ARTYKUŁ PRZEGLĄDOWY
Sztuczna inteligencja jako środowisko wzmacniania potencjału intelektualnego współczesnego menedżera
Więcej
Ukryj
1
Military University of Technology, Warsaw, Poland
A - Koncepcja i projekt badania; B - Gromadzenie i/lub zestawianie danych; C - Analiza i interpretacja danych; D - Napisanie artykułu; E - Krytyczne zrecenzowanie artykułu; F - Zatwierdzenie ostatecznej wersji artykułu
Data nadesłania: 26-01-2026
Data ostatniej rewizji: 16-02-2026
Data akceptacji: 20-03-2026
Data publikacji online: 30-06-2026
Data publikacji: 30-06-2026
NSZ 2026;21(2):99-121
SŁOWA KLUCZOWE
STRESZCZENIE
Cel badań i hipotezy/pytanie badawcze:
Głównym celem opracowania jest wykazanie, w jaki sposób narzędzia i modele sztucznej inteligencji stają się integralnymi elementami środowiska organizacyjnego, wspierając procesy decyzyjne, zwiększając efektywność operacyjną oraz podnosząc jakość zarządzania w dynamicznych warunkach rynkowych. Hipoteza główna nadaje kierunek całej treści artykułu: systemy AI nie tylko zwiększają skuteczność operacyjną, lecz także znacząco wpływają na rozwój kompetencji menedżerskich, takich jak zdolności analityczne, umiejętność funkcjonowania w środowisku cyfrowym oraz zarządzanie wielowymiarowym krajobrazem ryzyka.
Metody badawcze:
W celu weryfikacji tak sformułowanej hipotezy na obecnym etapie przeprowadzono studia literaturowe, które stanowią fundament dla prowadzonych badań empirycznych dotyczących użyteczności i wpływu sztucznej inteligencji zarówno na rozwój osobisty menedżerów, jak i realizację celów strategicznych w nowoczesnych organizacjach.
Główne wyniki:
W pracy wyeksponowano istotę oraz rolę wybranych modeli sztucznej inteligencji. Dokonano syntetycznego opisu procesów uczenia maszynowego – w tym uczenia głębokiego (ang. deep learning), przetwarzania języka naturalnego (NLP) oraz systemów ekspertowych – koncentrując się na ich użyteczności w środowisku menedżerskim, a także na ich immanentnych zaletach i ograniczeniach. Uwzględniono przy tym problem nieprzejrzystości algorytmicznej (problem „czarnej skrzynki”), a także kwestie niepewności i ryzyka błędu algorytmicznego (ang. algorithmic bias), wynikającego z jakości oraz reprezentatywności danych. Znaczną uwagę poświęcono także analizie predykcyjnej, detekcji anomalii, prognozowaniu trendów oraz automatyzacji powtarzalnych zadań, co pozwala menedżerom skoncentrować się na imperatywach strategicznych. Przytoczone w artykule przykłady aplikacyjne obejmują zarządzanie projektami, priorytetyzację zadań, symulacje scenariuszowe oraz wsparcie w sytuacjach kryzysowych, w przypadku których szybkość i trafność decyzji mają kluczowe znaczenie dla zachowania ciągłości biznesowej organizacji.
Implikacje dla teorii i praktyki:
W końcowej sekcji podkreślono rolę środowiska AI w kształtowaniu jakości i efektywności współczesnych menedżerów. Wskazano, w jaki sposób integracja sztucznej inteligencji stanowi fundament zarówno dla osobistego rozwoju menedżerskiego, jak i osiągania długoterminowych celów strategicznych w nowoczesnych organizacjach.
REFERENCJE (24)
1.
ABOU TABL, A., ALKHATEEB, A., ELMARAGHY, W., 2021. Deep Learning Method Based on Big Data for Defects Detection in Manufacturing Systems Industry 4.0, International Journal of Industry and Sustainable Development (IJISD), Vol. 2, No. 1.
2.
BATTELLE, J., 2007. Szukaj. Jak Google i konkurencja wywołali biznesową i kulturową rewolucję, Warszawa: Wydawnictwo Naukowe PWN.
3.
BHANDERI, R., 2024. AI-Driven Project Management: Revolutionizing Workflow Optimization and Decision-Making, International Journal of Trend in Scientific Research and Development (IJTSRD), Vol. 8, No. 6.
4.
BHARADWAJ, A., EL SAWY, O.A., PAVLOU, P.A., VENKATRAMAN, N., 2013. Digital Business Strategy: Toward a Next Generation of Insights, MIS Quarterly, Vol. 37, No. 2.
5.
CONSTANTIOU, I., JOSHI, M.P., STELMASZAK, M., 2024. Research Handbook on Artificial Intelligence and Decision-Making in Organizations, Cheltenham: Edward Elgar Publishing.
6.
DĄBROWSKI, M., ZASKÓRSKI, P., 2022. Bezpieczeństwo cyberprzestrzeni jako determinanta sprawności zarządzania w sytuacjach kryzysowych, [in:] Tarapata, J., Woźniak, J. (Eds.), Odporność organizacji. Cyfryzacja, bezpieczeństwo, innowacje, Warszawa: Difin.
7.
EUROPEAN COMMISSION, 2020. Biała księga w sprawie sztucznej inteligencji: Europejskie podejście do doskonałości i zaufania, Bruksela.
8.
FOUNTAINE, T., MCCARTHY, B., SALEH, T., 2019. AI and Machine Learning: Building the AI-Powered Organization, Harvard Business Review, July – August.
9.
GARVIN, D.A., 1993. Building a Learning Organization, Harvard Business Review, July – August.
10.
GRIFFIN, R.W., 2017. Podstawy zarządzania organizacjami, Warszawa: Wydawnictwo Naukowe PWN.
11.
HARVARD BUSINESS REVIEW ANALYTIC SERVICES, 2022. Optimizing Machine Learning-Driven Business Outcomes by Adopting MLOps,
https://hbr.org/sponsored/2022... (accessed: 2.09.2025).
12.
KRYSTIAN, M., ZASKÓRSKI, P., 2023. Sztuczna inteligencja w usprawnianiu procesów biznesowych, Nowoczesne Systemy Zarządzania, Vol. 18, No. 4.
14.
NILSSON, M., 2024. Navigating AI in Project Management. A PMI Chapters Collaboration, Project Management Institute Sweden Chapter,
https://www.pmi-se.org/Filer/P... (accessed: 20.01.2026).
15.
OSUSZEK, Ł., STANEK, S., 2021. AI for Augmenting Human Judgement in Business Processes Management, Scientific Journal of the Military University of Land Forces, Vol. 53, No. 3.
17.
RUSSELL, S., NORVIG, P., 2022. Artificial Intelligence: A Modern Approach, London: Pearson.
18.
ŚLUSARCZYK, B., 2019. Potencjalne rezultaty wprowadzania koncepcji Przemysłu 4.0 w przedsiębiorstwach, Tworzywa Sztuczne w Przemyśle, No. 6.
19.
SYAM, N., KAUL, R., 2021. Machine Learning and Artificial Intelligence in Marketing and Sales: Essential Reference for Practitioners and Data Scientists, Leeds: Emerald Publishing.
20.
TAULLI, T., 2023. Generative AI: How ChatGPT and Other AI Tools Will Revolutionize Business, New York City: Apress.
22.
VON KROGH, G., 2018. Artificial Intelligence in Organizations: New Opportunities for Phenomenon-Based Theorizing, Academy of Management Discoveries, Vol. 4.
23.
ZASKÓRSKI, P., ŁUKASIK, S., 2025. Rola algorytmów w zarządzaniu przedsiębiorstwem, [in:] Woźniak, J., Sołek-Borowska, C. (Eds.), Kultura cyfrowa. Perspektywa badawcza przedsiębiorstw innowacyjnych, Warszawa: Wojskowa Akademia Techniczna.
24.
ZASKÓRSKI, P., ZASKÓRSKI, W., 2017. “Big-Data” systems in improving modern organizations: public speeches of senior staff of the army as the safety component cultural, Nowoczesne Systemy Zarządzania, Vol. 12, No. 2.