DNP automatyzuje ChatGPT: 95% szybciej, 87% zadań bez ludzi

Dai Nippon Printing – jeden z największych japońskich koncernów poligraficznych – potrzebował trzech miesięcy na to, na co inne firmy tracą lata: 100% tygodniowej aktywności użytkowników AI w dziesięciu kluczowych działach. Liczby mówią same: 95% przyspieszenie badań patentowych, dziesięciokrotny wzrost wolumenu przetwarzania danych i 87% automatyzacji rutynowych zadań.

DNP wdrożył chatgpt Go za 24 zł miesięcznie. OpenAI testuje najtańszy plan">ChatGPT" class="internal-link" title="ChatGPT">ChatGPT Enterprise, bo miał problem, który znasz z własnej firmy – wiedza ekspertów zamknięta w głowach ludzi, dokumentach i systemach, do której dostęp jest powolny i nieefektywny. Zamiast typowego pilotażu w jednym zespole, firma postawiła na masowe wdrożenie w dziesięciu podstawowych departamentach naraz.

Trzy miesiące od zera do pełnej adopcji

ChatGPT Enterprise trafił do pracowników DNP jako narzędzie codziennej pracy, nie eksperyment IT. Wynik? 100% użytkowników aktywnych co tydzień – wskaźnik, którego większość firm osiąga po roku (jeśli w ogóle). Kluczem okazało się połączenie wewnętrznych baz wiedzy z możliwościami modelu. Pracownicy natychmiast dostają odpowiedzi zamiast przeszukiwać dziesiątki systemów.

Najbardziej spektakularny efekt: badania patentowe, które wcześniej zajmowały godziny, teraz trwają minuty. 95% redukcja czasu to różnica między sprawdzeniem jednego patentu dziennie a przeanalizowaniem dwudziestu. Dla firmy działającej w branży, gdzie ochrona własności intelektualnej jest fundamentem przewagi konkurencyjnej, taki skok wydajności ma bezpośrednie przełożenie na szybkość podejmowania decyzji biznesowych – od oceny ryzyka przed wejściem na nowy rynek po weryfikację oryginalności własnych rozwiązań technicznych.

Warto podkreślić, co sprawiło, że adopcja była tak szybka. DNP nie przeprowadzał długich szkoleń ani nie tworzył dedykowanych zespołów wdrożeniowych przez pół roku. Strategia polegała na tym, żeby model od razu znał kontekst firmy – jej procedury, dokumenty, historię decyzji. Pracownik zadający pytanie nie musiał najpierw tłumaczyć narzędziu, czym zajmuje się jego dział. System już to wiedział.

Dziesięć razy więcej pracy bez zwiększania zespołów

DNP przetwarza dziś dziesięć razy więcej dokumentów, zapytań i analiz niż przed wdrożeniem – bez zatrudniania nowych ludzi. 87% zadań, które wymagały ręcznej pracy, zostało zautomatyzowanych. Firma nie podaje redukcji etatów. Chodzi o przesunięcie ludzi z zadań powtarzalnych na te wymagające eksperckiego osądu.

Najciekawszy wskaźnik: 70% wiedzy jest używane wielokrotnie. ChatGPT Enterprise pozwala DNP zachować i udostępnić rozwiązania, które wcześniej ginęły w mailach lub głowach ekspertów. Raz stworzona analiza patentowa czy procedura staje się szablonem dla całej organizacji.

To zjawisko ma swoją nazwę w zarządzaniu wiedzą – knowledge hoarding, czyli nieświadome gromadzenie wiedzy przez jednostki. W tradycyjnych organizacjach ekspert, który odchodzi na emeryturę lub zmienia pracę, zabiera ze sobą lata doświadczeń, których żaden podręcznik nie opisał. DNP rozwiązało ten problem strukturalnie: każda interakcja z systemem, każde zapytanie i każda odpowiedź stają się częścią zasobu, z którego korzysta cała firma.

Kontekst rynkowy: dlaczego japońskie korporacje wdrażają AI inaczej

Przypadek DNP nie jest odosobniony w japońskim środowisku biznesowym, ale jest wyjątkowy pod względem tempa i skali. Japońskie koncerny są znane z konserwatywnego podejścia do zmian technologicznych – długich procesów decyzyjnych i wieloetapowych pilotaży. DNP złamało ten schemat, co czyni ich wyniki jeszcze bardziej znaczącymi jako punkt odniesienia.

Dai Nippon Printing to firma założona w 1876 roku, zatrudniająca ponad 36 tysięcy pracowników. Jej portfolio obejmuje dziś znacznie więcej niż druk – od opakowań i elektroniki po rozwiązania informatyczne dla sektora finansowego. Złożoność operacyjna takiej organizacji oznacza, że problem silosów wiedzy jest tam wyjątkowo dotkliwy. Każdy dział przez dekady budował własne zasoby, procedury i ekspertyzę, często niedostępne dla reszty firmy.

ChatGPT Enterprise oferuje w tym kontekście coś, czego wcześniejsze narzędzia do zarządzania wiedzą nie dawały: naturalny język jako interfejs. Pracownik nie musi znać struktury bazy danych ani pamiętać, w którym folderze leży właściwy dokument. Zadaje pytanie tak, jak zapytałby doświadczonego kolegi.

Co możesz z tego wyciągnąć dla swojej firmy

Przypadek DNP pokazuje, że wdrożenie AI w dużej, tradycyjnej organizacji nie musi trwać latami. Trzy elementy zrobiły różnicę: decyzja o masowym wdrożeniu od razu (zamiast niekończących się pilotaży), integracja z wewnętrznymi systemami wiedzy i jasny cel – zachować i udostępnić wiedzę ekspercką, zanim odejdzie z ludźmi.

Praktyczne wnioski dla firm rozważających podobną ścieżkę:

• Zacznij od problemu, nie od technologii. DNP wiedziało, że traci wiedzę ekspercką i że badania patentowe są wąskim gardłem. AI było odpowiedzią na konkretny ból, nie eksperymentem dla samego eksperymentu.
• Integracja z istniejącymi zasobami jest kluczowa. Narzędzie bez kontekstu firmy to tylko ogólny chatbot. Wartość pojawia się, gdy model zna Twoje dokumenty, procedury i historię decyzji.
• Masowe wdrożenie może być szybsze niż pilotaż. Długie fazy testowe często spowalniają adopcję zamiast ją ułatwiać. Jeśli narzędzie rozwiązuje realny problem, użytkownicy sami znajdą dla niego zastosowanie.

Jeśli rozważasz podobne wdrożenie: DNP nie podaje kosztów, ale OpenAI wycenia ChatGPT Enterprise na minimum 60 USD miesięcznie za użytkownika przy rocznym kontrakcie. Zwrot z inwestycji przychodzi z konkretnych oszczędności czasu. Jeśli Twoi eksperci spędzają godziny na szukaniu informacji, które już kiedyś ktoś znalazł, masz problem, który AI może rozwiązać.

Źródła

• OpenAI Blog - Knowledge preservation powered by ChatGPT