Zwrot z inwestycji w AI: Jak zbudować organizację wspieraną przez AI

David Rice: Obecnie naprawdę koncentrujesz się na zwrocie z inwestycji w AI. Czy możesz rozwinąć temat i opowiedzieć, co dostrzegasz na poziomie makro?

Ravin Jesuthasan: Wiele firm przyjęło podejście skoncentrowane najpierw na technologii: wdrożyć technologię, trochę przeszkolić ludzi i poprawić produktywność pracowników. Zwrot z inwestycji obserwowaliśmy tam, gdzie firmy naprawdę zaczynały od pracy, a następnie ustalały, w jaki sposób różne narzędzia AI mogą faktycznie przekształcić sposób jej wykonywania.

David Rice: Jak myślisz, dlaczego istnieje ta rozbieżność i jakie ryzyko niesie ze sobą tego rodzaju luka przywódcza?

Ravin Jesuthasan: To nie jest wyzwanie technologiczne, lecz ludzkie. Potrzebujemy, aby nasi liderzy wyszli poza samą biegłość cyfrową i osiągnęli prawdziwą biegłość w zakresie AI.

David Rice: Gdybyś mógł od podstaw przeprojektować sposób, w jaki organizacje wdrażają AI, jak wyglądałoby pierwsze 90 dni?

Ravin Jesuthasan: Musimy bardzo precyzyjnie i jasno określić naszą Gwiazdę Północną. Przeanalizować pracę i ustalić, jak wdrożyć AI do rozwiązywania konkretnych problemów. Zrozumieć wszystkie czynniki umożliwiające zmianę. To podważy samą strukturę pracy.

David Rice: Witajcie w podcaście People Managing People, programie, w którym pomagamy liderom zachować ludzki wymiar pracy w erze AI. Nazywam się David Rice i jestem waszym gospodarzem. W dzisiejszym odcinku rozmawiamy z Ravinem Jesuthasanem. Jest futurystą, autorem i jednym z czołowych światowych ekspertów zajmujących się transformacją pracy. Ravine opowie, dlaczego większość firm wciąż nie uzyskuje zwrotu z inwestycji w AI oraz dlaczego podejście, w którym technologia jest na pierwszym miejscu, powstrzymuje je przed osiągnięciem tego celu.

Wyjaśni, co jest potrzebne, aby rzeczywiście zbudować wspierany przez AI model operacyjny, dlaczego tradycyjna tożsamość oparta na wykonywanym zawodzie się rozpada oraz jak liderzy muszą przejść od biegłości cyfrowej do prawdziwej biegłości w zakresie AI, jeśli chcą przewodzić własnym przykładem. Jeśli pracujesz w obszarze HR, jesteś strategiem wykonawczym albo po prostu zastanawiasz się, co jest potrzebne, aby przewodzić w epoce inteligentnych systemów, ten odcinek jest dla ciebie. Zaczynajmy.

Ravinie, witaj.

Ravin Jesuthasan: Dzięki, Davidzie. Miło być tu z tobą.

David Rice: Oczywiście. Obecnie naprawdę koncentrujesz się na zwrocie z inwestycji w AI. To jedna z rzeczy, o których rozmawialiśmy przed tym nagraniem, a także o systemowych konsekwencjach dla światowej gospodarki. Chcę więc od tego zacząć. Czy możesz rozwinąć temat i opowiedzieć, co dostrzegasz na poziomie makro, szczególnie w odniesieniu do konsumpcji i transformacji siły roboczej?

Ravin Jesuthasan: Oczywiście, Davidzie. Przez ostatnich kilka lat, właściwie niemal trzy lata, byliśmy całkowicie pochłonięci najpierw generatywną AI i tym, co możemy zrobić za pomocą ChatGPT, a ostatnio także autonomiczną AI. Z pewnością obserwujemy, że wiele firm próbuje podnieść swoją premię rynkową, mówiąc o tym, w jaki sposób wdraża AI.

Myślę jednak, że istnieje ogromna różnica między rzeczywistością a postrzeganiem sytuacji. Widzimy bowiem, że poza garstką organizacji wiele firm nie uzyskało zwrotu z inwestycji w AI. Wynika to w dużej mierze z kilku powodów. Po pierwsze, wiele z nich przyjęło podejście skoncentrowane najpierw na technologii. Pomyśleli: wdrożę technologię, szczególnie generatywną AI, do której każdy z nas może uzyskać dostęp za pomocą telefonu, laptopa, tabletu i tak dalej.

Wdrożę ją, a ludzie jakoś, jeśli trochę ich przeszkolę, magicznie zaczną pracować i lepiej wykonywać swoje zadania, a ich produktywność wzrośnie. To tradycyjne podejście typu „rozpylić i liczyć na cud”. Obserwowaliśmy je przy wielu podobnych zmianach w przeszłości i, ponownie, z wyjątkiem garstki organizacji, niewiele firm uzyskało zwrot. Myślę natomiast, że firmy uzyskiwały rzeczywisty zwrot z AI wtedy, gdy przeciwstawiały się temu reaktywnemu odruchowi stawiania technologii na pierwszym miejscu i zaczynały od pracy.

Najpierw trzeba przyjrzeć się pracy, a dopiero potem ustalić, w jaki sposób różne narzędzia AI mogą ją przekształcić. Gdzie mogą zastąpić człowieka? Gdzie mogą go wesprzeć? Gdzie mogą całkowicie zmienić sposób wykonywania pracy? To pozwala również, poza oczywistymi konsekwencjami dla zwrotu z inwestycji, wyraźnie dostrzec zmieniające się umiejętności potrzebne pracownikom.

Gdzie praca jest zastępowana, a więc posiadane umiejętności stają się nieaktualne? Gdzie zmienia się charakter pracy, przez co umiejętności muszą się do tego dostosować? Gdzie praca jest wspierana przez AI, co oznacza, że potrzebuję dodatkowych umiejętności, oprócz tych, które już posiadam, aby współpracować z technologią?

David Rice: Jedną z największych przeszkód, jakie dostrzegamy, jest chyba nadmierne przywiązanie ludzi do swoich miejsc pracy.

I ma to sens. Tradycyjnie ludzie czerpali wartość z rynku pracy poprzez ciągłe doskonalenie określonych zadań. Stopniowo przechodzili do wykonywania zadań o wyższej wartości, co prowadziło do wyższego wynagrodzenia lub większego bezpieczeństwa zatrudnienia. AI przejmuje jednak część tych miejsc pracy. Ostatecznie zachodzi więc pewna emocjonalna transformacja.

Jak liderzy mogą pomóc ludziom przejść od tożsamości opartej na tym, co robię, do tożsamości opartej na tym, kim mogę się stać?

Ravin Jesuthasan: Tak, Davidzie, to niezwykle ważna kwestia. Przez 150 lat miejscem pracy była podstawowa waluta pracy. Teraz, gdy widzimy, że te miejsca pracy są rozkładane na części,

ponieważ AI zastępuje niektóre zadania, wspiera inne, a jeszcze inne przekształca, poczucie tożsamości zostaje poddane próbie. Naprawdę potrzebujemy, aby pracownicy przeszli od „tym, co robię, jest to, kim jestem”, ponieważ dla wielu z nas to, co robimy, definiuje to, kim jesteśmy, do pytania: „kim mogę się stać?”. Nie chcę brzmieć zbyt patetycznie, ale Kartezjusz sformułował przecież zdanie: „Myślę, więc jestem”.

Moja dobra przyjaciółka Sherry Turkle w 2019 roku ukuła natomiast powiedzenie: „Udostępniam, więc jestem”, odzwierciedlające erę mediów społecznościowych. Naprawdę sądzę, że nowe poczucie tożsamości powinno brzmieć: „Uczę się, więc jestem”. Każdy z nas będzie proszony o ciągłe i nieustanne wymyślanie siebie na nowo.

W miarę jak zmienia się nasza praca — i ponownie, to doskonały punkt, który poruszyłeś — poczucie tożsamości musi przejść od „tym, co robię”, do, jak powiedziałeś, „tym, kim mogę się stać”. Jakie umiejętności mogę zgromadzić? Jakie umiejętności mogę dodać? Jak mogę pozostać istotny w zmieniającym się świecie i nieustannie zostawiać za sobą dotychczasowy dorobek?

Myślę, że istnieje doskonały cytat, który oddaje czas, w którym żyjemy. Wielki futurysta Alvin Toffler w 1970 roku w swojej książce „Szok przyszłości” napisał: „Analfabetami XXI wieku nie będą ci, którzy nie potrafią czytać i pisać, lecz ci, którzy nie potrafią się uczyć, oduczać i uczyć ponownie”.

David Rice: To interesujące, ponieważ historycznie patrzyliśmy na to bardzo transakcyjnie: uczę się, aby osiągnąć określony rezultat.

Nie uczę się, aby się uczyć, ani nie uczę się dlatego, że pomoże mi to coś ukształtować. Zawsze było to bardzo proste: uczysz się tego, żeby osiągnąć tamto. Tak. Myślę, że musimy to zmienić. Ogólnie rzecz biorąc, rozmowa o tożsamości i transformacji często nie pojawia się w dyskusjach o AI. Zastanawiam się, czy częściowo nie wynika to ze sposobu, w jaki tworzymy te narracje. Jakie formy lub formaty muszą ewoluować, abyśmy nie mówili wyłącznie o narzędziach, lecz nadal koncentrowali się na ludziach i tym bardzo konkretnym wyzwaniu?

Ravin Jesuthasan: Tak. To niezwykle ważna kwestia, Davidzie. My, jako liderzy biznesowi, a szczerze mówiąc także jako gatunek ludzki, mamy tendencję do nadmiernego dzielenia rzeczy na segmenty. Traktujemy AI jako jedną rzecz i tracimy wszystkie powiązania z kwestiami umiejętności, tożsamości i tak dalej, o których właśnie rozmawialiśmy.

Myślę, że musimy wyjść poza zachwyt w rodzaju: „O mój Boże, zobaczcie, jakie wspaniałe są te narzędzia”. Musimy przejść od spojrzenia, w którym technologia jest na pierwszym miejscu, do pytania: jaka praca musi zostać wykonana i jaki ekosystem ją wspiera? Technologia jest oczywiście jednym z tych elementów, ale pozostaje tylko narzędziem.

Mój dobry przyjaciel Gary Bowles często mówi, że transformacja opiera się na sposobie myślenia, zestawie umiejętności i zestawie narzędzi. Musimy prowadzić przekrojowe rozmowy o tym, co to naprawdę oznacza dla pracowników i jak ich włączyć w ten proces. Jak oboje wiemy, Davidzie, planeta kręci się dlatego, że jesteśmy społecznością opartą na konsumpcji — globalną społecznością konsumentów.

W momencie, gdy siła nabywcza zostaje odebrana, ponieważ ludzie tracą pracę, wiele z tych elementów zaczyna się rozpadać. W kontekście AI musimy więc zastanowić się nad konsekwencjami przekrojowymi. Jak podnosić kwalifikacje ludzi? Jak przekwalifikowywać ludzi? Jak zapewnić, aby w globalnej gospodarce nadal napędzanej przez konsumpcję ludzie mieli możliwości uzyskiwania dochodu z produktywnej pracy?

David Rice: Często zadaję to pytanie, ponieważ nierealistyczne jest myślenie, że po prostu magicznie wkroczymy w nową erę, w której konsumpcja nie będzie kluczowym czynnikiem napędzającym ludzkie zachowania. Jednym z największych problemów jest obecnie to, że osoby z najwyższego kierownictwa mają tendencję do dążenia do efektywności, ignorując jednocześnie głębszą transformację.

Wszystko sprowadza się do pytania: jak dziesięciokrotnie zwiększyć produktywność ludzi? Jestem ciekaw, co twoim zdaniem liderzy powinni mierzyć lub do czego dążyć, jeśli chcą tworzyć wartość dzięki AI wykraczającą poza cięcie kosztów?

Ravin Jesuthasan: To bardzo trafna uwaga, Davidzie. Często skupiamy się krótkowzrocznie na tym, że najszybszym sposobem zwiększenia zysków jest ograniczenie kosztów, ponieważ daje nam to pewność. Wiem, że mogę zmniejszyć koszty, podczas gdy inwestowanie dzisiaj w rozwój jutro wiąże się z pewnym ryzykiem.

W pracy z naszymi klientami zazwyczaj zachęcam ich do koncentrowania się na trzech wskaźnikach. Po pierwsze, efektywność jest oczywiście ważna, ponieważ każda organizacja będzie musiała oddzielić przyszły wzrost od tradycyjnego modelu wymagającego dużych zasobów — niezależnie od tego, czy chodzi o ludzi, kapitał finansowy czy kapitał fizyczny.

Następnie pojawia się pytanie: jak poprawić produktywność pracowników? Mieliśmy do czynienia z sytuacjami, w których inwestowaliśmy w technologię, ale produktywność się nie zmieniała. Nie można po prostu wstawić technologii i liczyć na to, że ludzie w jakiś sposób staną się bardziej produktywni. Jak więc celowo przeprojektować pracę, aby produktywność była uwzględniona w samej architekturze pracy?

Trzecim czynnikiem, który uważam za naprawdę ważny, Davidzie, jest zwinność. W jaki sposób, inwestując w te technologie, możemy przenosić zasoby z obszarów, w których praca jest zastępowana, do obszarów oferujących możliwości rozwoju? Te trzy wskaźniki są niezwykle istotne, gdy zastanawiamy się, jak budować modele biznesowe gotowe do nieustannego odtwarzania i dalszego wzrostu.

Tak, przy mniejszym zapotrzebowaniu na zasoby, ale jednocześnie przy maksymalnym wykorzystaniu talentów, w które często inwestowaliśmy przez dziesięciolecia.

David Rice: Zdecydowanie. W moich rozmowach z liderami interesuje mnie to, że pośpiech związany z wdrażaniem AI w ich własnej pracy nie jest tak duży jak presja, aby skłonić pracowników do korzystania z niej.

Postrzegając AI jako narzędzie strategiczne, można spojrzeć na przykład na to, co ChatGPT potrafi zrobić dzięki funkcji pogłębionego wyszukiwania. AI rozwija się jako narzędzie strategiczne i zaczyna zmieniać reguły gry. Zastanawiam się więc, dlaczego twoim zdaniem istnieje ta rozbieżność i jakie ryzyko niesie ze sobą tego rodzaju luka przywódcza?

Ravin Jesuthasan: To świetne pytanie i ogromne ryzyko, ponieważ AI nie jest wyzwaniem technologicznym — wiele osób słusznie to powtarza. To nie wyzwanie technologiczne, lecz ludzkie. To wyzwanie związane z zarządzaniem zmianą. AI podważa wszystko, w co dotąd wierzyliśmy i co zbudowaliśmy w naszych modelach biznesowych, modelach dotyczących ludzi i modelach organizacyjnych.

To fundamentalne wyzwanie. Od pewnego czasu mówię, że nasi liderzy muszą wyjść poza zwykłą biegłość cyfrową i osiągnąć prawdziwą biegłość w zakresie AI. Jak wspominałem ci wcześniej, Davidzie, w tym roku w Davos miałem przywilej moderowania kilku paneli: jednego z grupą dyrektorów generalnych i drugiego z grupą dyrektorów ds. zasobów ludzkich.

Zadałem pytanie: dobrze, wszyscy wdrażacie AI. Informujecie o tym w swoich raportach finansowych i otrzymujecie nieunikniony wzrost o kilka punktów procentowych, gdy mówicie o AI. Ale ilu z was rzeczywiście korzysta z tych narzędzi? W obu pomieszczeniach było to nie więcej niż 10%. Następnie zapytałem: jak próbujecie skłonić ludzi do korzystania z tych narzędzi, skoro sami chcecie ich używać?

Ktoś nieśmiało odpowiedział: właściwie nie korzystamy z nich, bo mamy asystentów. Mówimy im, co mają zrobić, a oni to robią. To ogromna rozbieżność, ponieważ wracamy do tego, co powiedziałeś o podejściu transakcyjnym. Jeśli postrzegasz AI jako narzędzie transakcyjne, będziesz korzystać z pomocy asystenta.

Jeśli jednak postrzegasz AI jako narzędzie strategiczne, przekształci ona każdy aspekt twojej działalności. Musisz zainwestować w zmianę własnego zachowania, aby umożliwić jej przeniknięcie do każdego obszaru wykonywanej pracy. Niezależnie od tego, czy piszesz notatkę, kontaktujesz się z podwładnymi, czy rozpoczynasz proces planowania strategicznego od analizy tego, co robią konkurenci.

Gdzie ponieśliśmy porażkę w porównaniu z naszymi trzema ostatnimi planami strategicznymi? Jakie są najważniejsze luki? AI może w ogromnym stopniu wspierać lidera. Jest to jednak wielka zmiana zachowania. W mojej trzeciej książce, Davidzie, wspólnie z Johnem Boudreau przeanalizowaliśmy w 2018 roku, gdy uczenie maszynowe i uczenie głębokie były jeszcze nowością, około 135 organizacji i 135 przypadków.

Najbardziej uderzyło nas to, że dziedzictwo sposobu myślenia, zestawu umiejętności i zestawu narzędzi było największą przeszkodą w transformacji. To dziedzictwo ograniczało liderów już wtedy, przy narzędziach, które nie miały nawet zbliżonej mocy i możliwości do tych, którymi dysponujemy dziś.

David Rice: Chcę na chwilę pozostać przy tym, co powiedziałeś. Wspomniałeś o przejściu w kierunku biegłości w zakresie AI. Kiedy myślimy o tym w kontekście liderów, jestem ciekaw, jak z twojej perspektywy wygląda biegłość w zakresie AI u lidera, osoby z najwyższego kierownictwa. Co taka osoba robi z AI i jakie wyzwania próbuje podejmować?

Ravin Jesuthasan: Wygląda to następująco, Davidzie. Zacznę od praktycznych kwestii. Lider, który każdego dnia przeznacza określoną część swojego czasu na zrozumienie narzędzi, śledzenie ich zmian i poznawanie nowych narzędzi. Daje sobie możliwość eksperymentowania z nimi i korzystania z nich.

Prawnicy powiedzą oczywiście: musimy chronić wszystkie nasze prywatne dane. Zgoda. Nie ma jednak powodu, dla którego nie można byłoby samodzielnie pobawić się ChatGPT, Claude'em czy którymkolwiek z pojawiających się narzędzi, w tym DeepSeekiem. Kiedy ostatnio rozmawialiśmy, nie mówię tego, aby się przypodobać, ale mój szef jest prawdziwym wzorem do naśladowania.

Każda rozmowa z nim zaczyna się od tego, co zobaczył w AI, jakie dane wydobył z naszej firmy, co zauważył u konkurencji. Nieustannie korzysta z AI w każdym aspekcie swojej roli. Najciekawsze jest to, że ponieważ on to robi, ja również zaczynam to robić. Wcześniej korzystałem z AI w pewnym stopniu, ale teraz jestem zmotywowany, aby robić to jeszcze częściej.

Obserwuję resztę naszego zespołu kierowniczego i widzę efekt domina, szczególnie w doradztwie, które przechodzi ogromną transformację. Każda z naszych osób musi korzystać z AI, a my napotykamy te same punkty oporu co wszyscy inni.

Jego zachowanie i jego widoczność dla około 3000 naszych pracowników stały się ogromnym czynnikiem zmieniającym reguły gry. Oczywiście musimy wesprzeć to dostępem do narzędzi, szkoleniami i celowym przeprojektowaniem miejsc pracy, ale dawanie przykładu odgrywa niezwykle ważną rolę. On naprawdę jest, moim zdaniem, uosobieniem dyrektora biegle posługującego się AI.

David Rice: To interesujące, bo zawsze rozmawiamy o zbiorach danych, o tym, co może się wydarzyć, o ryzyku i o wszystkim innym. Zawsze jednak mówię, że można poprosić ChatGPT o stworzenie zbioru danych. Jeśli chcesz eksperymentować z narzędziem, powiedz mu, co ma zasymulować. Zrobi to, a następnie możesz przeprowadzić analizę.

Robiłem tak już w kilku przypadkach, więc istnieje wiele różnych sposobów eksperymentowania z tym narzędziem. Biorąc pod uwagę wszystko, co widziałeś na rynku, gdybyś mógł od podstaw przeprojektować sposób, w jaki organizacje wdrażają AI, od czego byś zaczął? Jak wyglądałoby pierwsze 90 dni w twoim idealnym planie wdrożenia?

Ravin Jesuthasan: Myślę, że każda organizacja musi zrobić trzy rzeczy. Po pierwsze, musi bardzo precyzyjnie i jasno określić kierunek. To nie jest działanie jednorazowe. Będzie to proces, który trzeba iteracyjnie doskonalić. Jaka jest nasza Gwiazda Północna? Co zakotwiczy tę podróż w kierunku stania się wspieranym przez AI modelem operacyjnym lub wspieranym przez AI systemem operacyjnym, jak go nazywamy? Jaka jest nasza Gwiazda Północna?

Jakie wzrosty produktywności, efektywności i zwinności osiągniemy w ciągu sześciu miesięcy, dziewięciu miesięcy lub roku? Jak będzie to wyglądać w organizacji? Jak będą to odczuwać nasi liderzy, menedżerowie, pracownicy, udziałowcy i interesariusze? Jakie są podstawowe elementy, które musimy bezwzględnie dopracować?

Musimy uzyskać licencje na określoną technologię, zbudować nasze zbiory danych i tak dalej. Niezależnie od tego, jakie będą to elementy, najważniejsza jest najpierw Gwiazda Północna. Po drugie: jak możemy prototypować i eksperymentować? Skuteczne działanie oznacza przewodzenie poprzez pracę, jak powiedzieliśmy na początku.

Jakie są obszary, w których mogę przeanalizować pracę i ustalić, jak wdrożyć AI do rozwiązania konkretnych problemów? Wtedy zaczynasz dostrzegać, która praca zostaje zastąpiona, która jest wspierana, a która przekształcana. Zaczynasz tworzyć dowody potwierdzające skuteczność i uzasadnienia biznesowe pokazujące siłę AI.

Opublikowałem kilka artykułów w MIT Sloan Management Review i Harvard Business Review, w których pokazaliśmy zwrot z inwestycji uzyskany przez firmy. Te liczby są duże. W niektórych przypadkach mówimy o 45-procentowym wzroście produktywności i 30-procentowym wzroście rentowności w różnych częściach działalności.

Prototypowanie jest więc ważne. Trzecia kwestia polega na tym, że wpływ AI nie ogranicza się do uzyskania wzrostu produktywności, zwinności i efektywności. AI przekształci każdy aspekt twojego modelu biznesowego. Musimy zrozumieć wszystkie czynniki umożliwiające zmianę. Co to oznacza dla sposobu budżetowania?

Co to oznacza dla sposobu organizowania pracy? AI podważy samą strukturę pracy, twojej organizacji i poszczególnych funkcji. Podważy umiejętności przywódcze, o czym właśnie rozmawialiśmy. Trzecia część polega więc na zajęciu się wszystkimi tymi czynnikami umożliwiającymi zmianę.

Muszą one rozwijać się równolegle z AI i pozwolić ci zbudować nie tylko dużą liczbę eksperymentów, ale prawdziwy wspierany przez AI model operacyjny.

David Rice: To była dobra rozmowa. Doceniam twój czas. Dziękuję, Ravinie, za udział w dzisiejszym programie.

Ravin Jesuthasan: Cała przyjemność po mojej stronie. Bardzo dobrze się bawiłem, Davidzie. Dziękuję.

David Rice: Zanim zakończymy, czy chciałbyś powiedzieć wszystkim, gdzie mogą się z tobą skontaktować, dowiedzieć się więcej o twojej działalności i podzielić się wszystkim, czym chciałbyś się podzielić?

Ravin Jesuthasan: Oczywiście. Odwiedźcie stronę mercer.com, gdzie udostępniamy wiele naszych narzędzi, metodologii, materiałów i badań.

Możecie również odwiedzić moją stronę internetową ravinjesuthasan.com. Zachęcam także do obserwowania mnie na LinkedInie, Twitterze — a właściwie na X — na Threads i różnych platformach społecznościowych. Jestem dość aktywny i regularnie publikuję różne badania oraz artykuły, które piszę.

David Rice: Doskonale. Jeszcze raz dziękujemy za udział. Do usłyszenia następnym razem.

Ravin Jesuthasan: Dobrze. Dzięki, Davidzie.