Co sztuczna inteligencja odkryła, gdy pojawiła się w pracy

Podewils jest współdyrektorką generalną firmy tworzącej oprogramowanie HR, więc z jednej strony wie, jak organizacje korzystają z technologii wspierających pracowników, a z drugiej ma bezpośredni wgląd w to, czego faktycznie doświadczał jej własny zespół. Jej obserwacja dotycząca tego wdrożenia wskazuje na coś, co jest pomijane w większości rozmów o wdrażaniu AI. 

Problem, który AI ujawnia w HR, nie jest problemem technologicznym. W wielu przypadkach nie jest nawet nowym problemem. To porażka w zakresie projektowania organizacji, której skutki ciągną się przez bardzo długi czas.

Liderzy najskuteczniej poruszający się dziś w świecie AI nie są tymi, którzy działają najszybciej. Są nimi ci, którzy są gotowi przyjrzeć się temu, co ujawnia AI, i nie wzdrygać się na ten widok.

Luka w gotowości, która nie dotyczy gotowości

Jeanne Meister od ponad trzech dekad pomaga organizacjom przechodzić transformację rynku pracy. Obserwowała, jak firmy zmagają się ze zmianami demograficznymi, pracą hybrydową, lukami kompetencyjnymi i pół tuzinem innych zmian strukturalnych, które miały na nowo zdefiniować znaną nam pracę. Jak mówi, AI różni się pod jednym konkretnym względem — sprawiła, że istniejąca luka stała się niemożliwa do zignorowania. Nazywa ją luką w gotowości. 

„Luką między tym, co organizacje chcą zrobić z AI, a gotowością pracowników do wdrożenia AI w swoich procesach pracy”. 

Szybko jednak podkreśla, że szkolenia nie są główną przyczyną problemu. 

„To kwestia zaufania i lęku. Pracownicy obawiają się utraty znaczenia. Martwią się nakazem zdobycia biegłości w AI i tym, co oznacza to dla ich obecnych i przyszłych ról”.

To rozróżnienie — między problemem kompetencyjnym a problemem zaufania — ma ogromne znaczenie. Jeśli luka dotyczy możliwości, można ją zniwelować za pomocą programów szkoleniowych. Jeśli luka wynika z lęku, same programy szkoleniowe do niej nie dotrą. Mamy wtedy do czynienia z czymś, co znajduje się pod powierzchnią modelu kompetencji.

Dane z jej badania konkretyzują ten problem: 79% pracowników twierdzi, że czuje się nieprzygotowanych do korzystania z AI w pracy, a 65% mówi, że ich organizacja nie zapewniła odpowiednich szkoleń. Meister wykracza jednak poza te liczby. 

„Wiele firm nakazuje swoim pracownikom zdobycie wiedzy na temat AI, ale nie definiuje, co to oznacza dla ich pracowników”. 

Nakaz bez definicji nie jest strategią. Jest mechanizmem dostarczania lęku.

To, co opisuje, w rzeczywistości wcale nie jest luką w gotowości. To porażka komunikacyjna spotęgowana przez problemy z odpowiedzialnością. Liderzy sądzą, że komunikują wpływ AI. Pracownicy tego nie odczuwają. Ten dystans między intencją a odbiorem jest czymś, z czym większość organizacji już wcześniej nie radziła sobie najlepiej, zanim AI pojawiła się w tym obrazie. Teraz ujawnia się w statystykach dotyczących wdrażania AI.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Problem z dokumentacją jest problemem projektowym

Linnea Bywall objęła stanowisko wiceprezeski ds. pracowników w Quinyx po sześciu i pół roku budowania funkcji ds. pracowników w Alva Labs. Przyszła z jasną teorią na temat tego, co musi się wydarzyć, zanim cokolwiek związanego z AI będzie mogło działać na dużą skalę.

„Brak dokumentacji jest istotną przeszkodą dla gotowości na AI” — mówi. „Tak wiele organizacji chce korzystać z AI, ale zbyt wiele procesów pozostaje w głowach ludzi”.

To, co brzmi jak techniczny warunek wstępny — udokumentowanie procesów, aby modele AI miały na czym pracować — jest w rzeczywistości strukturalnym rozliczeniem się ze stanem organizacji. Jeśli proces wdrażania nowych pracowników, podejście do kalibracji wyników pracy czy filozofia wynagradzania opierają się głównie na pamięci proceduralnej osób, które pracują wystarczająco długo, by wiedzieć, jak wszystko działa, oznacza to problem kruchości organizacyjnej, który wyprzedza AI o całe lata.

Zespół Bywall przepisał Podręcznik pracownika i Podręcznik menedżera, uwzględnił cele dotyczące dokumentacji w kwartalnych OKR-ach oraz wykorzystywał AI zarówno jako narzędzie do tworzenia pierwszych wersji, jak i partnera do konsultacji w celu identyfikowania luk. Proces ten ujawnił więcej, niż wynikało z samych dokumentów. „Wykorzystywaliśmy AI jako partnera do konsultacji, aby upewnić się, że uwzględniliśmy wszystkie niezbędne elementy” — mówi. To, co otrzymali w odpowiedzi, pokazało im, jak wiele wiedzy instytucjonalnej nigdy nie zostało wyrażone wprost.

Podewils dotarła do tego samego wniosku z innego kierunku. Kiedy mówi o tym, dlaczego AI potrzebuje połączonych danych historycznych, aby generować wartościowe spostrzeżenia, przedstawia argument dotyczący dokumentacji, używając innych słów. 

„Lśniący, samodzielny agent AI działający poza systemem HR może napisać opis stanowiska, jasne. Nie powie ci jednak, czy zaangażowanie spada w konkretnym zespole, czy wysoko osiągający pracownik od miesięcy nie odbył rozmowy rozwojowej ani czy bezpośredni podwładni menedżera konsekwentnie osiągają gorsze wyniki niż wynikałoby to z ocen ich współpracowników.”

Traktowanie dokumentacji jako pierwszego kroku ku gotowości na AI często prowadzi do odkrycia czegoś, z czym i tak należało się zmierzyć, niezależnie od AI. Organizacja działa w oparciu o nieformalną infrastrukturę. Działało to tak długo, jak długo pozostawali w niej ludzie posiadający tę wiedzę. Od początku było to jednak obciążenie.

Skupianie się na sobie na dużą skalę

Dean Carter przez niemal 25 lat pełnił funkcję dyrektora ds. zasobów ludzkich (CHRO) w firmach takich jak Fossil, Sears, Patagonia i Guild, a następnie objął stanowisko dyrektora generalnego w Instill, firmie zajmującej się AI i skupionej na sygnałach dotyczących kultury organizacyjnej w rozmowach prowadzonych w organizacjach. Jego perspektywa jest zarówno szeroka w czasie, jak i obejmuje różne obszary, a on sam nie jest szczególnie delikatny w ocenie tego, co HR robi obecnie z AI.

„Uważam, że HR nadmiernie koncentruje się na przebudowie procesów i projektowaniu organizacji” — mówi. „To kropla w morzu. Dla firmy przynosi niemal zerowy zwrot z inwestycji. Wpatrujemy się w siebie, stosując AI do tego, co już istnieje.”

To trudniejsza wersja tego argumentu. Bywall i Podewils przekonują, że organizacje muszą wykonać podstawową pracę, zanim AI zacznie przynosić efekty. Carter twierdzi, że nawet organizacje, które prawidłowo wykonują tę podstawową pracę, mogą rozwiązywać niewłaściwy problem. Jeśli używasz AI do optymalizacji procesu oceny wyników, który już wcześniej był zepsuty, niczego nie przekształciłeś. Zautomatyzowałeś porażkę.

Ma konkretny sposób myślenia o roli AI w swojej własnej pracy. 

„Osiemdziesiąt procent tego, co daje mi AI, jest świetne — i właśnie tego potrzebuję. Nie potrzebuję już ani nie chcę końcowego rozwiązania, obrazu czy odpowiedzi. Chcę, żeby AI zajęło się zebraniem i przyswojeniem wiedzy, pracą wymagającą więcej czasu niż wysiłku intelektualnego, a wtedy mogę wykorzystać swój czas i umysł, by nadać kształt końcowym, wymagającym i wspaniałym dwudziestu procentom.”

To nie jest optymalizacja przepływu pracy. To ponowne określenie, w którym miejscu procesu powinien być potrzebny ludzki osąd. Praca przygotowawcza pochłaniała czas, nie generując wyróżniającego się myślenia. Te dwadzieścia procent to obszar, w którym doświadczenie, mądrość i rozumienie kontekstu mają rzeczywiste znaczenie. AI nie stworzyło tego rozróżnienia. Umożliwiło jedynie jego respektowanie.

Trudniejsze pytanie, które stawia Carter, dotyczy tego, ile zespołów HR używa AI do ochrony istniejącej struktury zamiast ją analizować. Ile z nich automatyzuje proces, który zamiast tego powinien zostać przeprojektowany?

Problem spójności

Trent Cotton kieruje obszarem analiz talentów w firmie iCIMS i postrzega rolę AI w HR w kategoriach strukturalnych. Jego wizja tego, co umożliwia AI — zintegrowanego obrazu portfela talentów, który łączy rekrutację, mobilność wewnętrzną, ocenę wyników i naukę w jednym miejscu — brzmi ambitnie. Opiera się jednak na diagnozie dotyczącej bardziej fragmentacji organizacyjnej niż możliwości AI.

„Dziś HR poświęca zbyt wiele czasu na śledzenie niespójnych procesów” — mówi. „Oferty pracy są tu, mobilność wewnętrzna tam, a nauka w jeszcze innym systemie.”

Ta fragmentacja nie jest nowa. Funkcje HR od dziesięcioleci zarządzają rozłącznymi systemami, pozyskują pojedyncze rozwiązania do konkretnych problemów, budują obejścia i tracą wierność danych przy każdym przekazaniu. AI nie naprawia tej fragmentacji. Ujawnia, dlaczego od zawsze była ona problemem. Ponieważ wgląd, który AI może wygenerować na podstawie połączonych danych — kto jest zagrożony odejściem, którzy menedżerowie rozwijają swoich ludzi, gdzie powstają luki w sukcesji — jest niedostępny, jeśli dane są odizolowane.

„AI generuje użyteczne informacje na podstawie połączonych danych” — mówi Podewils. „Z odizolowanych danych generuje szum. Fragmentacja staje się kosztownym dziedzictwem, a rozliczenie z nią nastąpi wcześniej, niż większość ludzi się spodziewa.”

Cotton rozszerza tę kwestię na samą naturę przywództwa. Mówi o przejściu od „lidera funkcji” do „projektanta systemów, które się uczą”. Lider HR korzystający z AI, w jego ujęciu, nie robi mniej. Działa na innym poziomie, mogąc ujawniać ryzyko związane z kompetencjami i strategią pracowników w rozmowach, które wcześniej opierały się na intuicji i opóźnionych danych.

„Dzięki zintegrowanym informacjom wzbogaconym przez AI HR może wejść na spotkanie i powiedzieć: „Oto dzisiejszy zestaw kompetencji w waszym zespole, oto czego wymaga wasza strategia, a oto trzy działania dotyczące portfela, które możemy podjąć”.”

To inny rodzaj rozmowy przywódczej. Wymaga innej infrastruktury. A budowanie tej infrastruktury — połączonych systemów, uporządkowanych danych i udokumentowanych procesów — to praca, która nie ma nic wspólnego z AI, a wszystko z dyscypliną organizacyjną, która wcześniej była opcjonalna, a teraz już nie jest.

More Articles

• Zapytaliśmy ekspertów HR, co pomylili w kwestii AI. Oto, co zmieniło ich zdanie.
• Wiceprezes ds. Ludzi i Organizacji w firmie AI o statusie jednorożca mówi, że liderzy HR muszą stać się architektami zespołu ludzi i maszyn
• Dyrektor generalny firmy technologicznej z branży HR mówi, że przejście na model natywnie wykorzystujący AI ujawniło, jaką pracę pracownicy naprawdę chcą wykonywać
• Strategia AI to wyzwanie kulturowe, a HR ma wyjątkową pozycję, by nim kierować
• Była dyrektorka ds. pracowników BBC mówi, że AI wymaga przedefiniowania wartości HR’s

Architektura zaufania leżąca u podstaw tego wszystkiego

To, co łączy problem dokumentacji, lukę w gotowości, krytykę skupienia na sobie i problem fragmentacji, ma wspólne źródło. Każdy z tych problemów jest w istocie problemem zaufania.

Pracownicy obawiający się, że AI uczyni ich zbędnymi nie ufają, że ich organizacja zarządza tą transformacją, mając na uwadze ich interesy. Spostrzeżenie Meister, że firmy nakazują rozwój kompetencji w zakresie AI, nie definiując, co oznacza to dla poszczególnych ról, jest porażką w obszarze zaufania. 

„Liderzy powinni odejść od «uniwersalnych szkoleń z AI» na rzecz szkoleń z AI dostosowanych do konkretnych ról oraz oceniać wyniki w tym kontekście.”

Carter ujmuje to bardziej bezpośrednio. Kiedy liderzy proszą pracowników o określenie swoich zadań i umiejętności w kontekście wdrażania AI, większość pracowników odbiera inny komunikat niż ten, który jest wysyłany. 

„Wbrew temu, co mówią liderzy, ludzie widzą, co oni robią, i nie wydaje się to autentyczne.” Ta rozbieżność między intencją a percepcją jest luką zaufania. Istniała jeszcze przed AI. AI po prostu dostarczyła jej nowego materiału.

Obserwacja Bywall wynikająca z jej własnej drogi wdrażania AI ma podobny wydźwięk. 

„Przy wdrażaniu AI pozostawanie w tyle może budzić lęk. Tak wiele osób mówi o tym, jak zrewolucjonizowały swoje sposoby pracy, ale niewiele wyjaśnia, jak to robią. Myślę, że dla ludzi może to być przytłaczające i powstrzymuje ich przed rzeczywistym zaangażowaniem się.” 

Problem z przejrzystością — liderzy mówią o rezultatach, nie wyjaśniając drogi do ich osiągnięcia — wywołuje niepokój tam, gdzie potrzebne jest zaangażowanie. To porażka komunikacji i zaufania przebrana za AI.

Podewils z niezwykłą jasnością wyznacza granicę wykorzystania AI w decyzjach dotyczących HR. 

„AI nigdy nie powinna zastępować ludzkiego osądu w decyzjach, które wpływają na czyjąś karierę, źródło utrzymania lub dobrostan. AI tworzy projekty, podpowiada i wydobywa informacje. Człowiek dokonuje przeglądu, podejmuje decyzję i bierze odpowiedzialność za jej rezultat.”

Przedstawia ryzyko nie jako awarię AI, lecz jako sytuację, w której AI działa dokładnie zgodnie z założeniami, ale jest ukierunkowana w niewłaściwą stronę. Oceny, które przebiegają szybciej, ale wydają się mniej ludzkie. Odpowiedzi na pytania dotyczące zasad udzielane przez chatbota bez weryfikacji. Decyzje, które wydają się obiektywne, ponieważ wygenerował je system. 

„Ryzykiem jest AI, która działa dokładnie zgodnie z założeniami, ale wskazuje niewłaściwy kierunek.”

To problem architektury zaufania. I nie da się go rozwiązać wyłącznie za pomocą ram zarządzania AI, choć one mają znaczenie. Można go rozwiązać dzięki tym samym elementom, które budują zaufanie w organizacji w każdych warunkach: przejrzystości co do tego, co jest rozstrzygane i dlaczego, odpowiedzialności za rezultaty oraz widocznym działaniom liderów zgodnym z deklarowanymi wartościami.

Co pokazuje diagnoza

Meister obserwuje, że AI zmienia zachowanie liderów HR w jednym konkretnym kierunku. Jak zauważa, wcześni użytkownicy traktują agentów AI jak nowych członków zespołu i świadomie ich wdrażają. Obserwowana przez nią zmiana przebiega „od «to ja przewodzę» do «koordynuję zespół ludzi i agentów AI»”. Nie jest to filozofia zarządzania zbudowana wokół AI. To filozofia zarządzania, którą AI uwidacznia i czyni niezbędną.

Obserwacja Cottona ma podobną strukturę. Jego zdaniem liderzy, którzy w ciągu najbliższych pięciu lat zbudują trwałą przewagę, to ci, którzy wykorzystają AI do „zwiększania zdolności organizacji do uczenia się”, a nie jako mechanizm redukcji kosztów. Różnica nie jest czysto semantyczna. Jedno podejście buduje potencjał, drugie go eksploatuje.

Bywall kończy prognozą, która ma większą wagę, gdy pochodzi od psycholożki organizacji, niż gdyby przedstawił ją technolog: 

„W ciągu najbliższych pięciu lat przewiduję, że połowa funkcji związanych z ludźmi stanie się zbędna. Pozostaną specjaliści, którzy potrafią zajmować się zarówno ludźmi, jak i agentami.”

Nie jest to przede wszystkim stwierdzenie dotyczące kompetencji w zakresie AI. To stwierdzenie dotyczące celu organizacji. Specjaliści HR, którzy pozostaną użyteczni, to ci, których wartość nie opiera się na warstwie administracyjnej pochłanianej przez AI. Oznacza to, że pytanie stojące dziś przed liderami funkcji związanych z ludźmi nie brzmi: jak wdrożyć AI. Brzmi: za czym tak naprawdę się opowiadają, gdy usunie się administracyjne rusztowanie.

Podewils mówi, że wielu liderów HR wybrało tę dziedzinę, ponieważ zależało im na ludziach. Na budowaniu kultur, rozwijaniu liderów i tworzeniu środowisk, w których ludzie mogą wykonywać swoją pracę najlepiej. „W pewnym momencie wielu z nich stało się administratorami procesów. Systemów przybywało. Rola zaczęła się wokół nich wyginać.”

AI nie spowodowała tego odejścia. Zmusza jednak do rozliczenia się z nim.

Diagnoza jest dostępna dla każdego, kto chce przyjrzeć się temu, co ujawnia AI, a nie tylko temu, co potrafi. Organizacje, które traktują to jako wdrożenie technologii, przekonają się — za cenę pewnych kosztów — że technologia była łatwą częścią.