Event Marketing Institute Sp. z o.o.
Iwonicka 3, 60-473 Poznań
NIP 7812066079
REGON 527890052
KRS 0001090243
REGON 527890052
KRS 0001090243
© 2024 Kalewski copy
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 na 758 konsultantach: wewnątrz zasięgu modelu jakość rosła o ponad 40 procent, przy zadaniu poza zasięgiem poprawność spadała o 19 punktów procentowych.
- METR: doświadczeni programiści pracowali z narzędziami o 19 procent wolniej, będąc przekonanymi, że pracują o 20 procent szybciej.
- Doshi i Hauser w Science Advances: wsparcie modelu podniosło nowość pojedynczego tekstu o 8,1 procent i jednocześnie upodobniło teksty do siebie o 10,7 procent.
- Amex GBT: 50 procent planerów deklaruje użycie modeli generatywnych, a tylko 28 procent firm wpisało zasady korzystania z nich do polityki spotkań.
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.
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 ukończyła o 12,2 procent więcej zadań, pracowała o 25,1 procent szybciej i uzyskała ponad 40 procent wyższą jakość wobec grupy kontrolnej. Konsultanci wypadający poniżej średniej zyskali 43 procent, powyżej średniej 17 procent. 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. To samo narzędzie, ci sami ludzie, kilkanaście centymetrów dalej.
Rozdzielanie tych dwóch liczb jest nieuczciwe, a robi się to nagminnie. Pierwszą cytują dostawcy technologii, drugiej nie cytuje prawie nikt. 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.
To jest sedno problemu. 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. Jeżeli go nie ma, zwykle dlatego, że przestał sprawdzać.
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: przeprojektowują eksperyment z powodu silnych efektów selekcji. Od 30 do 50 procent programistów nie zgłaszało zadań, o których sądzili, że narzędzie zrobi je szybko. Deweloperzy coraz rzadziej godzą się na udział, bo nie chcą pracować bez wsparcia. METR pisze, że ich 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.
Anil Doshi i Oliver Hauser opublikowali w Science Advances w lipcu 2024 roku eksperyment na 300 osobach piszących mikroopowiadania i 600 oceniających. Przy dostępie do pięciu podpowiedzi modelu nowość tekstu rosła o 8,1 procent, a użyteczność o 9 procent. U osób o niskiej kreatywności własnej nowość rosła o 10,7 procent, jakość pisania o 26,6 procent. Jednocześnie teksty wspierane modelem były do siebie bardziej podobne o 10,7 procent niż teksty pisane bez niego.
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. Problem leży poza technologią. Dotyczy tego, kto bierze na siebie decyzję „nie, tego wariantu nie robimy, mimo że jest poprawny".
Miejsce na planszę: dwie osie. Oś pionowa nowość pojedynczego projektu, oś pozioma różnorodność rozwiązań na rynku. Strzałka pokazuje kierunek, w którym przesuwa rynek masowe korzystanie z modeli generatywnych.
Dane pokazują coś przewidywalnego: narzędzia wchodzą tam, gdzie zadanie jest powtarzalne, a nie tam, gdzie trzeba rozstrzygać. Rozkład zastosowań mówi o branży sporo, a sam wskaźnik adopcji niewiele.
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 budowy agendy, komunikacji i chatbotów, 35 procent do kojarzenia uczestników i sponsorów, 34 procent do generowania koncepcji kreatywnych, 29 procent do optymalizacji logistyki. Budowa agendy i komunikacja prowadzą w tym rankingu z dużą przewagą.
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.
Amex GBT podaje jeszcze jedną liczbę i to ona powinna budzić niepokój. 50 procent planerów deklaruje korzystanie z modeli generatywnych. 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.
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. Obowiązek obowiązuje od 2 lutego 2025 roku a adresatem jest obok dostawcy modelu również podmiot, który model stosuje. Czyli firma, która narzędzia używa. Twoja agencja. 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, prezes firmy produkcyjnej Pro Connect Group, napisał to w felietonie dla Newsweeka w październiku 2026 roku 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.
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.
Druga: zapisuj uzasadnienie wyboru, a nie sam wybór. Jedno zdanie w notatce projektowej, dlaczego odrzuciłeś wariant, który wyglądał lepiej. Za pół roku, przy ewaluacji, to jedno 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, a nie na budżet.
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 branży już korzysta, a niecała jedna trzecia ma zasady, dokument na trzy strony stawia cię w lepszej pozycji niż większość rynku.
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. Jeżeli 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.
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 i mylenie tych dwóch poziomów jest najczęstszym błędem w cytowaniu ich pracy.
Uczciwie trzeba dodać, że większość danych branżowych w tym tekście pochodzi z prób poniżej dwustu osób albo z badań dostawców technologii. Nie ma polskiego badania adopcji tych narzędzi w branży wydarzeń. Dane UFI są najsolidniejsze, ale dotyczą firm wystawienniczych, nie agencji eventowych.
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.
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.
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.
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.
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.
Badania nad granicą kompetencji: Fabrizio Dell'Acqua i współautorzy, Harvard Business School Working Paper 24-013, wrzesień 2023, eksperyment terenowy na 758 konsultantach BCG. METR, badanie z lipca 2025 na szesnastu programistach i 246 zadaniach, wraz z aktualizacją metodologiczną opublikowaną przez ten sam zespół w lutym 2026. Microsoft Research z Carnegie Mellon, materiał konferencyjny CHI 2025, ankieta na 319 pracownikach wiedzy i 936 przykładach użycia. Kate Goddard, Abdul Roudsari i Jeremy Wyatt, JAMIA 2012, przegląd systematyczny 74 prac.
Kreatywność i homogenizacja: Anil Doshi i Oliver Hauser, Science Advances, lipiec 2024, 300 osób piszących i 600 oceniających, wraz z komentarzem autora w materiale UCL. Dane branżowe: UFI, Global Exhibition Barometer, trzydziesta szósta edycja, 378 firm z 57 krajów, badanie zakończone w grudniu 2025. American Express Global Business Travel, prognoza na 2026 rok, badanie YouGov z lipca 2025 na 601 profesjonalistach. PCMA z Gevme, próba 92 osób, badanie od grudnia 2024.
Ramy prawne: Rozporządzenie Parlamentu Europejskiego i Rady o sztucznej inteligencji, artykuł czwarty, stosowany od 2 lutego 2025 roku. Harmonogram pozostałych obowiązków był w 2026 roku zmieniany i podaję go wyłącznie z odesłaniem do aktualnego tekstu w bazie EUR-Lex, bez przytaczania konkretnych dat. Wypowiedzi Justina Hamiltona pochodzą z jego felietonu opublikowanego w Newsweeku w październiku 2026 roku. Zasady pracy zespołowej i obserwacje z projektów są moje.
Usiądźcie na pół godziny i wypiszcie trzy obszary, w których narzędzie nie wchodzi do procesu. Powód nie brzmi „bo sobie nie poradzi", tylko „bo konsekwencja błędu 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, umów godzinę konsultacji. Warto też zajrzeć do tekstów o sztucznej inteligencji w organizacji wydarzeń, o jej wpływie na planowanie i promocję, o projektowaniu wydarzenia metodą Event Canvas oraz o projektowaniu doświadczeń biznesowych.
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.