Czy Twoja strategia AI jest już przestarzała?

Tworzy to dziwną rzeczywistość: technologia, którą większość liderów dopiero planuje wdrożyć, już działa w ich organizacjach. Zanim powołasz komisję do oceny narzędzi AI, twój zespół zdąży już wybrać swoich faworytów i osadzić je w codziennych przepływach pracy.

Problem architektury

Gdy podchodzisz do AI jak do decyzji zakupowej, tracisz możliwość przeprojektowania organizacji.

Gabriela Mauch, dyrektorka ds. obsługi klienta i szefowa działu produktywności w ActivTrak, wielokrotnie obserwuje ten schemat.

Zespoły potrafią wyobrazić sobie przełomowe zastosowania AI, ale blokuje je infrastruktura organizacyjna, która nie została zaprojektowana z myślą o pracy wspieranej przez AI. Jeśli kierownictwo mierzy wyłącznie wykorzystanie narzędzi, nie dostrzega tych niewidocznych ograniczeń.

W rezultacie AI jest nakładana na istniejące struktury organizacyjne zamiast zmieniać sposób wykonywania pracy. Kompetencje zanikają, zamiast ewoluować.

Alternatywa wymaga wyznaczenia obszarów dla AI i obszarów dla ludzi. AI powinna zajmować się analizą, przygotowywaniem projektów raportów i zarządzaniem rutynowymi zadaniami. Powinna dostarczać ludziom informacji i zadawać pytania, których nie potrafi osadzić w kontekście. Ostateczna decyzja należy do osoby, która może zostać pociągnięta do odpowiedzialności.

Odpowiedzialność ma znaczenie, ponieważ AI nie straci pracy. W marcu 2024 roku Air Canada przekonała się o tym, gdy klient pozwał linię lotniczą po tym, jak jej chatbot przekazał nieprawidłowe informacje dotyczące taryf związanych ze śmiercią bliskiej osoby. Sąd orzekł, że Air Canada odpowiada za błędy swojego chatbota. Wszelkie szkody wizerunkowe dotyczące AI były tymczasowe. To zespół prawny firmy poniósł rzeczywiste konsekwencje.

To właśnie ograniczenie projektowe, którego większość rozmów o AI unika.

Dlaczego doświadczeni dyrektorzy popełniają błędy

Liderzy, którzy z powodzeniem zarządzali migracją do chmury i wdrożeniami systemów ERP, popełniają podstawowe błędy w przypadku AI. Trzy czynniki sprawiają, że ta fala jest inna.

• Tempo jest bezprecedensowe. Gartner przewiduje, że do końca 2026 roku agenci AI będą wbudowani w 40% aplikacji dla przedsiębiorstw, w porównaniu z mniej niż 5% w 2025 roku. To ośmiokrotny wzrost w ciągu jednego roku. Zanim zrozumiesz jedno rozwiązanie, kolejna fala oferuje już coś radykalnie innego.
• Kwestia etyki jest złożona. Każde wdrożenie wymaga zadania pytań: Czy AI może robić to równie dobrze jak ludzie? Czego potrzeba, aby to osiągnąć? Czy ludzie powinni zachować kontrolę?
• Schemat adopcji jest odwrócony. Wcześniejsze technologie stosowane w miejscu pracy wymagały szkoleń, certyfikacji i kontrolowanych wdrożeń. Narzędzia AI wymagają minimalnej specjalizacji, ponieważ ludzie już z nich korzystają.

To fundamentalne wyzwanie. W przypadku wcześniejszych fal technologii dział IT kontrolował wdrożenie. Teraz dolna warstwa twojego stosu już działa i w dużej mierze pozostaje niewidoczna.

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

Przepaść między ogłoszeniem a adopcją

Częstym problemem jest przekonanie, że gdy tylko nowa strategia zostanie ogłoszona, ludzie natychmiast będą wiedzieć, jak pracować inaczej.

„Często to obserwujemy w przypadku AI” — mówi Iris Cremers, dyrektorka ds. zasobów ludzkich w GoodHabitz. „Gdy kierownictwo mówi „wdrażamy AI”, zakłada się, że wszyscy nagle zaczną pracować mądrzej i wydajniej. W rzeczywistości ludzie i zespoły potrzebują czasu, jasnych wskazówek i praktycznej nauki”.

Nowa technologia bez odpowiedniego wsparcia może wydawać się złożona lub zagrażająca. GoodHabitz zaprojektowało ogólnofirmowy program szkoleniowy z wykorzystaniem swojej platformy edukacyjnej Goodlearn AI, aby zapewnić ludziom prosty i bezpieczny sposób budowania pewności siebie oraz kompetencji.

„Pomogło to zmniejszyć niepokój i zastąpić go ciekawością oraz entuzjazmem, gdy wprowadzaliśmy te nowe narzędzia do naszej codziennej pracy” — powiedziała Cremers.

Sharon Steiner, dyrektorka ds. zasobów ludzkich w Fiverr, przedstawia to nieco inaczej.

„Największa rozbieżność, którą obserwuję, polega na tym, że kierownictwo często traktuje AI jako strategię technologiczną lub strategię zwiększania efektywności, podczas gdy zespoły doświadczają jej jako fundamentalnej zmiany sposobu wykonywania pracy” — powiedziała. „Dyrektorzy pytają: „Jakie narzędzia powinniśmy wdrożyć?”, ale pracownicy pytają: „Jak to zmieni moją rolę, moje kompetencje i sposób, w jaki jestem oceniany?”

To, co naprawdę dzieje się na poziomie zespołów, to eksperymentowanie. Ludzie już wykorzystują AI, aby działać szybciej, uczyć się nowych umiejętności i rozwiązywać problemy w czasie rzeczywistym.

Gdy decyzje technologiczne ignorują realia organizacji

Mauch podał przykład klienta z sektora usług finansowych, który wdrożył AI w całym przedsiębiorstwie, stosując standardowe podejście technologiczne: dostęp do narzędzi, szkolenia, biblioteki przypadków użycia i grono ambasadorów. Po sześciu miesiącach adopcja się ustabilizowała, a zwrot z inwestycji nie materializował się mimo 70% aktywnego wykorzystania.

Firma chciała wykorzystać AI do automatycznego sortowania zapytań klientów według stopnia złożoności i kierowania ich do odpowiednich osób, co stanowiłoby rzeczywistą transformację przepływu pracy. Nie mogła tego zrobić, ponieważ:

• dział IT nie nadał priorytetu pracom nad API umożliwiającym dostęp do systemów danych klientów
• procesy uzyskiwania zgody menedżerów nie zostały zmienione tak, aby AI mogła podejmować decyzje dotyczące kierowania spraw
• procesy kontroli jakości nadal były zaprojektowane z myślą wyłącznie o pracy wykonywanej przez ludzi
• sposoby koordynacji pracy zespołów nadal opierały się na przydzielaniu zadań poszczególnym osobom

„Kierownictwo wciąż traktowało te kwestie jako „szczegóły zarządzania zmianą, które zostaną rozwiązane później” — powiedział Mauch. — Tymczasem inwestowano w kolejne technologie, takie jak bardziej zaawansowane modele, większa liczba narzędzi i kolejne integracje. Jednak ograniczenie nie miało charakteru technologicznego”.

Pracownicy pojawiali się w statystykach adopcji jako „aktywni użytkownicy AI”, ponieważ nadal korzystali z AI do wykonywania podstawowych zadań, ale zrezygnowali z wysokowartościowych przypadków użycia, które rzeczywiście napędzałyby zwrot z inwestycji.

Długofalowa perspektywa, której nikt nie przyjmuje

Kiedy mówię o przyjmowaniu długofalowej perspektywy w kwestii AI, mam na myśli dwie konkretne rzeczy.

Zmiany kadrowe

Firma świadcząca usługi profesjonalne zidentyfikowała swoich najlepszych pracowników wykorzystujących AI — konsultantów osiągających trzykrotnie wyższą niż zwykle wydajność — i nagrodziła ich awansami, premiami oraz prezentacjami podczas spotkań całej firmy. Klasyczne docenianie talentów.

Trzy miesiące później adopcja AI na poziomie zespołów faktycznie spadła w grupach tych wybitnych pracowników.

„Firma nagradzała indywidualny wzrost wydajności, więc najlepsi pracownicy zatrzymywali swoje techniki wykorzystania AI dla siebie, zamiast się nimi dzielić — powiedział Mauch. — Po co pomagać współpracownikom we wdrażaniu AI, skoro tworzy to tylko większą konkurencję o kolejny awans? Firma straciła szansę na stworzenie mentorów AI”.

Zmienili system motywacyjny tak, aby koncentrował się na adopcji w zespołach, a nie na indywidualnej wydajności. Premie były uzależnione od pomagania współpracownikom w rozwijaniu ich umiejętności związanych z AI. Awans wymagał wykazania, że dana osoba pomagała innym się rozwijać.

Po tej zmianie najlepsi pracownicy zaczęli aktywnie nauczać innych, a adopcja na poziomie zespołów przyspieszyła. Indywidualne gwiazdy są świetne, ale tylko wtedy, gdy ich wiedza rozwija się w całej organizacji, zamiast pozostawać zamkniętą indywidualną przewagą konkurencyjną.

Ewolucja organizacji

Liderzy uwielbiają plany pięcioletnie, ale nie mamy pojęcia, jak świat będzie wyglądał pod koniec tego roku.

Uwzględnij elastyczność w planowaniu. Profil talentów i sposób rozwijania ludzi pomogą ci zachować elastyczność. Alternatywą jest nadmierne koncentrowanie się na AI jako centralnym elemencie strategii, a następnie uświadomienie sobie, że do jej realizacji potrzebni są ludzie, i wejście na rynek talentów, na którym trudno znaleźć osoby o konkretnych potrzebnych umiejętnościach.

Planuj na dwa lata i obserwuj rozwój sytuacji. Tempo zmian jest zbyt wysokie dla dłuższych horyzontów czasowych.

Jak budować, gdy fundament już się przesuwa

Trzeba się komunikować.

„Przestań traktować adopcję jako zjawisko zero-jedynkowe i zacznij diagnozować wpływ — powiedział Mauch. — Większość organizacji ma mnóstwo podstawowego wykorzystania AI, ale niemal wcale nie korzysta z niej w sposób transformacyjny, a to właśnie tam materializuje się wartość”.

Większość kadry kierowniczej śledzi logowania, zapytania i licencje użytkowników, a nie transformację zachowań. Prawdziwy zwrot z inwestycji pojawia się, gdy AI przekształca przepływy pracy, co wymaga zrozumienia, czy technologia zmieniła rzeczywiste zachowania związane z pracą, a nie tylko tego, czy wzrosło wykorzystanie narzędzi AI.

Analityk, który korzysta z AI do tworzenia szkiców części raportu, nie przekształcił swojego przepływu pracy. Zrobił to natomiast analityk, który przeprojektował cały proces analityczny wokół możliwości ciągłego monitorowania oferowanych przez AI.

Steiner podkreśla znaczenie rozmowy o uczeniu się.

„Zapytaj swoje zespoły, jak obecnie korzystają z AI, jakie umiejętności chcą rozwijać i jakiego wsparcia potrzebują, aby się rozwijać” — powiedziała. „Daj ludziom przestrzeń na eksperymentowanie, podnoszenie kwalifikacji i budowanie pewności siebie w korzystaniu z tych narzędzi.

Kiedy analizujesz możliwości restrukturyzacji, niektórzy z twoich pracowników próbują się uczyć. Zdobywają nowe umiejętności, nie wiedząc, czy są to właściwe umiejętności. Możesz pokierować nimi w potrzebnym kierunku i pomóc im rozwijać kompetencje, których wymaga firma.

W tym procesie zrozumiesz, z jakich narzędzi korzystają, gdzie uzyskują wartość i w jakich obszarach organizacja może lepiej wspierać ich działania.

To pozwala ci wyprzedzać zachodzące zmiany i pomaga zachować kontrolę nad kwestiami etyki. Dzięki temu zyskujesz większą swobodę w wyznaczaniu kierunku, zamiast dać się wciągnąć w szum medialny.

I zamiast myśleć: „jesteśmy w tyle, musimy to zrobić, żeby nadążyć”, działasz zgodnie z pytaniem: „czy ta nowa, efektowna rzecz pomoże nam rozwijać wizję tego, gdzie chcemy być za dwa lata?”

Przejście od reaktywności do świadomego działania wymaga całkowitego przemyślenia zasad zarządzania.

Zarządzanie jako dostosowanie, a nie nadzór

Kiedy odkryjesz, że pracownik stworzył własny przepływ pracy oparty na AI, potraktuj to jako współpracę.

„Traktuj nieformalnie wykorzystywaną AI jako badanie rynku, a nie problem związany z przestrzeganiem zasad” — powiedział Mauch. „Pracownicy, którzy zaczęli korzystać z niezatwierdzonych narzędzi, informują cię, że znaleźli rozwiązania rzeczywistych problemów, których nie rozwiązują twoje oficjalne narzędzia”.

Cremers i jej zespół w GoodHabitz przyjęli takie podejście, gdy zdali sobie sprawę, że pracownicy już korzystają z zewnętrznych narzędzi AI.

Zamiast wszystko blokować, wybraliśmy bardziej otwarte i wspierające podejście — powiedziała. „Zaprosiliśmy każdą osobę, która już korzystała z zewnętrznego narzędzia, aby podzieliła się nim z nami. Następnie sprawdziliśmy, czy można z niego bezpiecznie korzystać. Jeśli narzędzie przeszło kontrolę bezpieczeństwa, udostępnialiśmy je całej organizacji, aby inni również mogli odnieść z niego korzyści”.

Zbudowało to zaufanie, ograniczyło ryzyko i pokazało, że celem jest pomaganie ludziom w wydajniejszej pracy, a nie nadzorowanie ich. I jak można się spodziewać, niektórzy pracownicy odkryli przydatne narzędzia, o których firma jeszcze nie wiedziała.

„Goodlearn również pomogło, zapewniając wszystkim podstawową wiedzę na temat bezpiecznego i odpowiedzialnego obchodzenia się z informacjami oraz rozpoznawania, którym narzędziom można ufać” — powiedziała Cremers.

Mauch zaleca trzyczęściowe ramy działania:

Zrozum, zanim ustandaryzujesz

Przeanalizuj, z czego faktycznie się korzysta i dlaczego — nie po to, by karać, lecz by wyciągnąć z tego wnioski. W jednym przypadku ActivTrak odkrył, że zespół produktowy korzystał z niezatwierdzonego narzędzia AI do programowania przez cztery do pięciu godzin dziennie.

Zamiast to blokować, kierownictwo zapytało dlaczego. Zespół znalazł konkretne funkcje, których brakowało w „oficjalnym” narzędziu, i spontanicznie opracował zaawansowane przepływy pracy, których nikt inny nie osiągnął.

Rozróżniaj poziomy ryzyka

Nie każde nieformalne wykorzystanie AI wiąże się z takim samym ryzykiem. Analityk korzystający z AI do opracowania struktury prezentacji nie stwarza takiego samego ryzyka jak osoba przetwarzająca dane osobowe klientów za pomocą niezatwierdzonego narzędzia. Ustal proste kryteria:

• Jakie dane są przetwarzane?
• Na jakie decyzje mogą wpływać wyniki działania AI?
• Jak dojrzała jest ocena użytkownika dotycząca właściwego wykorzystania?

Pozwól na kontynuowanie zastosowań o niskim ryzyku i wysokiej wartości, jednocześnie tworząc odpowiednie zabezpieczenia.

Współtwórz zasady zarządzania z użytkownikami

Zaangażuj użytkowników nieformalnie wykorzystywanej AI w tworzenie zasad. Lepiej niż ktokolwiek inny rozumieją praktyczne kompromisy między bezpieczeństwem a użytecznością. Zapytaj ich:

• Co byście stracili, gdybyśmy to zablokowali?
• Jakie macie obawy?
• Jakich zabezpieczeń byście oczekiwali?

Ujawnia to rozwiązania, takie jak środowiska izolowane, w których zespoły mogą eksperymentować z niezatwierdzonymi narzędziami na danych syntetycznych przed uzyskaniem zgody na wykorzystanie ich w środowisku produkcyjnym.

Rzeczywistość jest taka, że AI już stanowi część sposobu wykonywania pracy, a próby jej zablokowania sprawiają, że firmy pozostają w tyle, zamiast zyskiwać kontrolę — powiedział Steiner. „Zarządzanie wciąż ma znaczenie, ale w środowisku, w którym AI jest priorytetem, powinno umożliwiać postęp, a nie go spowalniać”.

Aby te procesy działały, trzeba osadzić je w systemach, z których ludzie już korzystają. Czy może to być formularz w wewnętrznym centrum dokumentacji? Czy wyznaczeni zatwierdzający mogą szybko akceptować pomysły w Slacku w określonym terminie? Włączenie procesu zatwierdzania do istniejących przepływów pracy zmniejsza tarcia, a jednocześnie pomaga ludziom oceniać pomysły pod kątem jasności, zgodności z celami i wpływu na biznes.

Trzeba nagradzać pracowników za przejrzystość podczas eksperymentowania. Jeśli ktoś podzieli się czymś, co nie stanowi dobrego zastosowania tej technologii, nie może spotkać go za to kara.

Jak naprawdę wygląda sytuacja, gdy jest „za późno”

Nie masz zbyt wiele czasu.

„Za późno” oznacza wdrażanie funkcji, które konkurenci wprowadzili sześć miesięcy temu. Oznacza najlepszych ludzi sfrustrowanych i rozglądających się za wyjściem. Oznacza menedżerów czujących się jak zagubieni pośrednicy między strategią a realizacją.

Przede wszystkim oznacza niezdolność do wdrożenia AI jako rozwiązania rzeczywistych problemów w organizacji.

Niektóre firmy już to odczuwają. Dlatego uciekają się do zwolnień i krótkoterminowych korzyści. Nie mają jasnej wizji długoterminowych zysków, więc ograniczają działalność, próbując się w tym wszystkim odnaleźć.

Badania przeprowadzone przez Reco AI wykazały, że mediana czasu korzystania z dwóch narzędzi sztucznej inteligencji działających w cieniu wynosiła odpowiednio 403 i 401 dni. To znacznie ponad rok ciągłego użytkowania bez formalnej zgody i nadzoru. Po 100 dniach ciągłego użytkowania narzędzie AI nie jest już wersją próbną. Jest osadzone w kluczowych procesach biznesowych. Próba jego usunięcia nie jest tylko zadaniem IT — może potencjalnie zakłócić działalność firmy.

Tak właśnie wygląda spóźniona reakcja. Brak możliwości zarządzania tym, co już zostało wdrożone.

Pierwszy krok

Steiner ma jasną radę dla menedżerów, którzy czują, że zostali w tyle.

„Prawdziwe pytanie nie brzmi, czy zacząć korzystać z AI, lecz kiedy to zrobić i jak się do tego zabrać — a odpowiedź brzmi: teraz i poprzez eksperymentowanie” — powiedziała. „To nie jest moment, by stać z boku i obserwować. AI bardzo szybko zmienia sposób, w jaki wykonywana jest praca”.

Rozpocznij rozmowę o tym, jak Twoje zespoły pracują z AI. Z jakich narzędzi korzystają. Gdzie dostrzegają wartość. Co chciałyby móc robić, ale nie mogą.

Tak proste pytanie jak „co zrobilibyście z AI, gdyby ograniczenia organizacyjne nie stały na przeszkodzie?” może ujawnić niewidoczne bariery.

„Stale obserwujemy osoby, które wyobrażają sobie przełomowe zastosowania, ale są blokowane przez dostęp do danych, procesy zatwierdzania lub zasady zarządzania zaprojektowane z myślą o ryzykach początkujących zastosowań” — powiedział Mauch.

Ta rozmowa pokazuje, gdzie już istnieje niewidoczna podstawa. Ujawnia, które eksperymenty warto rozwijać, a które należy przekierować. Pomaga zrozumieć, czy budujesz na solidnych fundamentach, czy na długu technicznym.