Prawdziwy powód, dla którego Wasze pilotażowe projekty AI wciąż kończą się niepowodzeniem, i jak przywrócić je na właściwe tory
Większość projektów AI nie kończy się niepowodzeniem z powodu złej technologii. Kończą się niepowodzeniem, gdy dobra technologia trafia na nieprzygotowanych ludzi.
W ubiegłym roku badanie MIT odbiło się szerokim echem na całym świecie, gdy wykazało, że 95% pilotażowych wdrożeń generatywnej AI nie przynosi wymiernego zwrotu z inwestycji. Wskaźnik niepowodzeń nie ma nic wspólnego z możliwościami modeli. Organizacje wdrażają narzędzia AI w zawrotnym tempie, bez struktur zarządzania, bez odpowiedzialności za szkolenia i bez jasnego celu komunikowanego zespołom. W ciągu kilku tygodni systemy przestają działać, ponieważ ludzie nie byli na to gotowi.
Ludzie korzystają z narzędzi w niespójny sposób, co powoduje ogromne różnice w wynikach. Jakość gwałtownie spada. Pracownicy uzależniają się od systemów, których nie rozumieją, a ich podstawowe umiejętności zanikają. Pod presją, by dostarczać rezultaty, całkowicie porzucają oficjalne narzędzia i sięgają po dowolną osobistą AI, która wydaje im się łatwiejsza w użyciu.
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
Dziś znamy to zjawisko jako ukrytą AI.
Koszt nie ogranicza się do zmarnowanego czasu poświęconego na rozwój. Obejmuje również spadek produktywności, pogorszenie jakości wyników, ryzyko niezgodności z przepisami oraz błędne ukierunkowanie strategiczne.
Dlaczego pilotażowe wdrożenia AI kończą się niepowodzeniem
Liderzy postrzegają wdrażanie AI jako wdrożenie technologii, choć w rzeczywistości jest to transformacja organizacyjna.
Wdrożenie to wyzwanie technologiczne. Potrzebujesz odpowiednich danych dla wybranego narzędzia, musisz uporządkować kwestie licencji i dostępu, a następnie uruchomić system.
Transformacja jest wyzwaniem związanym z ludźmi. Dotyczy zachowań, przepływów pracy, sposobów działania, tożsamości osobistych i kompetencji. Praca odbywa się w sposobie, w jaki ludzie myślą, podejmują decyzje i współpracują, a nie w samym narzędziu.
Nie sądzę, by rozsądne było traktowanie generatywnej AI jako wdrożenia technologii. W rzeczywistości jest to raczej ćwiczenie z zarządzania zmianą, ponieważ wymaga skłonienia ludzi do innego myślenia o swojej pracy, a także zmiany ich zachowań. Ostatecznie chcemy, aby te zachowania przerodziły się w nawyki.
Pomijając pracę nad transformacją, otrzymujesz chaos przebrany za innowację.
Presja, by działać szybko, jest realna. Wszyscy zakładają, że konkurenci pędzą do przodu, więc pomijają trudną pracę nad projektowaniem systemów i przeprojektowaniem przepływów pracy. Niektóre organizacje przyjmują nonszalanckie podejście odgórne, kierując się chęcią ograniczenia kosztów, zwiększenia wydajności lub postrzegania siebie jako organizacji nowoczesnej.
Rezultat? 42% firm porzuciło swoje inicjatywy związane z AI w 2025 roku, co stanowi gwałtowny wzrost w porównaniu z zaledwie 17% w poprzednim roku.
Trzy luki kompetencyjne niszczące zwrot z inwestycji w AI
Luka kompetencyjna nie jest jednym problemem. To trzy odrębne deficyty kompetencji, które nakładają się na siebie i prowadzą do niepowodzenia organizacji.
1. Ocena techniczna przy podejmowaniu decyzji dotyczących wdrożenia
Twój zespół musi rozumieć, kiedy korzystać z narzędzia, a kiedy tego nie robić. To coś innego niż wiedza o tym, jak go używać.
Zbyt często ludziom brakuje umiejętności oceny, czy wynik AI jest wystarczająco dobry, odpowiedni w danym kontekście, a nawet czy odpowiada na właściwe pytanie. Nie potrafią odróżnić sytuacji, w której „narzędzie coś wygenerowało”, od takiej, w której „narzędzie wygenerowało coś użytecznego”.
Nie ma to nic wspólnego z umiejętnościami SQL ani z kontrolą wersji. Chodzi o rozwinięcie rozeznania pozwalającego podejmować trafne decyzje dotyczące wdrażania AI w rzeczywistych sytuacjach zawodowych.
Taylor Blake, starszy wiceprezes ds. laboratoriów AI w Degreed, wskazuje na fundamentalne rozbieżności.
„Różnica między demonstracją AI a AI w praktyce może być ogromna. Tak naprawdę nie wiesz, jak wygląda, dopóki nie zaczniesz pracować z tym rozwiązaniem i nie zobaczysz oraz nie odczujesz tych problemów” — powiedział.
2. Standardy jakości i ramy oceny
Większość organizacji pokazuje ludziom, jak działa narzędzie. To pozwala im jedynie zarysować temat.
Brakuje natomiast umiejętności oceniania wyników według konkretnych, istotnych standardów. Bez jasnych ram jakości ludzie przyjmują postawę: „narzędzie coś wygenerowało, więc tego użyję”.
Luka dotycząca zwrotu z inwestycji ma znaczenie, ponieważ rzeczywisty zwrot wynika ze zwiększania efektywności ludzi w pracy o najwyższej wartości, a nie z generowania większej ilości wyników. W świecie, w którym każdy ma dostęp do tych samych narzędzi, tworzenie środowiska, w którym ludzie strategicznie wykorzystują AI, pozwala wyróżnić wyniki biznesowe.
3. Kreatywne zastosowanie i rozwiązywanie problemów
Większość szkoleń całkowicie zawodzi w tym obszarze. Uczą funkcji zamiast inspirować do kreatywnego rozwiązywania problemów.
Być może ktoś bez problemu wygeneruje treść marketingową, gdy otrzyma kreatywne wytyczne. Jednak gdy przychodzi do analizy możliwości i wyboru kierunku, utknie. To właśnie stanowi jego większą szansę — obszar, w którym AI może zmienić jego podejście do pracy.
Prezentowanie różnych funkcji w celu inspirowania do kreatywnego zastosowania pomaga pracownikom stawiać czoła najbardziej czasochłonnym wyzwaniom. To właśnie tam zachodzi prawdziwa transformacja.
Kryzys tożsamości, który ignorujesz
Tożsamość osobista nie pojawia się w większości planów wdrażania AI. Powinna.
Gdy AI zaczyna przejmować część obowiązków danej osoby, wywołuje głębokie poczucie niepewności i lęk. Ludzie obawiają się, co się stanie, jeśli nie dostosują się do zmian zachodzących na rynku pracy. Ten lęk przejawia się na dwa destrukcyjne sposoby.
1.) Sprzeciwiają się inicjatywom AI firmy lub je sabotują. Nie w sposób jawny, lecz poprzez bierne nieprzyjmowanie rozwiązań, obchodzenie procedur i ciche podważanie oficjalnych systemów.
2.) Sięgają po narzędzia, które wydają się łatwiejsze w użyciu, niezależnie od tego, czy faktycznie odpowiadają potrzebom biznesowym. To prowadzi do problemu ukrytego AI: 90% pracowników codziennie korzysta z osobistych narzędzi AI, takich jak ChatGPT, do wykonywania zadań zawodowych, podczas gdy tylko 40% firm ma oficjalne subskrypcje dużych modeli językowych.
Dane dotyczące lęku pracowników są szokujące. 65% pracowników obawia się, że AI zastąpi ich na stanowisku. Około dwie trzecie martwi się, że nie wie, jak korzystać z AI w sposób etyczny. Ten lęk bezpośrednio podważa proces wdrażania, a nawet 70% inicjatyw związanych ze zmianami dotyczącymi AI kończy się niepowodzeniem z powodu sprzeciwu pracowników lub niewystarczającego wsparcia ze strony kadry zarządzającej.
Justin Angsuwat, dyrektor ds. personalnych w Culture Amp, zaobserwował coś sprzecznego z intuicją podczas wdrażania w swojej organizacji trenera AI.
Czasami zakładamy, że osoby na wyższych stanowiskach lub osiągające najlepsze wyniki jako pierwsze zainteresują się AI i w pewnym sensie je opanują. To założenie nie zawsze się sprawdza, ponieważ oduczenie się dotychczasowych sposobów działania jest naprawdę trudne. Jeśli przez 20 lat robiłeś coś w ten sam sposób, część twojej tożsamości jest związana z tym, jak dochodzisz do odpowiedzi.
Paradoks jest brutalny: ludzie jednocześnie obawiają się pozostania w tyle i aktywnie podważają systemy zaprojektowane po to, by pomóc im odnieść sukces.
Najpierw wykonaj pracę związaną z ludźmi
W przypadku dyrektora operacyjnego lub dyrektora ds. personalnych, który zamierza wdrożyć narzędzia AI, działania należy rozpocząć od komunikacji i budowania zaufania.
Pracownicy muszą rozumieć, dlaczego postępujesz w ten sposób, co dzięki temu zyskają i jak wpłynie to na ich przyszłość — zarówno w firmie, jak i w życiu zawodowym.
Być może nadal nie poprą tego w pełni. Jednak przejrzystość tworzy podstawę autentycznego przyjęcia rozwiązania.
Zespół Angsuwata skupił się na budowaniu pewności siebie, zanim zaczął martwić się o perfekcyjne wdrożenie.
„Naszym celem było zwiększenie pewności siebie pracowników w korzystaniu z AI, ponieważ trudno zmierzyć moment olśnienia” — wyjaśnia. „Chodziło przede wszystkim o naukę, próbowanie różnych rzeczy, po prostu o podjęcie próby. Nie chodziło o dostarczenie dopracowanego rezultatu, co znacznie zmniejszyło presję”.
Kluczowa zmiana perspektywy polega na tym, by pomóc ludziom postrzegać pracę z AI jako szansę na rozwijanie nowych umiejętności i ponowne przemyślenie tego, na czym polega ich najważniejszy wkład. Nie jako zagrożenie dla obecnej roli, lecz jako szansę na rozwój w kierunku czegoś bardziej wartościowego.
Samo szkolenie jednak nie wystarczy. Angsuwat przekonał się o tym na własnej skórze.
„Interesujące było to, że nawet podczas tego sześciotygodniowego programu niektórzy podążali za instrukcjami i wykonywali drobne polecenia, tworzyli swoją grę komputerową, a potem wracali do codziennego przepływu pracy. I wtedy znów czuli onieśmielenie”.
Wymaga to od przywództwa wykonania trudnej pracy z wyprzedzeniem, przed wdrożeniem, a nie dopiero po pojawieniu się problemów.
Cathey podkreśla potrzebę stworzenia przestrzeni do eksperymentowania.
„Uważam, że naprawdę ważne jest, aby firmy zrozumiały, że gdy zachodzi zmiana, ludzie będą musieli zwolnić, aby później przyspieszyć. Nikt nie przejdzie od początkującego do eksperta w ciągu jednego dnia. To wymaga procesu, a ludziom trzeba zapewnić przestrzeń i czas na bezpieczne eksperymentowanie.”
Ślepa plamka w zakresie zarządzania
Kiedy kierownictwo udostępnia narzędzia bez jasno określonej odpowiedzialności, struktur odpowiedzialności lub wglądu w schematy użytkowania, powstaje wolna amerykanka.
Większość firm nie monitoruje, jaką pracę ludzie faktycznie wykonują przy użyciu technologii ani w jaki sposób z niej korzystają. To przepis na kryzys zarządzania.
Bez ram zarządzania AI organizacje narażają się na szkody reputacyjne wynikające z niespójnych lub problematycznych rezultatów, utratę zaufania klientów w sytuacji pogorszenia jakości, straty finansowe spowodowane zmarnowanymi inwestycjami i koniecznością ponownego wykonania pracy, a także kary regulacyjne za nieprzestrzeganie przepisów.
Zagrożenie operacyjne jest natychmiastowe. Bez jasnych struktur zarządzania nie można przypisać odpowiedzialności, gdy systemy AI zawodzą lub prowadzą do negatywnych konsekwencji. Ustanowienie odpowiedzialności jest niezbędne do rozwiązywania problemów i doskonalenia systemów w czasie.
Luka kompetencyjna wykracza poza indywidualne możliwości. Jej źródłem jest potrzeba budowania systemów organizacyjnych zapewniających widoczność, odpowiedzialność i ciągłe doskonalenie.
Pytanie warte $5.5 biliona
Do 2026 roku ponad 90% globalnych przedsiębiorstw będzie zmagać się z krytycznymi niedoborami kompetencji. Przewidywane straty wynikające z utrzymujących się luk kompetencyjnych: $5.5 biliona w globalnych wynikach rynkowych.
Może to brzmieć teoretycznie lub sensacyjnie, ale według Światowego Forum Ekonomicznego 94% liderów już dziś mierzy się z krytycznymi niedoborami kompetencji związanych z AI. Co trzeci zgłasza luki na poziomie 40% lub większym.
Presja konkurencyjna jest realna, ale pośpiech we wdrażaniu bez budowania kompetencji tworzy jeszcze większy problem. Organizacje, które korzystają z partnerstw zewnętrznych, osiągają wskaźnik sukcesu wdrożeń na poziomie 67%, w porównaniu z 33% w przypadku rozwiązań tworzonych wewnętrznie. Mentalność „zbudujemy to sami”, która sprawdzała się w przypadku tradycyjnego oprogramowania, aktywnie sabotuje sukces AI.
Tymczasem 75% organizacji twierdzi, że zbliża się do punktu nasycenia zmianami, znajduje się w nim lub już go przekroczyło. Przeciętny pracownik doświadczył w ostatnich latach 10 zaplanowanych zmian w przedsiębiorstwie, w porównaniu z zaledwie dwiema w 2016 roku. Ponad połowa specjalistów IT twierdzi, że w ciągu ostatnich 24 miesięcy przyspieszyła wdrażanie AI.
Ludzki koszt zbyt szybkiego działania potęguje skutki awarii technicznych.
4 kroki, aby zapobiec niepowodzeniom projektów pilotażowych
Jeśli jesteś dyrektorem operacyjnym lub dyrektorem ds. zasobów ludzkich i zamierzasz wdrożyć AI, oto co musi się wydarzyć, zanim uruchomisz system. Warto również rozważyć, jak włączyć AI do procesu zarządzania zmianą.
1. Zdefiniuj transformację, a nie tylko wdrożenie
Określ, które przepływy pracy faktycznie się zmienią. Zidentyfikuj, czyje role zostaną objęte zmianą i w jaki sposób. Zdefiniuj, jak wygląda sukces wykraczający poza „narzędzie zostało wdrożone”, oraz jasno przypisz odpowiedzialność za szkolenia, zarządzanie i bieżące wsparcie.
2. Zbuduj infrastrukturę komunikacyjną
Wyjaśnij, dlaczego przyjmujesz właśnie takie podejście. Powiedz, jakie korzyści zawodowe odniosą pracownicy, i bezpośrednio zajmij się obawami dotyczącymi tożsamości oraz lękiem. Stwórz mechanizmy przekazywania informacji zwrotnych, aby szybko ujawniać problemy.
More Articles
- Czy zasada 70-20-10 dotycząca transformacji AI sprawdza się w organizacjach różnej wielkości?
- Koniec teatru AI: dlaczego spowolnienie wdrażania jest oznaką dojrzałości
- 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
- Sztuczna inteligencja w operacjach biznesowych: jak przekształcić nowe technologie w strategiczną przewagę biznesową
3. Pierwsze 30 dni: stwórz systemy budowania kompetencji
Wyjdź poza szkolenie „oto jak to działa” i przejdź do „oto jak z tym myśleć”. Pomóż ludziom zidentyfikować problemy o największej wartości, które należy rozwiązać, oraz ustanów standardy jakości i ramy oceny. Pokazuj kreatywne zastosowania, które inspirują do strategicznego wykorzystania.
Początkowo pozwól ludziom zwolnić. Uznaj, że zmiana zachowań wymaga czasu, a ludzie potrzebują przestrzeni do eksperymentowania bez obawy przed karami za spadek produktywności.
4. Działania ciągłe: ustanów zarządzanie i widoczność
Monitoruj rzeczywiste schematy użytkowania i rezultaty. Stwórz struktury odpowiedzialności za jakość i zgodność z przepisami oraz monitorowanie dryfu AI. Zbuduj mechanizmy przekazywania informacji zwrotnych, aby doskonalić system. Zajmij się nieautoryzowanym wykorzystaniem AI, zanim przerodzi się ono w kryzys.
Kluczowa weryfikacja rzeczywistości: tylko 15% pracowników w USA twierdzi, że ich miejsca pracy przekazały jasną strategię dotyczącą AI. Jeśli Twój zespół nie potrafi wyjaśnić, dlaczego to robicie i jakie korzyści to przyniesie pracownikom, już jesteście w tyle.
Most, który musisz zbudować
Wdrożenia kończą się niepowodzeniem, ponieważ organizacje wdrażają narzędzia szybciej, niż budują ludzką infrastrukturę niezbędną do skutecznego zarządzania nimi, implementowania ich i wykorzystywania.
Niedopasowanie kompetencji jest widoczne, a koszty można zmierzyć, ponieważ presja konkurencyjna nieustannie rośnie. Rozwiązaniem nie jest jednak spowalnianie wdrażania AI. Należy równolegle rozwijać ludzkie kompetencje. Oznacza to traktowanie tego procesu jako transformacji organizacyjnej, którą rzeczywiście jest, a nie jako projektu technologicznego z datą uruchomienia.
Jeśli zrobisz to właściwie, przekształcisz AI w trwałą przewagę konkurencyjną. Pomijając pracę związaną z ludźmi, dołączasz do 95% organizacji, których projekty pilotażowe nigdy nie przynoszą zwrotu z inwestycji, często dlatego, że od samego początku nieprawidłowo mierzą zwrot z inwestycji w AI.
Liderzy zachowują się tak, jakby musieli wybierać między szybkością a gotowością. W rzeczywistości wybierają między zrównoważoną transformacją a kosztowną porażką.
