Jedna osoba, setki tabel i armia agentów AI. Tak marka Toma Hollanda skaluje biznes bez rozbudowy zespołu

BERO, marka bezalkoholowego piwa współtworzona przez aktora Toma Hollanda, znanego z roli „Spider-mana”, w półtora roku zbudowała organizację zatrudniającą 45 osób i sieć obejmującą setki dystrybutorów. Jednym z fundamentów tego wzrostu jest platforma operacyjna stworzona praktycznie przez jednego pracownika. Pomogli mu jednak cyfrowi współpracownicy – agenci AI, którzy budują integracje, przetwarzają dane i automatyzują znaczną część codziennej pracy firmy.

• BERO stworzyło własną platformę operacyjną opartą na ponad 800 tabelach danych i przeszło 60 integracjach
• Za rozwój rozwiązania odpowiada zespół ds. danych, wspierany przez agentów sztucznej inteligencji
• Firma deklaruje, że dzięki platformie skróciła czas realizacji transakcji o 50%, a czas spotkań o około 20%
• Ponad 95% pracowników regularnie korzysta dziś z systemu, który zastępuje część tradycyjnych narzędzi CRM, raportowania i zarządzania

BERO rozpoczęło działalność około 18 miesięcy temu. Marka bezalkoholowego piwa, której współzałożycielem jest hollywoodzki aktor Tom Holland (Spider-man), stosunkowo szybko urosła do 45 pracowników oraz sieci obejmującej setki punktów i partnerów dystrybucyjnych.

Wraz ze wzrostem skali pojawił się jednak typowy dla młodych firm problem. Procesy, które przy niewielkiej organizacji można obsługiwać za pomocą arkuszy kalkulacyjnych i dokumentów na Google Drive, zaczęły stawać się coraz mniej wydajne.

BERO korzystało również z systemu ERP NetSuite, ale firma potrzebowała znacznie bardziej elastycznego sposobu kontrolowania rosnącej sieci sprzedaży. Zbliżała się do współpracy z około 200 dystrybutorami, z których każdy obsługiwał określone kody pocztowe i hrabstwa. Firma chciała na bieżąco wiedzieć, który partner może dostarczyć produkt do konkretnego sklepu i jakie osiąga wyniki.

Problem polegał na tym, że wdrażanie tradycyjnych systemów danych może zajmować od kilku tygodni do nawet kilku miesięcy. Dla startupu rosnącego w tak szybkim tempie było to zbyt długo.

Rozwiązaniem miał zająć się Jonathan „JP” Polites, wiceprezes BERO ds. rozwiązań danych i AI. Wcześniej przez osiem lat pracował przy automatyzacji w dużej firmie z branży napojów. W BERO dostał możliwość zbudowania środowiska danych właściwie od zera.

Co istotne, jego „dział” składa się z jednej osoby. — Jestem jednoosobowym, bardzo szczupłym zespołem, a wszystkie moje agenty AI pracują dla mnie przez całą dobę — tłumaczy Polites.

Początkowo wykorzystał Microsoft Fabric do centralizacji danych oraz Power BI do raportowania. Rozwiązanie działało, ale szybko ujawniło swoje ograniczenia. Dashboard może pokazać wyniki sprzedaży, lecz nie zawsze wyjaśni, dlaczego sytuacja wygląda właśnie w taki sposób. Każdy kolejny raport oznaczał dodatkową ręczną pracę. A jedna osoba może stworzyć tylko określoną liczbę dashboardów.

Sprawdź też: Hugo Boss zmieni właściciela? Inwestor rusza po niemiecką ikonę mody

Jeden pracownik z AI zbudował cyfrowy „drugi mózg” firmy

Polites zaczął więc wykorzystywać Claude i Claude Code. Duże znaczenie miała agentowa sztuczna inteligencja – systemy, które nie ograniczają się do odpowiadania na pytania, ale potrafią również analizować zadanie, planować kolejne kroki i wykonywać działania.

Zamiast samodzielnie pisać każdą integrację oraz pipeline danych, menedżer zaczął delegować część tego procesu AI.

Efektem było scentralizowanie firmowych informacji w jednej aplikacji. Polites określa ją mianem „drugiego mózgu” BERO. Obecnie system obejmuje ponad 800 tabel danych i ponad 60 integracji, pobierających informacje między innymi bezpośrednio z NetSuite.

Dzięki temu pracownicy mogą reagować na zmiany sprzedaży czy dystrybucji niemal natychmiast, zamiast czekać na raport przygotowywany pod koniec tygodnia.

Na tej infrastrukturze działa również BERO AI – chatbot, któremu pracownicy mogą zadawać pytania dotyczące działalności przedsiębiorstwa. Narzędzie potrafi nie tylko znaleźć odpowiedź, ale także przygotować gotowy raport. Dostęp do poszczególnych informacji kontrolowany jest zgodnie z rolą użytkownika, aby chronić dane wrażliwe.

Neha Soi, SVP Operations w BERO, określa ten model jako demokratyzację danych. Pracownicy nie muszą sami być analitykami, aby móc korzystać z analiz na poziomie wcześniej zarezerwowanym dla specjalistów.

System dodatkowo analizuje własne działanie. Według Politesa nocą sprawdza, czy dzień wcześniej właściwie odpowiadał na potrzeby użytkowników. Jeżeli wykryje problemy, może wprowadzać poprawki.

Technologia powstała szybko, ale znacznie trudniejszym zadaniem było przekonanie ludzi, żeby faktycznie z niej korzystali.

Momentem przełomowym okazało się dwudniowe wewnętrzne spotkanie określane jako „ops data summit”. Polites poprosił pracowników, aby wymyślali rozwiązania bez zastanawiania się nad technicznymi ograniczeniami. Gdy ktoś stwierdzał, że jakiegoś pomysłu zapewne nie da się zrealizować, pytał, czego dokładnie potrzebuje – i próbował tworzyć rozwiązanie bezpośrednio podczas spotkania.

To zmieniło sposób myślenia zespołu. Platforma początkowo koncentrowała się na sprzedaży, dystrybutorach oraz wynikach punktów handlowych. Później pojawiały się kolejne potrzeby. Gdy firmie potrzebny był system CRM, Polites stworzył własne rozwiązanie wraz z aplikacją mobilną w ciągu kilku dni. Podobnie powstały narzędzia do zarządzania talentami i kontraktami.

Dzisiaj ponad 95% firmy regularnie korzysta z platformy. Według Soi pełne zaufanie pracowników do rozwiązania budowano jednak przez około sześć miesięcy.

Zamiast kupować kolejną aplikację, firma tworzy ją w jedną noc

Najbardziej wymiernym rezultatem nie jest jednak sama liczba automatyzacji. BERO zaczęło zarządzać działalnością przede wszystkim poprzez wyjątki. Menedżerowie nie analizują już wszystkich elementów operacji. Każdego ranka przez około 10 minut sprawdzają system i koncentrują się wyłącznie na tym, co odbiega od planu lub wymaga reakcji.

Soi szacuje, że platforma skróciła czas obsługi transakcji o 50%, a czas spędzany na spotkaniach o około 20%. Zmieniła również plany zatrudnienia.

— Nie zatrudniam tak wielu osób, jak sądziłam, że będę musiała, ponieważ możemy działać bardziej efektywnie — przyznaje menedżerka.

Dobrym przykładem sposobu działania firmy była sytuacja po spotkaniu z dystrybutorami, w którym uczestniczył Tom Holland. BERO chciało zebrać opinie partnerów na temat wydarzenia, ale zespół zorientował się, że nie posiada narzędzia do przeprowadzania ankiet.

W tradycyjnym scenariuszu firma musiałaby wybrać usługę dostępną na rynku, kupić licencję, skonfigurować ją i nauczyć zespół obsługi. Polites po prostu zbudował własną aplikację w ciągu jednej nocy. Następnego dnia system był gotowy do wysyłania wiadomości dystrybutorom oraz zbierania odpowiedzi.

To właśnie może być jedna z najważniejszych zmian wynikających z rozwoju generatywnej i agentowej AI. Koszt stworzenia niewielkiej aplikacji wewnętrznej gwałtownie spada, a przedsiębiorstwo nie musi za każdym razem kupować kolejnego produktu SaaS tylko dlatego, że potrzebuje jednej konkretnej funkcji.

Automatyzacja wpływa również na mniej oczywiste obszary. Jeden z analityków powiedział Soi, że system przejął najbardziej nielubiane przez niego zadanie transakcyjne. Dla firmy oznacza to oszczędność czasu, a dla pracownika – możliwość skupienia się na bardziej interesujących obowiązkach.

Polskie firmy powinny stawiać na technologie

Podobny model może być szczególnie interesujący dla polskich MŚP, które często mają rozbudowane procesy operacyjne, ale nie mogą pozwolić sobie na duże działy IT i danych. Agentowa AI może obniżyć barierę tworzenia własnych aplikacji, raportów oraz integracji. Kluczowe pozostaną jednak jakość danych, bezpieczeństwo i kontrola nad decyzjami podejmowanymi przez systemy.

BERO chce pójść jeszcze dalej. Dzisiaj platforma przede wszystkim dostarcza dane, na podstawie których decyzje podejmują ludzie. Soi zakłada, że w przyszłości część rutynowych decyzji będzie mogła podejmować sama AI, podczas gdy pracownicy ograniczą się do ich zatwierdzania oraz zajmą zadaniami wymagającymi kreatywności.

Przykład firmy pokazuje więc model organizacji, który jeszcze niedawno trudno byłoby sobie wyobrazić: jednoosobowy dział danych może tworzyć rozwiązania używane przez niemal całe przedsiębiorstwo, ponieważ jego realnymi „pracownikami” są dziesiątki działających przez całą dobę agentów AI.

Jeżeli podobne podejście stanie się bardziej powszechne, największa zmiana nie będzie polegać wyłącznie na szybszym wykonywaniu istniejących zadań. Firmy mogą zacząć budować strukturę organizacyjną zupełnie inaczej – zatrudniając mniej osób do obsługi procesów, a więcej do podejmowania decyzji, rozwijania produktów, sprzedaży i tworzenia nowych pomysłów.

Czytaj też: Boom na kursy AI. Pracownicy chcą udowodnić, że nadążają za rewolucją