Dlaczego transformacja AI zaczyna się od jasności organizacyjnej

David Rice: Składniki potrzebne do uzyskania zwrotu z inwestycji w AI mają bardzo niewiele wspólnego z technologią. To nie jest unik. Tego właśnie nauczył się nasz dzisiejszy gość, budując firmę Zapier i rozmawiając z ponad stu pięćdziesięcioma osobami zarządzającymi organizacjami z różnych branż. Wszyscy zadają to samo pytanie: co najbardziej warto zrobić z wykorzystaniem AI? Nie da się na nie odpowiedzieć bez jasności organizacyjnej. Co właściwie próbujemy tutaj osiągnąć? Czego wymaga doskonałość? Jeśli zespół nie ma pełnej jasności co do tych kwestii, właśnie od tego należy zacząć — nie od narzędzi.

W dzisiejszym programie rozmawiam z Brandonem Sammutem, dyrektorem ds. ludzi i transformacji AI w Zapier, o tym, co odróżnia organizacje rzeczywiście czerpiące wartość z AI od tych, które wciąż kręcą się w kółko. Wszystko sprowadza się do podstaw. Ludzie obserwują, jak konkurenci zwalniają pracowników. Wszędzie panują strach i niepewność. Liderzy, którzy tworzą warunki sprzyjające dobrej pracy, otwarcie o tym mówią — nie upiększają rzeczywistości i nie udają, że istnieje idealna odpowiedź.

Dziś omawiamy, dlaczego jasność celu jest ważniejsza niż strategia AI, czego naprawdę wymaga eksperymentowanie i dlaczego wciąż kończy się ono niepowodzeniem, jak coaching wspierany przez AI zmienia sposób przyjmowania informacji zwrotnych oraz dlaczego najlepsi pracodawcy nadchodzącej dekady będą znani z tego, jak rozwijają ludzi.

Nazywam się David Rice. To jest People Managing People. Jeśli Twoja organizacja wciąż zaczyna od technologii zamiast od jasności, która powinna za nią stać, ta rozmowa pokaże Ci, co stoi na przeszkodzie. Zaczynajmy.

Brandon, witaj w programie.

Brandon Sammut: Cześć, David. Miło mi tu być.

David Rice: Wiele mówi się o tym, że AI transformuje organizacje, ale czasami zastanawiam się, czy nie przypisujemy technologii zbyt dużej zasługi.

W wielu przypadkach AI ujawnia rzeczy, które już wcześniej były prawdą o firmie. Pomaga jednak tworzyć nowe sposoby współpracy bez konieczności wykonywania przez ludzi całej pracy związanej z przeprojektowaniem. Kiedy patrzysz na organizacje odnoszące sukcesy w transformacji AI, co zmieniają w sposobie współpracy ludzi, czego nie dostrzegają inni?

Brandon Sammut: David, zgadzam się z Twoim założeniem, że wiele składników potrzebnych do uzyskania zwrotu z inwestycji w AI ma niewiele wspólnego z technologią. Możemy od tego zacząć. Mówię tak częściowo na podstawie tego, czego uczymy się w Zapier, a częściowo dzięki rozmowom z ponad 150 osobami zarządzającymi firmami różnego rodzaju na całym świecie, nie tylko w branży technologicznej.

Na początku tego tygodnia rozmawiałem z osobą na podobnym stanowisku w firmie zajmującej się pozyskiwaniem drewna. Możliwość wykorzystania AI dotyczy każdego, ale jej urzeczywistnienie zaczyna się od rzeczy, które nie mają nic wspólnego z technologią. Jednym z najbardziej podstawowych składników jest jasność liderów co do tego, co właściwie oni i ich firmy próbują osiągnąć.

Powodem, dla którego nie mogę już tego nie zauważać, jest fakt, że AI to technologia, a technologia jest środkiem do osiągnięcia określonego celu. Z AI można zrobić wiele rzeczy i do pewnego stopnia nie o to chodzi. Pytanie, które zadaje sobie obecnie wielu liderów, brzmi: co najbardziej warto zrobić z pomocą AI?

Aby na nie odpowiedzieć, trzeba mieć dużą jasność organizacyjną co do tego, co naprawdę próbujemy osiągnąć jako zespół i czego wymaga doskonałość. Jeśli zespół nie ma w tym momencie pełnej jasności w tej kwestii, właśnie od tego należy zacząć.

David Rice: To ciekawe, co mówisz, i myślę, że jest to duża część wyzwania dla wielu organizacji.

Zespół kierowniczy chciał tej technologii. Chciał przewagi konkurencyjnej, ale w wielu przypadkach nie wie, co właściwie z nią zrobić. Czy zaczynasz zauważać zmianę? Jesteśmy już trzy i pół roku w tej rozmowie. Oczywiście technologia bardzo się w tym czasie zmieniła.

Czy widzisz, że liderzy coraz lepiej rozumieją, co ma wysoką wartość i jaka praca z AI jest naprawdę potrzebna?

Brandon Sammut: Myślę, że zaczyna się to dziać. Tak. Trudno w to uwierzyć, David, ale minęły już prawie cztery lata — choć jeszcze nie całe, trzy i trzy czwarte roku — od premiery ChatGPT 3.5, jednej z pierwszych wersji, które naprawdę przyciągnęły uwagę opinii publicznej.

Rzeczywiście minęła już większa część czterech lat. Widzę to samo co Ty. Wykorzystanie AI zaczyna się od jasności celu, o czym rozmawialiśmy wcześniej. Wymaga też tego, na co wskazujesz — można to nazwać obrazem możliwości, ponieważ daje pewne wyobrażenie o podaży i popycie.

Gdzie wymagamy od siebie doskonałości, choć nie jesteśmy jeszcze świetni? Jaka jest podaż pomysłów lub nowych sposobów pracy, które możemy połączyć, aby przejść od dobrego poziomu do wyjątkowego? W niektórych przypadkach ludzie po prostu lepiej to rozumieją dzięki temu, co inni udostępniają, rozmowom z osobami z branży i podobnym działaniom.

Myślę, że to jeden z tych momentów, gdy sposób wykonywania pracy zmienia się tak szybko, że dla osób zarządzających i budujących różne przedsięwzięcia korzyści z wychodzenia poza cztery ściany własnych organizacji, rozmawiania z innymi, czytania o tym, co robią i o czym myślą inni, są jeszcze większe niż zwykle. Możemy bardzo wiele nauczyć się od tego, co dzieje się poza naszą firmą.

David Rice: Zdecydowanie. Każdy zespół kierowniczy mówi, że chce innowacji. Każda firma twierdzi, że chce, aby ludzie eksperymentowali z AI. Rozmawiam jednak z liderami, którzy mają trudności z pracownikami wahającymi się przed podejmowaniem prób, dzieleniem się porażkami i kwestionowaniem dotychczasowego sposobu działania.

Dlaczego, Twoim zdaniem, eksperymentowanie jest tak trudne, skoro organizacja deklaruje, że we wszystkich tych przypadkach je ceni?

Brandon Sammut: Jest kilka powodów. Po pierwsze, wracając do tego, od czego zaczęliśmy, dobre eksperymentowanie wymaga mocnej hipotezy, a mocna hipoteza powinna wynikać z pytania, na które organizacja naprawdę potrzebuje odpowiedzi.

Czasami eksperymentowanie nie działa dlatego, że niejasne jest pytanie, wokół którego powinna powstać hipoteza. Trzeba precyzyjnie określić, do jakiego celu dążymy. Stawka sukcesu musi być również odpowiednio wysoka. Zespół ds. ludzi w Zapier jest bardzo utalentowany. Możemy skierować swoją uwagę na eksperymentowanie, aby rozwiązać niemal każdy wyobrażalny problem związany z talentami lub kulturą. Nie wszystkie z tych problemów są jednak dobrym wykorzystaniem czasu i energii zespołu.

Chodzi więc o jasność nie tylko co do tego, na jakie pytania można odpowiedzieć, ale także które pytania najbardziej warto zadać. Od tego należy zacząć, ponieważ pomaga to określić siłę hipotezy i wytrwałość potrzebną do dalszego działania.

Myślę, że wiele organizacji ma obecnie trudności z AI, ponieważ próbuje pokonać przepaść. Chce zbudować most między jednym brzegiem a drugim. Zbudowanie mostu wymaga dużo pracy, a następnie trzeba jeszcze po nim przejść. Tymczasem po tej stronie przepaści trzeba prowadzić bieżącą działalność w dotychczasowy sposób, co tworzy konkurujące ze sobą priorytety. Wszystko, co nie jest prawdziwym priorytetem typu „musimy wspólnie to rozwiązać”, ostatecznie spadnie na dalszy plan.

Jednym ze sposobów, w jaki organizacje mogą sobie pomóc w ramach silnej kultury eksperymentowania, jest wydzielenie ludzi i zasobów do prowadzenia eksperymentów. Zamiast niejasno angażować cały zespół w eksperymentowanie — nawet jeśli cel jest jasno określony — można wybrać konkretną grupę osób.

Załóżmy, że w dziesięcioosobowym zespole pozyskiwania talentów mówimy: „Mamy duży problem, ponieważ liczba aplikacji gwałtownie wzrosła, bo wszyscy używają AI do aplikowania na stanowiska. W rezultacie nie jesteśmy w stanie przeanalizować znaczącej części kandydatur. Możemy przeoczyć wartościowe osoby i nie odpowiadamy kandydatom tak szybko, jak obiecujemy. Musimy rozwiązać ten problem”.

Być może AI może być częścią rozwiązania. To świetnie. Gdybym jednak był liderem zespołu pozyskiwania talentów i powiedział to dziesięciu osobom, wszyscy zaczęliby działać na własną rękę, próbując coś wymyślić.

Lepsze podejście polegałoby na wybraniu dwóch osób z dziesięcioosobowego zespołu i powiedzeniu: „Potrzebujemy, abyście przez 30 dni wspólnie pokazali nam nowy sposób działania. Pokażcie, jak rozwiązać ten problem. Wydzielimy dla każdego z was 20 godzin tygodniowo, czyli łącznie 40 godzin tygodniowo. To inwestycja, którą jesteśmy gotowi ponieść jako zespół”.

Zamiast prosić wszystkich o zajęcie się tym tematem, przez co nikt nie poświęci mu wystarczająco dużo uwagi, prosimy o to dwie osoby. Można wybrać je na podstawie umiejętności albo przyjąć zgłoszenia ochotników. To drugie rozwiązanie bywa świetne, chyba że występują duże braki kompetencyjne, ponieważ otrzymujemy osoby naprawdę zmotywowane do rozwiązania problemu.

Druga kwestia dotyczy tego, co dzieje się, gdy eksperyment nie działa. Chodzi o kulturę bezpieczeństwa psychologicznego w ramach eksperymentowania. Organizacje, które nie mają budzących zaufanie odpowiedzi na to pytanie, mogą mieć trudności na ostatnim etapie eksperymentu, czyli podczas przedstawiania wyników.

Mówienie o tym, co nie zadziałało, nie może wiązać się z poczuciem ogromnego ryzyka. Nawet jeśli eksperyment zakończył się względnym sukcesem, trzeba umieć wskazać pięć problematycznych elementów, o których zespół musi wiedzieć, jeśli chcemy skalować dane rozwiązanie.

David Rice: Cieszę się, że wspomniałeś o stawce, ponieważ niektórzy uważają, że jeśli wszystko robimy właściwie, eksperymenty będą udane — ale to nie jest jedyna miara sukcesu.

Jeśli okazuje się, że macie mnóstwo udanych eksperymentów, zapytałbym, czy eksperymentujecie na wystarczająco dużą skalę. Świętujemy innowacje z perspektywy czasu, prawda? W danym momencie eksperymentowanie często wygląda na nieefektywne, chaotyczne i czasami marnotrawne.

Jeśli menedżerowie wciąż nagradzają przewidywalność bardziej niż uczenie się, czy pracownicy z czasem nie zaczną wybierać bezpieczeństwa zamiast rozwoju?

Brandon Sammut: Uważam, że liderzy muszą odpowiedzieć na to pytanie wprost, a nasze zachowania w takich chwilach muszą odzwierciedlać to, co mówimy. Kiedy członek mojego zespołu tworzy prototyp w obszarze, który uznaliśmy za ważny do zbadania, a jego pomysł nie działa, jak zachowuje się nasz zespół ds. ludzi i ja? Co mówimy? Co robimy, a czego nie robimy? Jak czuje się ta osoba po całej sytuacji?

Właśnie w tym tkwi wartość. Trzeba uważać, aby nie osłabić kultury eksperymentowania, ale każda taka sytuacja jest również okazją do wzmocnienia pozytywnej kultury wokół eksperymentowania.

David Rice: Około rok temu wiele osób mówiło o problemach z zaufaniem, szczególnie po zwolnieniach i innych trudnych wydarzeniach. Istnieje wiele czynników powodujących brak zaangażowania.

Zaufanie, dzielenie się wiedzą i podejmowanie decyzji były wyzwaniami jeszcze zanim AI znalazła się w centrum uwagi. Jakie są konsekwencje próby skalowania AI w organizacji, która nie rozwiązała podstawowych problemów operacyjnych?

Brandon Sammut: Wiele rzeczy, które wydają się nowe, jest w istocie powrotem do starych problemów. Trudno skalować niemal cokolwiek w życiu na niestabilnych fundamentach. Wielu naszych znajomych z grona osób zarządzających odkrywa, że fala AI jest w praktyce testem kondycji organizacji — pod kątem jasności organizacyjnej, kultury eksperymentowania, bezpieczeństwa psychologicznego i zaufania do kadry zarządzającej.

Jeśli w którymś z tych obszarów byliśmy słabi lub niestabilni, teraz problem powraca. Staje się bardziej widoczny, ponieważ dodatkowo próbujemy przeprojektować sposób działania wielu części naszej pracy.

David Rice: To zabawne, bo kiedy wspomniałeś o niestabilnych fundamentach, przypomniałem sobie nagranie w mediach społecznościowych, na którym Mom Dani mówiła o budynku w Nowym Jorku, którego fundamenty nigdy nie zostały prawidłowo wykonane i który stopniowo zaczął się przechylać.

To dobra analogia dla organizacji. Zaczynają się skalować, ale jeśli po drodze nie wykonują podstawowej pracy, kończą jak ten budynek.

Brandon Sammut: Właśnie tak. Możemy czerpać wiele lekcji z innych epok, wielkich fal technologicznych, a nawet z prób wykonania czegoś ważnego w dowolnej dziedzinie, w tym w budownictwie.

David Rice: Dwie organizacje mogą kupić dokładnie te same narzędzia, a mimo to uzyskać zupełnie różne rezultaty. Wszystko wraca do podstaw i do rzeczy, które przez lata mogły być ignorowane w zakresie infrastruktury operacyjnej.

Ponieważ rozmowa o zwrocie z inwestycji staje się dla wielu dyrektorów coraz bardziej intensywna, widzimy coraz więcej analiz tego zagadnienia.

Brandon Sammut: Kwestia kosztów rzeczywiście pojawia się coraz częściej. Rozmowa o zwrocie z inwestycji nabiera tempa między innymi dlatego, że przynajmniej mianownik równania ROI, czyli koszty, szybko rośnie w wielu firmach.

David Rice: Niedawno czytałem, że koszty AI w wielu firmach przewyższyły wydatki na pracowników. Pomyślałem: „To nie ma większego sensu”. Być może z czasem stanie się to tańsze, ale obecnie nie wiem, czy jest tego warte.

Brandon Sammut: Co sądzisz o rankingach wykorzystania AI albo o maksymalizowaniu liczby tokenów?

David Rice: Maksymalizowaniu liczby tokenów?

Brandon Sammut: Tak. Istnieje maksymalizowanie liczby tokenów, a jego przeciwieństwem są twarde limity wykorzystania AI. Obecnie widzimy firmy na obu końcach tego spektrum.

David Rice: Pokazuje to, jak wiele kontekstu brakuje w tej rozmowie. Czy chciałbym ograniczać wykorzystanie AI przez osobę, która robi coś naprawdę kreatywnego, wychodzi poza schematy, podejmuje się nowych zadań lub otwiera nowe możliwości dla firmy? Nie. Nie chciałbym jej ograniczać.

Jak jednak mam monitorować i oceniać takie działania w organizacji zatrudniającej 25 tysięcy osób? To ogromne wyzwanie. Cieszę się, że temat maksymalizowania liczby tokenów przyciągnął tak dużą uwagę, bo nie jest to produktywne wykorzystanie tej technologii. Stawia nas w sytuacji, w której ludzie zaczynają biernie rezygnować z tego, co robią, z własnego sposobu myślenia o tworzeniu wartości i akceptują taki stan rzeczy.

Brandon Sammut: To fascynujące. Chcesz usłyszeć, jak podchodzimy do tego w Zapier?

David Rice: Oczywiście.

Brandon Sammut: W tym miejscu należy docenić Carly Gilardi, naszą szefową ds. operacji i infrastruktury AI w Zapier oraz liderkę naszego wewnętrznego centrum doskonałości transformacji AI.

Ściśle z nią współpracuję. Ponad cztery lata temu zaczynała w zespole ds. ludzi, a teraz pełni tak dużą funkcję. W pierwszej połowie roku razem z zespołem roboczym pracowała nad tym zagadnieniem. Zauważyliśmy, że rosną zarówno koszty, jak i liczba sposobów wykorzystywania AI do osiągania rezultatów.

Sam wzrost kosztów nie był sygnałem alarmowym, ale zaczęliśmy zastanawiać się nad wyborem modeli. W przyszłości chcielibyśmy, aby na podstawie poziomu inwestycji, który jesteśmy gotowi ponieść w danym okresie, oraz rodzaju wykonywanej pracy system dobierał najbardziej efektywny model.

Efektywność może oznaczać szybkość, koszt, jakość lub dowolną kombinację tych czynników. Obecnie jednak to poszczególne osoby muszą rozumieć zalety i wady różnych modeli oraz wybierać właściwy model do właściwego zadania.

Tym właśnie chcieliśmy się zająć w pierwszej połowie roku. Nie stworzyliśmy rankingów ani limitów. Zebraliśmy dane o wykorzystaniu AI ze wszystkich miejsc, w których pracownicy używają AI w firmie — obejmujących Zapier, produkty Anthropic, produkty OpenAI i kilka innych narzędzi — i umieściliśmy je w jednym jeziorze danych.

Następnie stworzyliśmy serię automatycznych paneli, a na początku każdego miesiąca każdy pracownik otrzymuje w Slacku prywatną wiadomość z własnym raportem wykorzystania AI. Nie jest on publiczny i nie ma rankingów, więc nikt nie jest porównywany z innymi osobami.

Raport nie tylko opisuje wykorzystanie z poprzedniego miesiąca, ale także przedstawia rekomendacje. Może na przykład wskazać, że osoba pracująca jako analityk świadczeń prawdopodobnie nie potrzebuje najbardziej zaawansowanego modelu do wykonywania większości zadań związanych z analizą świadczeń.

System śledzi rekomendacje i dostosowuje zalecenia na kolejny miesiąc. Raport ma więc charakter zarówno opisowy, jak i preskryptywny, ale bez twardych limitów. Obecnie mamy limit chroniący przed niezamierzonymi, nadmiernymi wydatkami. Można go jednak łatwo podnieść, wysyłając krótką wiadomość na kanale Slack.

Nie chodzi o ograniczanie wykorzystania AI, lecz o zapobieganie sytuacjom, w których agenci działają bez kontroli albo ktoś uzyskał dostęp do klucza i uruchamia dużą liczbę własnych procesów.

David Rice: Zauważyłem, że pojedynczy pracownicy stają się dzięki AI niezwykle produktywni, ale te korzyści nie zawsze rozprzestrzeniają się na zespoły i całą organizację. Uczenie się od współpracowników i uczenie się zbiorowe bywają trudniejsze niż indywidualna nauka. To kwestia kultury. Co zrobiliście, aby temu sprzyjać?

Brandon Sammut: Jesteśmy obecnie około dwóch tygodni w drugiej połowie 2026 roku. Naszym najważniejszym celem, poza konkretnymi nowymi sposobami pracy, jest przejście od świetnego indywidualnego wykorzystania AI do standardowych, zespołowych sposobów pracy z AI.

Przeprowadziliśmy wiele eksperymentów i stworzyliśmy wiele prototypów. Większość zespołów zaczyna rozumieć, jaka jest ich najlepsza ścieżka wykorzystania AI w rekrutacji, marketingu wzrostu czy obsłudze klienta.

W drugiej połowie roku większość Zapier będzie koncentrować się na tych najlepszych sposobach pracy ludzi i AI, zapewniając wszystkim wykonującym daną pracę odpowiedni kontekst, narzędzia i rozwój kompetencji potrzebny całym zespołom do działania w nowy sposób.

David Rice: Jeśli przepływy pracy z AI pozostają w notatniku jednej osoby lub w jej notatkach na Slacku, zamiast stawać się wiedzą instytucjonalną, rozwijamy jednego pracownika, ale nadal musimy wykonać dodatkową pracę, aby rozpowszechnić tę wiedzę. Czy widzisz, że organizacje zaczynają wykraczać poza mierzenie samej adopcji?

Brandon Sammut: Zapier inwestuje w AI od ponad trzech lat. Nauczyłem się, że adopcja i wpływ to dwie różne kwestie. W początkowej fazie skupienie się na adopcji było bardzo pomocne, ponieważ adopcja była konieczna do eksperymentowania i uczenia się. Jest więc ważnym wskaźnikiem wyprzedzającym głębokość i zakres eksperymentowania oraz uczenia się.

Adopcja jest warta mierzenia, ale stanowi tylko połowę równania. Ostatecznie adopcja, eksperymentowanie i nauka mają pomagać organizacji osiągać wyjątkowe rezultaty. Chodzi o duże postępy w skuteczności, niezależnie od tego, jak ją definiujemy.

Obecnie Zapier nie prowadzi regularnych raportów dotyczących adopcji. Wiemy, że adopcja wynosi 100 procent. Szukamy biegłości w korzystaniu z AI podczas rekrutacji, uwzględniamy ją w procesie wdrażania i przeprojektowaliśmy onboarding około półtora roku temu. Mamy wystarczająco wysoki poziom adopcji.

Prawie całkowicie koncentrujemy się na wpływie. Wskaźniki wpływu to niemal bez wyjątku istniejące miary sukcesu funkcjonujące w organizacji: jak szybko odpowiadamy na pytania klientów, jak bardzo są zadowoleni z odpowiedzi, jaki jest poziom sukcesu nowych pracowników po 90 i 180 dniach, jak niezawodny jest produkt, jaki jest czas dostępności poszczególnych jego elementów oraz jaki jest średni poziom realizacji celów przez przedstawiciela handlowego.

Zależało nam na tym wszystkim jeszcze przed pojawieniem się AI. AI jest środkiem do osiągnięcia określonego celu. Zwykle nie zmienia tego, w czym chcemy być świetni. Wpływa natomiast na nasze wyobrażenie o tym, jak dobrzy możemy być w tych obszarach.

David Rice: Rozmawialiśmy z gośćmi, którzy mówili, że dawniej wiedza ekspercka była często związana z posiadaniem odpowiedzi. Teraz AI daje wszystkim dostęp do odpowiedzi, niezależnie od tego, czy są one dokładne i osadzone w kontekście.

Jak Twoim zdaniem zmienia to sposób funkcjonowania wpływu, wiarygodności i statusu w organizacjach — nie tylko w przypadku liderów, ale także indywidualnych specjalistów?

Brandon Sammut: To bardzo ciekawe pytanie. Nikt wcześniej mnie o to nie pytał.

Korzyści z tego trendu odnoszą organizacje. Zawsze ryzykowne było to, że wiedza ekspercka pozostawała zamknięta w silosach i znajdowała się wyłącznie w rękach kilku osób.

W mojej poprzedniej firmie mieliśmy kilku inżynierów, którzy jako jedyni w całej organizacji wiedzieli, jak działa konkretna część architektury produktu. W efekcie stali się praktycznie nietykalni. Nie jest to zdrowe ani efektywne dla żadnej ze stron.

Mamy więc do czynienia z pewną demokratyzacją. Internet w dużym stopniu zdemokratyzował dostęp do wiedzy, a AI jeszcze bardziej ten proces przyspiesza.

David Rice: Myślę, że eksperckość oznaczała częściowo dostęp do rzadkich informacji. Informacji jest od dawna dużo, ale interpretacja lub perspektywa, których nie ma nikt inny, mogą zmieniać sposób wywierania wpływu.

Widzę to we własnej pracy. Coraz mniej chodzi o stwierdzenie: „To musimy stworzyć”, a coraz bardziej o zadawanie właściwych pytań, aby móc oceniać nowe pomysły, sposoby działania i rzeczy, których nigdy wcześniej nie robiliśmy, a następnie łączyć te idee między dziedzinami.

Wracam do pojęcia koordynatora. Wszyscy pytają, czy stracimy pracę. Odpowiadam: „Nie od razu — przynajmniej jeśli umiesz koordynować”. Wiedza staje się towarem, ale rośnie wartość mądrości. Dotyczy to nie tylko pracy, lecz także ludzi, z którymi pracujemy, sposobu wydobywania z nich tego, co najlepsze, oraz pomagania im dostrzegać niewykorzystane możliwości.

Brandon Sammut: Powinniśmy to zapisać. Podoba mi się, jak to ująłeś, David. Chodzi o różnicę między wiedzą a mądrością. To nie jest to samo.

W organizacji coraz bardziej cenione będą również wiarygodność, niezawodność, odpowiedzialność oraz zdolność wywierania wpływu bez formalnej władzy i mobilizowania grupy ludzi do wykonania trudnego zadania. W czasach szybkich zmian te cechy stają się ważniejsze, a nie mniej ważne.

David Rice: Przez długi czas menedżerowie odpowiadali głównie za kierowanie pracą. Obecnie organizacje stają się bardziej płaskie, a pracownicy coraz częściej samodzielnie organizują przepływy pracy lub budują automatyzacje. Pracują z AI w sposób, którego liderzy nie zawsze widzą.

Jak wygląda skuteczne zarządzanie w takim środowisku? Jakie są największe wyzwania dla menedżerów, jeśli chodzi o wydobywanie z ludzi większego potencjału w sposób zrównoważony i długofalowy?

Brandon Sammut: Zawsze uważałem, że menedżerowie ludzi mają trzy wyjątkowe zadania. Pierwszym jest zapewnienie zespołowi jasności: co tutaj robimy i jak wygląda świetny rezultat? Drugim jest przydzielanie zasobów, czyli podejmowanie decyzji o tym, kto co robi i jaki poziom inwestycji przeznaczyć na daną technologię. Trzecim jest coaching i rozwijanie zespołu.

Menedżerowie mogą dziś wykorzystywać AI, aby pomagać sobie we wszystkich trzech obszarach, ale nie widziałem jeszcze przykładu, w którym AI zastępowałoby wyjątkową rolę menedżera w realizacji którejkolwiek z tych funkcji.

W niektórych przypadkach może to oznaczać, że pojedynczy menedżer będzie w stanie zarządzać większą liczbą osób, korzystając ze wsparcia AI. Jednym z najlepszych przykładów rozwojowego coachingu, jaki otrzymałem w pierwszej połowie roku, był coaching zapewniany przez narzędzie stworzone przez Courtney Hickey, szefową operacji kierowniczych w Zapier.

Narzędzie słucha naszych spotkań zespołu kierowniczego i korzysta z istniejących ram — pięciu dysfunkcji zespołu Patricka Lencioniego — z którymi pracujemy od pięciu lat. Znamy je, wierzymy w nie i używamy ich do wzajemnego coachingu oraz poprawy kondycji zespołu kierowniczego.

Po każdym spotkaniu narzędzie publikuje na Slacku podsumowanie coachingowe. Zawiera ogólne podsumowanie tego, jak funkcjonowaliśmy jako zespół, indywidualną informację zwrotną dla każdego z nas oraz zapis obserwacji z kolejnych tygodni. Dzięki temu może wskazywać wzorce, obszary, w których zespół się poprawia, oraz te, w których jeszcze nie robi postępów.

Informacja zwrotna jest konkretna i uniwersalna. Nikt nie jest piętnowany. Każdy otrzymuje informacje zwrotne i rekomendacje. Co ciekawe, najtrudniejszą informację zwrotną w miesiącu łatwiej przyjąć od coacha wyszkolonego w oparciu o znane i akceptowane przez nas ramy lub wartości niż od przełożonego.

To ta sama informacja zwrotna i zasługuje na uwagę niezależnie od tego, kto ją przekazuje. Z jakiegoś powodu ludzie są szczególnie otwarci na konstruktywną informację zwrotną, gdy przekazuje ją coach działający w oparciu o coś, w co już wierzą.

David Rice: Słyszałem to samo. Trzeba być transparentnym co do sposobu wykorzystywania AI. To ogromnie wpływa na postrzeganie rezultatów.

Menedżerowie nie kierują już pracą w takim stopniu jak dawniej. Próbują tworzyć warunki, w których może powstawać dobra praca. To znacznie mniej kontrolujący model przywództwa i zarządzania, co większość pracowników prawdopodobnie przyjmuje z zadowoleniem. W niektórych kulturach transformacja będzie jednak trwać dłużej, ponieważ trudno zmienić nawyki kształtowane przez dziesięciolecia.

Patrząc w przyszłość, czy jest coś, na co większość liderów nie zwraca obecnie wystarczającej uwagi w związku z wpływem AI na strukturę organizacji i sposób pracy?

Brandon Sammut: Tak. Sposoby, w jakie AI może poprawić sposób pracy, jakość pracy i doświadczenie osób wykonujących tę pracę, są obiecujące. Nie wydarzy się to jednak samo. Wymaga ogromnej uważności, pokory i eksperymentowania.

Poza AI nasze zespoły potrzebują obecnie pomocy w kwestiach, o których rozmawialiśmy wcześniej. Potrzebują wsparcia w utrzymaniu jasności co do tego, co próbujemy osiągnąć. Tempo zmian w wielu organizacjach jest bardzo wysokie, a poziom konkurencji w branżach, w których działamy i budujemy firmy, jest wyjątkowo duży.

Nasi pracownicy również to widzą. Obserwują firmy z naszego otoczenia konkurencyjnego zwalniające pracowników. Wokół jest wiele strachu, niepewności i wątpliwości. To musi wpływać na sposób, w jaki ludzie myślą o swojej pracy.

Liderzy muszą koncentrować się na utrzymywaniu poczucia celu u każdej osoby w organizacji oraz na jasnym komunikowaniu wyzwań, przed którymi stoimy. Czasami myślimy, że otwarte mówienie o problemach wywoła u ludzi niepokój. Nasi pracownicy zazwyczaj i tak wiedzą, jakie są ryzyka i problemy. Widok liderów otwarcie je nazywających i mówiących o tym, jak je rozumieją, może wzmacniać zaufanie.

To klasyczna zasada przywództwa, z którą sam wielokrotnie miałem problem. Kiedy widzisz trudną rzecz, nazwij ją jako pierwszy. Nie upiększaj jej i nie udawaj, że istnieje idealna odpowiedź, jeśli naprawdę w nią nie wierzysz.

Zdrowo jest nazwać problem, ponieważ wtedy ludzie chętniej o nim rozmawiają i przedstawiają pomysły. Nie chodzi o pogrążanie się w niepewności. Nazwanie problemu przybliża nas do stworzenia planu jego pokonania.

David Rice: Kiedy mówimy o doświadczeniu pracownika, często traktujemy je jako coś, co organizacja zapewnia pracownikowi. Sugerujesz jednak, że najbardziej przekonujące organizacje przyszłości nie będą jedynie pracodawcami. Będą zmieniać ludzi.

To znacznie wyższa poprzeczka niż zaangażowanie czy satysfakcja. Kiedy patrzysz na to, przez co przechodzi pokolenie Z i osoby świeżo po studiach, na trudności ze znalezieniem pracy i ciągłe pytania o sens oraz cel, myślę, że masz rację. Musimy inaczej myśleć o kształtowaniu ludzi.

Być może najlepsi pracodawcy przyszłości nie będą znani z wysokich wynagrodzeń ani z tego, że dobrze wyglądają w CV. Będą znani z tego, że pomagają ludziom stawać się lepszymi wersjami samych siebie — bardziej kompetentnymi i pewnymi siebie.

Brandon Sammut: Zgadzam się. To bardzo realne, że miejsce, w którym ludzie spędzą kilka kolejnych lat kariery, będzie miało ogromny wpływ na ich możliwości przez wiele późniejszych lat.

Budując firmy, chcę móc powiedzieć, że Zapier jest świetnym miejscem do spędzenia kilku kolejnych lat kariery ze względu na to, jak głęboko inwestujemy w nowe sposoby pracy.

Każda osoba w zespole ds. ludzi w Zapier staje się wyjątkowym specjalistą w przyszłościowych metodach pozyskiwania talentów, strategii całkowitego wynagrodzenia, technologii HR i analityce personalnej. To niezwykłe, ale nie jest to najważniejszy cel.

Każdy lider powinien móc odpowiedzieć na pytanie, czy jego firma naprawdę rozwija ludzi. Firmy znane z głębokiego inwestowania w pracowników, którzy szybko się rozwijają, zyskują także silną propozycję wartości dla pracownika i przyciągają utalentowane osoby.

Tworzenie oprogramowania jest obecnie niezwykle wymagające. Ludzie to widzą. Nie sądzę, aby większość szukała łatwego miejsca pracy. Oczekują, że kolejne miejsce pracy pozwoli im nauczyć się rzeczy ważnych dla kolejnych dziesięciu i więcej lat kariery.

David Rice: Zdecydowanie. Nie mógłbym się z Tobą bardziej zgodzić. Brandon, wspaniale było gościć Cię w programie. Bardzo podobała mi się nasza rozmowa.

Brandon Sammut: Jak zawsze, David. Zróbmy to ponownie.

David Rice: Drodzy słuchacze, jeśli jeszcze tego nie zrobiliście, odwiedźcie peoplemanagingpeople.com/subscribe i zapiszcie się do newslettera.

Zapiszcie się również do AI Signal. Co tydzień publikujemy jeden briefing dla kadry kierowniczej, który dostarcza tematów do przemyśleń, a także narzędzi, porad i podobnych materiałów. Koniecznie się zapiszcie.

Do usłyszenia następnym razem. Pamiętajcie, że kształtujecie doświadczenie, a po drodze być może także ludzi.