Dlaczego transformacja AI zaczyna się od jasności organizacyjnej

Transformacja z wykorzystaniem AI ma zabawny zwyczaj stawania się organizacyjnym prześwietleniem rentgenowskim. Firmy czerpiące z niej realną wartość niekoniecznie są tymi, które kupują najwięcej narzędzi lub spalają najwięcej tokenów. To te, które rozumieją, co próbują osiągnąć, jak wygląda doskonałość i które problemy rzeczywiście warto rozwiązać.

W tym odcinku podcastu People Managing People David Rice rozmawia z Brandonem Sammutem, dyrektorem ds. ludzi i transformacji AI w Zapierze, o tym, dlaczego zwrot z inwestycji w AI zaczyna się od klarowności organizacyjnej, jak budować eksperymentowanie, które sprawdza się w konfrontacji z rzeczywistymi zadaniami, oraz dlaczego adopcja ostatecznie musi ustąpić miejsca wpływowi. Rozmawiają także o coachingu AI, rosnącej wartości osądu i mądrości oraz o tym, dlaczego najlepsi pracodawcy mogą być coraz częściej definiowani przez to, o ile bardziej kompetentni stają się ludzie podczas pracy w danej organizacji.

Czego się dowiesz

  • Dlaczego klarowność organizacyjna jest warunkiem wstępnym znaczącej transformacji z wykorzystaniem AI
  • Jak przejść od indywidualnego eksperymentowania z AI do ustandaryzowanych procesów pracy zespołowej
  • Dlaczego adopcja AI jest przydatnym wczesnym wskaźnikiem, ale niewystarczającą miarą wpływu
  • Czego wymaga eksperymentowanie poza samym poleceniem pracownikom, by „wprowadzali innowacje”
  • Jak AI zmienia wartość ekspertyzy, osądu, mądrości i wpływu
  • Dlaczego menedżerowie nadal odpowiadają za klarowność, alokację zasobów i rozwój pracowników — nawet w dobie AI
  • Jak przejrzystość w kwestii niepewności może wzmacniać pewność zamiast ją podważać
  • Dlaczego rozwój pracowników może stać się kluczowym elementem propozycji wartości pracodawcy

Najważniejsze wnioski

  • Zacznij od problemu, nie od technologii. AI jest środkiem, a nie strategią. Zanim liderzy zapytają, co może zrobić AI, muszą jasno określić, co organizacja próbuje osiągnąć i gdzie doskonałość ma rzeczywiste znaczenie.
  • Eksperymentowanie wymaga chronionych zasobów. Polecenie całemu zespołowi, by eksperymentował, przy jednoczesnym oczekiwaniu, że wszyscy utrzymają dotychczasowe obciążenie pracą, przypomina w zasadzie piłkę nożną w przedszkolu: dużo ruchu, niewiele skoordynowanych postępów. Daj małej grupie istotny problem, przeznaczony na to czas i jasno określone stawki.
  • Nieudane eksperymenty powinny być bezpieczne do omawiania. Celem eksperymentowania nie jest produkowanie nieprzerwanego ciągu sukcesów. Liderzy muszą swoim zachowaniem pokazywać, że nieudane prototypy — oraz ujawnione przez nie słabe punkty — są użytecznymi informacjami.
  • Przestań mylić korzystanie z AI z wpływem na biznes. Adopcja ma znaczenie na wczesnym etapie, ponieważ tworzy przestrzeń do eksperymentowania i uczenia się. Ostatecznie tablica wyników musi powrócić do rezultatów, na których już zależy firmie: satysfakcji klientów, sukcesu nowo zatrudnionych osób, niezawodności produktu, wyników sprzedaży i innych istotnych wskaźników.
  • Przekształcaj indywidualne przełomy w wiedzę instytucjonalną. Pracownik, który opracuje genialny proces pracy z AI, jest czymś wartościowym. Cały zespół przyjmujący sprawdzoną „złotą ścieżkę” to transformacja. Organizacje muszą gromadzić kontekst, procesy pracy, narzędzia i wiedzę, aby usprawnienia nie pozostawały uwięzione w czyimś notesie lub historii Slacka.
  • AI sprawia, że mądrość staje się cenniejsza, a nie mniej cenna. Gdy dostęp do informacji staje się powszechny, znajomość faktów w mniejszym stopniu pozwala się wyróżnić. Osąd, wyczucie, niezawodność, odpowiedzialność i umiejętność organizowania ludzi wokół trudnych problemów zyskują na znaczeniu.
  • Zarządzanie zmienia się z kontrolowania pracy w tworzenie warunków do jej wykonywania. Menedżerowie nadal muszą zapewniać klarowność, przydzielać zasoby i rozwijać ludzi. AI może zwiększyć ich możliwości w każdym z tych obszarów, ale nie zwalnia ich z odpowiedzialności za żaden z nich.
  • Nazywaj niepewność zamiast owijać ją w korporacyjną nowomowę. Pracownicy widzą zwolnienia, presję konkurencyjną i zakłócenia zachodzące wokół nich. Udawanie, że te realia nie istnieją, nie buduje pewności. Liderzy budują zaufanie, otwarcie nazywając trudne kwestie i pomagając zespołom zrozumieć, co zamierzają z nimi zrobić.
  • Sprawiaj, by ludzie stawali się bardziej kompetentni w czasie pracy z tobą. Najsilniejsza propozycja wartości pracodawcy może w coraz większym stopniu opierać się na rozwoju: ludzie powinni móc spojrzeć wstecz na czas spędzony w organizacji i dostrzec, że stali się znacznie lepiej przygotowani do pracy w nadchodzącej dekadzie.

Rozdziały

  • 00:00 — Zwrot z inwestycji w AI zaczyna się od jasności
  • 03:13 — Znajdowanie pracy o wysokiej wartości z wykorzystaniem AI
  • 04:59 — Dlaczego eksperymentowanie kończy się niepowodzeniem
  • 08:50 — Nagradzanie procesu uczenia się
  • 10:04 — Test presji związanej z AI
  • 12:30 — Koszty AI i zwrot z inwestycji
  • 14:05 — Zarządzanie wykorzystaniem AI
  • 17:10 — Skalowanie AI w zespołach
  • 18:37 — Od wdrożenia do wpływu
  • 21:17 — Wiedza a mądrość
  • 24:58 — Zarządzanie z wykorzystaniem AI
  • 25:42 — Coaching dotyczący AI w Zapier
  • 29:15 — Przywództwo w czasach niepewności
  • 31:42 — Rozwijanie lepszych ludzi
  • 34:24 — Podsumowanie

Poznaj naszego gościa

Brandon Sammut jest dyrektorem ds. pracowników i transformacji AI w Zapier, gdzie kieruje funkcją People w firmie oraz ogólnofirmową strategią transformacji AI. Dzięki doświadczeniu obejmującemu obszary talentów, operacji, edukacji, kapitału wysokiego ryzyka i rozwoju biznesu koncentruje się na budowaniu zespołów osiągających wysokie wyniki oraz na nowym podejściu do tego, jak ludzie pracują wspólnie z AI. Przed dołączeniem do Zapier Brandon pełnił funkcję dyrektora ds. pracowników i kultury w LiveRamp, a także zajmował stanowiska w Teach For America, Owl Ventures i Boston Consulting Group. Posiada tytuł MBA oraz tytuł magistra edukacji uzyskane na Uniwersytecie Stanforda.

You may also like