AI brzmi przekonująco. Właśnie w tym tkwi problem.
Postrzeganie AI: Ludzie mają silne opinie na temat AI, jednak wielu z nich nie rozumie, jaki będzie jego rzeczywisty wpływ w przyszłości.
Jakość informacji zwrotnych: Informacje zwrotne zarówno od AI, jak i od ludzi często nie są wiarygodne, co podważa przekonanie, że instynkt jest lepszy od AI.
Proces podejmowania decyzji: Skuteczne podejmowanie decyzji opiera się na różnorodnych opiniach, a nie na pewnych siebie, niekwestionowanych odpowiedziach.
Ograniczenia AI: Coraz większe poleganie na AI może osłabiać krytyczne myślenie i prowadzić do przeoczeń w procesie podejmowania decyzji.
Uporządkowany osąd: Podejmowanie decyzji zyskuje dzięki uporządkowanym metodom, które wymagają czegoś więcej niż nieformalnego zbierania informacji zwrotnych.
Pewność siebie to nie to samo co racja. Brzmieć jak ktoś, kto wie, o czym mówi, to nie to samo co wiedzieć, o czym się mówi.
Każdy ma dziś jakieś stanowisko w sprawie AI. Jedni są całkowicie za, inni przeciw, a jeszcze inni czekają, żeby zobaczyć, jak to wszystko się potoczy. Zajmujemy te stanowiska z dużą pewnością siebie, a pod spodem niemal nikt tak naprawdę jeszcze tego nie rozumie ani nie wie, dokąd to wszystko zmierza. Dlatego LinkedIn zapełnia się ludźmi, którzy już wyrobili sobie zdanie.
Wdałem się w dyskusję z jedną z takich osób w zeszłym tygodniu. Opublikowała apel: przestańcie używać AI do uzyskiwania informacji zwrotnych na temat swojej pracy. Jej argumentacja była trafna, taka, przy której większość ludzi przytakuje. AI nigdy nie trzyma języka za zębami. Zapytaj je o cokolwiek, a zawsze ma coś do powiedzenia, niezależnie od tego, czy ma rację. Jeśli potrzebujesz AI, żeby powiedziało ci, czy twoja praca jest dobra, twierdziła, to właśnie jest prawdziwy problem. Zaufaj intuicji.
Nie zgodziłem się z nią. Nie dlatego, że się myliła, ale dlatego, że miała rację tylko w połowie, jeśli chodzi o rozwiązanie. Większość informacji zwrotnych nie jest dobra, niezależnie od tego, czy pochodzi od AI, czy od człowieka. Twoja własna intuicja zawodzi w ten sam sposób. A pewna siebie, dobrze skonstruowana odpowiedź, czyli coś, co AI świetnie tworzy i co ludzie cały czas przekazują, jest najłatwiejszą rzeczą do uwierzenia i najtrudniejszą do zakwestionowania.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Pewność siebie to nie to samo co racja. Brzmieć jak ktoś, kto wie, o czym mówi, to nie to samo co wiedzieć, o czym się mówi. Przekonałem się na własnej skórze, ile to kosztuje.
Koszt pewności siebie
Wiele lat temu byłem menedżerem UX w zespole odpowiedzialnym za Shopify Capital, produkt oferujący sprzedawcom zaliczki gotówkowe na podstawie sprzedaży w ich sklepach. Gdy sprzedawca akceptował ofertę, środki potrzebowały do siedmiu dni na przejście wewnętrznego procesu zatwierdzania. Dla małej firmy czekającej na uzupełnienie zapasów lub rozpoczęcie działalności to bardzo długi tydzień.
System stojący za tymi zatwierdzeniami był wczesną wersją MVP, której nikt nie dotykał od lat. Zebrałem więc w jednym pomieszczeniu właściwe osoby, żeby się z tym uporać: dział finansów, osoby zajmujące się zatwierdzeniami oraz programistów i projektantów, którzy stworzyli pierwotny system.
Okazało się, że wąskim gardłem było kilka ręcznych etapów zatwierdzania. Dokładnie przeanalizowaliśmy, jak osoby zatwierdzające podejmowały każdą decyzję i czy system mógłby podejmować je zamiast nich. W ciągu godziny mieliśmy rozwiązanie. Mogliśmy wdrożyć je następnego dnia.
Na drodze stało jedno zatwierdzenie. Ostateczna akceptacja należała do lidera produktu, który był bardzo daleko od takich pomieszczeń jak nasze. Odpowiedź, która do nas wróciła, była jasna, konkretna i stanowcza: ten etap musiał pozostać ręczny. Decyzję podjęto wiele lat wcześniej. Nikt nie potrafił powiedzieć nam dlaczego. Nie było za nią żadnego możliwego do prześledzenia uzasadnienia. Nie mogliśmy wdrożyć rozwiązania.
Zrobiliśmy więc to, co robi większość zespołów. Zdaliśmy się na pewną siebie odpowiedź. Następnie spędziliśmy trzy tygodnie, dowodząc, że była błędna. Dwadzieścia spotkań, rozmowy ze wszystkimi, którzy faktycznie mieli styczność z systemem, oraz mapa tego, co naprawdę działo się pod maską.
Ostatecznie wdrożyliśmy dokładnie to rozwiązanie, które mieliśmy już po pierwszej godzinie. Informacja zwrotna od interesariusza była autorytatywna, dobrze skonstruowana i całkowicie błędna. Wskazywała problem, który nie istniał.
To właśnie o tej porażce jest ten artykuł. Nie o AI. Nie o ludziach. O pewnej siebie opinii, której nikt nie poddał próbie, zanim zaczął na niej działać.
Druga opinia, o którą przestałeś pytać
Gdy decyzja ma znaczenie, a coś wydaje się nie w porządku, nie ufasz pierwszej pewnej siebie odpowiedzi. Pytasz osobę, która rzeczywiście powinna znać odpowiedź. Zapraszasz do pokoju dwie lub trzy osoby i obserwujesz, w czym się nie zgadzają. Dajesz sobie czas do namysłu. Konsultujesz sprawę z kimś, czyjemu osądowi ufasz, zanim podejmiesz decyzję. Nikt cię tego nie uczył i nikt nie nadał temu konkretnej nazwy. Po prostu tak postępują ostrożni ludzie.
Ten odruch to prawdziwy osąd. A dobry osąd wymaga spojrzenia na problem z perspektywy więcej niż jednej osoby oraz ujawnienia wszystkich kompromisów, zanim cokolwiek zostanie wdrożone. Właśnie do tego buduje się małe zespoły: są wystarczająco blisko siebie, by wspólnie głośno myśleć, i wystarczająco małe, by rzeczywiście to robić.
Perspektywa nie pojawia się jednak automatycznie. Potrzebuje czasu, bliskości i przestrzeni, żeby się rozwinąć. AI działa przeciwko wszystkim trzem.
Potrzebuje też tego, co najczęściej pomijamy: struktury. Struktura wydaje się powolna, a w obliczu szybkości i uroku AI powolność jest ostatnią rzeczą, jaką ktokolwiek chce reprezentować.
AI tworzy pewne siebie odpowiedzi szybciej, niż jesteś w stanie je zweryfikować, więc pojawia się pokusa, by przyjąć odpowiedź i działać dalej.
I celowo się temu poddajemy, bo obietnica jest kusząca. Każdy zna to uczucie: coś nas przyciąga, choć niekoniecznie leży to w naszym najlepszym interesie, a mimo to i tak się na to decydujemy.
Dziś tolerujemy to, co AI robi źle ze względu na to, czym może się stać jutro, i ufamy ludziom, którzy je tworzą, że zlikwidują te luki. Nic w tym nierozsądnego. To ludzkie. To także dokładnie to, co sprawia, że przestajemy poddawać wszystko próbie.
Microsoft i Carnegie Mellon zbadali, co dzieje się później. Odkryli, że im większą pewność ludzie pokładają w AI, tym mniej krytycznego myślenia wykazują, a sama praca zmienia się z wykonywania zadania w nadzorowanie AI, która je wykonuje. Nadzór chroni tylko wtedy, gdy nadal rzeczywiście wszystko sprawdzasz. Większość ludzi przestaje to robić.
Tak więc nieformalny nawyk, który wcześniej cię chronił, nie zawodzi w spektakularny sposób. Po prostu przestaje się skalować. Dokładnie wtedy, gdy rośnie liczba decyzji, słabnie dyscyplina, dzięki której te decyzje były trafne.
Proszenie o informacje zwrotne nie jest dyscypliną
Rozstrzygnięcie jednej sprzeczności, wykorzenienie jednego założenia, zrozumienie, dlaczego coś ma działać w określony sposób — to właśnie sprawia, że coś, co wcześniej kosztowało minuty, zaczyna kosztować tygodnie… Dyscyplina naprawia to wszystko. Nie mam na myśli silnej woli. Mam na myśli powtarzalny sposób podejmowania decyzji.
Rozwiązaniem nie jest więc mniejsze zaufanie do AI i większe poleganie na własnym instynkcie. Rozwiązaniem jest struktura. Jednak pytanie innych o informacje zwrotne to nie to samo co posiadanie wypracowanej dyscypliny w tym zakresie — i właśnie ta różnica jest rozwiązaniem.
Pytanie innych o zdanie to coś, co większość zespołów już robi. Coś wydaje się nie w porządku, więc chwytasz kogoś, kto jest akurat w pobliżu. Poruszasz temat na spotkaniu. Liczysz na to, że osoba, która rzeczywiście zna odpowiedź, będzie akurat obecna i akurat się odezwie. Czasami tak jest. Przez większość czasu to kwestia szczęścia, a nie da się odróżnić szczęśliwych dni od pozostałych, dopóki nie jest za późno.
Pytanie innych o zdanie jest kosztowne. Organizujesz spotkania, kalendarze są pełne, a zanim grupa może się zebrać, odpowiedni moment już minął albo decyzję podjęto bez udziału tych osób. Spotkania zaczynają więc być postrzegane jak podatek, który płacisz coraz rzadziej.
Zamiast tego różne punkty widzenia rozpraszają się: trafiają do prezentacji, wiadomości e-mail albo wątku na Slacku, którego nikt nie czyta na czas. Wszyscy uwielbiają komunikację asynchroniczną za czas, który wydaje się dzięki niej odzyskiwać, ale oznacza to, że różne perspektywy nigdy tak naprawdę się nie spotykają.
Komunikacja asynchroniczna sprawdza się aż do momentu, gdy dwie perspektywy sobie przeczą. Właśnie wtedy potrzebujesz prawdziwej wymiany zdań w czasie rzeczywistym: jedna osoba mówi, że tak to nie działa, druga oponuje, aż wspólnie dochodzicie do tego, co jest prawdą. Komunikacja asynchroniczna nie potrafi tego zapewnić.
Sprzeczność, której rozwiązanie w jednym pomieszczeniu zajęłoby pięć minut, odbija się przez wiele dni w kolejnych odpowiedziach. Rozstrzygnięcie jednej sprzeczności, wykorzenienie jednego założenia, zrozumienie, dlaczego coś ma działać w określony sposób — to właśnie sprawia, że coś, co wcześniej kosztowało minuty, zaczyna kosztować tygodnie.
Dyscyplina naprawia to wszystko. Nie mam na myśli silnej woli. Mam na myśli powtarzalny sposób podejmowania decyzji. Celowo określa, przez jakie perspektywy musi przejść decyzja, zanim zostanie wdrożona. Nie chodzi o osoby, które akurat są w pobliżu, lecz o te kilka, które rzeczywiście mają znaczenie w przypadku danej decyzji. Celowo przedstawiasz decyzję każdej z nich, robisz to raz i zwracasz uwagę na to, czego każda z tych osób zwykle nie dostrzega. To jest struktura. Celowe włączanie właściwych perspektyw zamiast poszukiwania ich po kolei na każdym spotkaniu.
Dlaczego ma to większe znaczenie, niż mogłoby się wydawać? Ponieważ wiedza o tym, jak coś działa, nie jest tym samym co zrozumienie, dlaczego działa właśnie w ten sposób, a w tej luce kryją się najpoważniejsze błędy.
Richard Rumelt, autor książki „Dobra strategia, zła strategia”, nazywa pierwszy rzeczywisty krok diagnozą: ustaleniem, co tak naprawdę się dzieje, zanim podejmiesz decyzję. Dobra diagnoza wskazuje prawdziwy problem, a nie jego objaw. „Osiągamy gorsze wyniki” nie jest diagnozą, lecz rezultatem. Diagnozą jest kryjące się za nim „dlaczego”, które mówi ci, co ma kluczowe znaczenie, a co należy zignorować.
Właśnie tutaj pomieszczenie pełne różnych perspektyw pokazuje swoją wartość. Problem wygląda inaczej w zależności od tego, kto się z nim mierzy.
Osoba odpowiedzialna za budżet, osoba, która tworzy dane rozwiązanie, oraz klient — każda z tych osób ma inną wersję sytuacji i każda potrzebuje czegoś innego od podjętej przez ciebie decyzji. Rozwiązanie właściwego problemu nie jest więc jedną rzeczą. Chodzi o znalezienie jednego rozwiązania, które jednocześnie odpowiada na wystarczająco wiele różnych potrzeb — posunięcia, które podnosi poprzeczkę dla wszystkich, a nie tylko dla jednej osoby.
Nie znajdziesz go samodzielnie ani z dystansu. Znajdziesz je wtedy, gdy różne perspektywy spotkają się, a wynikająca z nich niezgoda pokaże ci prawdziwy kształt problemu.
Możesz zobaczyć, jak bardzo zależy nam na tych innych perspektywach, w sposobie, w jaki rozmawiamy ze sztuczną inteligencją. „Zachowuj się jak copywriter”. „Zachowuj się jak ekspert ds. marketingu”. Każdy prompt jest przyznaniem, że jedna osoba może patrzeć na sprawę tylko z ograniczonej liczby stron — i zdajemy sobie z tego sprawę. Prosimy ją, żeby zastąpiła tych, których perspektyw nam brakuje.
Właśnie w tej luce działa sztuczna inteligencja. Model ma dostęp wyłącznie do tego, co mieści się w jego oknie kontekstowym — ograniczonego wycinka Twojej sytuacji, który został do niego załadowany.
Nie widzi tego, czego mu brakuje, i nie potrafi porównać jednej perspektywy z drugą. W ogóle nie posiada własnej perspektywy. Działa na podstawie prawdopodobieństwa, przewidując, co najprawdopodobniej wydarzy się dalej, bez żadnej stawki po swojej stronie, jeśli się pomyli. Dlatego mówi Ci coś przekonującego.
Te trzy tygodnie, które mój zespół poświęcił na dotarcie do sedna problemu? To była diagnoza. To było zrozumienie, dlaczego tak się stało. Sztuczna inteligencja będzie coraz lepsza w udzielaniu odpowiedzi. Lepsza odpowiedź nadal nie oznacza zrozumienia. Zrozumienie pochodziło od prawdziwych ludzi, z których każdy inaczej postrzegał problem i każdemu zależało na tym, jaki będzie wynik. Jeden model nie może zastąpić tych ludzi, niezależnie od tego, jak bardzo będzie doskonalony. Ta część należy do Ciebie i Twojego zespołu.
Kiedy wszyscy się zgadzają, kogoś brakuje
Trudniejszą umiejętnością jest zauważenie, kiedy w pomieszczeniu brakuje jednej z tych perspektyw. A sygnał jest przeciwny do tego, czego można by się spodziewać. To zgoda. Kiedy decyzja zapada zbyt gładko, kiedy wszyscy kiwają głowami i nikt nie czuje się nieswojo, zazwyczaj nie jest to konsensus.
Obawa w tym przypadku polega na tym, że opisuję więcej spotkań, więcej osób i więcej procedur. Nie opisuję.
Dyscyplina nie polega na zaproszeniu wszystkich do jednego pomieszczenia. Zawsze myślałem o tym tak: potrzebujesz jak najmniejszej liczby osób, które wspólnie nadal są w stanie dostrzec cały problem. Każda z nich obejmuje obszar, którego pozostali nie potrafią dostrzec, więc kilka osób myślących odmiennie obejmuje większy zakres niż tłum myślący tak samo. Na tym polega dźwignia — na tym, jak bardzo się różnią, a nie na tym, ilu ich jest.
Nie potrzebujesz do tego schematu organizacyjnego. Przy konkretnej decyzji pytasz, kto dostrzega jej element, którego Ty nie widzisz. Większość decyzji dotyczy pewnej kombinacji tych samych kilku obszarów: pieniędzy, klienta, osoby, która musi coś zbudować, osoby, która musi to sprzedać, oraz osoby, na którą spadnie odpowiedzialność, jeśli coś się zepsuje.
Nie każda decyzja wymaga udziału wszystkich tych osób. Przy zatrudnianiu nowej osoby najważniejsze są osoby, z którymi będzie ona codziennie współpracować, oraz osoba dysponująca budżetem. Zmiana sposobu pracy zespołu wymaga udziału osób, które rzeczywiście będą musiały ją wdrożyć, a także osób, dla których ma ona stworzyć wartość — a tych często nie ma w pomieszczeniu, gdy zapada decyzja.
Właśnie to absorbuje teraz większość zespołów: nowe oprogramowanie, więcej pracowników, sztuczna inteligencja włączona w każdy element pracy, a większość tych zmian spływa z góry na dół. Umiejętność polega na nazwaniu dwóch lub trzech perspektyw, od których zależy decyzja, a nie na zbieraniu kworum.
Trudniejszą umiejętnością jest zauważenie, kiedy w pomieszczeniu brakuje jednej z tych perspektyw. A sygnał jest przeciwny do tego, czego można by się spodziewać. To zgoda.
Kiedy decyzja zapada zbyt gładko, kiedy wszyscy kiwają głowami i nikt nie czuje się nieswojo, zazwyczaj nie jest to konsensus. To brakująca perspektywa. Nie ma osoby, która zgłosiłaby sprzeciw. Argument, który ujawniłby lukę, nigdy nie pada, więc decyzja wydaje się zakończona, choć po prostu nikt jej nie zakwestionował.
Kiedy dostrzeżesz lukę, masz dwa uczciwe wyjścia. Zdobądź brakującą perspektywę, zanim podejmiesz decyzję, nawet jeśli będzie Cię to kosztować cały dzień. Albo, jeśli naprawdę nie możesz tego zrobić, powiedz to głośno: nikt tutaj nie reprezentuje klienta, więc w tej kwestii zgadujemy.
Nazwana luka to ryzyko, którym możesz zarządzać. Nienazwana luka to pewna siebie, dobrze skonstruowana odpowiedź, która okazuje się błędna.
Właśnie dlatego większość zespołów już teraz trzyma sztuczną inteligencję na krótkiej smyczy. W niedawnym badaniu Harvard Business Review tylko 6% firm stwierdziło, że w pełni ufa agentom sztucznej inteligencji w samodzielnym prowadzeniu kluczowego procesu, podczas gdy 43% powierzy im rutynowe zadania i nic więcej.
Ten odruch jest właściwy. Sztuczna inteligencja powinna znajdować się na obrzeżach pracy — przy wykonywaniu zadań, a nie w centrum podejmowania decyzji. Trzeba jednak jasno rozumieć, czym ona jest. Sztuczna inteligencja jest teraz w pomieszczeniu: słucha, dokonuje transkrypcji i sporządza podsumowanie, gdy rozmawiacie. To nie to samo, co posiadanie stawki w tym, co zostanie postanowione.
Jeśli kiedykolwiek porównywałeś jedno z takich podsumowań z tym, co rzeczywiście zostało powiedziane, znasz resztę historii. Pomija pewne rzeczy, uzupełnia to, czego nie wychwyciła, i brzmi przy tym pewnie, a także nigdy nie sprawdza własnej pracy. Może rejestrować to, co dzieje się w pomieszczeniu. Nie może zająć w nim stanowiska.
More Articles
- Wiceprezes ds. Ludzi i Organizacji w firmie AI o statusie jednorożca mówi, że liderzy HR muszą stać się architektami zespołu ludzi i maszyn
- Dyrektor ds. personalnych mówi, że firmy przypadkowo karzą pracowników, którzy dobrze wykorzystują sztuczną inteligencję
- Przywództwo ludzi zyskuje na wartości, gdy maszyny stają się coraz bardziej zaawansowane
- Strateg ds. przyszłości pracy analizuje organizacyjne realia sztucznej inteligencji i wyjaśnia, jak sobie z nimi radzić
- Autor i ekspert ds. AI zachęca organizacje do przejścia od “człowieka w pętli” do “człowieka nad pętlą”
Wersja, którą możesz wdrożyć w poniedziałek
Zanim zapadnie decyzja, która naprawdę ma znaczenie, nazwij ją w jednym zdaniu i określ perspektywy, których potrzebuje. Następnie zbierz te osoby, te właściwe, w jednym pomieszczeniu lub na tej samej rozmowie na piętnaście minut.
Nie potrzebujesz do tego nowego narzędzia, nowego pracownika ani nowej warstwy procesu. I właśnie o to chodzi.
Dyscyplina, którą rozwijające się firmy próbują kupić za pomocą oprogramowania i większej liczby pracowników, to coś, co mały zespół może po prostu robić, ponieważ już masz dwie rzeczy, których to wymaga: właściwych ludzi i możliwość zebrania ich w jednym pomieszczeniu.
Oto prosta wersja.
Zanim zapadnie decyzja, która naprawdę ma znaczenie, nazwij ją w jednym zdaniu i określ perspektywy, których potrzebuje. Następnie zbierz te osoby, te właściwe, w jednym pomieszczeniu lub na tej samej rozmowie na piętnaście minut. Nie na cyklicznym spotkaniu. Nie w komitecie. Na krótkim, celowym przejściu przez temat, z założenia poświęconym tej jednej decyzji.
Podczas tej rozmowy uczyń niezgodę twoim zadaniem. Nie pytaj, czy wszyscy się zgadzają. Zapytaj każdą osobę, co z tej perspektywy jest błędne. Nie zbierasz aprobującego kciuka w górę. Szukasz jednego zastrzeżenia, które zmieni odpowiedź. A jeśli wszystko układa się zbyt łatwo, pamiętaj, co to zwykle oznacza. Kogoś, kto powinien być w pomieszczeniu, w nim nie ma.
Kiedy w grę wchodzi AI, a tak będzie, trzymaj je po właściwej stronie granicy. Pozwól mu przygotować szkic, podsumować informacje, wskazać perspektywę, którą mogłeś przeoczyć. Następnie przedstaw jego odpowiedź zespołowi i poddaj ją takiej samej weryfikacji, jak każdą inną.
Traktuj ją jako szkic do sprawdzenia, nigdy jako werdykt do zaakceptowania. Nie ma prawa głosu. Ma podlegać ocenie. A kiedy jesteś tylko ty i AI, cała rozmowa należy do ciebie. Może wykonać pracę, ale nie może ponosić jej ciężaru.
To cały schemat. Nazwij decyzję, określ perspektywy, zbierz właściwych ludzi w czasie rzeczywistym, spraw, by się nie zgadzali, i trzymaj się po właściwej stronie granicy, czyli po stronie działania. Kosztuje cię to piętnaście minut.
Alternatywa kosztuje cię trzy tygodnie i pewną siebie odpowiedź, która okazała się oparta na błędnym założeniu. Przypuszczenie, którego nikt nie sprawdził. Wniosek potraktowany jak fakt. W przypadku AI nazywamy to halucynacją. W przypadku człowieka po prostu nazywamy to pewnością siebie.
Luka, którą małe zespoły są stworzone, by zamykać
Cofnijmy się na chwilę. Ludzie i AI popełniają błędy, a zespół może to przetrwać. Nie może jednak przetrwać droższej wersji tego problemu: braku perspektywy, która ma największe znaczenie.
Osoby, które muszą tworzyć wartość, i osoby, dla których jest ona przeznaczona, rzadko znajdują się w tym samym pomieszczeniu, gdy zapada decyzja.
W dużej firmie to normalny stan rzeczy. Osoba mająca uprawnienia do podjęcia decyzji zwykle znajduje się najdalej od miejsca, w którym faktycznie powstaje wartość, a przy tym jest najbardziej zajęta — jako ostatnia może wygospodarować piętnaście minut, by usiąść w jednym pomieszczeniu. Dlatego decyzja zapada na odległość, na podstawie podsumowania, przez osobę, której nie było przy sporze, który zmieniłby odpowiedź.
To właśnie tę lukę dyrektorzy finansowi wciąż zgłaszają, ale nie potrafią jej wyjaśnić. W niedawnym badaniu firmy konsultingowej RGP 66% dyrektorów finansowych stwierdziło, że spodziewa się znaczących zwrotów z AI w ciągu dwóch lat. Tylko 14% odpowiedziało, że już dziś widzi wymierną wartość.
Odruchowo interpretuje się to jako problem z narzędziami, coś, co naprawi lepszy model lub kolejna platforma. Tak się nie stanie. Problemem nigdy nie były narzędzia. Chodzi o jakość decyzji, które te narzędzia wspierają.
Oto dlaczego właśnie mały zespół może tę lukę zamknąć. Tarcia, które pokonują dużą firmę — wszystkie warstwy, kalendarze i działania koordynacyjne — w większości nie są twoim problemem.
Osoby, które zaprosiłbyś do udziału, już się znają, już sobie ufają i mogą ostro się nie zgadzać, a mimo to później wspólnie pójść na lunch. Nie przekierowujesz decyzji przez obcych ludzi w schemacie organizacyjnym. Zwracasz się do trzech osób, z którymi pracujesz każdego dnia.
Dyscyplina, którą duża firma wydaje miliony, próbując odbudować, jest czymś, co możesz zrobić jeszcze dziś po południu, ponieważ dystans, z którym ona walczy, nigdy nie istniał w twoim przypadku.
Raz doświadczyłem tego w małej agencji. Na większości naszych największych projektów traciliśmy pieniądze. Rozwiązaniem nie było żadne narzędzie ani nowy pracownik. Chodziło o to, by wszyscy, którzy mieli kontakt z realizacją pracy — od szacowania i wyceny po rezerwację i dostarczenie — znaleźli się w jednym pomieszczeniu. Nie na jednym spotkaniu, ale wielokrotnie, docierając poza objawy do tego, co naprawdę się działo.
Zwiększyliśmy marżę netto o 33%. Dźwignią było uczynienie z omawiania problemów i rozwiązań wspólnie stałego nawyku. Tym, co sprawiło, że to zadziałało, było zabieranie przez nas głosu w sprawie pracy, która nie była nasza — niezależnie od tego, czy byliśmy ekspertami. To właśnie stamtąd pochodzi wiele innowacji i dokładnie tego wciąż mamy nadzieję, że dostarczy nam sztuczna inteligencja.
I właśnie tym zajmuję się od tamtej pory, pomagając zespołom wspólnie pracować nad problemami zbyt dużymi, by jedna osoba mogła je rozwiązać samodzielnie.
Trudność nigdy nie polegała na znalezieniu właściwych osób. Chodziło o to, by zgromadzić je w tym samym pomieszczeniu i w tym samym czasie, aby wspólnie spierały się i kształtowały pomysły. Każde narzędzie obiecuje, że to zastąpi, ale żadne nie potrafi. Postaw naprzeciw siebie, w czasie rzeczywistym, dwie osoby, które widzą sprawę inaczej, a prawdziwy problem sam się ujawni. Reszta to logistyka.
Sztuczna inteligencja nie ma własnej perspektywy. Nie ma opinii. Niczego nie czuje. W przypadku wąskiego zakresu decyzji właśnie takiego dystansu potrzebujesz i tam warto z niego korzystać. Jednak większość tego, co robimy, robimy po to, by budować rzeczy i rozwiązywać problemy dla innych ludzi, razem z innymi ludźmi, którym zależy na tym, jaki będzie rezultat.
To zaangażowanie sprawia, że ktoś zaprotestuje, wytrzyma napięcie i zauważy to, co umknęło wszystkim innym.
Te perspektywy są jedyną częścią pracy, z której nigdy nie powinieneś rezygnować. A jeśli jesteś małym zespołem, wcale nie musisz tego robić. Te osoby już siedzą przy twoim stole. Sztuczna inteligencja może pomóc ci wykonać pracę. To, co naprawdę należy do ciebie, możesz zachować.
