Dyrektor firmy Zapier mówi, że prawdziwa przewaga AI wynika z kultury, a nie zaawansowania technicznego
Dowiedz się, jak Zapier wdrożył AI na dużą skalę w rekrutacji, ocenie wyników i codziennej pracy, koncentrując się na kulturze, szybkości uczenia się i ludzkim potencjale, zamiast wyłącznie na narzędziach.
Brandon Sammut
Dyrektor ds. ludzi i transformacji AI w firmie Zapier
Transformacja napędzana przez AI: Prawdziwa transformacja AI jest wyzwaniem dotyczącym ludzi i koncentruje się na włączaniu AI do kultury organizacyjnej.
Wpływ na miejsca pracy: AI zmienia miejsca pracy, automatyzując powtarzalne zadania i umożliwiając wykonywanie bardziej kreatywnej oraz strategicznej pracy.
Zwiększanie efektywności: AI poprawia efektywność, skracając czas wykonywania zadań oraz zwiększając produktywność i wynagrodzenia zespołów.
Prostota zamiast złożoności: Wartościowe rozwiązania AI często wynikają z prostych zastosowań, które rozwiązują rzeczywiste problemy ludzi.
Priorytet dla kultury: Skuteczna transformacja AI wymaga kultury wspierającej eksperymentowanie i naukę, a nie tylko technologii.
Brandon Sammut jest dyrektorem ds. pracowników i transformacji AI w firmie Zapier. Wraz z zespołem Zapier od trzech lat integruje AI z systemami, przepływami pracy i praktykami dotyczącymi pracowników.
Spotkaliśmy się z Brandonem, aby dowiedzieć się, dlaczego jego stanowisko zmieniło nazwę z „Pracownicy” na „Pracownicy i transformacja AI”. Powiedział nam, że prawdziwa transformacja AI jest wyzwaniem dotyczącym ludzi, a nie kwestią techniczną.
Budowanie systemów maksymalizujących ludzki potencjał
Nazywam się Brandon Sammut i jestem dyrektorem ds. pracowników i transformacji AI w firmie Zapier. Koncentruję się na przyszłości pracy na styku talentów i technologii.
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
Moja droga do tego miejsca zdecydowanie nie była liniowa. Zacząłem w edukacji — najpierw jako dyrektor domu studenckiego na University of Texas at Arlington — a następnie przez sześć lat pracowałem w Teach For America, zajmując się rekrutacją, finansami, operacjami i partnerstwami korporacyjnymi.
Później ukończyłem studia MBA i uzyskałem tytuł magistra edukacji na Stanfordzie, odbyłem staż w funduszu venture capital Owl Ventures, a ostatecznie objąłem pierwsze stanowisko dyrektora ds. pracowników w LiveRamp (NYSE: RAMP). Wszystkie te doświadczenia łączy wątek, który jest dla mnie głęboką motywacją. Jak budować systemy maksymalizujące ludzki potencjał i jak skalowalnie dopasowywać ten potencjał do możliwości?
Dołączyłem do Zapier w 2021 roku, jeszcze przed rewolucją generatywnej AI. W marcu 2023 roku nasz dyrektor generalny ogłosił w całej firmie „Czerwony alarm AI” — wezwanie do działania, które zmieniło wszystko. Zdaliśmy sobie sprawę, że możliwości związane z AI w Zapierze (a także ryzyko bezczynności) były ogromne.
Wraz z zespołem ds. pracowników od trzech lat wdrażamy transformację AI w całym doświadczeniu pracowników — od sposobu, w jaki zatrudniamy, przez rozwój ludzi, po przeprojektowanie samej pracy.
Pod koniec 2025 roku sformalizowaliśmy te działania, rozszerzając moją rolę o bezpośrednią odpowiedzialność za transformację AI obok obszaru pracowników. Logika była prosta: prawdziwa transformacja AI jest wyzwaniem dotyczącym ludzi, a nie wyłącznie kwestią techniczną.
Zapier to platforma do orkiestracji AI, z w pełni zdalnym, 800-osobowym zespołem działającym w ponad 40 krajach. Mój zakres odpowiedzialności obejmuje cały obszar pracowników — od pozyskiwania talentów, przez rozwój talentów i operacje personalne, po całkowity system wynagrodzeń — a także ogólnofirmową transformację AI w Zapierze. Obejmuje to nasze Centrum Doskonałości Transformacji AI, 11 osadzonych w poszczególnych działach zespołów ds. transformacji AI oraz nasz udostępniany publicznie szerszemu rynkowi otwartoźródłowy model transformacji AI.
Krótko mówiąc: odpowiadam zarówno za ludzi, jak i za systemy AI, które pomagają im jak najlepiej wykonywać swoją pracę. Współpracuję również z zespołami obsługującymi klientów, aby pomagać innym organizacjom osiągać sukces w ramach ich własnych transformacji AI.
Prawdziwa transformacja AI jest wyzwaniem dotyczącym ludzi, a nie wyłącznie kwestią techniczną.
Jak AI sprawia, że praca staje się bardziej ludzka
W całej naszej firmie 97% pracowników korzysta z narzędzi AI do programowania w ramach swojej podstawowej pracy. Osiemdziesiąt osiem procent twierdzi, że AI wymiernie poprawiła ich wydajność, a poziom zaangażowania pracowników przekracza 80% w naszych badaniach pulsowych. Wynika z tego, że AI nie pogarsza obecnie doświadczenia pracowników, ale podchodzimy do tego stwierdzenia z pokorą i nadal z ciekawością obserwujemy wpływ AI na sposób, w jaki ludzie doświadczają swojej pracy.
Praca staje się ciekawsza i właśnie ta jakościowa zmiana najbardziej mnie cieszy. Kiedy automatyzujemy powtarzalne zadania, ludzie wykonują bardziej kreatywną, strategiczną i wymagającą ludzkiego podejścia pracę.
Nasz zespół ds. pozyskiwania talentów regularnie otrzymuje pochwały za doświadczenia kandydatów. Nie dlatego, że jest wyjątkowo liczny, ale dlatego, że przemyślana orkiestracja automatyzacji i AI zwiększa personalizację.
Pojawiają się nowe ścieżki kariery. Osoby, które wcześniej wykonywały manualną, powtarzalną pracę, teraz tworzą automatyzacje, obsadzają stanowiska związane z transformacją AI i współtworzą całkowicie nowe funkcje.
AI eliminuje pracę o niskiej wartości i ujawnia najlepszych pracowników
Nasz zespół obsługi klienta skrócił średni czas obsługi zgłoszenia o 50% dzięki podsumowaniom wspieranym przez AI. Oznacza to, że teraz odpowiada na pytania klientów dwa razy szybciej. Ten sam zespół otrzymuje obecnie wynagrodzenie na poziomie 90. percentyla rynku. To nie przypadek.
Gdy AI eliminuje powtarzalne zadania o niskiej wartości, ludzie mogą naprawdę zajmować się trudną pracą wymagającą trafnego osądu — a Ty możesz odpowiednio im za to płacić. To najlepsi pracownicy, którzy osiągają wartościowe rezultaty.
Nasz zespół ds. generowania popytu stworzył wspierany przez AI przepływ pracy, który zautomatyzował wyszukiwanie potencjalnych klientów i w czasie rzeczywistym generował spersonalizowane wiadomości dla AE. Odzyskaliśmy w ten sposób moce przerobowe odpowiadające 4,5 etatu, zaoszczędziliśmy 15–20 tys. USD na kosztach narzędzi i wygenerowaliśmy 1,2 mln USD w lejku sprzedażowym. Jeden przepływ pracy.
Dział operacji przychodowych korzysta obecnie z 25 przepływów pracy i agentów AI, oszczędzając równowartość 34 pełnych tygodni pracy każdego miesiąca. Dział finansowy skrócił zamknięcie miesiąca o 25% mimo większej złożoności — dzięki 8-osobowemu zespołowi w firmie, której roczne przychody przekraczają 5 mld USD.
Trudność polegała na tym, że tempo zmian powoduje zmęczenie. Nie wszyscy poruszają się w tym samym tempie i to jest w porządku. Zarządzanie tą nierównością wśród 800 osób wymaga jednak świadomego podejścia, a niektóre przepływy pracy wspierane przez AI potrzebowały kilku iteracji, zanim zaczęły generować rezultaty, z których byliśmy naprawdę zadowoleni.
Nie nazywam tego porażkami. Taka jest natura tej pracy. Inteligencja wciąż się rozwija. Coś, co dziś nie jest jeszcze wystarczająco dobre, za miesiąc może wyglądać zupełnie inaczej.
Dlaczego prostota góruje nad złożonością w inicjatywach związanych z AI
Na początku mój zespół i cała firma odruchowo wierzyliśmy, że najbardziej wartościowe zastosowania AI będą zaawansowane technicznie. Doprowadziło to do nadmiernego komplikowania rozwiązań. W rzeczywistości część naszych działań o największym wpływie była dość prosta: automatyzowanie komunikacji z kandydatami spersonalizowanej dla każdego stanowiska, stworzenie prostego trenera AI do wyznaczania celów oraz podsumowywanie długich zgłoszeń do działu wsparcia w formie praktycznych wskazówek.
Gdybym mógł cofnąć czas, powiedziałbym sobie, żeby zacząć od najprostszego rozwiązania, które odpowiada na rzeczywisty problem człowieka. Nie myl złożoności technicznej z wartością biznesową. Pytanie nie brzmi: „Jak imponujące to jest?”. Brzmi: „Czy to naprawdę usprawnia czyjąś pracę?”.
Jak ocena biegłości w AI podnosi poprzeczkę nowym pracownikom
Obecnie oceniamy biegłość w AI u 100% kandydatów, w każdym dziale i na każdym stanowisku. To największa pojedyncza zmiana operacyjna, jaką wprowadziliśmy z powodu AI. AI staje się podstawowym elementem sposobu wykonywania pracy.
Stworzyliśmy Ramy Biegłości w AI z czterema poziomami: Nieakceptowalny, Kompetentny, Adaptacyjny i Transformacyjny.
- „Nieakceptowalny” oznacza, że ktoś aktywnie sprzeciwia się AI lub nigdy nie korzystał z niej w celowy sposób — dla nas to dyskwalifikacja.
- „Kompetentny” oznacza, że wielokrotnie korzystałeś z AI w konkretnym celu i wykazujesz postępy w nauce — szukamy rzeczywistych przykładów, które kandydaci potrafią opisać, nawet jeśli są proste.
- „Adaptacyjny” oznacza, że wyszedłeś poza okazjonalne korzystanie i regularnie, celowo stosujesz AI z rzeczywistym wpływem — szukamy jasnych przykładów zwrotu z inwestycji.
- „Transformacyjny” oznacza, że AI zasadniczo zmieniła sposób, w jaki pracujesz, a ten nowy sposób pracy wpływa na Twój zespół, projekty lub organizację — nie tylko na Twoją własną produktywność.
We wszystkich systemach włączyliśmy ocenę biegłości w AI do naszych ustrukturyzowanych rozmów rekrutacyjnych i stworzyliśmy Agenta Rozmowy Podnoszącej Poprzeczkę — narzędzie wspierane przez AI, które generuje dopasowane pytania rekrutacyjne na podstawie stanowiska, poziomu i naszej skali ocen. Wyjaśnia, dlaczego wybrało każde pytanie, pomagając rekruterom zachować spójność ocen w całej naszej organizacji liczącej 800 osób i 10 wiceprezesów.
Przeszkoliliśmy nasz zespół rekrutacyjny w zakresie oceny biegłości i ustaliliśmy, jak wygląda „dobry” poziom na każdym szczeblu i dla każdej roli. Z punktu widzenia zachowań menedżerowie zatrudniający mają teraz wspólny język do omawiania gotowości na AI.
Jeśli chodzi o rezultaty, jakość eksperymentowania i wzajemnego uczenia się AI wyraźnie wzrosła, gdy każdy nowy pracownik zaczynał pracę z co najmniej podstawową biegłością. Podniosło to poziom całej firmy.
Jak AI zwiększa skuteczność spotkań 1:1
Omówię naszego trenera spotkań indywidualnych, ponieważ jest to nasze najbardziej zaawansowane rozwiązanie stworzone przez zespół People i pokazuje, jak sztuczna inteligencja może wspierać (a nie zastępować) ludzką stronę zarządzania.
Problem: Każdy lider zespołu wie, że jakość rozmów indywidualnych między menedżerami a ich bezpośrednimi podwładnymi jest jednym z najsilniejszych predyktorów zaangażowania, retencji i efektywności. Jednak większość menedżerów otrzymuje niewiele informacji zwrotnych w czasie rzeczywistym na temat tego, jak uczestniczą w tych rozmowach. Czy zadają wystarczająco dużo pytań? Czy mówią zbyt dużo? Czy tworzą przestrzeń dla drugiej osoby?
Rozwiązanie AI: Stworzyliśmy trenera spotkań indywidualnych opartego na sztucznej inteligencji. Po spotkaniu indywidualnym (przy pełnej przejrzystości wobec obu stron — udział jest dobrowolny, a spotkanie jest widoczne) system analizuje rozmowę i generuje informacje zwrotne dla menedżera.
Przebieg od początku do końca:
- Menedżer i jego bezpośredni podwładny odbywają regularne spotkanie indywidualne (samo spotkanie pozostaje bez zmian).
- Po spotkaniu AI analizuje strukturę rozmowy — proporcję czasu mówienia do słuchania, rodzaje zadawanych pytań oraz to, czy menedżer stworzył przestrzeń na omówienie priorytetów bezpośredniego podwładnego.
- Trener generuje spersonalizowaną informację zwrotną, na przykład: „Podczas tego spotkania mówiłeś przez 70% czasu — rozważ zadawanie większej liczby pytań otwartych” albo „Zadawałeś świetne pytania doprecyzowujące, ale straciłeś okazję, aby pomóc w rozwiązaniu problemu poruszonego przez podwładnego”. Trener przekazuje informację zwrotną wyłącznie menedżerowi — jest ona prywatna, konstruktywna i od razu możliwa do zastosowania.
- Z czasem menedżer może dostrzegać wzorce w wielu spotkaniach indywidualnych i śledzić swój rozwój,
Dlaczego to działa: Rozwiązanie eliminuje problem skalowania wsparcia partnera biznesowego HR, z którym mierzy się każda firma. Nie możemy umieścić partnera HR w każdym spotkaniu indywidualnym. Możemy jednak zapewnić każdemu menedżerowi prywatnego trenera, który pomaga mu doskonalić się w najważniejszych rozmowach — bez konieczności proszenia kogokolwiek o pomoc ani przyznawania, że ma trudności.
Architektura zaufania ma kluczowe znaczenie: Jakie dane są wykorzystywane? Gdzie są przechowywane? Kto ma do nich dostęp? Jesteśmy w tym wszystkim radykalnie transparentni. To „zbroja Iron Mana” dla menedżerów — zwiększa ich możliwości — a nie nadzorująca ich sztuczna inteligencja. To rozróżnienie ma ogromne znaczenie dla jej wdrożenia.
Opowiem również o prostszym, ale równie skutecznym rozwiązaniu: naszym trenerze informacji zwrotnej AI, którego używamy podczas przygotowywania konstruktywnej informacji zwrotnej. Został on przeszkolony na podstawie naszego wewnętrznego modelu informacji zwrotnej oraz przykładów doskonałej konstruktywnej informacji zwrotnej.
Pracownik może skorzystać z niego prywatnie, opisać sytuację i uzyskać pomoc w uporządkowaniu informacji zwrotnej przed rozmową na żywo. Rozwiązuje to ludzki problem: „Wiem, że muszę przekazać tę informację zwrotną, ale nie wiem, jak zrobić to umiejętnie, a na razie nie chcę rozmawiać o tym z inną osobą, ponieważ kontekst jest zbyt wrażliwy”. AI całkowicie usuwa tę barierę.
Rozwiązuje to ludzki problem: ‘Wiem, że muszę przekazać tę informację zwrotną, ale nie wiem, jak zrobić to umiejętnie, a na razie nie chcę rozmawiać o tym z inną osobą, ponieważ kontekst jest zbyt wrażliwy.’ AI całkowicie usuwa tę barierę.
Dlaczego wyzwania związane z integracją AI są większe niż awarie technologii
Mówiąc całkowicie otwarcie, miejsca, w których AI nie spełniła oczekiwań, wynikały w mniejszym stopniu z awarii technologii, a w większym z wyzwania związanego z jej integracją. Największą luką było przejście od indywidualnego do instytucjonalnego wdrożenia AI.
Choć 97% naszego zespołu korzysta z AI, fundamentalna zmiana kluczowych procesów biznesowych od początku do końca za pomocą AI to zupełnie inne wyzwanie.
Szybko wykorzystaliśmy najłatwiejsze możliwości. Trudniejsza praca o większej wartości — przeprojektowanie przepływów pracy od podstaw i sprawienie, by narzędzia oparte na AI komunikowały się ze sobą w ramach strategicznej orkiestracji — przebiega wolniej i chaotyczniej, niż się spodziewałem.
Wewnętrznie nazywamy to przejściem od „indywidualnej AI” do „instytucjonalnej AI na dużą skalę” i jest to nasz główny cel na 2026 rok. Wymaga ono wspólnej infrastruktury uwierzytelniania, międzyfunkcyjnych podstaw danych oraz całkowitego przemyślenia sposobu przekazywania procesów między zespołami. To praca architektoniczna, a nie tylko eksperymentowanie.
Jeszcze jedno szczere przyznanie: przeciążenie dostawcami AI jest realne. Liczba narzędzi twierdzących, że rozwiązują problem transformacji AI, jest przytłaczająca. Kolejna lekcja, którą poznaliśmy na własnej skórze, jest taka, że kluczowa jest konsolidacja wokół niewielkiej liczby podstawowych platform, zamiast gromadzenia ponad dziesięciu rozwiązań punktowych. Obecnie śledzimy wykorzystanie, niezawodność i zwrot z inwestycji dla każdego narzędzia oraz aktywnie wycofujemy te, które się nie integrują.
I ostatnia wada AI: nastąpiła erozja odpowiedzialności z powodu wygody, jaką zapewnia AI. Gdy AI szybko i łatwo generuje wyniki, liderzy mogą wdrażać rozwiązania bez rzeczywistej weryfikacji przez człowieka. Poprzeczka jakości może opaść na rzecz szybkości, jeśli liderzy nie będą ostrożni. Jeśli AI przyczynia się do wykonania pracy, ludzie nadal ponoszą odpowiedzialność za jej dokładność, ton i wpływ.
Jak AI zmienia potrzebę formalnego programu nauczania
Zakładałem, że rozwój kompetencji wymaga formalnego programu nauczania, ale się myliłem. Przez lata standardowy model działania w obszarze personalnym/L&D polegał na zidentyfikowaniu luki kompetencyjnej, zaprojektowaniu programu szkoleniowego, przeprowadzeniu go i zmierzeniu jego ukończenia.
AI przełamało ten model w naszej organizacji. Technologia zmienia się tak szybko, że zanim zdążylibyśmy napisać tradycyjny program nauczania, byłby już nieaktualny.
Zastąpiliśmy go filozofią uczenia się opartą bardziej na tempie uczenia się niż na zasobie wiedzy. W Zapier nie mamy formalnego programu nauczania AI. Zamiast tego włączamy naukę i eksperymentowanie z AI do jak największej liczby istniejących praktyk w Zapier — tygodnie hakerskie stały się tygodniami hakerskimi AI, wdrażanie stało się ścieżką wdrażania biegłości w AI, a kanały pytań i odpowiedzi między współpracownikami z wyznaczonymi zaawansowanymi użytkownikami AI stały się warstwą wsparcia.
Głębszy wniosek jest taki, że to, ile wiemy w danym momencie, ma mniejsze znaczenie niż szybkość, z jaką się uczymy. A składniki maksymalizujące tempo uczenia się — bezpieczeństwo psychologiczne, kultura eksperymentowania, dzielenie się tym, co działa, a co nie — to składniki kultury organizacyjnej, których nie każda firma ma na miejscu.
Dlaczego transformacja AI jest wyzwaniem kulturowym
Transformacja AI to wyzwanie związane z ludźmi, a nie techniczne. Każda firma mówi o transformacji AI, ale niewiele z nich dobrze ją przeprowadza, ponieważ skupiają się najpierw na narzędziach.
Prawdziwa transformacja zaczyna się od ludzi, kultury i przywództwa. Jeśli Twoja kultura nie wspiera eksperymentowania — jeśli ludzie nie czują się bezpiecznie, próbując, ponosząc porażki i dzieląc się doświadczeniami — żadna liczba narzędzi AI nie zaprowadzi Cię tam, dokąd chcesz dotrzeć.
Funkcja personalna rzadko była ważniejsza niż w erze AI. Wiele obszarów, w których jesteśmy szkoleni — planowanie zatrudnienia, zarządzanie zmianą, rozwój przywództwa — ma teraz większe znaczenie, a nie mniejsze.
Organizacje, które najszybciej nauczą się korzystać z AI, to te, w których ludzie czują się bezpiecznie, próbując rzeczy, które mogą nie zadziałać, otwarcie dzieląc się tymi eksperymentami i publicznie ucząc się na porażkach. Jeśli Twoja kultura karze za porażki lub zatrzymuje wiedzę dla siebie, narzędzia AI Cię nie uratują.
Poświęciliśmy tyle samo czasu na zadbanie o istnienie tych elementów kultury, co na tradycyjne rozwijanie kompetencji. Narzędzia to podstawa — kultura jest czynnikiem wyróżniającym.
Dlaczego zarządzanie wynikami pracy wymaga przeprojektowania
Zarządzanie wynikami pracy to jeden z obszarów, które należy aktywnie przeprojektować z myślą o przyszłości wspieranej przez AI. Tradycyjny cykl oceny wyników pracy — coroczny lub odbywający się dwa razy w roku, skoncentrowany na przeszłości i w dużej mierze zależny od pamięci oraz umiejętności pisania menedżera — musi odejść.
W Zapier już rozpoczęliśmy przeprojektowywanie tego procesu na wielu poziomach:
- Warstwa 1 – Zbieranie dowodów (proces „notatek blob”): Zbudowaliśmy niezwykle prostą integrację ze Slackiem. Gdy wydarzy się coś wartego odnotowania — świetnie wykonana praca, przejaw przywództwa, obszar rozwoju — menedżer lub członek zespołu reaguje na odpowiednią wiadomość na Slacku określoną emotikoną (nazywamy to „notatkami blob”: 📝). Ta reakcja uruchamia proces w Zapierze, który przechwytuje wiadomość, podsumowuje ją za pomocą AI i zapisuje przejrzysty wpis dotyczący dowodów osiągnięć w uporządkowanym dokumencie. Bez formularzy, bez przełączania kontekstu, bez polegania na pamięci wiele miesięcy później. Zbieramy dowody w chwili zdarzenia, za pomocą jednego kliknięcia emotikony.
- Warstwa 2 – Tworzenie wersji roboczej oceny (trener ocen pracowniczych AI): Gdy nadchodzi czas oceny, podajesz imię i nazwisko, poziom stanowiska oraz zgromadzone dowody osiągnięć. AI tworzy projekt oceny zgodny z naszymi Zachowaniami wywierającymi wpływ — standardami oceny wyników zróżnicowanymi w zależności od poziomu stanowiska — wykorzystując jako punkt odniesienia konkretne przykłady doskonałych ocen. Dzięki temu oceny są jaśniejsze, lepiej oparte na dowodach i bardziej praktyczne, a czas obciążenia menedżerów zostaje znacząco ograniczony.
- Warstwa 3 – Wyznaczanie celów (trener celów AMP): Chatbot pomaga wszystkim pracownikom wyznaczać praktyczne, mierzalne i celowe cele w zaledwie kilka minut, korzystając z ukierunkowanych podpowiedzi. Przekształca nieuporządkowane zamiary w jasne, możliwe do śledzenia rezultaty.
Ale to wciąż tylko wdrażanie AI — sprawianie, by istniejący system działał lepiej. Możliwości transformacji są znacznie większe.
Co by było, gdyby dowody osiągnięć były gromadzone w sposób ciągły i pasywny we wszystkich przestrzeniach roboczych — nie tylko na Slacku? Co by było, gdyby AI ujawniało wzorce w danych dotyczących wyników całego zespołu, których pojedynczy menedżer nigdy by nie dostrzegł? Co by było, gdyby coaching dotyczący informacji zwrotnych był dostępny w czasie rzeczywistym, działając w tle na Slacku, a nie tylko przed zaplanowaną rozmową?
Zmierzamy w tym kierunku. Liderzy, którzy już teraz przeprojektują ten system — zachowując jednocześnie odpowiedzialność człowieka za faktyczne decyzje — uzyskają znaczącą przewagę pod względem zagęszczenia talentów i doświadczeń pracowników.
Jak AI zmienia strategie przywództwa i zatrudniania pracowników
Nie zwiększyliśmy zatrudnienia w związku z transformacją AI w całej firmie, nie tylko w dziale HR. Nie zmieniliśmy żadnych linii raportowania. Była to bardzo świadoma decyzja.
Zamiast tego zbudowaliśmy model zatrudnienia oparty na centrum i oddziałach. Centrum, czyli nasze Centrum Doskonałości Transformacji AI, to niewielki zespół, który ustala standardy, zarządza wspólnymi narzędziami, prowadzi kartę wyników transformacji AI i pomaga zespołom skalować skuteczne rozwiązania bez wymyślania ich od nowa.
Oddziały to 11 menedżerów transformacji AI pracujących w każdym z działów (Budowanie, Sprzedaż i Sukces Klienta, Marketing, Wsparcie, Ludzie, Operacje Zarządu, Finanse, Dane, Ekosystemy, Operacje Biznesowe, Dział Prawny). Każdy menedżer odpowiada za wdrożenie co najmniej jednego studium przypadku transformacji AI na kwartał w swoim dziale.
Co szczególnie ważne, stanowiska inżynierów automatyzacji AI obsadziliśmy pracownikami z naszego istniejącego zespołu ds. pracowników, ponieważ osoby te mają już specjalistyczną wiedzę z zakresu HR. Pokazuje to organizacji coś, co chcemy urzeczywistnić: choć zakłócenia nastąpią w zakresie stanowisk, które mamy, stawiamy na naszych obecnych pracowników.
Lider HR intuicyjnie rozumie ryzyko związane z wykorzystywaniem struktury organizacyjnej do napędzania transformacji, dlatego centralna rola organizacji ds. pracowników w tym procesie ma znaczenie.
Podnieśliśmy również wynagrodzenia z 50. do 90. percentyla — koncepcję tę nazywamy „zagęszczeniem talentów”. Gdy AI sprawia, że Twój zespół staje się znacząco bardziej produktywny, podziel się tymi korzyściami. Nasz zespół obsługi klienta jest świetnym przykładem: wybitni pracownicy osiągający rzadko spotykane rezultaty i odpowiednio wynagradzani.
Dlaczego dzielenie się z zespołami wzrostem produktywności napędzanym przez AI ma znaczenie
Mam nadzieję, że zespoły zarządzające zadają sobie pytanie: „Co powinno stać się z wartością ekonomiczną tworzoną przez zespoły wspierane przez AI?”. Mam nadzieję, że rozważą podzielenie się dodatkową produktywnością, którą zespoły osiągają dzięki kreatywnemu myśleniu i przeprojektowywaniu pracy za pomocą AI.
Nasz zespół obsługi klienta skrócił o połowę średni czas obsługi zgłoszenia. Obecnie są to wybitni pracownicy osiągający rezultaty, które w świecie obsługi klienta są niezwykle rzadkie. I są odpowiednio wynagradzani — znajdują się w 10. percentylu rynku od góry.
Tworzy to dobre dopasowanie interesów. Jeśli transformacja AI wymaga od ludzi więcej — więcej eksperymentowania, więcej nauki, więcej przemyślenia na nowo własnych ról — korzyści powinny wracać do nich, a nie trafiać wyłącznie do bilansu finansowego. Uważam, że liderzy, którzy znajdą sposób na osiągnięcie takiego dopasowania, przyciągną i zatrzymają najlepsze talenty w świecie wspieranym przez AI.
Pięć sposobów, dzięki którym liderzy mogą skutecznie przeprowadzić transformację napędzaną przez AI
\u003cstrong\u003eKiedy myślisz o AI w ten sposób, przestajesz dążyć do jego wdrażania dla samego wdrażania i zaczynasz pytać: ‘\u003cem\u003eJaki problem to rozwiązuje i jak wygląda „lepiej” dla zaangażowanych w to ludzi?\u003c/em\u003e…\u003cspan style=\u0022letter-spacing: 0.1px;\u0022\u003eBez wyraźnych granic ludzie będą ograniczać się bardziej, niż to konieczne. To ogranicza kreatywność.\u003c/span\u003e\u003c/strong\u003e
Oto pięć rzeczy, o których liderzy powinni pamiętać podczas przeprowadzania transformacji z wykorzystaniem AI (niektóre z nich mogą brzmieć nieintuicyjnie):
- Zacznij od kultury, nie od narzędzi. Zrób przegląd sytuacji: Czy masz silne poczucie bezpieczeństwa psychologicznego? Zaufaną kadrę zarządzającą? Prawdziwą kulturę eksperymentowania? Te elementy kultury mają co najmniej takie samo znaczenie jak umiejętności. Będą wiatrem w żagle — albo przeciwnym wiatrem — podczas budowania biegłości.
- Traktuj AI jako narzędzie, a nie cel. Dotyczy to technologii ogólnie. Technologie to narzędzia — środki — sposoby realizowania zadań. Kiedy myślisz o AI w ten sposób, przestajesz dążyć do jego wdrażania dla samego wdrażania i zaczynasz pytać: „Jaki problem to rozwiązuje i jak wygląda „lepiej” dla zaangażowanych w to ludzi?”
- Opublikuj zasady i ograniczenia na wczesnym etapie. Bez wyraźnych granic ludzie będą ograniczać się bardziej, niż to konieczne. To ogranicza kreatywność. Pierwszą rzeczą, którą zrobiliśmy po naszym Czerwonym alarmie, było opracowanie wytycznych dotyczących korzystania z AI. Odblokowało to więcej eksperymentowania, a nie mniej.
- Wyznacz jednego lidera odpowiedzialnego za całość. Nie komitet. Nie grupa robocza, która spotyka się raz w miesiącu. Jedna osoba odpowiedzialna za transformację z wykorzystaniem AI, mająca władzę nad ustalaniem priorytetów i przydzielaniem zasobów. W Zapier jestem to ja — a jasny podział odpowiedzialności przeniósł nas od rozproszonych eksperymentów do skoordynowanej transformacji.
- Egzekwuj „zasadę trzech”. Jeśli zespół wykonuje coś ręcznie trzy razy, za czwartym razem automatyzuje to. Ewentualnie uzasadnia, dlaczego nie można lub nie należy tego automatyzować. Tworzy to normę kulturową: automatyzacja nie jest aspiracją — jest oczekiwana. Buduje również nawyk dostrzegania powtarzalnych zadań, czyli pierwszy krok w kierunku przeprojektowania pracy.
I jeszcze jedna rzecz: udostępnij publicznie swój podręcznik działania. Dziel się tym, czego się uczysz. Szczere dzielenie się postępami przyspiesza rozwój całej dziedziny. W przypadku transformacji z wykorzystaniem AI udostępnianie naszych materiałów na zasadach otwartego źródła pomaga nam wszystkim szybciej się uczyć — razem.
Śledź nasze działania
Możesz śledzić działania Brandona Sammuta na LinkedInie. Sprawdź również ramy transformacji z wykorzystaniem AI firmy Zapier.
Wkrótce pojawią się kolejne wywiady z ekspertami na People Managing People!
