Ekspert ds. rekrutacji AI twierdzi, że AI eliminuje trudności, które prowadzą do mistrzostwa
Dowiedz się, jak założyciel firmy rekrutacyjnej wykorzystuje AI do przeprojektowania rekrutacji, operacji i przywództwa, jednocześnie dbając o to, by ludzki osąd, mistrzostwo i rozwój zespołu pozostały najważniejsze.
David Stepania
Założyciel i dyrektor generalny ThirstySprout
Przywództwo: AI wymaga od liderów skupienia się na ludzkiej transformacji, a nie wyłącznie na technologii czy narzędziach.
Rekrutacja: AI usprawnia rekrutację poprzez udoskonalanie procesów selekcji i dopasowywania kandydatów, dzięki czemu potrzeba przeglądania mniejszej liczby życiorysów.
Inżynieria: AI zmienia role młodszych inżynierów, co może w przyszłości doprowadzić do niedoboru doświadczonych specjalistów.
Procesy: Skuteczne wdrożenie AI wymaga przeprojektowania procesów, a nie tylko dodania nowych narzędzi AI.
Mistrzostwo: Liderzy muszą dbać o to, by pracownicy mierzyli się z produktywnymi trudnościami, które pomagają rozwijać głębokie umiejętności osądu.
David Stepania jest liderem biznesowym i seryjnym założycielem firm. Obecnie pełni funkcję dyrektora generalnego ThirstySprout — platformy łączącej zdalnych specjalistów ds. inżynierii AI z finansowanymi startupami z USA.
Spotkaliśmy się z Davidem, aby dowiedzieć się, jak AI zmienia przywództwo i rekrutację. Oto, co nam powiedział.
AI na nowo definiuje znaczenie zespołu osiągającego wysokie wyniki
Nazywam się David Stepania, jestem założycielem i dyrektorem generalnym ThirstySprout — platformy łączącej zdalnych specjalistów ds. inżynierii AI — głównie z Ameryki Łacińskiej, Europy Wschodniej i Azji — z finansowanymi startupami technologicznymi z USA. Zbudowałem również ChoppingBlock.ai, platformę analityczną dotyczącą wynagrodzeń i ofert pracy w obszarze AI, a także prowadzę podcast AI Chopping Block.
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
Jestem założycielem dwóch firm rozwijanych bez zewnętrznego finansowania. Bez kapitału venture capital i bez siatki bezpieczeństwa — każda firma, którą zbudowałem, musiała być rentowna, aby przetrwać. Moje ostatnie przedsięwzięcie znalazło się na liście Inc. 5000 na 247. miejscu w 2024 roku, a w całej swojej karierze wygenerowałem ponad 100 mln USD przychodu.
Prowadzę wszystko w pełni zdalnie, ze słonecznych miejsc na całym świecie, a mój rozproszony zespół pracuje na czterech kontynentach.
Moja droga przywódcza była jedną długą lekcją robienia więcej za mniej. Rozwijanie firmy bez zewnętrznego finansowania wymusza takie podejście. Nie możesz rozwiązać każdego problemu, zatrudniając kolejne osoby, więc stajesz się bardzo dobry w wykorzystywaniu dźwigni — procesów, systemów oraz właściwych ludzi na właściwych stanowiskach.
Uważam, że obecny moment związany z AI jest interesujący, ponieważ patrzę na niego jednocześnie z dwóch stron. Wewnętrznie przebudowuję własną organizację wokół AI jako warstwy realizacyjnej. Zewnętrznie dziesiątki finansowanych startupów mówią mi dokładnie, czego teraz oczekują od inżynierów — a te oczekiwania zmieniły się w ciągu ostatnich 18 miesięcy szybciej niż przez całą poprzednią dekadę. Mam miejsce w pierwszym rzędzie, obserwując, jak AI na nowo definiuje znaczenie „zespołu osiągającego wysokie wyniki”.
Jak AI zmienia funkcjonowanie zespołów i podejmowanie decyzji
Przeglądałem rankingi kandydatów wygenerowane przez AI, kiedy wszystko się dla mnie zmieniło.
Oto, co się wydarzyło: poprosiłem AI o ocenę grupy inżynierów pod kątem danego stanowiska. Zwróciła rankingi mniej więcej zgodne z moimi oczekiwaniami — ale w przypadku jednego kandydata wskazała coś, czego nie poleciłem jej sprawdzać: inżynier ten niemal idealnie pasował pod względem technicznym, ale mieszkał w kraju nieuwzględnionym na liście państw zatwierdzonych przez klienta do zatrudniania pracowników.
Następnie zrobiła coś, czego typowe narzędzie zwykle nie robi. Zaproponowała rozwiązanie — kandydat mógłby przenieść się do sąsiedniego zatwierdzonego kraju albo moglibyśmy pomóc mu uzyskać rezydencję w Meksyku — coś, co wcześniej zrobiliśmy już dla innych inżynierów.
To był ten moment. AI nie tylko wykonała zadanie. Rozumowała o mojej firmie tak, jak zrobiłby to sprawny operator w moim zespole. I zdałem sobie sprawę, że wąskie gardło mojej firmy się przesunęło.
Dlaczego człowiek jest warstwą inteligencji, a AI — rękami
Wszyscy chcą teraz inżynierów „AI-native”, a nie tylko osób korzystających z Cursor. Chodzi im o inżyniera, który pozwala AI zająć się kodowaniem, podczas gdy sam zajmuje się myśleniem — określaniem problemu, architekturą i podejmowaniem decyzji.
Moja własna rola zmieniła się w ten sam sposób. Dwa lata temu znaczna część mojej pracy polegała na kierowaniu zadaniami — decydowaniu, kto co robi, a następnie oczekiwaniu na rezultaty. Dziś moja praca polega na wystarczająco precyzyjnym definiowaniu problemów, abyśmy mogli realizować rozwiązania, a coraz większa część tej realizacji odbywa się za pośrednictwem AI, a nie dzięki zatrudnieniu kolejnej osoby.
Kiedyś zakładałem, że będę potrzebować dyrektora finansowego pracującego w niepełnym wymiarze, aby uzyskać rzeczywistą jasność co do ekonomiki jednostkowej naszej działalności. Zamiast tego samodzielnie przeprowadziłem z pomocą AI pełną analizę finansową na poziomie dyrektora finansowego i odkryłem, że klasyfikacja jednej z pozycji kosztowych zaciemniała prawdziwą ekonomikę jednostkową. To analiza, za którą musiałbym zapłacić specjaliście albo której po prostu nigdy bym nie przeprowadził.
Tak samo było z kwestiami prawnymi. Przebudowałem całą naszą Umowę ramową o świadczenie usług, umowy z wykonawcami oraz umowy z partnerami dotyczące podziału opłat. AI tworzy projekty, a prawnik je przegląda. Odwraca to strukturę kosztów. Drogiego specjalistę angażuje się teraz do ostatnich 10%, a nie do pierwszych 90% pracy.
Przekształciłem również sam zespół. Odchodzimy od zespołów na rzecz pojedynczych osób odpowiedzialnych za całe obszary, z których każda jest w znacznym stopniu wspomagana przez AI. Jedna osoba odpowiada za cały obszar naszego programatycznego SEO. Jedna osoba odpowiada za naszą społeczność i infrastrukturę danych. Każda jednostka organizacyjna nie jest już zespołem — to jeden silny operator wspierany przez AI.
Gdzie należy korzystać z AI, a gdzie nie
Kultura to obszar, w którym zachowuję największą ostrożność. Jest z gruntu ludzka — kształtuje ją sposób, w jaki traktuje się ludzi w trudnych momentach, a tego nie można zlecić na zewnątrz.
Wykorzystuję również AI w strategii, podejmowaniu decyzji i projektowaniu struktury organizacyjnej, przy czym intensywność zastosowania jest różna w każdym z tych obszarów.
- Podejmowanie decyzji to najważniejszy obszar: przed podjęciem decyzji testuję z wykorzystaniem mojego systemu AI strategie cenowe, rekrutacyjne i negocjacyjne.
- W strategii intensywnie wykorzystuję je do analizy rynku.
- W projektowaniu struktury organizacyjnej, gdy przebudowywałem firmę wokół osób odpowiedzialnych za poszczególne domeny zamiast zespołów, opracowywałem tę zmianę wraz z AI, modelując zakres odpowiedzialności każdej roli i identyfikując rzeczywiste ograniczenia.
Kultura to obszar, w którym zachowuję największą ostrożność. Jest z gruntu ludzka, ponieważ kształtuje ją sposób, w jaki traktuje się ludzi w trudnych momentach, a tego nie można zlecić na zewnątrz. AI pomaga w przygotowaniach. Przed trudną rozmową dotyczącą wyników pracy zastanawiam się, jak mówić wprost, nie będąc przy tym okrutnym, i co ta osoba powinna usłyszeć. Sama rozmowa musi jednak odbyć się ze mną.
AI może sprawić, że będę lepiej przygotowanym liderem. Nie może jednak sprawić, że będę liderem obecnym. Tej części nie mogę delegować.
Jak można przeprojektować proces selekcji z wykorzystaniem AI
Rekrutacja tradycyjnie jest grą na dużą skalę: wyszukujesz sto życiorysów, pobieżnie je przeglądasz, przekazujesz trzydzieści i masz nadzieję, że kilka z nich się sprawdzi. Wartość rekruterów polegała na przepustowości. My jednak przebudowaliśmy całą operację selekcji wokół AI.
Najpierw utworzyliśmy dedykowany projekt w Claude dla każdego zlecenia klienta, z niestandardowymi instrukcjami, które kodują rzeczywisty poziom wymagań rekrutacyjnych — nie wymagania podane w opisie stanowiska, lecz to, co kierownik ds. rekrutacji ma na myśli po rozmowie z nim.
Opis stanowiska mówi: „starszy inżynier React”. Rzeczywisty poziom wymagań po rozmowie to: „osoba, która wdrożyła potok RAG na produkcji i potrafi skonfigurować integracje telefoniczne”. Ten niuans znajduje się w obszarze roboczym.
Po drugie, wczytujemy plan rozmowy kwalifikacyjnej klienta i kartę oceny jako źródło prawdy. Dzięki temu AI dokonuje selekcji według dokładnych kryteriów, które zastosuje klient, a nie według ogólnie rozumianego poziomu doświadczenia.
Po trzecie, każdy kandydat otrzymuje ocenę od jednego do dziesięciu w każdym wymaganym obszarze, wraz z pisemnym uzasadnieniem i wyraźnie wskazanymi lukami. Nie „dobrze pasuje”, lecz „frontend: 9, wdrożenie RAG: 8, telefonia: 0, oto dlaczego”.
W rezultacie zmieniły się nasze wyniki. Przestaliśmy przekazywać trzydzieści życiorysów i zaczęliśmy wysyłać od trzech do pięciu dokładnie odpowiednich, z których każdy zawierał analizę, na podstawie której klient mógł działać.
Listy kandydatów stały się znacznie bardziej precyzyjne, kandydaci przechodzili dalej w procesie rekrutacyjnym, a rozmowy zmieniły się z „Oto kilka osób” na „Oto dokładnie, jak każda z nich odpowiada Twoim kryteriom”.
Jednak głębsza zmiana dotyczyła zadań mojego zespołu. AI zajmuje się teraz żmudną pracą — czytaniem, dopasowywaniem i wstępną selekcją. Oznacza to, że każda godzina pracy człowieka w moim zespole jest poświęcana temu, czego AI nie potrafi zrobić: odczytywaniu motywacji, ocenie, czy ktoś odnajdzie się w chaotycznym środowisku startupu, budowaniu relacji i finalizowaniu zatrudnienia.
Ta praca się nie skurczyła. Przeniosła się wyżej w łańcuchu wartości. Jako lider zacząłem przede wszystkim dbać o to, aby zespół rozumiał tę zmianę i wykorzystywał ją, zamiast czuć się nią zagrożony.
Dlaczego przeprojektowanie procesów ma kluczowe znaczenie przy wdrażaniu AI
Największa rozbieżność polega na tym, że firmy traktują AI jako coś, co można dodać — licencje, narzędzie, odgórny nakaz „korzystania z AI” — podczas gdy tak naprawdę trzeba przeprojektować organizację wokół niego. To zupełnie różne projekty.
Ludzie nie dostrzegają tego mechanizmu. AI wzmacnia każdy proces, do którego je zastosujesz. Jeśli podstawowy proces jest dobry, AI sprawia, że staje się on znacznie szybszy. Jeśli proces jest przeciętny — a większość procesów w większości firm jest przeciętna — AI pozwala jedynie szybciej wykonywać przeciętną pracę. Nie uzyskujesz transformacji. Otrzymujesz to samo zamieszanie, tylko szybciej.
Widzę to z obu stron mojej działalności. Wewnętrznie, kiedy przeprowadziłem audyt naszego stosu programowego, odkryłem, że korzystaliśmy z ponad pięćdziesięciu narzędzi, z czego sporą część stanowiły narzędzia AI, które kupiliśmy, ponieważ wierzyliśmy, że sam zakup jest transformacją.
To mylenie mnożenia narzędzi z postępem. Z zewnętrznej perspektywy obserwuję, jak kolejni klienci wyposażają każdego inżyniera w narzędzia AI do programowania, a mimo to nadal mają trudności z dostarczaniem produktów, podczas gdy nieliczni naprawdę działają szybko. Różnicą nigdy nie jest liczba narzędzi, lecz to, czy przeprojektowali sposób pracy.
Jak wyzwania psychologiczne wpływają na wdrażanie AI
Kiedy wprowadzałem AI do części firmy, ludzie rzadko otwarcie się sprzeciwiali. Opór był bardziej subtelny. Niektórzy używali go zbyt mało i nadal wykonywali zadania w powolny sposób. Inni korzystali z niego bez przerwy, ale o tym nie wspominali, niemal tak, jakby obawiali się, że zostaną przyłapani na oszustwie. Nikt nie powiedział: „Czuję się tym zagrożony”, ale ich zachowanie właśnie to pokazywało.
Z czasem zrozumiałem, że dla wielu osób praca jest ich tożsamością, a ich wartość wiąże się z tym, że są dobrzy w konkretnym fachu. Kiedy narzędzie może nagle wykonać dużą część tej pracy, nie tylko zmieniasz czyjś sposób pracy, ale też podważasz sposób, w jaki ta osoba postrzega samą siebie. To nie jest problem szkoleniowy, który można rozwiązać za pomocą instruktażu.
Kiedyś uważałem, że przewodzenie zmianie technologicznej polega na podejmowaniu trafnych decyzji dotyczących narzędzi i procesów. Teraz sądzę, że prawdziwa praca polega na pomaganiu ludziom w ponownym określeniu własnej wartości — otwarcie i w atmosferze bezpieczeństwa.
W praktyce oznaczało to wielokrotne i jednoznaczne pokazywanie, że korzystanie z AI jest w porządku. Że można powiedzieć: „AI wykonało większość tego szkicu”. Że nie trzeba już być najszybszą osobą piszącą na klawiaturze ani najlepszym badaczem w zespole, ponieważ to nie tam znajduje się teraz twoja wartość. Musieliśmy usunąć poczucie wstydu, zanim mogło dojść do wdrożenia.
Najbardziej osobiście wpłynęło na mnie to, że musiałem odpowiedzieć na to samo pytanie samemu sobie.
Przez lata mogłem tłumaczyć powolne postępy stwierdzeniem: „Nie mamy wystarczających zasobów”. Ta wymówka w dużej mierze zniknęła. Jeśli coś teraz nie posuwa się naprzód, zwykle dzieje się tak dlatego, że nie zdefiniowałem tego wystarczająco jasno, aby człowiek lub AI mogli się tym zająć. To daje do myślenia.
Kiedy narzędzie może nagle wykonać dużą część tej pracy, nie tylko zmieniasz czyjś sposób pracy — podważasz sposób, w jaki ta osoba postrzega samą siebie.
Jak wykonać mało efektowną część wdrażania AI
Oto moje podejście do wdrażania AI.
Po pierwsze, twarda zasada: nigdy nie automatyzujemy procesu, którego wcześniej nie sprawdziliśmy ręcznie. W tej chwili prowadzimy kampanię rozwoju biznesu i wyraźnie poleciłem zespołowi, aby najpierw przeprowadził ją ręcznie.
Samodzielnie wysyłaj wiadomości, prowadź rozmowy i sprawdź, co rzeczywiście działa. Dopiero gdy potwierdzimy skuteczność procesu, automatyzujemy go, ponieważ automatyzacja jedynie skaluje to, co już masz. Zautomatyzuj proces, którego nie rozumiesz, a zbudujesz bardzo skuteczny sposób na poniesienie porażki.
Po drugie, traktuję wdrażanie AI jako kwestię sposobu pracy i osądu, a nie zakupów. Sukcesem nigdy nie będzie „więcej narzędzi”. Chodzi o mniejszą liczbę narzędzi, używanych dogłębnie przez osoby, które naprawdę zmieniły sposób pracy. Ograniczamy ich liczbę zdecydowanie.
Po trzecie, zmieniłem to, co nagradzamy. AI sprawiło, że sama ilość pracy stała się tania, a osąd — wiedza o tym, który problem należy rozwiązać, oraz dostrzeganie momentów, gdy AI z przekonaniem podaje błędną odpowiedź — stał się rzadką i cenną wartością.
Organizacja zbudowana na potrzeby dawnego świata nagradza osoby, które produkują najwięcej. Organizacja zbudowana na potrzeby obecnego świata musi nagradzać osoby, które podejmują trafne decyzje. To prawdziwa zmiana w sposobie prowadzenia rozmów dotyczących wyników pracy.
Jak budować kompetencje AI i gotowość zespołów
Większość osób uważa, że gotowość do korzystania z AI oznacza biegłość w obsłudze narzędzi — zespół wie, jak korzystać z produktów AI. To jednak najmniej istotna część, a poza tym co sześć miesięcy i tak się zmienia.
Gotowość do korzystania z AI oznacza cztery rzeczy:
- Ktoś domyślnie pyta: „Czy AI powinno wykonać pierwszą wersję tego zadania?”, zanim zrobi to ręcznie.
- Potrafi napisać jasny opis zadania, ponieważ nieprecyzyjne dane wejściowe prowadzą do nieprecyzyjnych rezultatów, a umiejętność wyrażenia problemu jest prawdziwą kompetencją.
- Dostrzega, kiedy AI z przekonaniem podaje błędną odpowiedź.
- Otwarcie informuje o korzystaniu z niego.
Osąd, jasna komunikacja, weryfikacja, przejrzystość. Żadna z tych rzeczy nie jest narzędziem.
Oto kroki prowadzące do budowania umiejętności korzystania z AI:
- Spraw, aby korzystanie z AI było wyraźnie bezpieczne i oczekiwane. Ludzie ukrywają korzystanie z AI, jeśli sądzą, że przez to będą wyglądać na łatwych do zastąpienia, dlatego liderzy muszą aktywnie normalizować stwierdzenie „AI wykonało pierwszy etap tego zadania”, aż wstyd zniknie. Umiejętności nie mogą rozwijać się w tajemnicy.
- Ucz w ramach rzeczywistej pracy, a nie podczas ogólnego seminarium — rekruter rozwija te umiejętności poprzez selekcję kandydatów, a osoba zajmująca się generowaniem popytu poprzez badanie potencjalnych klientów. Wiedza się utrwala, ponieważ jest powiązana z wykonywaną pracą.
- Oto krok, który większość osób pomija: obniż poziom wymaganych umiejętności zamiast robić z każdego eksperta. Budujemy wspólną infrastrukturę — gotowe obszary robocze z zakodowanym już kontekstem i instrukcjami — dzięki czemu osoba na początku kariery uzyskuje rezultaty na poziomie eksperta, nawet jeśli nie jest ekspertem od tworzenia promptów.
Dlaczego umiejętność korzystania z AI wiąże się z własnymi problemami
Problemy są realne. Największym z nich jest nadmierne zaufanie.
Gdy ludzie nabierają swobody, niektórzy zaczynają bezkrytycznie akceptować rezultaty AI. Osoba na początku kariery publikuje coś subtelnie niepoprawnego, ponieważ jej znajomość dziedziny nie dorównała jeszcze pewności siebie w korzystaniu z narzędzia. Właśnie dlatego trzeba wbudować weryfikację w sposób, w jaki definiujesz „gotowość”.
Drugi problem jest trudniejszy i nikt cię przed nim nie ostrzega: AI nie podnosi wydajności wszystkich w równym stopniu. Twoi najlepsi ludzie szybko zwielokrotniają swoje możliwości dzięki AI, podczas gdy najsłabsi zatrzymują się w miejscu. Różnica w wydajności w zespole się powiększa. To problem zarządczy, który wymusza szczere rozmowy, których nie można uniknąć.
Dlaczego odejmowanie narzędzi wzmacnia stos technologiczny
Najważniejszą zmianą w moim stosie technologicznym w tym roku było odejmowanie.
Najpierw przedstawię podstawę, a potem zmianę.
Podstawą jest Claude. Nie jest „narzędziem” w stosie w taki sposób jak pozostałe — to warstwa, przez którą przechodzi większość rzeczywistej pracy: selekcja i ranking kandydatów, analiza finansowa, tworzenie umów, treści, strategia.
Używam go jako zestawu dedykowanych obszarów roboczych, po jednym dla każdej głównej części firmy, z niestandardowymi instrukcjami opisującymi sposób działania danej dziedziny. W przypadku bardziej technicznych, agentowych projektów korzystam z Claude Code.
Moja ocena: z dużym marginesem jest to narzędzie o największym wpływie na efektywność w całej firmie i nie ma tu nawet bliskiej konkurencji.
Poza tym reszta stosu technologicznego jest celowo nudna. Google Workspace i Slack służą do komunikacji, operacji i utrzymywania infrastruktury naszej społeczności. Beehiiv obsługuje newsletter, Riverside podcast. Deel służy do umów z wykonawcami i płatności. Calendly służy do planowania, Fathom do rejestrowania spotkań i rozmów, a BetterProposals do ofert dla klientów. To właściwie większość.
Moja ocena tej warstwy jest prosta: jest stabilna, pozbawiona blasku i taka powinna pozostać. Warstwa operacyjna firmy nie jest miejscem, w którym potrzebujesz nowości.
A teraz najważniejsza zmiana. Na początku tego roku przeprowadziłem audyt każdej subskrypcji produktu. Spodziewałem się dwudziestu lub trzydziestu narzędzi... było ich ponad pięćdziesiąt. Najbardziej wymowną grupę stanowiło pięć różnych subskrypcji AI, wykonujących w dużej mierze te same zadania. Dwa niezależne narzędzia do śledzenia czasu. Trzy różne narzędzia do publikowania na LinkedIn. Pięć platform internetowych.
Nic z tego nie było strategią. Była to pozostałość po roku mówienia „tak”. Każde „po prostu to wypróbuję”, którego nigdy nie anulowano. Pięć narzędzi używanych w 10% swoich możliwości przegrywa z jednym narzędziem używanym w 90%. Dlatego zdecydowanie skonsolidowaliśmy rozwiązania, ograniczając narzędzia AI do Claude jako głównego narzędzia, wybierając wszędzie indziej po jednym narzędziu do każdego zadania i rezygnując z pozostałych.
Jak AI zmieni rynek talentów inżynierskich
Oto coś interesującego, co obserwuję w obszarze rekrutacji inżynierów. Warto o tym pamiętać.
W ciągu pięciu lat tradycyjna praca inżyniera na poziomie początkującym w większości zniknie. Nie „zmieni się” — zniknie. AI wykonuje obecnie pod nadzorem dokładnie te dobrze zdefiniowane, nieskomplikowane zadania programistyczne, do których historycznie zatrudniano inżynierów po studiach, i robi to dobrze oraz tanio.
Firmy już spowalniają rekrutację osób na początku kariery. Za pięć lat nie będzie to spowolnienie, lecz zmiana strukturalna.
Nie da się wykształcić starszego inżyniera bez lat pracy na stanowisku początkującym. Dojrzały osąd — wiedza o tym, które podejście załamie się przy dużej skali, oraz wyczucie złej decyzji architektonicznej — nie jest nauczany; inżynierowie zdobywają go, wykonując tysiące drobnych zadań i od czasu do czasu popełniając błędy.
Jeśli usuniesz szczebel dla początkujących, usuwasz poligon szkoleniowy. Moja prawdziwa prognoza jest więc taka, że za około pięć lat, gdy zniknie stanowisko juniorskie, branża zderzy się z niedoborem starszych inżynierów, który sama wytworzyła. Optymalizujemy najniższy szczebel drabiny, nie zdając sobie sprawy, że to właśnie drabina pozwalała ludziom dotrzeć na szczyt.
Stanowisko inżyniera na poziomie podstawowym zniknie — a firmy, które przetrwają tę dekadę, będą tymi, które zrozumieją, jak kształtować starszych specjalistów, a nie tylko ich znajdować. Cała branża przejdzie od wyszukiwania ludzi do ich rozwijania.
Dlaczego szczerość jest kluczowa w poruszaniu się po transformacji AI
Oto moja rada dla liderów:
- AI wygląda jak problem technologiczny, więc liderzy traktują go jak taki problem — narzędzia, budżety, szkolenia. To problem przywództwa. Oprogramowanie nigdy nie było najtrudniejszą częścią. AI zmusza wszystkich w twoim zespole do ponownego określenia tego, co czyni ich wartościowymi, a to jest przerażające. Ludzie nie powiedzą tego głośno. Jeśli zarządzasz wdrożeniem, ale nie zarządzasz strachem, wdrożenie się nie powiedzie. Najpierw poprowadź ludzką transformację.
- AI nie naprawia zepsutej organizacji, lecz ją ujawnia. Sprawia, że niechlujne procesy i niejasne myślenie przebiegają szybciej i stają się bardziej widoczne. Duża część prawdziwej pracy nie polega wcale na wdrażaniu AI, lecz na pozbawionym blasku zadaniu, jakim jest szczere przyjrzenie się temu, jak działa twoja organizacja, i naprawienie tego. AI po prostu odbiera ci możliwość ukrywania się przed tym problemem.
- Zacznij teraz, od własnej rzeczywistej pracy — nie od pilotażu i nie od czegoś, co delegujesz. Liderzy, którzy nie korzystali z tych narzędzi dogłębnie przy rozwiązywaniu własnych najtrudniejszych problemów, nie mogą przeprowadzić przez tę zmianę nikogo innego.
I jeszcze jedno. Nikt nie ma tego wszystkiego rozpracowanego, ja również. Każdy, kto sprzedaje dziś pewność, coś sprzedaje. Właściwa postawa to nie pewność siebie, lecz szczerość, szybkie tempo uczenia się i dyscyplina, by nie zlecać maszynie ludzkich aspektów przywództwa, bez względu na to, jak dobra stanie się maszyna.
Liderami, którzy wygrają w tym momencie, nie będą ci, którzy wdrożyli najwięcej AI. Będą nimi ci, którzy pozostali najbardziej szczerzy.
Dlaczego liderzy muszą zrobić miejsce na mistrzostwo i zmagania
Jeszcze jedna rzecz. W pewnym momencie liderzy mogą potrzebować przestać myśleć o tym, co daje nam AI, i zacząć myśleć o tym, co po cichu nam odbiera.
Każda rozmowa o AI i przywództwie, w tym większość tej rozmowy, koncentruje się na korzyściach. Szybciej, taniej, z większą dźwignią. To wszystko jest prawdą. Ale istnieje też koszt i powinniśmy go uczciwie nazwać.
To właśnie o tym koszcie myślę najczęściej. Mistrzostwo — prawdziwy, głęboki osąd na poziomie starszego specjalisty — zawsze kształtuje się poprzez zmagania. Utkniesz, siedzisz nad trudnym problemem, trzy razy próbujesz niewłaściwego rozwiązania i gdzieś w tym tarciu się uczysz.
AI usuwa tarcie. Podaje ci odpowiedź, zanim zdążysz się z nią zmierzyć. W krótkiej perspektywie to czysta korzyść, bo praca zostaje wykonana. Jednak zmaganie nigdy nie było tylko nieefektywnością. Było mechanizmem, który sprawiał, że ludzie stawali się dobrzy w tym, co robią. Kiedy je usuwasz, otrzymujesz szybsze wyniki i po cichu — płytszych ludzi. Zamieniamy głębię na szybkość i przeważnie tego nie zauważamy.
Nie mówię tego, żeby spowalniać — nie możesz i nie powinieneś tego robić. Mówię to, ponieważ nazwanie straty jest pierwszym krokiem do zarządzania nią. Jeśli zmaganie buduje osąd, a AI usuwa zmaganie, lider ma teraz nowe, jasno określone zadanie: celowo je przywracać.
Powierzaj ludziom problemy, których AI nie może rozwiązać na skróty. Chroń produktywną trudność, nawet gdy szybka ścieżka znajduje się tuż obok. Traktuj rozwój swoich ludzi jako coś, co teraz wymaga intencjonalnego działania, ponieważ środowisko nie będzie już zapewniać go za darmo.
To właśnie jest część, nad którą chciałbym, aby inni liderzy się zastanowili. Korzyści AI zadbają o siebie same — wszyscy już za nimi gonią. Koszt jest subtelny; ujawnia się po latach i w całości spada na twoich ludzi. Ktoś w pomieszczeniu musi zwrócić na niego uwagę. Tym kimś jesteś ty. To jest teraz twoje zadanie.
Korzyści AI zadbają o siebie same — wszyscy już za nimi gonią. Koszt jest subtelny; ujawnia się po latach i w całości spada na twoich ludzi.
Bądź na bieżąco
Więcej informacji o Davidzie Stepanii znajdziesz na LinkedInie, X, Instagramie, YouTube oraz stronie stepania.co. Sprawdź także ThirstySprout i Chopping Block.
Wkrótce pojawią się kolejne wywiady z ekspertami na People Managing People!
