Faza Analyze w metodyce DAPIS – jak sprawdzić, czy LLM naprawdę rozwiąże Twój problem?

Metodyka DAPIS to ustrukturyzowane podejście do wdrażania dużych modeli językowych w organizacjach. Jej fazy to: Define, Analyze, Plan, Implement i Scale. Ten wpis poświęcony jest fazie drugiej – Analyze.

Jedno pytanie, które prowadzi całą fazę

Faza Analyze odpowiada na jedno fundamentalne pytanie: JAK DZISIAJ DZIAŁAMY? Zanim sięgniemy po LLM jako remedium na problemy procesowe, musimy dokładnie zrozumieć, co dzieje się teraz. Bez tej wiedzy ryzykujemy wdrożenie technologii, która rozwiąże nieistniejący problem – albo rozwiąże go drożej, niż zwykłe usprawnienie organizacyjne.

Cel fazy: mapa procesu i skala problemu

Faza Analyze kończy się dwoma konkretnymi wynikami:

  1. Narysowaną mapą procesu biznesowego, w którym planowane jest wdrożenie LLM.
  2. Wskazaniem skali problemu – czyli oszacowaniem, jak dużą wartość może przynieść automatyzacja.

Mapa procesu może być sporządzona w jednej z kilku sprawdzonych technik: SIPOC, Dot Chart lub uproszczony BPMN. Każda z nich pozwala zobaczyć przepływ pracy w poprzek ról i organizacji – a złożoność tych przepływów potrafi zaskoczyć nawet osoby pracujące w danym procesie od lat.

AS-IS i TO-BE – dwa oddzielne spojrzenia

Dobrą praktyką jest wyraźne rozdzielenie dwóch perspektyw:

  • AS-IS – jak proces działa dzisiaj, ze wszystkimi jego wąskimi gardłami, oczekiwaniem i błędami.
  • TO-BE – jak powinien wyglądać po wdrożeniu rozwiązania opartego na LLM.

Zestawienie obu map ujawnia rzeczywisty zakres zmiany i pozwala uniknąć projektowania rozwiązania w próżni.

Zbierz materiały z procesu – przynajmniej 20 przykładów

Równolegle z mapowaniem procesu warto zacząć gromadzić reprezentatywne materiały: wiadomości, e-maile, transkrypcje, procedury, formularze. Kluczowa liczba to co najmniej 20 przykładowych przebiegów procesu. Jeśli analizujemy obsługę reklamacji – 20 zgłoszeń z odpowiedziami. Jeśli kategoryzację dokumentów – 20 dokumentów z oczekiwanymi kategoriami.

Dlaczego akurat 20? Bo taki zbiór pozwoli później, w fazie Plan, zbudować solidny benchmark jakości modelu. Bez niego ocena działania LLM będzie subiektywna i zawodna.

Zanim sięgniesz po LLM – sprawdź prostsze metody

To jeden z najważniejszych kroków fazy Analyze, który bywa pomijany w entuzjazmie wokół sztucznej inteligencji. Lean wskazuje kilka typowych usprawnień, które mogą rozwiązać problem taniej i szybciej niż wdrożenie modelu językowego:

  • Lista kontrolna – standaryzuje wymagania jakościowe i eliminuje błędy wynikające z pominięcia kroków.
  • Szkolenie – jeśli błędy wynikają z braku wiedzy, szkolenie operatora może wystarczyć.
  • Eliminacja nadmiarowych kroków – mapa procesu często ujawnia wielokrotne zatwierdzenia tego samego dokumentu lub kroki, które można pominąć.
  • Redukcja oczekiwania – konsolidacja zadań w jednych rękach skraca czas procesowania.
  • Eliminacja szukania – podręcznik, ściąga lub jasno określone ścieżki decyzyjne mogą zastąpić potrzebę korzystania z LLM do wyszukiwania informacji.

Wynik tej analizy może być zaskakujący: czasem okazuje się, że LLM nie jest potrzebny wcale, albo że warto najpierw przeprowadzić prostsze optymalizacje, a dopiero potem wracać do tematu automatyzacji.

Proof of Concept – zanim cokolwiek zbudujesz

Faza Analyze obejmuje również krótki proof of concept (PoC), który pozwala sprawdzić w praktyce, czy LLM poradzi sobie z zadaniem. Typowe kroki PoC:

  1. Wskaż konkretny krok w procesie, który warto wesprzeć LLM.
  2. Napisz prompt realizujący to zadanie.
  3. Ręcznie przygotuj dane wejściowe z procesu.
  4. Wyślij prompt do modelu i oceń jakość wyniku.
  5. Jeśli potrzeba – popraw prompt i powtórz.
  6. Zaprezentuj wyniki interesariuszom.
  7. Podejmij decyzję: kontynuować czy porzucić projekt?

PoC ma jeszcze jedną ukrytą wartość: iteracyjne dopracowywanie prompta w kontakcie z rzeczywistymi danymi sprawia, że powstaje wzorcowy prompt, który trafi później bezpośrednio do fazy Implement.

Piaskownica – kultura eksperymentowania w organizacji

Badania MIT wskazują na wyraźną przepaść między powszechnym, nieformalnym używaniem LLM przez pracowników a skalowalnymi wdrożeniami, które przynoszą realny efekt biznesowy. Rozwiązaniem jest piaskownica – bezpieczne środowisko, w którym pracownicy mogą eksperymentować z modelami językowymi bez ryzyka ujawnienia poufnych danych, naruszenia polityk firmowych czy złamania zasad bezpieczeństwa.

Piaskownicę można zorganizować na bazie usług chmurowych (Microsoft Copilot, Anthropic, Perplexity, Gemini) lub lokalnie – na wydzielonym serwerze albo nawet na komputerach pracowników, korzystając z aplikacji takich jak Ollama czy LM Studio. Modele open source, takie jak Qwen, Deepseek czy Gemma, są do wielu zastosowań w pełni wystarczające.

Piaskownica spełnia trzy role:

  1. Uczy – pracownicy poznają możliwości i ograniczenia LLM przez bezpośrednie doświadczenie.
  2. Obserwuje – ciekawe przypadki użycia wyłaniają się naturalnie z codziennej pracy i mogą być wzmacniane oraz skalowane.
  3. Buduje wspólnotę – regularne spotkania praktyków (raz lub dwa razy w miesiącu, godzina wystarczy) pozwalają dzielić się odkryciami i unikać powielania tych samych eksperymentów w różnych częściach organizacji.

Pytania kontrolne, które warto zadać na tym etapie

Zanim przejdziesz do fazy Plan, odpowiedz na poniższe pytania:

  • Czy zidentyfikowano wszystkich uczestników procesu i skonsultowano z nimi wymagania?
  • Czy można opisać procedurą 80% przebiegów procesu?
  • Czy problemu nie da się rozwiązać prostszymi metodami niż LLM?
  • Czy proces jest masowy – albo choć jeden jego przebieg ma dużą wartość?
  • Czy dane procesowe są dostępne i mogą być przekazywane do modelu bez naruszenia prywatności?
  • Czy korzyści z wdrożenia przewyższają koszt użycia LLM?
  • Czy akceptowalna jest pewna zmienność wyników, czy rozwiązanie musi działać deterministycznie?

Wpis oparty na metodyce DAPIS opisanej w podręczniku wdrożeń LLM w organizacjach.

Wróć do wszystkich artykułów