AI pogarsza decyzje dotyczące ludzi — oto dlaczego

David Rice: Używasz AI do podejmowania decyzji rekrutacyjnych, oceniania wyników pracy, przydzielania ludzi do zespołów — decyzji dotyczących ludzi o dużej wadze, które wpływają na kariery, kulturę i wyniki biznesowe. W wielu przypadkach nie mamy pojęcia, jaki kontekst właściwie mu przekazujemy. To tak, jakby poprosić znajomego o radę dotyczącą szefa, a on odpowiedziałby: "Cóż, właściwie nie znam twojego szefa, więc jak mam udzielić ci dobrej rady?" Musisz powiedzieć mu więcej. Jednak w wielu przypadkach nie przekazujesz AI więcej informacji — po prostu masz nadzieję, że samo wszystko zrozumie.

Dzisiejszym gościem jest Matt Poepsel z firmy The Predictive Index, a jego sesja podczas ostatniej konferencji Transform w Las Vegas nosiła tytuł Inteligentne narzędzia, głupie decyzje dotyczące ludzi. Oto bowiem, co się dzieje. AI może w kilka minut przeprowadzić analizę i napisać coś, co wcześniej zajmowało dwa tygodnie, więc zmniejszamy oczekiwania czasowe. Działamy szybciej, ale nadal korzystamy ze starego modelu mentalnego za pomocą nowych narzędzi. A pierwsi intensywni użytkownicy są najbardziej wypaleni. Warto też wziąć pod uwagę, że najważniejszą i najbardziej ryzykowną formą pracy jest praca zespołowa.

Ludzie o różnych typach osobowości zderzają się ze sobą jak samochodziki w wesołym miasteczku. Dodaj do tego sprzeczne cele, które siłą rzeczy występują w złożonych strategiach, a otrzymasz przepis na katastrofę. Menedżerowie nie wiedzą jednak, że powinni prosić o dane dotyczące zachowań. Nie szkolimy ich w tym zakresie. Uczymy strategii, technologii i operacji, ale nie tego, jak właściwie zadbać o czynnik ludzki.

A teraz dodajemy do tego wszystkiego agentów. Twój agent dzwoni do mojego agenta, AI tworzy podsumowania, które moje AI analizuje. Tworzymy rzeczywisty dystans między sobą, myśląc jednocześnie, że jesteśmy produktywni. To produkcyjny bałagan — próbujemy nadążyć za wczorajszą definicją produktywności zamiast rozwijać się w kierunku tego, jak naprawdę wygląda wartość.

W dzisiejszym programie omówimy, dlaczego AI potrzebuje kontekstu behawioralnego, a nie tylko opisów stanowisk i umiejętności; zasadę „zmierz dwa razy, tnij raz” w przypadku decyzji dotyczących ludzi o dużej wadze — a każda decyzja dotycząca ludzi ma teraz duże znaczenie; dlaczego umiejętności są ulotne, ale cechy behawioralne pozostają stabilne; jak wcześniej włączyć wiedzę o zachowaniach do procesu rekrutacji; dlaczego menedżerowie nie wiedzą, jakich danych powinni żądać, i co dział HR powinien z tym zrobić; a na koniec — różnicę między AI, które przyspiesza dynamikę zespołu, a AI, które niszczy zaufanie.

Nazywam się David Rice. To jest People Managing People. Jeśli korzystasz z AI przy podejmowaniu decyzji dotyczących ludzi, nie rozumiejąc, jaki kontekst ma naprawdę znaczenie, ta rozmowa, mam nadzieję, pokaże ci dokładnie, czego ci brakuje. To rozmowa na żywo między mną a Mattem, nagrana na terenie wystawowym podczas konferencji Transform. Zatem miłego słuchania. Oddaję głos mnie i Mattowi.

Jestem tutaj z Mattem Poepslem z firmy The Predictive Index. Witaj, Matt. Miło z tobą porozmawiać tutaj, podczas Transform.

Matt Poepsel: Wielkie dzięki. Dziękuję za zaproszenie.

David Rice: Bardzo podobała mi się twoja wczorajsza sesja. Tytuł brzmiał: Inteligentne narzędzia, głupie decyzje dotyczące ludzi.

Matt Poepsel: Tak, właśnie.

David Rice: I to chyba dobry punkt wyjścia.

W wielu przypadkach sugerujesz, że AI wydaje rekomendację, a człowiek ją zatwierdza. Zastanawiam się, gdzie leży większe ryzyko. Czy chodzi o nadmierne poleganie na AI, czy raczej o fakt, że w wielu przypadkach tak naprawdę nie wiemy, jakie dane mu przekazujemy?

Matt Poepsel: Tak, to prawda. Myślę, że na początku z pewnością będziemy nadmiernie na nim polegać, ale nie sądzę, żeby samo korzystanie z narzędzi AI było czymś złym.

Myślę jednak, że musimy zrozumieć, że AI ma tylko taki kontekst, jaki mu przekażemy, i na tej podstawie zwraca nam odpowiedź.

David Rice: Właśnie.

Matt Poepsel: To tak, jakbym zapytał znajomego: "Czy możesz mi doradzić, jak pracować z moim szefem?". Odpowiedziałby: "Cóż, właściwie nie znam twojego szefa, więc jak mam udzielić ci dobrej rady?" Musisz powiedzieć mi więcej. I mam wrażenie, że właśnie to często dzieje się z tymi narzędziami AI.

David Rice: Tak. A z drugiej strony dane dotyczące ludzi słyną z tego, że często mają wiele problemów, prawda?

Matt Poepsel: To prawda.

David Rice: Zastanawiam się więc — rozmawiasz z wieloma osobami — jak oceniasz ich pewność co do danych, które wprowadzają?

Matt Poepsel: Wcale nie są pewni. Myślę, że jesteśmy jeszcze na wczesnym etapie rozwoju AI, a wiele zastosowań ma początkowo charakter eksperymentalny. Ludzie pytają: "W czym możesz mi pomóc? Ciekawe, co otrzymam w odpowiedzi". Z czasem stają się coraz bardziej komfortowi w korzystaniu z AI, co jest dobrą rzeczą, i zaczynają zlecać mu bardziej złożone zadania.

Na początku prosili: "Pomóż mi sformułować ten e-mail", a teraz mówią: "Pomóż mi przygotować prezentację dla zespołu dotyczącą najnowszych wyników sprzedaży". Zakres zastosowań stopniowo się zwiększa, ale często przeoczamy pewien problem: jeśli nie znamy zespołu — jego stylów zachowania i preferencji komunikacyjnych — to czy rzeczywiście otrzymujemy od AI najlepszą poradę, gdy pomaga nam tworzyć tę prezentację? To właśnie trochę mnie niepokoi.

David Rice: Byłem ostatnio na kilku konferencjach i dużo mówi się o zarządzaniu, szczególnie teraz, gdy wchodzimy w erę agentów. Jak oceniasz to, w jaki sposób ludzie definiują odpowiedzialność za decyzje?

Matt Poepsel: Ta odpowiedzialność jest przerzucana z jednej strony na drugą jak piłka nożna. Myślę, że trafia do pewnego stanu pośredniego. To nie jest wyłącznie kwestia prawna, ale też nie tylko IT ani HR. Często to właśnie dział HR otrzymuje zadanie poprowadzenia działań związanych z akceptowalnym i właściwym wykorzystaniem AI, co moim zdaniem ma sens.

Ostatecznie mówimy o potencjalnym narażaniu ludzi na szkodę. Jeśli pracownik otrzyma od menedżera coś, co budzi jego sprzeciw, może to zniszczyć ogromną część zaufania. Koszt ludzki może być więc naprawdę wysoki. Z tego punktu widzenia HR ma sens. Czasami patrzy się jednak na to zbyt transakcyjnie.

Kiedy podchodzimy do tego wyłącznie z perspektywy zgodności z przepisami, nie zauważamy, że AI może znacznie przyspieszyć nasze możliwości właściwego kształtowania dynamiki zespołu i pomóc rozwijać firmy w nowy sposób.

David Rice: Wspomniałeś o dynamice zespołu. AI nie jest jeszcze w pełni zdolne do jej zrozumienia ani do zrozumienia tego, jak naprawdę wykonywana jest praca.

Jak więc strukturyzować kontekst, który mu przekazujemy, i tworzyć uporządkowane dane wejściowe, aby mogło skutecznie na nich pracować?

Matt Poepsel: Mówię o tym cały czas: najważniejszą i najbardziej ryzykowną formą pracy jest praca zespołowa. Jeśli pomyślisz o czymkolwiek, co dzieje się w firmie, prawdopodobieństwo, że jedna osoba wykonuje to samodzielnie, jest bardzo małe.

Zazwyczaj są to zespoły, a czasem całe grupy ludzi, które wspólnie tworzą programy i inicjatywy albo wprowadzają zmiany w modelu biznesowym.

David Rice: Tak.

Matt Poepsel: Musimy więc właściwie organizować pracę zespołową. Dla mnie zaczyna się to od zrozumienia różnic behawioralnych i strategicznych wymagań danego zespołu.

Kiedy połączysz na jednym zespole osoby o bardzo różnych typach osobowości, zaczynają zderzać się ze sobą jak samochodziki w wesołym miasteczku. Jeśli dodasz do tego sprzeczne cele, które często są nieodłączną częścią złożonych strategii, otrzymujesz przepis na bardzo słabą dynamikę zespołu.

David Rice: Tak.

Matt Poepsel: Musisz więc rozumieć, że dane dotyczące pracy do wykonania oraz osób, które ją wykonują, stanowią bardzo bogaty kontekst. Ekspert mógłby na tej podstawie powiedzieć: "Rozumiem, dlaczego ten zespół utknął" albo dlaczego w określonym obszarze doświadcza tarć.

Pytanie brzmi zatem: jak wykorzystać narzędzia AI, aby również nam w tym pomogły? Myślę, że trzeba się nad tym zastanowić.

David Rice: Zabawne, bo mówimy o dynamice zespołu i pracy zespołowej jako o czymś zagrożonym. Jednocześnie wszyscy podkreślają, że każdy będzie niejako przedsiębiorcą i menedżerem agentów. Myślę więc: jeśli nie rozumiem, jak sprawić, by ludzie współpracowali, to czy potrafię właściwie doprowadzić do współpracy agentów?

Matt Poepsel: Właśnie. Twój agent kontaktuje się z moim agentem. Nagle pojawia się sytuacja, w której duża część produkcyjnego bałaganu powstaje dlatego, że ludzie próbują nadążyć za wczorajszą definicją tego, jak wyglądała produktywność.

David Rice: Zgadza się.

Matt Poepsel: Zamiast rozwinąć się w kierunku tego, jak naprawdę wygląda wartość. Ludzie czują się bardzo daleko w tyle. Myślą: jeśli agent zautomatyzuje część mojej pracy, będę w stanie zrobić o wiele więcej. I wtedy trzeba zapytać: czy to właściwy rodzaj pracy?

Jeśli masz zespół agentów pomagających ci w twojej części pracy, a ja mam zespół agentów pomagających mi w mojej, to czy nie znajdziemy się w sytuacji, w której AI tworzy mnóstwo podsumowań, moje AI je analizuje, a my tworzymy między sobą rzeczywisty dystans? Na to musimy bardzo uważać.

David Rice: Wspomniałeś o produkcyjnym bałaganie. Myślę też o presji czasu. Wszyscy jesteśmy pod presją, żeby działać bardzo szybko, co postrzega się jako przewagę konkurencyjną. Zachęta polega jednak na tym, żeby zaufać narzędziu i iść dalej. Czy właśnie presja czasu jest tego główną przyczyną? Jak możemy ją zmniejszyć?

Matt Poepsel: Rzeczywiście obserwujemy, że czas jest coraz bardziej ograniczany. Jeśli wcześniej zadanie badawcze wraz z napisaniem tekstu zajmowało komuś dwa tygodnie, to teraz, gdy AI może przeprowadzić ogromne badanie w kilka minut, wydaje się właściwe skrócenie oczekiwanego czasu realizacji.

Jednak jeśli chodzi o zaufanie do wyników, nadal potrzebujemy weryfikacji faktów i odpowiedniego formułowania poleceń. To nie pojawia się samo.

Musimy więc uznać, że nasze rozumienie i szacunki dotyczące czasu potrzebnego na wykonanie zadania mogą być nieco sztuczne. Pytanie brzmi jednak: czy rezultat nadal jest dobrej jakości? Czy może wygląda tak, jakby AI stworzyło go samo, w próżni? To nikomu nie pomoże.

Badania pokazują również, że osoby, które najwcześniej i najintensywniej korzystają z AI, są najbardziej wypalone. Nadal działają według starego modelu mentalnego, mimo że używają nowych narzędzi. Jesteśmy wciąż na początku krzywej uczenia się.

To nie jest cykl szumu medialnego. AI rzeczywiście tworzy wartość, ale jeśli ją pomijamy, jeśli korzystanie z AI zwiększa dystans między nami a członkami zespołu albo wyczerpuje nasze zasoby i możliwości, oznacza to tylko, że musimy jeszcze lepiej nad tym panować.

David Rice: AI zwiększa szybkość działania, ale w przypadku decyzji dotyczących ludzi często korzystniej jest działać trochę wolniej, bardziej świadomie i refleksyjnie.

Matt Poepsel: Tak.

David Rice: Powstaje więc napięcie między tymi dwiema rzeczami — celem i najlepszym sposobem jego osiągnięcia. Jak ludzie radzą sobie z tym napięciem, utrzymując jakość bez całkowitego rezygnowania z szybkości, którą chcemy zyskać?

Matt Poepsel: Krótka odpowiedź brzmi: niezbyt dobrze. Jesteśmy na wczesnym etapie uczenia się, więc można się tego spodziewać. Obecnie istnieje jednak duża presja, by zbyt szybko wdrażać niektóre rozwiązania, przez co pogarszamy sytuację.

Jeśli nie zaspokoisz czyichś potrzeb i ta osoba straci zaufanie do narzędzia albo uzna, że istnieje jakiś ukryty cel, całość może potrwać znacznie dłużej, niż gdybyśmy poświęcili na początku trochę więcej czasu. W stolarstwie istnieje stare powiedzenie: "Zmierz dwa razy, tnij raz".

Jest ku temu dobry powód — to szybsze i bardziej opłacalne. Powinniśmy stosować podobne podejście do decyzji dotyczących ludzi o dużej wadze. W obecnych warunkach każda decyzja dotycząca ludzi ma duże znaczenie. Nie musimy zwalniać, ale musimy działać rozważnie, aby móc poruszać się tak szybko, jak chcemy.

David Rice: Masz rację. Patrzę na to również przez pryzmat rekrutacji. Jakość otrzymywanych danych powinna być przynajmniej trochę lepsza. Powinniśmy na chwilę zwolnić i upewnić się, że podejmujemy właściwą decyzję, że sprawdziliśmy wszystkie elementy. Czasami nie wiemy przecież, jakich umiejętności właściwie szukamy.

Matt Poepsel: To prawda.

David Rice: Jeśli nie wiemy nawet, jakich umiejętności potrzebujemy, to jak mamy napisać opis stanowiska i zatrudnić właściwą osobę?

Matt Poepsel: Kopiujemy i wklejamy opisy z dawnych czasów i wyników wyszukiwania, przepuszczamy je przez AI, a rezultat nadal do nas wraca. Kolejny problem polega na tym, że kandydaci również mają dostęp do AI.

Wszyscy zaczynają wyglądać jak idealni kandydaci i myślisz: "Chwileczkę, skąd nagle wzięliśmy tylu doskonałych kandydatów?" Dlatego zaczynamy uczyć klientów, jak wcześniej włączać wiedzę o zachowaniach do procesu rekrutacji. Przy tworzeniu opisu stanowiska nie należy skupiać się wyłącznie na umiejętnościach i zadaniach, ale trzeba określić wymagania behawioralne związane z daną rolą, aby dokładnie wiedzieć, kogo szukamy.

Należy również wykorzystać te elementy podczas rozmowy kwalifikacyjnej i poprosić kandydata o konkretne odniesienie się do określonych zachowań. Kiedy pytasz kogoś: "Opowiedz mi o sytuacji, w której...", trudniej jest na żywo, bez dostępu do AI, wymyślić przekonującą historię i przykład potwierdzający, że dana osoba rzeczywiście zachowała się w ten sposób.

David Rice: Tak.

Matt Poepsel: Uważamy więc, że to bardzo dobre podejście. Drugi problem dotyczy umiejętności. Nawet jeśli nie potrafimy dziś w pełni ich określić, będą się zmieniać, ponieważ wszystko rozwija się bardzo szybko. Umiejętności można nabywać, co jest świetne, ale zachowań związanych z osobowością nie można po prostu wyuczyć.

To część tego, kim jesteś. Musimy tylko zadbać o to, żeby zatrudnić cię na stanowisku, które rzeczywiście do ciebie pasuje.

David Rice: Dwa lata temu wszyscy sądzili, że formułowanie poleceń dla AI będzie wielką dziedziną, a teraz po prostu z nim rozmawiam.

Matt Poepsel: Po prostu wyczujmy to intuicyjnie. Wyczujmy to aż do przesady.

To trafny przykład. Być może jedna trzecia umiejętności, których — jak sądzimy — siła robocza będzie potrzebować w 2030 roku, rzeczywiście się pojawi. Jednak nawet one będą bardzo nietrwałe i ulotne.

Tymczasem umiejętności interpersonalne, opowiadanie historii, kreatywne myślenie i zdolność harmonijnej współpracy z różnorodnymi grupami ludzi nigdy nie wyjdą z mody. Nie są to umiejętności miękkie, lecz umiejętności niezbędne, szczególnie wtedy, gdy technologia może wykonywać tak wiele pracy wymagającej czystej siły.

David Rice: Zwykle zakładamy, że więcej danych automatycznie oznacza lepsze podejmowanie decyzji. Kontekst ma jednak oczywiście kluczowe znaczenie. Czy to w ogóle właściwe dane, na których powinniśmy się opierać przy danej decyzji?

Matt Poepsel: Nie znam żadnego menedżera, który powiedziałby: "Chciałbym mieć więcej danych". Mamy ogromne ilości danych. Pytanie brzmi: czy są to właściwe dane?

Szczególnie gdy patrzymy na funkcję zarządzania, czyli na łączenie grup ludzi wokół wspólnego celu, mówimy o podstawowym zadaniu menedżerów. HR wspiera ich, zapewniając w wielu przypadkach edukację, narzędzia i wskazówki.

Możemy mieć coraz więcej danych, ale czy są to właściwe dane, które pozwolą podjąć decyzję z uwzględnieniem kontekstu? Czy możemy spersonalizować wynik? Jeśli zarządzasz mną, będzie to wyglądało inaczej niż w przypadku zarządzania osobą o zupełnie innej osobowości.

David Rice: Tak.

Matt Poepsel: Od lidera oczekuje się więc, że przełoży własny styl działania oraz będzie świadomy siebie i innych, aby móc odpowiednio reagować. Bez danych jest to trudne, a czasem niemożliwe. Trudno też zrobić to bez narzędzi, chyba że ktoś przeszedł ogromną liczbę szkoleń, których menedżerowie obecnie nie otrzymują.

Czas ma znaczenie. Odczuwamy presję czasu. Wszystko to prowadzi do wniosku, że potrzebujemy kontekstowych, przemyślanych narzędzi opartych na zachowaniach, które pomogą nam właściwie zadbać o czynnik ludzki na dużą skalę.

David Rice: Jak wygląda system oparty w większym stopniu na kontekście? Większość organizacji przekazuje AI takie rzeczy jak opisy stanowisk i być może plany rozwoju. Jak to właściwie wygląda, co się w nim znajduje i jak zasila decyzje przywódcze?

Matt Poepsel: Chciałbym zacząć od zewnętrznego otoczenia i przejść do środka. Na najwyższym poziomie zacząłbym od kultury firmy. Jakie są twoje wartości kulturowe? Co próbujesz osiągnąć w biznesie?

To ważne kwestie. A jakie umiejętności będą potrzebne w przyszłości? Jakie możliwości ogólnie próbujesz wprowadzić do organizacji? Następnie można zejść na poziom zespołu. Nad czym pracuje zespół? Jaki jest profil behawioralny jego członków i co powinienem o nim wiedzieć?

Czy jesteśmy podobni, czy różni? Jaka jest historia naszych dotychczasowych interakcji? W firmie The Predictive Index mamy szczęście, ponieważ dysponujemy wszystkimi tymi danymi. Mamy ogromny kontekst, który pomaga nam zrozumieć środowisko, w którym dochodzi do tej ważnej interakcji między ludźmi, i zwiększyć szanse na właściwe jej przeprowadzenie.

David Rice: Pracujesz z wieloma organizacjami i widzisz powtarzające się błędy popełniane przez liderów. Czy oni nie doceniają skali tego wyzwania? Rozmawialiśmy wcześniej o tym, że nie mają dużego zaufania do danych dotyczących ich ludzi. Czy czują przynajmniej, że są w stanie zdobyć właściwe dane?

Matt Poepsel: Często nie wiedzą, jak zadać właściwe pytanie, dlatego partnerstwo z HR jest tak ważne. Nie znam wielu nieprzeszkolonych menedżerów, którzy poszliby do HR i powiedzieli: "Naprawdę potrzebuję więcej danych behawioralnych dotyczących moich ludzi".

David Rice: Właśnie.

Matt Poepsel: Nie wiedzą, że w ogóle powinni o to zapytać.

W szkołach biznesu nie szkolimy ich w ten sposób. Uczymy strategii, technologii i operacji, ale nie mówimy, jak właściwie zadbać o czynnik ludzki. Oczekiwanie, że menedżer sam wywnioskuje z niczego: "Potrzebuję danych o ludziach", jest już dużym krokiem.

Następne wyzwanie pojawia się wtedy, gdy trzeba wykorzystać te dane w kontekście tego, co próbuję osiągnąć. Wymaga to wielu przekładów. Dobrą wiadomością jest to, że narzędzia są łatwo dostępne. Możesz rozwijać samoświadomość, świadomość innych i budować pełny obraz dynamiki zespołu za pomocą narzędzi takich jak nasze. Pozwalają one szybko wyjaśnić cały proces, co jest obiecujące, ale trzeba z nich korzystać.

David Rice: Dobrze było mieć cię w programie. Co cię najbardziej ekscytuje w tym tygodniu? Czego chcesz się nauczyć albo czemu przyjrzeć?

Matt Poepsel: Chcę lepiej zrozumieć, skąd przychodzą osoby z HR, z którymi rozmawiam, i jak doświadczają swojej roli w całej tej transformacji. Widzę, że sytuacja jest bardzo nierówna. Niektórzy specjaliści HR są daleko w tyle, a ich organizacje traktują ich czysto transakcyjnie. Inni są na absolutnym froncie zmian.

Na szczęście niewielu znajduje się na którymkolwiek z tych skrajnych końców. Większość jest gdzieś pośrodku tej drogi. Chcę więc dowiedzieć się jak najwięcej o ich doświadczeniach i o tym, jak mogę pomóc im wzmocnić funkcję HR. Zawsze powtarzam, że każda firma jest firmą opartą na ludziach.

Oznacza to, że musimy podnieść rangę naszych specjalistów ds. ludzi, a także — jak powiedziałem wczoraj podczas wystąpienia — włączyć ich w narzędzia, których codziennie używamy. W ten sposób można najlepiej wykorzystać możliwości HR na dużą skalę. To właśnie najbardziej ekscytuje mnie w pracy, którą wykonujemy w The Predictive Index.

David Rice: Matt, dziękuję, że do nas dołączyłeś. Wspaniale było mieć cię w programie.

Matt Poepsel: Dziękuję za zaproszenie. To była świetna konferencja i świetna rozmowa.

David Rice: Dobrze, na tym zakończymy ten odcinek. Do usłyszenia w następnym.

Jak zawsze, jeśli jeszcze tego nie zrobiłeś, zapisz się do newslettera i obserwuj nas na YouTube oraz wszystkich kanałach społecznościowych, aby otrzymywać wszystkie te treści bezpośrednio w swoim kanale.