Dane dotyczące wyników pokazują, że większość zespołów kierowniczych nie jest przygotowana na zmianę związaną z AI
Przywództwo w erze AI: Firmy wdrażające AI odnotowują 1,5-krotny wzrost przychodów w ciągu trzech lat; 74% z nich nie wykazało jeszcze wymiernej wartości.
Wskaźniki wykorzystania: Połowa firm korzystających z AI nie ma wiedzy o wpływie tej technologii na pracowników, co podważa jej wartość biznesową.
Wąskie gardło procesów pracy: Korzyści wynikają z przeprojektowania procesów pracy, a nie tylko z wdrażania narzędzi AI, które mają przynieść efekt ekonomiczny.
Rynek konkurentów: Firmy skoncentrowane na AI osiągają lepsze wyniki dzięki redukcji szczebli zarządzania i zwiększaniu rezultatów; firmy średniej wielkości muszą się dostosować.
Tempo poprawy: Zdolność organizacji do uczenia się i dostosowywania ma większe znaczenie niż punkt wyjścia we wdrażaniu AI.
W większości sal posiedzeń zarządów sztuczna inteligencja znajduje się gdzieś pomiędzy budżetem IT a kwartalną aktualizacją zespołu ds. innowacji. Poświęca się jej kilka slajdów. Może także prezentację demonstracyjną. Kierownictwo kiwa głowami, pyta o wskaźniki adopcji, a następnie przechodzi do kwestii presji na marże i planowania zatrudnienia.
Osoby prowadzące te spotkania nie są pozbawione inteligencji. Korzystają ze schematu działania, który sprawdzał się przez dziesięciolecia. Cel przychodowy rośnie o 10%, liczba pracowników o 8%, a budżet zwiększa się proporcjonalnie. Wzrost oznacza więcej ludzi, większe wydatki i większe możliwości.
Choć prawdą jest, że sztuczna inteligencja stała się kozłem ofiarnym zwolnień, prawdą jest również to, że technologia przełamuje to tradycyjne równanie, a większość zespołów kierowniczych jeszcze tego nie dostrzegła.
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
Lukę w przywództwie gotowym na sztuczną inteligencję można już zmierzyć
Boston Consulting Group przeprowadziła badanie wśród ponad 1000 członków najwyższej kadry kierowniczej z 59 krajów i ustaliła, że firmy przodujące we wdrażaniu sztucznej inteligencji osiągnęły w ciągu trzech lat 1,5 raza wyższy wzrost przychodów, 1,6 raza wyższe zwroty dla akcjonariuszy oraz 1,4 raza wyższy zwrot z zainwestowanego kapitału w porównaniu z firmami, które wciąż eksperymentują.
Tymczasem 74% organizacji nie wykazało jeszcze wymiernej wartości swoich inwestycji w sztuczną inteligencję.
Badanie The Conference Board „Perspektywy kadry kierowniczej na 2026 rok” ujawniło coś jeszcze bardziej znaczącego: 98% członków zarządów uznało mierzenie zwrotu z inwestycji w sztuczną inteligencję za priorytet, w porównaniu z zaledwie 33% dyrektorów generalnych. Zarządy coraz częściej postrzegają sztuczną inteligencję jako kwestię alokacji kapitału. Wielu dyrektorów generalnych nadal traktuje ją jako strategiczną eksplorację.
Ta rozbieżność wiele wyjaśnia. Gdy sztuczna inteligencja podlega działowi IT, pozostaje tematem dotyczącym narzędzi. Gdy pojawia się w porządku obrad zarządu obok wzrostu przychodów i ochrony marż, staje się czymś zupełnie innym: kwestią modelu operacyjnego.
To, gdzie zaczyna się luka w wynikach, zależy od różnicy między tymi dwoma sposobami ujęcia tematu.
Wskaźniki wykorzystania prowadzą donikąd
Firmy przechodzą przez przewidywalną krzywą dojrzałości. Na pierwszym etapie śledzą liczbę rozdanych licencji, aktywnych użytkowników, liczbę poleceń oraz wskaźniki ukończenia szkoleń. Te wskaźniki wydają się konkretne. Są bezpieczne politycznie. Łatwo wpasowują się w prezentację.
Wtedy ktoś pyta, co to wszystko oznacza dla firmy.
To pytanie zwykle powoduje zamieszanie. Nie dlatego, że odpowiedź nie istnieje, lecz dlatego, że organizacja nie zbudowała połączenia między aktywnością związaną ze sztuczną inteligencją a wynikami finansowymi.
Jak zamierzacie wykorzystać sztuczną inteligencję do tworzenia wartości? Nie chodzi o to, jaki jest zwrot z inwestycji w sztuczną inteligencję. To dwa zupełnie różne pytania. Lider musi zrozumieć, na czym polega różnica między nimi.
Większość jeszcze tego nie robi. Pytanie o zwrot z inwestycji zachęca do myślenia w kategoriach arkusza kalkulacyjnego. Pytanie o tworzenie wartości zmusza do ponownego przemyślenia tego, jak faktycznie działa firma. Heidi Farris, dyrektor generalna firmy analitycznej zajmującej się personelem, ActivTrak, dostrzega porażkę w pomiarach w setkach firm.
Mierzą aktywność zamiast zmiany zachowania. Firmy śledzą logowania, zapytania i licencje użytkowników, a następnie nazywają to programem pomiaru sztucznej inteligencji. To nie jest pomiar, lecz nadzieja.
Badania ActivTrak wykazały, że 50% firm korzystających ze sztucznej inteligencji w ogóle nie mierzy jej wpływu na pracowników, co oznacza, że połowa rynku nie ma wglądu w to, czy ponoszone wydatki przynoszą rezultaty.
Zespoły kierownicze, które wychodzą poza ten etap, przestają próbować mierzyć adopcję w całej firmie. Koncentrują sztuczną inteligencję na niewielkiej liczbie procesów o dużej dźwigni i zaczynają śledzić zmiany na poziomie ekonomicznym.
W marketingu oznacza to czas realizacji kampanii lub liczbę rezultatów przypadających na marketera. W dziale wsparcia oznacza to koszt obsługi zgłoszenia i wskaźniki eskalacji. W usługach oznacza to czas realizacji i przychód na pracownika.
Globalny barometr miejsc pracy związanych z AI firmy PwC na 2025 rok przeanalizował niemal miliard ogłoszeń o pracę oraz tysiące raportów finansowych firm i wykazał, że w branżach najbardziej narażonych na wpływ AI wzrost przychodów na pracownika wyniósł 27% w latach 2018–2024, czyli około trzy razy więcej niż w branżach najmniej narażonych. Od pojawienia się GenAI w 2022 roku wzrost produktywności w tych branżach niemal się poczwórzył.
Te dane opowiadają pewną historię. Jednak przychody na pracownika nie rosną dlatego, że daje się ludziom chatbota. Rosną dlatego, że ktoś przeprojektował sposób wykonywania pracy.
Prawdziwym wąskim gardłem są przepływy pracy
Wdrażanie narzędzi bez przeprojektowania przepływów pracy to najczęstszy i najbardziej kosztowny błąd popełniany przez firmy w związku z AI. Zespół otrzymuje dostęp do narzędzia AI. Wykorzystuje je do wykonywania tej samej pracy nieco szybciej. Wzrost produktywności jest rzeczywisty, ale marginalny, i rzadko pojawia się w modelu finansowym, ponieważ nikt nie przebudował procesu wokół tego narzędzia.
Badanie RGP przeprowadzone wśród 200 dyrektorów finansowych z USA wykazało, że 66% z nich oczekuje znaczącego zwrotu z inwestycji w AI w ciągu dwóch lat, ale tylko 14% deklaruje obecnie wymierną wartość. Tej luki nie da się zamknąć poprzez rozdysponowanie większej liczby licencji. Znika ona wtedy, gdy kierownictwo zaczyna zadawać inne pytania podczas spotkań planistycznych.
Zamiast pytania „ilu osób potrzebujemy, aby osiągnąć założony wynik?”, pojawia się pytanie „jaka część tej pracy w ogóle powinna nadal wymagać udziału człowieka?”. Ta zmiana perspektywy całkowicie zmienia rozmowę o planowaniu. Wpływa na prognozowanie zatrudnienia, projektowanie ról, alokację kapitału i strategię cenową.
Liderzy, którzy traktują to poważnie, finansują przeprojektowanie procesów, a nie tylko narzędzia. Przeznaczają budżet na zarządzanie zmianą i działania wspierające obok licencji na oprogramowanie, ponieważ dostrzegają, że wąskim gardłem nigdy nie była technologia. Był nim przepływ pracy.
Konkurent, którego należy się obawiać
Presja konkurencyjna zwykle daje o sobie znać po cichu. Nowy gracz szybciej wprowadza produkty na rynek, stosuje bardziej agresywną politykę cenową albo odpowiada klientom w tempie, które nie ma sensu przy tradycyjnych założeniach dotyczących kosztów.
Pierwszym odruchem jest wyjaśnienie tego zjawiska. Przepalają gotówkę inwestorów venture capital. Oszczędzają na jakości. Ich model się nie skaluje.
Czasami te wyjaśnienia są trafne. Coraz częściej jednak prawdziwa odpowiedź ma charakter strukturalny. Firmy budowane od pierwszego dnia wokół przepływów pracy wspieranych przez AI ponoszą mniejsze koszty koordynacji, mają mniej szczebli zarządzania i zupełnie inną ekonomikę jednostkową.
To rozróżnienie ma większe znaczenie dla firm średniej wielkości niż dla kogokolwiek innego. Podręczniki działania przedsiębiorstw zakładają, że można przeznaczyć na problem kapitał i zwiększyć zatrudnienie. Startupy mogą odbudować się od podstaw. Firmy średniej wielkości znajdują się pomiędzy nimi, często działając w oparciu o starsze modele operacyjne, podczas gdy konkurują z organizacjami, które nigdy nie musiały ich odziedziczyć.
Produktywną reakcją nie jest paniczne zatrudnianie ani gwałtowne ograniczanie zatrudnienia. Jest nią prowadzenie uczciwych pilotaży ukierunkowanych na kompresję ekonomiczną: krótsze czasy realizacji, niższe wskaźniki błędów, mniej szczebli koordynacji i większa produkcja na pracownika.
Celem jest ustalenie, czy wasz model operacyjny może wchłonąć znaczącą integrację AI, czy też sam model wymaga zmiany.
Co wyróżnia liderów gotowych na AI
Zespoły kierownicze nie ponoszą porażki z powodu braku inteligencji czy ambicji. Ponoszą ją, ponieważ ich instynkty są dostosowane do innego rodzaju zmian.
Dyrektorzy, którzy zdobywali doświadczenie, zarządzając liniowym wzrostem w stabilnych systemach, domyślnie wybierają inkrementalizm. Gdy AI stwarza nieliniową szansę, nieświadomie sprowadzają ją do czegoś, czym można łatwo zarządzać. „Zróbmy pilotaż”. „Poeksperymentujmy”. „Monitorujmy sytuację”.
W normalnych warunkach są to rozsądne reakcje. Przełomowe zmiany kumulują się szybciej, niż myślenie inkrementalne jest w stanie na nie reagować.
W grę wchodzi również strukturalna ślepota. Dyrektorzy myślą kategoriami funkcji i działów. AI przekształca zadania. Jeśli nigdy nie rozłożysz ról na poszczególne zadania, nie zobaczysz, gdzie faktycznie istnieje dźwignia.
Z perspektywy schematu organizacyjnego praca analityka wygląda jak jedna całość. Po rozbiciu jej na poszczególne zadania okazuje się, że niektóre z nich są idealnymi kandydatami do wsparcia przez AI, a rola pozostała po takim przeprojektowaniu może wyglądać zupełnie inaczej.
Badania BCG to potwierdzają: 62% wartości AI pochodzi z podstawowych funkcji biznesowych, takich jak operacje, sprzedaż i badania i rozwój, a nie z funkcji wsparcia, w których większość firm rozpoczyna swoje eksperymenty. Skupienie AI na obrzeżach firmy przyniesie rezultaty pozostające na obrzeżach.
Jak wygląda efekt kumulacji
Organizacje, które wysuwają się do przodu, nie są po prostu bardziej efektywne. Doskonalą się w szybszym tempie, a ta różnica tempa się kumuluje.
- Pionierzy przeprojektowują przepływy pracy. Takie przeprojektowane przepływy pracy prowadzą do skrócenia czasu realizacji i przyspieszenia pętli informacji zwrotnej. Szybsza informacja zwrotna oznacza więcej cykli uczenia się. Więcej cykli uczenia się oznacza szybsze doskonalenie.
Spóźnieni naśladowcy mogą skopiować narzędzia. Nie mogą jednak skopiować dwóch lat dostosowywania przepływów pracy i operacyjnej pamięci mięśniowej.
- Przychód na pracownika rośnie. Tworzy to strategiczne możliwości wyboru. Firma może ponownie zainwestować marżę we wzrost, bardziej agresywnie konkurować ceną albo przyciągać lepsze talenty. Sama ta możliwość wyboru podlega efektowi kumulacji.
- Szybkość podejmowania decyzji wzrasta. Ten aspekt jest często pomijany. Zespoły dojrzałe pod względem AI wykorzystują AI w planowaniu strategicznym, analizie, modelowaniu scenariuszy i syntezie. Zmniejsza to tarcia w podejmowaniu decyzji przez kadrę kierowniczą. Jeśli jedna firma podejmuje decyzje strategiczne o 30–40% szybciej i iteracyjnie uwzględnia informacje zwrotne, przewaga ta rośnie z kwartału na kwartał.
Różnica się powiększa, ponieważ szybkość uczenia się ich organizacji jest strukturalnie wyższa.
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
- Czego firmy średniej wielkości nauczyły się o transformacji AI w 2025 roku
- Siedem kompetencji, które odróżniają liderów AI od maruderów AI
- Dyrektor ds. personalnych mówi, że firmy przypadkowo karzą pracowników, którzy dobrze wykorzystują sztuczną inteligencję
- Założycielka zaangażowana w uczłowieczanie pracy dzięki sztucznej inteligencji ujawnia emocjonalne podstawy niezbędne do udanej integracji
Od czego zaczynają liderzy traktujący sprawę poważnie
Kiedy dyrektor generalny przechodzi od ciekawości do zaangażowania, pierwszym działaniem zwykle nie jest kupowanie czegokolwiek. Jest nim określenie konkretnego rezultatu ekonomicznego i przypisanie odpowiedzialności.
Na przykład:
- „Zwiększymy przychód na pracownika o 25% w ciągu 18 miesięcy.”
- „Skrócimy czas realizacji usług o 40%.”
Tego rodzaju deklaracja wiąże AI ze wskaźnikiem finansowym widocznym w raportach dla zarządu. Wymusza przeprojektowanie przepływów pracy, ponieważ samymi narzędziami nie da się osiągnąć tych celów.
Drugi krok ma charakter strukturalny. Jeden z członków kadry kierowniczej, często dyrektor operacyjny albo osoba na nowo utworzonym stanowisku, otrzymuje odpowiedzialność na poziomie całego przedsiębiorstwa za przeprojektowanie przepływów pracy w różnych funkcjach. Do jego zadań należy określenie, jak faktycznie wykonywana jest praca, podział ról na zadania, identyfikacja punktów wykorzystania automatyzacji, przeprojektowanie przebiegu pracy oraz pomiar wpływu ekonomicznego.
Trzeci krok ma charakter kulturowy i to właśnie on się utrwala. Dyrektor generalny zmienia domyślne pytania zadawane podczas spotkań planistycznych. Zamiast pytać: „Ilu pracowników potrzebujesz?”, pyta: „Jak wyglądałaby ta funkcja, gdyby AI było domyślnie wbudowane?” oraz „Która część tej pracy jest wyjątkowo ludzka?”. Kiedy kierownictwo konsekwentnie zadaje te pytania, organizacja się dostosowuje.
Tempo poprawy ma większe znaczenie niż punkt wyjścia
Istnieje tendencja do analizowania danych dotyczących wyników i odnoszenia wrażenia, że szansa już minęła. Tak nie jest. Badania BCG pokazują, że nawet wśród wiodących firm możliwości te wciąż się rozwijają. Tak naprawdę nie ma znaczenia, kto zaczął pierwszy. Obecnie chodzi o to, kto buduje zdolność organizacyjną do szybszego uczenia się i dostosowywania.
Jednak zdolność ta nie buduje się sama. Wymaga zespołów kierowniczych gotowych kwestionować architekturę tworzenia wartości przez firmę dzięki dyscyplinie operacyjnej, a nie tylko optymalizować to, co już istnieje.
To jest prawdziwa luka w zakresie możliwości. Kompetencje przywódcze w transformacji AI obejmują gotowość do modelowania nieliniowych zmian, tolerowania strategicznej niejednoznaczności oraz przeprojektowywania zamiast optymalizowania.
Nie możemy postrzegać przywództwa gotowego na AI jako certyfikatu ani tytułu. To sposób podejścia do działalności firmy. Najbardziej pożądani przez nas liderzy już przeprojektowują swoje modele operacyjne AI. Ci, którzy tego nie robią, wciąż mierzą poziomy adopcji i mają nadzieję, że różnica w wynikach przestanie się powiększać.
Liczby sugerują, że tak się nie stanie.
