Firmy zbierają rocznie tysiące odpowiedzi w ankietach pracowniczych. Tylko 48% pracowników kiedykolwiek widziało realną zmianę, która z tego wynikła. AI nie rozwiąże problemu z brakiem woli. Rozwiąże problem z brakiem czasu na przeczytanie 400 odpowiedzi otwartych.

Firmy w Polsce co roku wysyłają pracownikom ankietę satysfakcji, zbierają setki odpowiedzi w polach tekstowych, i robią z nimi dokładnie jedną rzecz: nic. Nie ze złej woli. Z braku czasu, żeby przeczytać 400 zdań napisanych przez ludzi, którzy akurat mieli 5 wolnych minut między spotkaniami.

AI do analizy ankiet pracowniczych nie rozwiązuje problemu, że nikomu nie chce się słuchać zespołu. Rozwiązuje dokładnie ten jeden, konkretny problem: 400 odpowiedzi otwartych, które ktoś musiał przeczytać, a nikt nie miał na to czasu.

Poniżej, co AI faktycznie robi z tym tekstem, jakich narzędzi używać, i na co uważać, zanim wrzucisz do modelu dane, po których pracownik da się rozpoznać.

Ankieta, której nikt nie przeczytał

Element5 Digital / Pexels

Dane nie są miłe dla działów HR. Raport Qualtrics 2026 Employee Experience Trends pokazuje, że tylko 48% pracowników widziało kiedykolwiek pozytywną zmianę wynikającą z ich feedbacku, o 4 punkty procentowe mniej niż rok wcześniej. 44% pracowników chce, żeby firma częściej ich słuchała. Tylko 25% firm faktycznie zwiększyło liczbę takich okazji.

Najbardziej wymowna jest jedna liczba z tego samego raportu: odsetek firm polegających głównie na sporadycznych, pojedynczych ankietach wzrósł z 10% w 2025 roku do 22% w 2026. W roku, w którym narzędzia do czytania odpowiedzi otwartych stały się tańsze i szybsze niż kiedykolwiek, firmy zaczęły słuchać rzadziej, nie częściej. O tym, jak używanie AI w pracy wpływa na samo poczucie sensu, pisałem szerzej przy okazji tekstu o tym, czy AI zwiększa, czy zmniejsza satysfakcję z pracy.

Co AI faktycznie robi z tekstem, który wpisali pracownicy

RDNE Stock project / Pexels

Mechanika jest prostsza, niż brzmi nazwa. Model czyta każdą odpowiedź, przypisuje jej sentyment (pozytywny, neutralny, negatywny), i grupuje podobne wypowiedzi w powtarzające się wątki: "za mało informacji zwrotnej od przełożonego", "dobra atmosfera w zespole", "problem z narzędziami do pracy". Zamiast 400 pojedynczych zdań dostajesz 8 do 12 tematów z liczbą osób, które o nich wspomniały.

Polskie narzędzia ankietowe już to oferują wprost. Insightomat od Webankiety zamienia surowy plik CSV z odpowiedziami w gotowe wątki tematyczne. SurveyLab dodało analizę sentymentu opartą na modelu GPT-4 mini wprost do panelu wyników. Jeśli nie masz budżetu na dedykowane narzędzie, wystarczy wyeksportować odpowiedzi do arkusza i wkleić je do modelu z prostym poleceniem: pogrupuj w tematy, oceń sentyment, wskaż 3 najczęstsze problemy.

Różnica względem ręcznego czytania nie jest kosmetyczna. Człowiek zmęczony po 50. odpowiedzi zaczyna skanować wzrokiem. Model czyta 400. odpowiedź tak samo uważnie jak pierwszą, co akurat w tym jednym zadaniu jest zaletą, nie oznaką braku empatii.

Zanim uruchomisz analizę: anonimowość i RODO

W dużym zespole 400 anonimowych odpowiedzi zostaje anonimowych. W zespole liczącym 8 osób odpowiedź "mój przełożony nigdy nie odpowiada na Slacku po 16" rozpoznaje każdy, kto tam pracuje, model AI nie musi nic odgadywać. Próg, poniżej którego dane przestają być realnie anonimowe, to zwykle grupa mniejsza niż 10 do 15 osób. Poniżej tej liczby warto agregować wyniki na poziomie całej firmy, nie pojedynczego zespołu.

To inny rodzaj ryzyka niż przy AI w ocenie pracy zespołu, gdzie system ocenia konkretną, nazwaną osobę i wchodzi w zakres wysokiego ryzyka według unijnego AI Act. Analiza zbiorczego sentymentu z ankiety, bez przypisywania odpowiedzi do konkretnego pracownika, tego progu zwykle nie przekracza. Zwykle, nie zawsze, więc warto to sprawdzić, zanim ktoś zapyta o to inspektor ochrony danych, a nie po.

Co z tym zrobić w praktyce

Moim zdaniem analiza bez działania jest gorsza niż brak analizy, bo pokazuje pracownikom dokładnie to samo, co papierowa ankieta wrzucona do szuflady, tylko szybciej i ładniejszym wykresem. Skoro tylko 25% firm zwiększyło liczbę okazji do słuchania zespołu, mimo że narzędzia do tego stały się tańsze, problem nigdy nie leżał w braku technologii. Ten sam mechanizm, ładne dane bez realnej decyzji na końcu, opisywałem już przy okazji tego, kiedy automatyzacja się nie opłaca.

Konkretny plan na 3 kroki: wyeksportuj odpowiedzi otwarte z ostatniej ankiety, poproś model o pogrupowanie ich w tematy i wskazanie 3 najczęściej powtarzających się problemów, i zamień jeden z nich w konkretną decyzję ogłoszoną zespołowi w ciągu miesiąca. Sama analiza zajmuje AI kilka minut. To, co firma zrobi z wynikiem, zajmuje jej dokładnie tyle, ile do tej pory, czyli w wielu przypadkach nic.