowej, ocena, czy wydarzenie w ogóle jest właściwym narzędziem.

Kto odpowiada za błędną decyzję podjętą na podstawie podpowiedzi modelu?

Organizacja, która z modelu korzysta. Rozporządzenie unijne o sztucznej inteligencji nakłada obowiązki na dostawcę systemu oraz na podmiot stosujący go w swojej działalności. Niezależnie od przepisów przy reklamacji klienta rozmowa toczy się z agencją, a nie z dostawcą narzędzia.

Czy wydarzenia zaprojektowane z pomocą modeli stają się do siebie podobne?

Dane z badań nad pisaniem wskazują na takie ryzyko. Doshi i Hauser zmierzyli wzrost podobieństwa tekstów o 10,7 procent przy jednoczesnym wzroście nowości pojedynczego tekstu. Przełożenie na wydarzenia nie zostało zbadane, ale mechanizm jest ten sam: wszyscy pytają podobnie i dostają warianty z podobnego rozkładu. Dlatego wartością staje się decyzja o odrzuceniu poprawnego wariantu.

Od czego zacząć wdrożenie w agencji eventowej?

Zacznij od spisania na trzech stronach zasad: co wolno wrzucać do narzędzia, czego nie wolno pod żadnym pozorem, kto odpowiada za weryfikację, jak oznaczamy materiały. Potem od wyznaczenia dwóch albo trzech obszarów, w których narzędzie nie wchodzi do procesu. Dopiero na końcu od szkolenia z promptowania, bo bez pierwszych dwóch kroków szkolenie przyspiesza wyłącznie tempo powstawania problemów.

Było pomocne? Podaj dalej
→ Zobacz pozostałe artykuły

Przeczytaj również

ZGARNIJ BONUSY!

Dołącz do społeczności świadomych marketerów i otrzymaj pakiet bonusów za darmo! 🎉 Co 2 tygodnie wyślemy Ci też newsletter pełen konkretnych inspiracji z obszaru marketingu doświadczeń.

Dziękujemy! Zapisaliśmy Cię do Newslettera
Ups! Coś poszło nie tak