Od kadry zarządzającej oczekuje się pokazania efektów pracy z AI
Dowody działań: Wiarygodność kadry zarządzającej w coraz większym stopniu zależy od pokazania, co zbudowano, wdrożono, udoskonalono i czego nauczono się dzięki AI.
Znaczenie wdrożenia: Sama biegłość w AI nie wystarczy do przeprowadzenia transformacji; liderzy muszą zdobyć zaufanie interesariuszy i zmienić sposób funkcjonowania organizacji.
Test osądu: Powtarzające się korzystanie z AI może wyostrzać osąd, ale bezkrytyczne zaufanie do wyników może osłabiać podejmowanie krytycznych decyzji.
Luka rekrutacyjna: Firmy mają trudności z oceną liderów, którzy łączą praktyczne umiejętności w zakresie AI z doświadczeniem w kierowaniu zmianą międzyfunkcyjną.
Aktualizacja systemu: Rekrutacja kadry zarządzającej nadal faworyzuje stare sygnały, wywierając presję na przeprojektowanie praktyk związanych z awansami, sukcesją i rozmowami kwalifikacyjnymi.
Poproś starszego rangą lidera, aby opowiedział Ci o problemie, który rozwiązał za pomocą sztucznej inteligencji, i zwróć uwagę na pierwsze 30 sekund.
JC Christian z firmy zajmującej się rekrutacją kadry kierowniczej Christian & Timbers mówi, że wykorzystuje takie rozmowy jako punkt odniesienia. To, co interesuje go na początku, to nie rozwiązanie. Chodzi o to, czy dana osoba potrafi jasno wyjaśnić problem.
„Większość ludzi nie potrafi nawet trafnie opisać samego problemu, nie mówiąc już o zbliżeniu się do rozwiązania” — powiedział.
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
Kiedy kandydat potrafi przedstawić rzeczywistą głębię zarówno problemu, jak i tego, co zbudował, mówi mu to coś istotnego. Jeśli nie potrafi, traktuje to jako sygnał ostrzegawczy.
Interesująca nie jest sama technika prowadzenia rozmowy kwalifikacyjnej. Specjaliści od rekrutacji od zawsze proszą kandydatów o konkretne przykłady. Chodzi o to, co te dowody zaczęły zastępować.
Przez większą część współczesnej ery zarządzania na najwyższym szczeblu wiarygodność wynikała zasadniczo ze zgromadzonej umiejętności rozpoznawania wzorców. Uczestniczyłeś w wystarczającej liczbie cykli, aby mniej więcej wiedzieć, jak ten może się rozwinąć, a częścią Twojej wartości była interpretacja, której nikt inny w pomieszczeniu nie potrafił zaoferować. Dwadzieścia lat doświadczenia operacyjnego zapewniało Ci kredyt zaufania na kolejne 12 miesięcy.
Ten model działał z dobrego powodu. Podejmowania trafnych decyzji w warunkach niepewności trudno nauczyć i trudno je przez długi czas udawać.
Opierał się również częściowo na niedoborze.
Brandon Sammut, dyrektor ds. pracowników i transformacji związanej ze sztuczną inteligencją w firmie Zapier, opisał, jak wyglądało to w poprzedniej firmie. Dwóch inżynierów było jedynymi osobami w organizacji, które rozumiały pewien element architektury produktu.
„W rezultacie byli praktycznie nie do ruszenia” — powiedział. „To nie jest szczególnie zdrowe ani efektywne dla żadnej ze stron tej sytuacji”.
Niedobór chronił tych inżynierów, ale też ich uwięził. Nikt nie mógł sobie pozwolić na to, by zajmowali się czymkolwiek innym. Szerszy punkt widzenia Sammuta jest taki, że sztuczna inteligencja przyspiesza demokratyzację wiedzy, którą zapoczątkował internet.
Wersja dotycząca kadry kierowniczej nigdy nie była aż tak mechaniczna, ale miała podobny charakter. Informacje, interpretacja i pamięć instytucjonalna były ograniczonymi zasobami. Niedobór pomagał ustalać cenę.
Sztuczna inteligencja nie eliminuje wartości doświadczenia. Zmienia to, co doświadczenie musi udowodnić.
Dowodem musi być coś, co zbudowałeś
Christian rozróżnia liderów wspieranych przez sztuczną inteligencję od liderów, dla których sztuczna inteligencja jest naturalnym środowiskiem działania, i bez sentymentów mówi o tym, jak niewielu przekroczyło tę granicę.
„Rozmawiam z ludźmi, którzy mówią: zaczęliśmy właśnie korzystać z Copilota i teraz jesteśmy już liderami, dla których sztuczna inteligencja jest naturalnym środowiskiem działania” — powiedział. „A ja na to: nie, niestety nie jesteście. Jesteście dopiero na samym początku krzywej wdrażania sztucznej inteligencji”.
Chce dowodów wdrożenia: modeli umieszczonych w przepływach pracy, agentów skierowanych do procesów biznesowych oraz liderów, którzy zbliżyli się do pracy na tyle, aby zrozumieć, co się zmieniło.
Prawdziwi liderzy będą zakasać rękawy i pracować przy klawiaturach. Być liderem, dla którego sztuczna inteligencja jest naturalnym środowiskiem działania, i jednocześnie być kimś, kto tylko z boku obserwuje, jest niemal niemożliwe.
W ten sam sposób ocenia firmy, zauważając, że spółki giełdowe chętnie mówią o zwrotach z inwestycji w sztuczną inteligencję, a on zakłada, że niektóre z tych twierdzeń są przesadzone. Interesuje go cisza.
„Jeśli w ogóle się nie chwalimy, zazwyczaj jest to sygnał ostrzegawczy” — powiedział. „Jeśli jesteś liderem wdrażania sztucznej inteligencji w firmie, a firma nie osiąga żadnego zwrotu z inwestycji w sztuczną inteligencję, to perspektywa uznania Twojej roli za sukces jest dość ponura”.
Opisywana przez niego zmiana polega na tym, że wiarygodność staje się bardziej możliwa do wykazania. „Przeprowadziłem firmę przez trzy transformacje” nadal ma znaczenie. Coraz częściej pojawia się jednak pytanie uzupełniające: Co tak naprawdę zmieniłeś w tej konkretnej transformacji?
Gdzie koncentruje się popyt
Nie oznacza to, że rynek po prostu uznał, iż biegłość techniczna przewyższa doświadczenie.
Christian mówi, że klienci wciąż przedstawiają mu pewną wersję tego samego problemu.
„Wielu liderów mówi: «Hej, mam dwudziestokilkuletniego cudownego dzieciaka, któremu całkowicie brakuje powagi i doświadczenia transformacyjnego, ale zbudował te wszystkie świetne rzeczy i najlepiej zna się na sztucznej inteligencji». I zastanawiam się: czy mam go awansować i uczynić swoim wiceprezesem ds. wdrażania sztucznej inteligencji, czy poszukać kogoś z zewnątrz?”
Jak twierdzi, bariera techniczna jest często niższa, niż wyobrażają sobie osoby na stanowiskach kierowniczych. Wiele ról związanych z transformacją z wykorzystaniem sztucznej inteligencji nie jest stanowiskami inżynieryjnymi, a ciekawi ludzie, którzy pozostają blisko technologii, mogą nauczyć się korzystać z tych narzędzi.
Następnie komplikuje tę historię.
Te same względy, które istniały 20, 10 czy 50 lat temu, mają znaczenie również dziś.
Doświadczenie w transformacji oraz umiejętność pracy w obszarach procesów, technologii i ludzi nadal mają znaczenie, ponieważ samo budowanie to dopiero połowa problemu.
„Wdrożenie jest w rzeczywistości największym problemem” — powiedział Christian. „Technologia jest łatwiejszym problemem. Łatwiej go rozwiązać”.
Dodał, że bez poparcia interesariuszy „wdrożenie będzie chaotyczne. Nie uzyskacie żadnej wartości, a może nawet wartość ujemną”.
Tak więc nowa premia nie dotyczy tak naprawdę młodości ani nawet biegłości w AI. Chodzi o połączenie wystarczającej bliskości z technologią, aby móc budować, oraz wystarczającej wiarygodności organizacyjnej, aby skłonić innych do zmiany.
Christian twierdzi, że właśnie dlatego popyt koncentruje się między dwoma archetypami:
- Doświadczony lider transformacji, któremu brakuje praktycznej biegłości w AI
- Młodszy twórca, któremu brakuje doświadczenia w przeprowadzaniu organizacji przez zmiany.
Firmy, które bezpośrednio obsadzają tę drugą grupę w rolach kierowniczych obejmujących wiele funkcji, często napotykają problem zaufania. Christian uważa, że osoby te lepiej odnajdują się na stanowiskach szefa sztabu lub zastępcy, gdzie mogą współpracować z bardziej doświadczonym członkiem kadry kierowniczej.
Dwa słowa mają w tym argumencie ogromne znaczenie i zasługują na dokładniejsze przyjrzenie się im.
„Charyzma” i „prezencja menedżerska” od dawna pełnią funkcję zastępczych kryteriów oznaczających wyglądanie i brzmienie jak osoby, które już zajmują dane stanowisko. Każda kompetencja oceniana głównie intuicyjnie niesie ryzyko odtwarzania preferencji osób znajdujących się w pomieszczeniu, w którym odbywa się ocena.
Jednak ukryty wymóg Christiana jest bardziej konkretny: czy ta osoba potrafi skłonić sceptycznego lidera finansowego, operacyjnego lub szefa jednostki biznesowej do zmiany sposobu pracy jego zespołu?
To nie jest ogłada. To wpływ.
I sugeruje, że doświadczenie nie zostało aż tak bardzo zdeprecjonowane, jak raczej zmuszone do konkurowania z nową formą dowodów.
Osąd może szybciej się kumulować lub zanikać
Tony Castellanos, wiceprezes wykonawczy ds. pracowników w Nextdoor, przedstawia najbardziej użyteczny opis tego, jak powstaje jedna z części tego nowego kapitału.
Nie dzieje się to dzięki kolejnemu kursowi dla kadry kierowniczej.
To powtarzalność. To kolejne podejścia. Tak naprawdę nie ma kursu ani szkolenia, które można w tym celu odbyć. To nagromadzenie sukcesów i bolesnych ciosów, gdy coś pójdzie nie tak.
AI może znacznie zwiększyć liczbę takich prób. Problem, z którym ktoś mógł zetknąć się kilkanaście razy na przestrzeni kilku lat, można teraz przetestować na dziesiątki sposobów w ciągu jednego popołudnia. Powinno to stwarzać możliwości szybszego rozwijania osądu.
Istnieje jednak oczywista komplikacja. Więcej rezultatów oznacza również więcej okazji, by nie przyglądać się im uważnie.
„Starałem się przeczytać większość dokumentów, które do mnie trafiły, ale szczerze mówiąc, napływają tak szybko” — powiedział Castellanos.
Pojawia się też kwestia zaufania.
Pracujcie blisko z modelem przez sześć miesięcy, weryfikujcie każdy rezultat i wykazujcie się prawdziwym osądem, a w końcu zacznie ujawniać się przewidywalne ludzkie zachowanie: sprawdzanie zaczyna słabnąć.
„Kiedy zatrudniacie nową osobę, automatycznie nie ufacie wszystkiemu, co robi, ale z czasem dostarcza rezultaty, ma rację i coraz bardziej jej ufacie — tak samo będziecie coraz bardziej ufać LLM” — powiedział Castellanos.
„Kiedy przesyłają wam rzeczy do korekty, audytu czy sprawdzenia, z czasem prawdopodobnie robicie tego coraz mniej”.
Tworzy to osobliwą możliwość. AI może zwiększać liczbę powtórzeń, poprzez które kształtuje się osąd, a jednocześnie tworzyć warunki, w których ten osąd jest stosowany rzadziej.
Odpowiedzią Castellanosa nie jest żądanie nieustannego sprawdzania wszystkiego przez człowieka. Wyobraża sobie wprowadzenie „trzeciego sceptyka” — potencjalnie kolejnego systemu AI — którego zadaniem byłoby podważanie relacji roboczej między człowiekiem a modelem, któremu człowiek zaczął ufać.
Dwa systemy się nie zgadzają. Człowiek musi zdecydować, dlaczego.
„Jaka jest właściwa decyzja? Co jest właściwe dla mnie? Co jest właściwe dla mojej organizacji?”
Nie chodzi o to, że sceptyk wie lepiej. Chodzi o to, że niezgoda zmusza osąd do powrotu do procesu.
Ma to znaczenie, ponieważ sama biegłość w AI z czasem stanie się mniej wyróżniająca. Christian przewiduje, że to, co dziś wydaje się nietypowe u kandydatów na stanowiska kierownicze, stanie się podstawowym oczekiwaniem.
Dzisiejszy dowód na to, że ktoś ma wyjątkowe zdolności w zakresie AI, jutro stanie się odpowiednikiem umiejętności finansowych.
Trwałym atutem nie jest samo korzystanie z technologii. Jest nim umiejętność decydowania, kiedy jest ona właściwym rozwiązaniem, kiedy się nie sprawdza, co ma znaczenie i co należy zrobić dalej.
Mechanizm selekcji pozostaje w tyle
Stwarza to problem w zakresie rekrutacji i rozwoju kadry kierowniczej.
Mechanizm, który wyłania kadrę kierowniczą wyższego szczebla — plany sukcesji, kryteria awansu, programy przywódcze, zakresy odpowiedzialności za wyniki finansowe i operacyjne oraz długie okresy nauki zawodu w ramach danej funkcji — został w dużej mierze zbudowany wokół gromadzonego doświadczenia.
Wciąż opiera się na nim znaczna część mechanizmu wykorzystywanego do ich wyboru.
Christian powiedział, że wiele procesów rekrutacyjnych na stanowiska kierownicze nie zmieniło się znacząco. Firmy nadal w dużej mierze polegają na znanych pytaniach behawioralnych, schematach wydobywania przykładów i ostatecznie na zbiorze intuicyjnych ocen dokonywanych przez osoby prowadzące rozmowę.
Jest pytany o to, jakie nowe pytania firmy powinny zadawać, ponieważ cechy, których obecnie poszukują, mogą być trudne do zidentyfikowania.
Jeśli wiarygodność kadry kierowniczej jest obecnie na nowo wyceniana na podstawie połączenia sprawczości potwierdzonej w działaniu, osądu i umiejętności przeprowadzania ludzi przez zmianę, samo dodanie „biegłości w AI” do starego modelu kompetencji niewiele zmieni.
Lista Sammuta dotycząca tego, co zyskuje na wartości, jest wymowna właśnie dlatego, że tak niewiele z tych cech jest nowych: osąd, wyczucie, wiarygodność, niezawodność, odpowiedzialność i umiejętność wywierania wpływu bez formalnych uprawnień. AI sprawia, że te zdolności stają się ważniejsze, a nie mniej istotne.
Castellanos dochodzi do podobnego wniosku z innej perspektywy. Uważa, że wiedza ekspercka nadal będzie ważna, podczas gdy coraz więcej osób będzie działać w szerszych obszarach problemowych, wykorzystując AI do uzyskiwania dostępu do wiedzy, która wcześniej pozostawała zamknięta w ramach jednej funkcji.
Na tym właśnie polega ta ponowna wycena. Doświadczenie nadal ma wartość. Tak samo biegłość techniczna, ale odtąd żadne z nich nie może już zastępować dowodów.
Im bardziej wiedza staje się dostępna, tym trudniej budować pozycję kierowniczą wyłącznie na jej posiadaniu. Zyskuje natomiast na wartości umiejętność zrobienia z niej użytku. Czy potrafisz zidentyfikować problem, stworzyć rozwiązanie w odpowiedzi na niego, ocenić, czy rezultat jest wystarczająco dobry, i przekonać innych ludzi do działania.
Przez dziesięciolecia ścieżka rozwoju kadry kierowniczej była dostosowana do wyszukiwania osób, które widziały wystarczająco dużo, by zasługiwać na kredyt zaufania.
Coraz częściej wątpliwości pojawiają się podczas rozmowy kwalifikacyjnej.
