Doradczyni ds. talentów mówi, że sztuczna inteligencja przyspiesza narastanie długu organizacyjnego, zamiast go rozwiązywać
Dowiedz się, jak liderzy szybko rozwijających się firm wykorzystują sztuczną inteligencję do skalowania procesu podejmowania decyzji i realizacji działań, jednocześnie unikając długu organizacyjnego wynikającego z traktowania sztucznej inteligencji jako drogi na skróty.
Heather Doshay
Założycielka Waypoint Works
Przywództwo w erze sztucznej inteligencji: Sztuczna inteligencja przekształca przywództwo, wymagając elastyczności od liderów działających w szybko zmieniającym się środowisku technologicznym.
Zmiana operacyjna: Sztuczna inteligencja zachęca firmy do odejścia od myślenia w kategoriach „kupić czy zbudować” na rzecz eksperymentalnego podejścia „najpierw poeksperymentuj, potem kup”.
Transformacja kulturowa: Integracja sztucznej inteligencji w firmach nie sprowadza się wyłącznie do narzędzi, lecz wymaga szerszej strategii transformacji kulturowej.
Ludzki osąd: Sztuczna inteligencja wspiera podejmowanie decyzji poprzez syntezę informacji, jednak ludzki osąd pozostaje kluczowy przy decyzjach wymagających wyczucia kontekstu.
Wyzwanie związane z innowacjami: Sztuczna inteligencja przyspiesza innowacje, ale często nie jest w stanie kompleksowo zastąpić ludzkich procesów pracy, co podkreśla znaczenie ich wspomagania.
Heather Doshay jest założycielką Waypoint Works, gdzie pomaga liderom o wysokim potencjale zarządzać przejściem na AI. Wcześniej pełniła funkcję Partnerki i szefowej ds. talentów w firmie kapitału podwyższonego ryzyka specjalizującej się w AI, zarządzającej aktywami o wartości 3 mld USD.
Porozmawialiśmy z Heather, aby dowiedzieć się, jak skuteczni operatorzy wykorzystują AI do zwiększania swojego wpływu. Oto, co miała do powiedzenia.
Jak AI zmienia przywództwo w dynamicznym środowisku
Kiedy pod koniec 2022 roku pojawił się ChatGPT , byłam już Partnerką i szefową ds. talentów w firmie kapitału podwyższonego ryzyka specjalizującej się w AI, w której od lat inwestowaliśmy w oparciu o wcześniejsze fale rozwoju AI i budowaliśmy wokół nich działalność. Jednak rozwój dużych modeli językowych zasadniczo zmienił reguły gry.
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
Praca, która miała ewoluować stopniowo, nagle mogła stać się przestarzała. Nawet w organizacji stawiającej AI na pierwszym miejscu tempo zmian zmusiło nas do całkowitego przemyślenia sposobu działania.
Moja rola obejmowała dwie transformacje. Wewnętrznie szybko na nowo definiowaliśmy sposób funkcjonowania firmy natywnej dla AI, ponieważ technologia zmieniała się z dnia na dzień. Zewnętrznie mój zespół doradzał ponad 200 wspieranym przez kapitał podwyższonego ryzyka startupom, które mierzyły się z tą samą niejednoznacznością.
Założyciele pytali o najlepsze praktyki, które jeszcze nie istniały, a my pomagaliśmy im w czasie rzeczywistym poruszać się we wszystkim — od strategii talentowej po modele operacyjne.
Ten okres, szczególnie lata 2023–2025, oznaczał przejście od ciekawości do pilnej potrzeby działania. To, co zaczęło się od rozmów o charakterze eksperymentalnym, szybko stało się fundamentem sposobu, w jaki firmy budują działalność, zatrudniają pracowników i konkurują.
Na początku tej fali byłam Partnerką i szefową ds. talentów w SignalFire, firmie kapitału podwyższonego ryzyka skoncentrowanej na AI, zarządzającej aktywami o wartości około 3 mld USD. Zespoły VC są celowo nieliczne, dlatego mój zespół i ja wspieraliśmy ponad 200 spółek portfelowych w całym cyklu życia talentów — od zatrudniania i projektowania organizacji po wynagrodzenia i skalowanie rozproszonych zespołów.
W miarę jak AI przyspieszało, zakres naszych działań rozszerzył się — od doradzania firmom, „co” powinny robić, po pomaganie im w ponownym przemyśleniu tego, „jak” wykonywana jest praca. AI nie było funkcją, lecz nową warstwą operacyjną. Odeszłam z tej roli w sierpniu 2025 roku, aby założyć własną firmę.
We wrześniu 2025 roku założyłam Waypoint Works, gdzie prowadzę coaching, doradzam i szkolę liderów o wysokim potencjale oraz ich zespoły. Moja praca nie dotyczy bezpośrednio transformacji AI, ale AI stale pojawia się jako element sposobu, w jaki skuteczni operatorzy zwiększają swój wpływ. Cel pozostaje ten sam: rozwijanie ludzi i systemów, które potrafią szybko się dostosowywać, przy czym AI jest jednym z narzędzi, które to umożliwiają.
Jak AI pomaga startupom poruszać się w chaosie transformacji
Większość założycieli początkowo chciała otrzymać punkt odniesienia lub przewodnik dotyczący tego, jak przejść na AI. Rzeczywistość była taka, że nic takiego nie istniało. Dlatego zmieniliśmy charakter naszej pracy: zamiast udzielać odpowiedzi, pomagaliśmy im podejmować lepsze decyzje w warunkach niejednoznaczności.
Najpierw skupiliśmy się na określeniu kierunku, a nie na narzędziach. Zamiast pytać: „Co potrafi AI?”, zachęcaliśmy zespoły do zadania sobie pytania: „Gdzie jesteśmy nieefektywni lub ograniczeni i gdzie AI mogłoby w istotny sposób to zmienić?”. Już samo to przeformułowanie pozwoliło uniknąć wielu niepotrzebnych wydatków na atrakcyjne narzędzia, które nie rozwiązywały rzeczywistych problemów.
Następnie pomagaliśmy firmom określić ich podejście. Czy sposób, w jaki zespoły korzystają z AI, jest scentralizowany czy zdecentralizowany? Czy optymalizujecie działania pod kątem szybkości i eksperymentowania, czy kontroli i ograniczania ryzyka? Te decyzje kształtowały wszystko — od zasad dotyczących narzędzi po plany rekrutacyjne.
Na przykład niektóre firmy organizowały „pojedynki narzędzi AI”, aby bezpiecznie je oceniać, podczas gdy inne prowadziły wewnętrzne hackathony powiązane z rzeczywistymi wąskimi gardłami biznesowymi, aby zwiększać adopcję i kreatywność.
Ostatecznie było to ćwiczenie z zakresu zarządzania zmianą, podobnie jak każde inne, tyle że skoncentrowane na AI. Wyzwanie polegało na myśleniu na poziomie systemowym, a nie tylko na odhaczaniu pola z napisem „Dostaję złotą gwiazdkę, bo korzystam z narzędzi AI XYZ”.
Firmy, które działały najskuteczniej, traktowały AI jako transformację kulturową, odpowiednio wcześnie określały swoje zasady, a następnie konsekwentnie wzmacniały te wybory w sposobie, w jaki zatrudniały pracowników, działały i budowały swoją działalność.
Dlaczego AI na nowo definiuje strategie operacyjne w organizacjach
Dokonaliśmy konkretnego przejścia od sposobu myślenia „kupić czy zbudować” (np. czy kupić narzędzie, czy zbudować wewnętrzny proces zarządzany ręcznie?) do podejścia „najpierw poeksperymentuj, zanim kupisz”.
W przeszłości firmy zazwyczaj decydowały się na zakup narzędzi, ponieważ procesy manualne nie skalowały się. Dzięki AI zachęcaliśmy zespoły, aby najpierw same spróbowały rozwiązać problem, nawet w uproszczony sposób, zanim zdecydują się na dostawcę.
Doprowadziło to do drugiej zmiany, polegającej na rozszerzeniu grona osób, które mogą tworzyć rozwiązania. Wprowadziliśmy wewnętrzne hackathony zespołowe, wcześniej zarezerwowane dla zespołów inżynieryjnych, ale dzięki postępom w dziedzinie AI każdy może w nich uczestniczyć.
AI obniżyła próg wejścia, dzięki czemu menedżerowie biur, rekruterzy i liderzy ds. pracowników mogą tworzyć prototypy rozwiązań rzeczywistych problemów biznesowych. Ta zmiana sama w sobie modyfikuje zachowania — od biernego wdrażania narzędzi do aktywnego rozwiązywania problemów. Ludzie często obawiają się, że AI ograniczy krytyczne myślenie, ale przekonałem się, że może ona w rzeczywistości wzmacniać krytyczne rozumowanie podczas rozwiązywania problemów w nowatorski sposób.
Kolejną zmianą, którą zaobserwowałem w ciągu ostatniego roku, jest to, że coraz więcej CHROs zostaje dyrektorami ds. pracowników i AI. Ostatecznie pierwszy etap tej transformacji pokazuje zmianę w sposobie organizacji zespołów i realizacji pracy. To interesujące przedsięwzięcie z zakresu zarządzania ludźmi i zmianą, które ma dwa logiczne miejsca w strukturze organizacji: CTO/CIO lub CHRO. To pierwsze rozwiązanie spotykam częściej, ale drugie na tyle często, że zasługuje na uwagę.
Dlaczego znajdujemy się w chaotycznym środku rewolucji AI
Znajdujemy się w chaotycznym środku tej rewolucji AI. Istnieje realna presja na zwiększanie efektywności w oparciu o potencjał AI, ale AI nie jest jeszcze gotowa do zastosowań produkcyjnych w przedsiębiorstwach. Innymi słowy, nie mogę zastąpić znienawidzonego przeze mnie systemu HRIS własnym produktem zbudowanym za pomocą Claude Code.
Chociaż obserwujemy znacznie więcej eksperymentowania i nowatorskiego rozwiązywania problemów, nie jest to cudowne rozwiązanie, za jakie często uważa je kadra kierownicza. Zespoły starają się utrzymywać starsze systemy w ramach codziennych obowiązków, znajdując czas na eksperymentowanie z AI, ale nie zastępując w pełni żadnych starszych systemów. Obecnie zespoły HR wykonują podwójną pracę, a i tak są już mniej liczne niż w przeszłości.
Firmy nie są jeszcze bardziej efektywne. Dzięki AI prowadzą więcej eksperymentów i osiągają niewielkie sukcesy w wybranych obszarach. Jednak te eksperymenty ostatecznie odblokują kolejną falę produktywności, a ja wierzę, że technologia HR będzie w przyszłości projektowana z większą możliwością rozszerzania, co pozwoli połączyć najlepsze cechy obu podejść. Najpierw kupować, a następnie rozbudowywać.
Gdy dalszy rozwój AI to umożliwi, z zainteresowaniem będę obserwować zmiany na większą skalę.
Jak AI wspiera decyzje liderów, nie zastępując ludzkiego wkładu
Granica jest dość wyraźna. AI może wspierać system, ale to ludzie ponoszą odpowiedzialność za osąd. Decyzje wymagające wyczucia, gustu i rozwagi, takie jak wybór osoby do zatrudnienia, sposób udzielania wartościowej informacji zwrotnej czy alokacja zasobów, nadal zależą od doświadczonych praktyków.
AI nie podejmuje za nas decyzji — w praktyce ani prawnie nie byłoby to możliwe. Zastanawiam się, w których obszarach przyspiesza ona pozyskiwanie danych wejściowych i usprawnia proces. Skutecznie syntetyzuje informacje zwrotne, tworzy szkice ocen okresowych, porządkuje myśli przekształcone z głosu na tekst oraz agreguje dane dotyczące rekrutacji i zatrudnienia, przekształcając je w użyteczne informacje.
W większości przypadków po prostu wrzucam wszystko do Claude i proszę go o syntezę różnych danych wejściowych. Jednak w przypadku ocen 360 stopni lubię narzędzie o nazwie Your360.ai.
Dziś AI może szybciej doprowadzić nas do lepszego punktu wyjścia, ale nie jest w stanie zastąpić ludzkiej perspektywy, która określa, jak wygląda „doskonałość”.
Jak AI wspiera innowacje, a jednocześnie podważa skuteczność
Widziałem firmy, które unikały kosztownych dostawców, budując za pomocą AI uproszczone rozwiązania wewnętrzne, czasami oszczędzając w ten sposób tysiące rocznie, a jednocześnie znacząco zwiększając autonomię i kreatywność pracowników, ponieważ osoby na wszystkich szczeblach zaczynały samodzielnie rozwiązywać własne problemy.
Z drugiej strony wiele organizacji jest bardziej eksperymentalnych, ale jeszcze nie bardziej skutecznych: zespoły dublują działania, podążają za pomysłami, które nie przynoszą rezultatów, i opóźniają inwestycje w istniejące systemy, ponieważ spodziewają się, że AI je zastąpi.
Wzorzec, na który zwróciłabym uwagę, jest taki, że AI uwalnia oddolną innowacyjność szybciej, niż większość firm jest w stanie nią pokierować. Właśnie dlatego wspieranie menedżerów jest dziś ważniejsze niż kiedykolwiek.
Liderzy następnej generacji, charakteryzujący się wysoką dynamiką rozwoju, będą wyróżniać się zdolnością przekładania wizji na realizację, ukierunkowywania tej energii oraz przekształcania surowego eksperymentowania w rzeczywiste, skalowalne rezultaty zgodne z głównymi celami biznesowymi.
Tego elementu dziś brakuje. Działania te odbywają się w odizolowanych obszarach organizacji, a nie w sposób systemowy.
Dlaczego AI nie jest w stanie w pełni zastąpić kompleksowych przepływów pracy
AI nie zastąpiło jeszcze w pełni całych ról, zwłaszcza tam, gdzie praca wymaga odpowiedzialności od początku do końca. Dobrze radzi sobie z wyodrębnionymi zadaniami, planowaniem, tworzeniem wersji roboczych i syntezą informacji, ale zawodzi w przypadku przepływów pracy wymagających osądu, kontekstu i konsekwentnego doprowadzania spraw do końca.
Nadal potrzebujesz człowieka w pętli, aby połączyć wszystkie elementy. AI to zbyt pewny siebie stażysta, który z dumą twierdzi, że wykonał część pracy, której tak naprawdę nawet nie rozpoczął.
Powiem coś kontrowersyjnego i będę się tego trzymać. Zdecydowana większość zwolnień przypisywanych „efektywności AI” jest całkowicie nieprawdziwa. Jeszcze nie jesteśmy na tym etapie. Przykra prawda dla większości osób jest taka, że zwolnienia te odzwierciedlają złe planowanie zatrudnienia i wcześniejsze nadmierne zwiększanie liczby pracowników, do którego firma nigdy się nie dostosowała, ale przedsiębiorstwa chcą przedstawić lepszą narrację, aby wzbudzić zaufanie akcjonariuszy.
AI może zmniejszyć liczebność zespołów, sprawiając, że jedna osoba będzie wykonywać pracę trzech, ale nie wyeliminuje potrzeby istnienia żadnej z tych funkcji.
Luka dotyczy odpowiedzialności i pełnych przepływów pracy. AI nadal nie radzi sobie niezawodnie z pełnymi cyklami realizacji zadań do wykonania i brakuje jej wyczucia oraz odpowiedzialności niezbędnych do przejęcia odpowiedzialności za rezultaty. W najbliższej przyszłości chodzi o zwiększanie możliwości i szybkości, a nie o zastępowanie ludzi.
Jak AI zmienia proces rekrutacji od początku do końca
Oto jeden z przepływów pracy, z którego wielokrotnie korzystałam podczas rekrutacji od początku do końca. AI pojawia się na każdym etapie, ale zawsze jako akcelerator, a nie osoba podejmująca decyzje.
Zaczynam od modelu językowego, takiego jak ChatGPT, Claude lub Gemini, aby poddać próbie moje oczekiwania wobec osoby, którą chcę zatrudnić, i przygotować opis stanowiska. Następnie ręcznie go edytuję, aż będzie gotowy. Potem tworzę i uruchamiam proces rekrutacyjny w Ashby, które oferuje rozbudowane funkcje AI obejmujące sortowanie CV, planowanie spotkań i nie tylko.
Połączyłam to również z Juicebox w zakresie aktywnego wyszukiwania kandydatów, wykorzystując jego funkcje AI do poprawy wyników wyszukiwania, znajdowania kandydatów spełniających moje wymagania i preferencje oraz przygotowywania wiadomości, które miały przyciągnąć ich uwagę do możliwości dołączenia do mojego zespołu.
Gdy miałam już kandydatów do rozmów, korzystałam z Metaview do rejestrowania i porządkowania notatek z opiniami w czasie rzeczywistym. W całym tym procesie AI zajmuje się obciążeniem operacyjnym — tworzeniem list, przygotowywaniem wiadomości i gromadzeniem danych — podczas gdy ja koncentruję się na ocenie, podejmowaniu decyzji i budowaniu relacji z ludźmi.
AI zazwyczaj pomaga mi porządkować niezliczone pomysły, automatyzować żmudne czynności manualne i dopracowywać teksty. Moja rozwaga, styl i budowanie relacji z ludźmi niezmiennie pozostają moje.
Ostatecznie rekrutacja wymaga równowagi między szybkością a szerokim zakresem działań, aby podejmować najlepsze decyzje, zanim stracimy najbardziej odpowiedniego kandydata. AI pomaga mi utrzymać tempo.
Nie mogę się doczekać, aby zobaczyć, co przyniesie następna generacja narzędzi AI do pozyskiwania talentów. Koncepcje, które wcześniej wydawały mi się niewłaściwe — takie jak przeprowadzanie wstępnej rozmowy telefonicznej przez AI — teraz wydają mi się bardziej intrygujące.
Czy wydaje się to niezręczne i bezosobowe? Zdecydowanie. Ale czy może to również realistycznie pomóc wstępnie ocenić 1000 kandydatów zamiast zaledwie 20? Tak. Kluczem jest zachowanie rozwagi i celowości, aby pomóc kandydatom dostrzec korzyści. Rozmowy z większą liczbą osób prowadzą do bardziej sprawiedliwych rezultatów, w których najlepszy kandydat zostaje zatrudniony na dane stanowisko.
Jak AI podważa tradycyjne założenia dotyczące przywództwa
Interesująca zmiana polega na tym, że choć może się to wydawać skrótem, jednocześnie rozwija umiejętności. Z czasem osoby, które dobrze korzystają ze sztucznej inteligencji, zwykle stają się lepszymi komunikatorami, ponieważ mają styczność z bardziej przejrzystymi sposobami myślenia i wyrażania się.
Musiałem porzucić założenie, że systemy muszą być w pełni dopracowane, zanim staną się użyteczne. Historycznie, jeśli narzędzie nie robiło dokładnie tego, czego potrzebowałeś, po prostu z niego nie korzystałeś. W przypadku sztucznej inteligencji nic nie działa idealnie, ale często zapewnia wystarczająco dużo wskazówek, aby działać szybciej, testować pomysły i tworzyć coś lepszego niż wcześniej.
Na nowo przemyślałem również to, jak wygląda „dobra komunikacja” w przywództwie. Zakładałem, że dobrzy menedżerowie muszą być z natury świetnymi autorami, aby przekazywać jasną i przemyślaną informację zwrotną. Sztuczna inteligencja to zmienia. Może przekształcić nieuporządkowane myśli w coś bardziej usystematyzowanego i użytecznego, obniżając poprzeczkę, a jednocześnie działając jak swego rodzaju trener w czasie rzeczywistym.
Interesująca zmiana polega na tym, że choć może się to wydawać skrótem, jednocześnie rozwija umiejętności. Z czasem osoby, które dobrze korzystają ze sztucznej inteligencji, zwykle stają się lepszymi komunikatorami, ponieważ mają styczność z bardziej przejrzystymi sposobami myślenia i wyrażania się.
Jak unikać typowych pułapek inicjatyw wykorzystujących sztuczną inteligencję
Na początku próbowałem stworzyć sztuczną inteligencję jako „przedłużenie” mnie, która odpowiadałaby na pytania i pomagała skalować wiedzę naszego zespołu, ale z każdą kolejną iteracją działała coraz gorzej. Problemem nie był sam pomysł, lecz to, że nie zaprojektowałem systemu z wyprzedzeniem. Dałem nieprecyzyjny prompt i iterowałem 500 razy, aż w końcu całość stała się zbyt skomplikowana.
Nauczyłem się, że jeśli początkowy prompt jest słaby lub brakuje w nim szczegółów dotyczących myślenia projektowego, późniejsze dodawanie kolejnych instrukcji zwykle pogarsza wynik zamiast go poprawiać. Lepiej zacząć od nowa z dokładniej przemyślanym promptem, niż próbować łatać nieudany.
Dziś czasami przygotowuję 16-stronicowy dokument Google jako prompt i zamiast tego go przesyłam. Dzięki temu osiągam znacznie więcej i robię to szybciej.
Wniosek dla liderów jest prosty. Myślcie jak inżynierowie produktu i stosujcie elementy myślenia projektowego. Z góry określcie stan docelowy. Większość osób próbuje raz, nie osiąga rezultatu i się poddaje. W rzeczywistości nie ponieśli porażki w pracy ze sztuczną inteligencją — pominęli wstępne przemyślenia niezbędne do tego, aby całość zadziałała.
Dlaczego sztuczna inteligencja mierzy się z wyzwaniami dotyczącymi sprawiedliwości i odpowiedzialności
Sztuczna inteligencja ma największe trudności wtedy, gdy ludzie mylą rozpoznawanie wzorców z osądem. Ponieważ jest szkolona do przewidywania tego, co jest najbardziej prawdopodobne na podstawie istniejących danych, może po cichu wzmacniać przeszłość zamiast ją kwestionować.
Rekrutacja i wyszukiwanie kandydatów stanowią wyraźny przykład. Narzędzia mogą nadmiernie faworyzować kandydatów z prestiżowych uczelni lub znanych firm, ponieważ takie osoby najczęściej pojawiają się w danych, co może nieumyślnie eliminować utalentowanych kandydatów o wysokim potencjale, lecz nietypowych ścieżkach zawodowych.
Podobnie modele językowe mogą odzwierciedlać uprzedzenia w sposobie przygotowywania informacji zwrotnych na temat wyników pracy, stosując różne tony lub określenia na podstawie wzorców nacechowanych płciowo albo kulturowo.
Problemy pojawiają się również w obszarze spójności i odpowiedzialności. Sztuczna inteligencja może generować pewne siebie, lecz nieprawidłowe odpowiedzi, a nie zawsze jest jasne, w jaki sposób doszła do danej rekomendacji, co utrudnia kontrolowanie lub obronę decyzji.
Dlatego ludzki osąd wciąż ma znaczenie — kluczowa jest umiejętność rozpoznania, kiedy zaufać wynikowi, kiedy go zakwestionować oraz jak zastosować kontekst, którego model po prostu nie posiada.
Jak liderzy mogą zarządzać transformacjami napędzanymi przez sztuczną inteligencję
Zbyt wielu liderów traktuje sztuczną inteligencję jak punkt do odhaczenia. „Korzystamy z tego narzędzia, eksperymentujemy, wdrażamy je”. Taka postawa może przynieść dziś pochwałę od dyrektora generalnego, ale nie rozwiąże problemów narosłych w organizacji. Jeśli już, może je przyspieszyć.
Przyjrzyj się swojej organizacji i przeanalizuj, co działa, a co nie. Oznacza to dokładniejsze przyjrzenie się temu, jak podejmowane są decyzje, kto za co odpowiada i jak przepływa praca w całej organizacji. Określ, co należy zmienić, a następnie spójrz w przyszłość — za 1 rok, 3 lata i 5 lat — aby ustalić, jakie fundamentalne zmiany są potrzebne.
Nie próbuj doskonale przewidywać przyszłości. Zamiast tego skup się na zadawaniu lepszych pytań. Jestem wielkim zwolennikiem myślenia od podstaw i myślenia drugiego rzędu. Jak wygląda dobrze zarządzana organizacja za 5 lat? Jakie zmiany są potrzebne, aby to osiągnąć? Jeśli zmieni to sposób, w jaki wykonywana jest praca, co stanie się z naszą strukturą organizacyjną? Które umiejętności zyskają na znaczeniu? W których miejscach role ulegną połączeniu lub rozszerzeniu?
Liderzy, którzy dobrze to rozumieją, mogą dziś poruszać się wolniej w odniesieniu do wskaźników próżności, takich jak wdrażanie sztucznej inteligencji, ale w dłuższej perspektywie stworzą skuteczniejsze organizacje.
Śledź dalej
Możesz śledzić pracę Heather na LinkedIn. Zajrzyj także na stronę Waypoint Works!
Wkrótce kolejne wywiady z ekspertami na People Managing People!
