Blog

AI w organizacji wydarzeń: co oddaje czas, a co go zjada

Najważniejsze tezy: AI oddaje czas na zadaniach, które mieszczą się w jej zasięgu i dają się szybko sprawdzić, a zabiera go tam, gdzie wynik wygląda wiarygodnie i wymaga weryfikacji eksperta, więc korzyść zależy od podziału zadań, nie od narzędzia.
  • Dane o użyciu AI w branży spotkań pochodzą z małych prób i różnią się między badaniami o kilkadziesiąt punktów.
  • Eksperymenty poza branżą eventową pokazują konkretne oszczędności czasu na zadaniach pisarskich i powtarzalnych.
  • Ten sam eksperyment pokazuje spadek poprawności, gdy zadanie wychodzi poza zasięg modelu.
  • Narzędzia reklamowane jako wolne od halucynacji podawały błędne informacje w od 17 do 33 procentach zapytań.
  • Dla żadnego z typowych zastosowań eventowych nie ma niezależnego badania z liczbą zaoszczędzonych godzin.

Po branży spotkań krąży liczba: 65 procent organizatorów korzysta z AI. Sprawdziłem źródło i mówi ono coś innego. W badaniu PCMA z grudnia 2024 roku, przeprowadzonym na 92 osobach z rynku spotkań, 65 procent respondentów to segment nazwany „środkową większością", czyli ci, którzy używają AI fragmentarycznie, w wybranych obszarach, bez strategii. Odsetek korzystających w jakiejkolwiek formie wyniósł 91 procent.

Ta pomyłka jest dobrym wstępem do tematu. Branża, która powtarza liczbę bez sprawdzenia, za chwilę będzie weryfikować wyniki modeli językowych. A tam koszt niesprawdzenia jest wyższy, bo dostajesz zdania poprawne stylistycznie i fałszywe merytorycznie.

Błąd pierwszy: liczba o użyciu AI powtarzana bez sprawdzenia źródła

Koszt: decyzje oparte na danych z małych prób, które różnią się między badaniami o kilkadziesiąt punktów.

Odpowiedź zależy od tego, kogo pytasz. PCMA na próbie 92 osób dostało 91 procent, ale profil respondentów był przesunięty w stronę małych organizacji, a 46 procent badanych miało ponad dwadzieścia lat doświadczenia. American Express Global Business Travel w prognozie na 2026 rok, opartej na badaniu YouGov na 601 profesjonalistach rynku spotkań z ośmiu krajów, podało 50 procent włączających generatywną AI do planowania i realizacji wydarzeń.

Global DMC Partners w badaniu z trzeciego kwartału 2024 roku odnotowało blisko 50 procent planerów używających narzędzi AI w codziennej pracy, wobec 30 procent na koniec 2023 roku, przy 84 procentach korzystających z chatbotów ogólnego przeznaczenia. Rozpiętość między 50 i 91 procentami przy podobnym okresie pokazuje, ile warte są te wskaźniki jako pomiar rynku.

Polski kontekst wygląda inaczej. Główny Urząd Statystyczny w publikacji z grudnia 2025 roku podał, że 8,7 procent przedsiębiorstw w Polsce deklarowało wykorzystanie technologii AI, wobec 5,9 procent rok wcześniej. Do generowania tekstu lub głosu przyznało się 5,3 procent firm, do zastosowań w marketingu i sprzedaży 5 procent. Branża spotkań mówi więc o połowie albo dziewięciu dziesiątych, a cała gospodarka jest na jednej dwunastej.

Co AI realnie oddaje: dowody spoza branży

Dowody trzeba brać spoza branży, bo w niej ich nie ma. Shakked Noy i Whitney Zhang w eksperymencie opublikowanym w Science w 2023 roku dali 453 wykształconym profesjonalistom zadania pisarskie typowe dla pracy biurowej. Grupa z dostępem do modelu wykonała je o 40 procent szybciej, a jakość oceniona przez niezależnych sędziów była o 18 procent wyższa. Największy zysk odnotowały osoby, które wypadały najsłabiej przed eksperymentem.

Fabrizio Dell'Acqua z zespołem przebadał w 2023 roku 758 konsultantów Boston Consulting Group. Na zadaniach mieszczących się w zasięgu modelu grupa z AI wykonała o 12,2 procent więcej zadań, pracowała o 25,1 procent szybciej i dostała oceny jakości wyższe o ponad 40 procent, przy czym konsultanci poniżej średniej poprawili się o 43 procent, a powyżej średniej o 17 procent.

Erik Brynjolfsson z zespołem opisał wdrożenie asystenta AI u ponad pięciu tysięcy agentów obsługi klienta. Liczba rozwiązanych zgłoszeń na godzinę wzrosła średnio o 14 procent, u nowicjuszy i pracowników o niższych kwalifikacjach o 34 procent, a u doświadczonych efekt był minimalny. Trzy eksperymenty wskazują to samo miejsce, w którym leżą oszczędności: powtarzalne zadania tekstowe i obsługowe wykonywane przez osoby mniej wprawne. Szerszy przegląd zastosowań w promocji wydarzeń zebrałem w tekście o AI w event marketingu.

Gdzie AI oddaje czas w organizacji wydarzeń

Poniżej cztery zadania, w których stosuję AI w pracy nad wydarzeniami, z zastrzeżeniem, którego nie da się obejść: żadne z nich nie ma niezależnego badania z liczbą zaoszczędzonych godzin. Dowody pochodzą z zadań podobnych, nie z eventów.

1. Notatki i transkrypcje ze spotkań produkcyjnych

Transkrypcja z listą ustaleń oszczędza godzinę po każdym spotkaniu z klientem i dostawcami. W badaniu PCMA tworzenie i streszczanie treści było najczęstszym zastosowaniem, wskazanym przez 46 procent respondentów.

Zakaz: nie wysyłaj wygenerowanych ustaleń bez przeczytania. Model myli terminy i nazwy własne, a ustalenie z błędną datą wraca jako spór z obiektem.

2. Warianty tekstów do komunikacji

Zaproszenia, opisy prelekcji i posty to zadanie pisarskie, czyli dokładnie ten typ pracy, w którym eksperyment z Science pokazał 40 procent oszczędności czasu. Amex GBT podaje, że komunikację eventową wskazuje 35 procent badanych, a tworzenie treści 31 procent.

Zakaz: nie publikuj wersji pierwszej. Teksty modelowe mają rytm, który czytelnicy rozpoznają, a w komunikacji wydarzenia własny głos jest częścią produktu.

3. Porządkowanie odpowiedzi z ankiet

Kodowanie odpowiedzi otwartych z ankiety po wydarzeniu skraca pracę z kilku godzin do kilkudziesięciu minut. Analizę danych i raportowanie wskazało w badaniu PCMA 35 procent respondentów.

Zakaz: nie zlecaj modelowi wniosków, tylko kategorie. Wnioski z ankiety wyciąga osoba, która zna kontekst wydarzenia i wie, czego w danych nie ma.

4. Obsługa powtarzalnych pytań uczestników

Chatbot na stronie rejestracji zdejmuje z zespołu pytania o parking, dojazd i program. Badanie Brynjolfssona pokazuje, gdzie tu leży zysk: przy prostych, powtarzalnych sprawach i mniej wprawnej obsłudze.

Zakaz: nie zostawiaj bota bez ścieżki do człowieka. Uczestnik z pytaniem o fakturę albo o dostępność sali potrzebuje odpowiedzi wiążącej, a nie prawdopodobnej. Gdzie rejestracja traci ludzi, rozpisałem w tekście o projektowaniu rejestracji na wydarzenie.

Chcecie ustalić, które zadania w waszej produkcji warto oddać narzędziom, a które zostają przy ludziach? Umów konsultację 1:1 i omówmy wasz proces zadanie po zadaniu.

Błąd drugi: zadania poza zasięgiem modelu

Koszt: dobrze napisane błędy i poprawność niższa o 19 punktów procentowych.

Ten sam eksperyment BCG, który pokazał przyspieszenie, pokazał też cenę. Na zadaniach wychodzących poza zasięg modelu konsultanci korzystający z AI byli o 19 punktów procentowych mniej skłonni podać poprawne rozwiązanie niż grupa bez narzędzia. Jakość redakcyjna ich analiz rosła, a poprawność spadała, czyli produkowali dobrze napisane błędy.

Błąd trzeci: wynik AI bez weryfikacji

Koszt: czas na sprawdzenie każdego zdania, bo nawet narzędzia branżowe mylą się w co trzeciej albo co szóstej odpowiedzi.

Zespół ze Stanfordu w badaniu opublikowanym w 2025 roku sprawdził narzędzia AI do badań prawniczych na 202 zapytaniach. Lexis+ AI odpowiadał poprawnie w 65 procentach przypadków przy 17 procentach halucynacji, Westlaw w 41 procentach przy 33 procentach halucynacji. To narzędzia sprzedawane jako wolne od halucynacji i obsługujące dziedzinę, w której każde zdanie da się sprawdzić w źródle.

Błąd czwarty: ślepe zaufanie do systemu

Koszt: przeoczenia tam, gdzie system nie przypomniał, i polecenia wykonane wbrew własnej wiedzy.

Ten koszt jest najstarszy i najmniej oczywisty. Linda Skitka z zespołem w badaniu z 1999 roku wykazała, że osoby pracujące z niemal niezawodnym systemem wspomagającym wypadały gorzej od osób bez takiego wsparcia. Popełniały błędy zaniechania, przeoczając to, o czym system nie przypomniał, oraz błędy działania, wykonując polecenie systemu wbrew własnemu przeszkoleniu i wbrew wiarygodnym wskaźnikom.

Błąd piąty: AI w zespole bez wspólnych zasad

Koszt: oszczędność jednej osoby zamienia się w pracę weryfikacyjną drugiej.

Ten koszt opisuje liczba z PCMA z początku tekstu: 65 procent organizatorów używa AI fragmentarycznie, bez strategii. Fragmentaryczne wdrożenie oznacza, że każdy w zespole używa innego narzędzia po swojemu, nikt nie wie, gdzie trafiają dane, a oszczędność jednej osoby zamienia się w pracę weryfikacyjną drugiej.

Pięć reguł dla AI w organizacji wydarzeń

Zasady poniżej stosuję u siebie i proponuję klientom. Każda dotyczy podziału pracy, nie wyboru narzędzia.

  • Zasięg zadania: model dostaje zadania, w których masz wiedzę do oceny wyniku. Przy zadaniach poza swoim obszarem nie oddajesz mu decyzji, tylko formę.
  • Weryfikowalność: każdą liczbę, nazwę i datę sprawdzasz w źródle. Zadanie, którego nie da się sprawdzić w rozsądnym czasie, nie nadaje się do delegowania modelowi.
  • Dane uczestników: listy, kontakty, zdjęcia i nagrania nie trafiają do narzędzi bez ustaleń o przetwarzaniu. W badaniu PCMA bezpieczeństwo danych było obawą numer jeden, wskazaną przez 59 procent respondentów, a wizerunek uczestnika podlega przepisom opisanym w tekście o zgodzie na wykorzystanie wizerunku na evencie.
  • Jedna osoba odpowiedzialna: za każdy materiał wychodzący na zewnątrz odpowiada człowiek z imienia, nie proces. Badania nad rozliczalnością pokazują, że odpowiedzialność za wynik zmniejsza bezkrytyczne przyjmowanie podpowiedzi systemu.
  • Pomiar oszczędności: notujesz czas przed i po przy jednym konkretnym zadaniu. Bez tego wdrożenie opiera się na wrażeniu, a wrażenie w tej dziedzinie jest zawyżone.

Lista kontrolna przed wdrożeniem kolejnego narzędzia AI

Policz, ile minut zajmuje sprawdzenie wyniku w porównaniu z czasem, jaki zajęłoby wykonanie zadania od zera. Gdy weryfikacja przekracza połowę tego czasu, oddajesz modelowi zadanie z niewłaściwej półki.

Drugi sygnał to poprawianie stylu zamiast treści. Jeżeli w zespole ludzie spędzają czas na przepisywaniu wygenerowanych tekstów, żeby brzmiały normalnie, narzędzie weszło w zadanie, które wymaga autora, nie asystenta.

Zanim dopiszesz kolejne narzędzie do procesu, wybierz jedno zadanie i zmierz je dwa razy: raz po swojemu, raz z modelem. Reszta jest dyskusją o wrażeniach.

Najczęstsze pytania o AI w organizacji wydarzeń

Ilu organizatorów korzysta z AI?

Dane rozjeżdżają się w zależności od badania: 91 procent w ankiecie PCMA z grudnia 2024 roku na 92 osobach, 50 procent w badaniu Amex GBT na 601 profesjonalistach z ośmiu krajów. Krążąca liczba 65 procent oznacza w źródle segment używający AI fragmentarycznie, bez strategii.

Ile czasu realnie oszczędza AI?

Dla zadań eventowych nie ma niezależnych badań. Eksperymenty na zadaniach pisarskich pokazały 40 procent krótszy czas przy 18 procentach wyższej jakości, a w badaniu konsultantów BCG praca w zasięgu modelu była szybsza o 25,1 procent.

Gdzie AI szkodzi najbardziej?

Na zadaniach wychodzących poza jej zasięg. W eksperymencie BCG poprawność odpowiedzi spadła o 19 punktów procentowych względem grupy bez narzędzia, przy jednoczesnym wzroście jakości redakcyjnej.

Czy można wrzucać do narzędzi listy uczestników?

Nie bez ustaleń dotyczących przetwarzania danych i wiedzy, gdzie te dane trafiają. Bezpieczeństwo danych było w badaniu PCMA najczęstszą obawą, wskazaną przez 59 procent respondentów.

Jak zmierzyć, czy wdrożenie się opłaca?

Wybrać jedno zadanie, zmierzyć czas wykonania bez narzędzia i z narzędziem, a do czasu z narzędziem doliczyć weryfikację. Bez doliczenia weryfikacji rachunek wychodzi na korzyść modelu w każdym przypadku.

Źródła: PCMA, „Survey: How Event Planners Are Using AI for Meetings in 2025", badanie z grudnia 2024 na 92 profesjonalistach rynku spotkań; American Express Global Business Travel, „2026 Global Meetings & Events Forecast" (badanie YouGov na 601 osobach z 8 krajów); Global DMC Partners, badanie rynku spotkań z trzeciego kwartału 2024 r.; Główny Urząd Statystyczny, „Społeczeństwo informacyjne w Polsce w 2025 r.", grudzień 2025; Shakked Noy, Whitney Zhang, „Experimental evidence on the productivity effects of generative artificial intelligence", Science, 2023 (453 uczestników); Fabrizio Dell'Acqua i in., „Navigating the Jagged Technological Frontier", Harvard Business School i BCG, 2023 (758 konsultantów); Erik Brynjolfsson, Danielle Li, Lindsey Raymond, „Generative AI at Work", NBER 2023 i Quarterly Journal of Economics, 2025 (ponad 5000 agentów obsługi klienta); Varun Magesh i in., „Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools", Journal of Empirical Legal Studies, 2025 (202 zapytania); Linda J. Skitka, Kathleen Mosier, Mark Burdick, „Does automation bias decision-making?", International Journal of Human-Computer Studies, 1999, oraz „Accountability and automation bias", 2000.

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