Dlaczego zespół wciąż wkleja rzeczy do ChatGPT zamiast korzystać z oficjalnych narzędzi
Skala kopiowania i wklejania do ChatGPT to nie przede wszystkim porażka zgodności, którą trzeba kontrolować. To darmowe, uczciwe badanie rynku o tym, gdzie dokładnie wasze oficjalne narzędzia są zbyt wolne — jeśli jesteście gotowi tak to czytać.
Zapytajcie kierowniczkę operacji w pięćdziesięcioosobowej agencji, gdzie naprawdę powstaje research klientów, a wskaże narzędzie do zarządzania projektami z miesięczną fakturą i tabelą uprawnień. Zapytajcie, gdzie to się naprawdę dzieje, a uczciwa odpowiedź, coraz częściej, brzmi: karta przeglądarki z uruchomionym ChatGPT.
To nie jest marginalny nawyk ograniczony do kilku łamiących zasady osób w zespole projektowym. To raczej norma. Work Trend Index 2024 Microsoftu i LinkedIna, oparty na badaniu 31 000 pracowników w 31 krajach, wykazał, że 78% pracowników korzystających w pracy z generatywnej AI przynosi własne narzędzia AI zamiast tych udostępnionych przez pracodawcę — praktykę, którą raport nazywa BYOAI. W małych i średnich firmach odsetek ten rośnie do 80%. Osobny Annual Report 2025 od 1Password, oparty na odpowiedziach 5 000 pracowników, wskazał ostrożniejsze 27% osób przyznających, że używały narzędzi AI, których firma nie autoryzowała, podczas gdy badanie Cybernews z września 2025 roku wśród ponad 1 000 pracowników w USA wskazało 59%. Rozrzut jest szeroki, bo każde badanie zadaje nieco inne pytanie — „czy kiedykolwiek sięgnąłeś po AI poza oficjalnymi kanałami” a „czy świadomie polegasz na niezatwierdzonej AI przy najważniejszej pracy” — ale każda z tych liczb leży wyraźnie powyżej tego, co większość liderów IT i operacji podałaby z marszu.
Większość rozmów o tym fakcie zaczyna się od słowa „cień” i kończy notatką o polityce dopuszczalnego użycia. Ten instynkt jest zrozumiały. Jest też w większości złym pierwszym ruchem.
Co ta liczba naprawdę mierzy
Zacznijcie od tego, czego te badania nie wykazują. Nie wynika z nich, że pracownicy są leniwi, lekkomyślni albo próbują obejść kierownictwo. Raport 1Password zapytał ludzi wprost, dlaczego sięgają po niezatwierdzone narzędzia AI, a dwie najczęstsze odpowiedzi to wygoda (45%) i poczucie większej produktywności (43%) — nie „mój menedżer nie sprawdza” ani „nie obchodzi mnie polityka firmy”. Ludzie nie chowają się w ChatGPT dlatego, że jest zakazany. Chowają się w nim, bo jest szybszy niż to, czego mieli używać zamiast niego.
To rozróżnienie ma znaczenie, bo oznacza, że zachowanie kopiuj-wklej nie jest przede wszystkim problemem dyscypliny do kontrolowania. Jest bliższe klientowi, który wybiera produkt konkurenta zamiast waszego. Jeśli klient zaczyna obchodzić wasz proces zakupu, bo u konkurenta jest o trzy kliknięcia krótszy, nie odpowiadacie, utrudniając porzucenie własnego procesu — idziecie sprawdzić, co w nim jest wolne. Ta sama logika działa wewnątrz firmy. Za każdym razem, gdy ktoś otwiera ChatGPT zamiast waszego narzędzia do zadań, aplikacji do wiadomości albo wewnętrznej wiki, oddaje uczciwy, nieproszony głos o tym, gdzie oficjalne narzędzia są zbyt wolne, zbyt głęboko schowane w kliknięciach albo brakuje im czegoś, czego potrzebuje teraz. Nikt nie wypełnia ankiety, żeby wam to powiedzieć. Po prostu to robi, w kółko, na skalę — i właśnie to czyni ten sygnał bardziej wiarygodnym niż większość informacji zwrotnej, jaką kiedykolwiek zbierzecie celowo.
Kopiowanie do ChatGPT nie jest dowodem, że zespół nie szanuje narzędzi, które mu daliście. To żywy pomiar dokładnie tego, gdzie te narzędzia zawodzą — zapisany automatycznie, w dużej skali, bez zmęczenia ankietami.
Gdzie to pasuje: dług procesowy staje się widoczny
Filozofia produktu FabricLoop ma nazwę na stan, który rodzi to zachowanie: dług procesowy — nagromadzony, ukryty koszt zszywania narzędzi, które nie dzielą kontekstu, płacony walutą ludzi ręcznie przepisujących, ponownie wyjaśniających i uzgadniających informacje, które powinny były ruszyć same. Dług procesowy nie pojawia się w bilansie. Pojawia się jako dziesięć minut, które ktoś spędza, kopiując wątek klienta z poczty do dokumentu, a potem streszczając go ręcznie, bo zaangażowane systemy ze sobą nie rozmawiają.
Generatywna AI nie stworzyła długu procesowego. Dała tylko wszystkim znacznie szybszy sposób jego obsługi. Przed ChatGPT pracownik stojący przed rozdrobnionym, wolnym procesem wewnętrznym miał dwie opcje: przebrnąć przez niego albo znaleźć nieformalne obejście — osobisty arkusz, boczną wiadomość na Slacku, karteczkę. Teraz jest trzecia opcja, która zajmuje dziewięć sekund i daje naprawdę użyteczny wynik: wkleić bałagan do chatbota i pozwolić mu uzgodnić dane. Skala ludzi wybierających tę trzecią opcję to bezpośredni, bieżący odczyt tego, ile długu procesowego niesie organizacja, wyrażony po jednym przepływie pracy. Zespół, który stale wkleja do ChatGPT, nie jest niezdyscyplinowany. To zespół, który płaci odsetki od długu procesowego na tyle szybko, że wszyscy to czują.
Dlatego samo zakazanie obejścia rzadko działa. Zablokowana strona albo surowa notatka o polityce nie spłaca długu — tylko usuwa najszybszy dostępny sposób jego obsługi, co spycha ludzi z powrotem do wolniejszych obejść albo na prywatny telefon, gdzie nikt nie widzi, co w ogóle robią. Jeśli luka, która w ogóle posłała kogoś do ChatGPT, nadal tam jest, zakaz uczynił problem mniej widocznym, a nie mniejszym.
Nic z tego nie znaczy, że ryzyko jest wyobrażone. Gdy ktoś wkleja umowę klienta, zestaw notatek z oceny wyników albo dane konta klienta do osobistego konta ChatGPT, Claude albo Gemini, te dane opuszczają kontrolę waszej firmy i lądują w infrastrukturze innej firmy, na warunkach innej firmy — często w darmowym planie, który zwykle ma najsłabsze gwarancje obchodzenia się z danymi spośród wszystkich oferowanych planów. To realne narażenie i zasługuje na prawdziwe, jasno wypowiedziane ostrzeżenie, a nie na przypis. Błędem jest prowadzenie tym ryzykiem jako całą historią, bo strach jest słabym motywatorem zmiany zachowania i jeszcze słabszym narzędziem diagnostycznym. Nazwijcie ryzyko raz, potraktujcie je poważnie, a potem idźcie sprawdzić, co naprawdę napędza to zachowanie — bo to jest część, którą da się naprawić.
Czytajcie to jak dane o churnie, a nie jak dziennik nadzoru
Właściwa reakcja przypomina sposób, w jaki zespół produktowy bada churn, a nie sposób, w jaki zespół ds. zgodności prowadzi audyt. Nie musicie czytać historii ChatGPT żadnego pojedynczego pracownika i nie powinniście próbować — to nadzór, który zniszczy zaufanie szybciej, niż przyniesie wnioski, a w większości jurysdykcji rodzi własne ryzyko prawne. Interesuje was wzorzec zbiorczy: które przepływy pracy, role i momenty w procesie regularnie kończą się ucieczką do zewnętrznego narzędzia AI. Na to pytanie można odpowiedzieć krótką, anonimową ankietą pulsową, kilkoma szczerymi rozmowami z liderami zespołów albo — jeśli oficjalne narzędzia mają w ogóle jakąkolwiek analitykę użycia — sprawdzając, gdzie ludzie porzucają zadanie w połowie i wokół jakich zgłoszeń do wsparcia pojawia się hasło „to trwa za długo”.
W badaniach niewielka liczba kategorii przepływów pracy odpowiada za większość ruchu. Dane 1Password pokazują to konkretnie: 22% respondentów powiedziało, że używa zewnętrznych narzędzi AI do transkrypcji i streszczania notatek z rozmów z klientami, 21% — do analizy danych klientów, a 16% — zarówno do analizy danych firmy, jak i do przygotowywania materiałów związanych z rekrutacją i ocenami okresowymi. Żaden z tych przypadków nie jest egzotyczny. To zwykła tkanka łączna prowadzenia rosnącego zespołu albo konta agencyjnego — moment tuż po zakończeniu rozmowy, zanim notatki trafią tam, gdzie się przydadzą; moment, gdy menedżer potrzebuje szybkiego wglądu w arkusz, dla którego nikt nie zbudował raportu; moment, gdy ktoś musi zamienić stertę rozproszonych opinii w spójną ocenę. Niemal zawsze samo zadanie jest naprawdę proste. Wolne jest co innego: liczba narzędzi, które trzeba otworzyć, i liczba razy, gdy trzeba od nowa tłumaczyć kontekst, który już gdzieś w firmie istnieje, żeby załatwić to oficjalną ścieżką.
Przyspieszcie oficjalną ścieżkę, zamiast utrudniać obejście
Gdy znacie dwa albo trzy konkretne przepływy pracy napędzające większość ruchu, poprawka prawie nigdy nie jest nową polityką. Jest zamknięciem rzeczywistej luki. Konkretnie, dla lidera rosnącego zespołu albo agencji, oznacza to trzy rzeczy, mniej więcej w tej kolejności.
Po pierwsze, nazwijcie przepływy precyzyjnie, nie ogólnie. „Ludzie używają ChatGPT do spraw klientów” nie jest dość konkretne, żeby działać. „Opiekunowie klientów streszczają notatki z rozmów w ChatGPT, bo nasze narzędzie do zadań nie ma szybkiego zapisu z rozmowy, więc inaczej musieliby otworzyć trzy osobne ekrany” jest dość konkretne, żeby to naprawić — i zwykle jeden albo dwa takie przypadki odpowiadają za większość wolumenu, nie tuzin.
Po drugie, porównajcie obejście z oficjalną ścieżką w jednostkach, które naprawdę mają znaczenie dla osoby wykonującej pracę: liczbie kliknięć, liczbie przełączeń między aplikacjami i liczbie razy, gdy trzeba przepisać coś, co już istnieje gdzie indziej. Jeśli zewnętrzne narzędzie wygrywa wyraźnie we wszystkich trzech, to jest wasza luka i zwykle da się ją zamknąć — skrótem do szybkiego zapisu, szablonem, integracją, która sama wciąga właściwy wątek do narzędzia, zamiast prosić kogoś, żeby po niego poszedł.
Po trzecie, gdy użyteczna jest sama AI — nie tylko szybkość, ale samo streszczanie czy szkicowanie — wprowadźcie funkcje AI do zatwierdzonego środowiska pracy, zamiast udawać, że ludzie przestaną ich chcieć. To właśnie jest argument za wbudowywaniem AI w narzędzia, w których zespół i tak na co dzień pracuje, zamiast zostawiać ją w osobnej aplikacji konsumenckiej, bez waszego kontekstu i bez waszej kontroli.
Odpowiedzią FabricLoop na tę lukę jest Loop Agent, zbudowany na Model Context Protocol, dzięki czemu może działać wewnątrz tych samych Groups, w których już znajdują się wasze wiadomości, zadania i notatki — streszczając wątek, szkicując zadanie na podstawie rozmowy albo wyszukując notatkę, bez wychodzenia z aplikacji i bez ponownego tłumaczenia kontekstu, który już tam jest. Nie chodzi o to, by przebić ChatGPT liczbą funkcji. Chodzi o to, by oficjalna ścieżka była co najmniej tak szybka jak obejście, z zachowanym śladem audytowym, żeby wygoda, która dziś wysyła pracę na zewnętrzne konto, miała dokąd trafić w obrębie waszej firmy.
Jak to naprawdę wygląda w najbliższy poniedziałek
Nic z tego nie wymaga powoływania zespołu zadaniowego. Wymaga godziny uczciwego przyjrzenia się sprawie, krótkiej rozmowy z osobami na dwóch czy trzech stanowiskach, które najwięcej kopiują i wklejają, oraz gotowości, by traktować to, co znajdziecie, jako użyteczną informację, a nie sprawę dyscyplinarną. Zapytajcie ludzi wprost, co próbowali zrobić tuż przed otwarciem ChatGPT — większość powie to otwarcie, bo nie próbowali niczego ukryć, tylko dokończyć zadanie. Potem porównajcie to zadanie, krok po kroku, z tym, ile trwa jego wykonanie w oficjalnych narzędziach. Luka, którą znajdziecie, to wasz prawdziwy roadmap produktu na następny kwartał, podarowany za darmo przez ludzi, którzy korzystają z waszych systemów każdego dnia.
Zespoły, które robią to źle, traktują kopiowanie jako kwestię uczciwości i spędzają kwartał na pisaniu polityki, której nikt nie czyta. Zespoły, które robią to dobrze, traktują je jako badanie rynku, za które nikt nie musiał płacić, i ten sam kwartał poświęcają na zamknięcie dwóch albo trzech luk, które zmuszały wszystkich do obchodzenia narzędzi, jakie już mieli.