
Wiceprezes ds. Ludzi i Organizacji w jednorożcu AI twierdzi, że liderzy HR muszą stać się architektami środowiska pracy ludzi i maszyn

Brad Wilkins
Wiceprezes ds. Ludzi i Organizacji w Cognite

Brad Wilkins wyjaśnia, jak liderzy HR mogą przeprojektować pracę z myślą o AI, zachowując w centrum ludzką ocenę sytuacji, empatię i odpowiedzialność.
Brad Wilkins
Wiceprezes ds. Ludzi i Organizacji w Cognite

Key Takeaways
Najpierw przeprojektowanie: Wiodące firmy przeprojektowują przepływy pracy i organizacje z myślą o AI, zamiast dodawać narzędzia do przestarzałych procesów HR.
Szybsza diagnoza: Połączone dane dotyczące pracowników mogą w ciągu kilku godzin przekształcić słabe sygnały w strukturalne usprawnienia, poprawiając rekrutację, wdrażanie i utrzymanie pracowników.
Ludzka ocena sytuacji: AI zajmuje się syntezą informacji i rutynowymi decyzjami, podczas gdy ludzie zachowują odpowiedzialność za empatię, kontekst, awanse i zwolnienia.
Umiejętności związane z przepływem pracy: Transformacja AI odnosi sukces dzięki połączonym umiejętnościom i projektom, a nie bibliotekom poleceń, które zapewniają umiarkowany wzrost produktywności.
Ryzyko związane z wdrożeniem: Skuteczne wdrożenie wymaga laboratoriów nauki, ambasadorów w jednostkach biznesowych, podwójnych wskaźników oraz jasnego przypisania odpowiedzialności za pracę wspomaganą przez AI.
Brad Wilkins jest wiceprezesem ds. ludzi i organizacji w Cognite, jednorożcu z branży przemysłowej sztucznej inteligencji. Dzięki dwóm dekadom doświadczenia w kierowaniu obszarem ds. pracowników w rozwijających się firmach SaaS i AI ma jasny pogląd na to, jak AI zmienia HR.
W naszym wywiadzie powiedział nam, że najlepsze firmy nie tylko wdrażają AI — przeprojektowują wokół niej całe swoje przedsiębiorstwa. Oto jak to robią.
Wyprzedzać zmiany

Nazywam się Brad Wilkins i jestem wiceprezesem ds. ludzi i organizacji w Cognite, jednorożcu z branży przemysłowej sztucznej inteligencji. Pełnię funkcję strategicznego partnera HR dla naszych liderów wykonawczych w Europie, Indiach, na Bliskim Wschodzie, w Japonii i obu Amerykach, ale ważniejsza niż jakiekolwiek pojedyncze stanowisko jest wspólna nić ostatnich dwudziestu lat.
Pięć stanowisk wiceprezesa i CHRO w rozwijających się firmach SaaS i AI, a także obecna rola partnera w funduszu VC inwestującym w regulowane branże, dały mi wyjątkową perspektywę. Obserwowałem ten sam schemat w ponad tuzinie firm i pojawiałem się na wczesnym etapie zmian w obszarze zatrudnienia, które reszta HR uznawała za przedwczesne.
Dziesięć lat temu w Altisource zlikwidowaliśmy coroczną ocenę wyników i zastąpiliśmy ją tym, co nazwaliśmy „oceną wpływu”. Ta sama rozmowa, ale z zupełnie innym punktem ciężkości. Mierzyliśmy to, co ludzie osiągnęli, a nie to, co robili. Zmniejszyliśmy rotację na wczesnym etapie z 14% do 4%, a utrzymanie pracowników osiągających najlepsze wyniki zwiększyliśmy z 48% do 98%.
Ta decyzja okazała się trafna. W Loadsmart potroiliśmy wycenę do $1.3 billion, jednocześnie podwajając liczbę pracowników w 21 krajach. W Collibra przeprowadziliśmy firmę przez gwałtowne zmiany liczby pracowników: z 600 do 450, a następnie do 825 osób w czasie pandemii COVID, nie tracąc przy tym dynamiki. Żadne z tych działań nie było inicjatywą HR. Były to działania biznesowe, którymi akurat kierowała funkcja ds. pracowników.
Obecna sytuacja jest większą wersją wszystkich tych decyzji. Raport Deloitte „Human Capital Trends 2026” przedstawia ją jako punkt zwrotny: 7 na 10 liderów twierdzi obecnie, że w ciągu najbliższych trzech lat ich główną przewagą konkurencyjną będzie szybkość i zdolność adaptacji, a nie skala.
Indeks AI Stanforda pokazuje tę samą kompresję krzywej po stronie technologii. Istnieje także różnica wynosząca 60 punktów procentowych między liderami, którzy twierdzą, że celowe projektowanie współpracy człowieka z AI ma znaczenie, a tymi, którzy faktycznie wykonują tę pracę. Ta różnica jest prawdziwą historią 2026 roku.
Najbardziej agresywne firmy nie tylko używają AI w HR — przebudowują HR wokół AI. Schematy organizacyjne obejmują teraz agentów jako osobne pola, a nie tylko ludzi. Poszczególni pracownicy kierują zespołami składającymi się z sześciu osób, przy czym wszystkie sześć osób im podlegających to agenci.
Moderna połączyła HR i IT w jedną funkcję pod kierownictwem dyrektora ds. ludzi i technologii cyfrowych. Walmart opisuje swoją transformację jako „prowadzoną przez ludzi i wspieraną przez technologię”. Disney powołał dyrektora ds. AI i współpracy.
Stanowisko CHRO staje się rolą architekta hybrydowej siły roboczej człowiek–maszyna, a nie lidera ds. rekrutacji. Umiejętności tracą na wartości szybciej, niż mogą to śledzić roczne cykle, a każdy proces, którego nie przeprojektowano, stanowi to, co BCG i EY nazywają obecnie „długiem talentów” — niezrealizowanym potencjałem uwięzionym w starych zasadach organizacyjnych.
Tak to widzę i powiem to wprost, ponieważ uważam, że nasza branża wciąż podchodzi do tego zbyt ostrożnie: AI jako narzędzie to dziś absolutna podstawa. AI jako sposób myślenia — na tym polega prawdziwa praca.
Zmiana nie polega na tym, że „dodajmy asystenta do rekrutacji”. Chodzi o założenie, że agent może wykonać część pracy, a następnie przeanalizowanie wstecz, w którym miejscu człowiek jest naprawdę potrzebny — nazywam to dowodzeniem nieistnienia.
Chodzi o zrozumienie, że czwartym odbiorcą treści edukacyjnych jest teraz sam LLM. Chodzi o zaakceptowanie, że IT prawdopodobnie powinno ponownie znaleźć się w strukturze funkcji ds. pracowników. Chodzi o dostrzeżenie, że pracownicy ze stażem od czterech do dziesięciu lat mogą być teraz bardziej zagrożeni niż osoby rozpoczynające karierę, ponieważ nowi absolwenci są rodzimymi użytkownikami AI, a talenty w połowie kariery wciąż bronią procesu pracy, którego opanowanie zajęło im dekadę.
Moim zadaniem jest popchnąć organizację w tę przyszłość, wyprzedzając zmiany, a nie pozostając za nimi.
More Articles
Jak AI skraca czas między słabym sygnałem a strukturalnym rozwiązaniem

Brad opowiada
Największą zmianą nie było narzędzie, które wdrożyliśmy. Było nią skrócenie czasu między słabym sygnałem dotyczącym siły roboczej a strukturalnym rozwiązaniem… Ćwiczenie, które historycznie pochłonęłoby tygodnie pracy partnera biznesowego HR — zebranie opisów stanowisk, porównanie ich z danymi zewnętrznymi, sporządzenie mapy obowiązków — zajęło około trzech godzin.
Największą zmianą nie było narzędzie, które wdrożyliśmy. Było nią skrócenie czasu między słabym sygnałem dotyczącym siły roboczej a strukturalnym rozwiązaniem.
Dominującym modelem operacyjnym w naszej branży było dotychczas rozproszenie danych: dane dotyczące zaangażowania znajdują się w jednym miejscu, dane dotyczące wyników w innym, ankiety nowych pracowników w trzecim systemie, a metadane kalendarza i rejestracji czasu pracy w czwartym; następnie ktoś raz na kwartał przygotowuje syntezę, która trafia do kierownictwa sześć tygodni po tym, jak mogła mieć znaczenie.
Zbudowaliśmy naszą funkcję ds. pracowników na tej samej architekturze, którą nasza firma sprzedaje klientom przemysłowym: łączymy rozproszone dane w jeden graf, nakładamy na niego warstwę agentową i pozwalamy systemowi ujawniać zależności, których sami ludzie nie dostrzegliby na czas.
Niedawny przykład: ankieta nowego pracownika przeprowadzona po 90 dniach wskazała na słabą relację z przełożonym. Niezależnie od tego dane z rejestracji czasu pracy pokazały, że kalendarz tego menedżera został po cichu wypełniony działaniami przedsprzedażowymi, które w rzeczywistości nie znajdowały się w jego opisie stanowiska — zajmowały mniej więcej połowę tygodnia.
Trzy lata temu byłyby to dwa niezwiązane ze sobą punkty danych znajdujące się w dwóch niezwiązanych ze sobą systemach, wskazane przez dwóch różnych analityków w odstępie sześciu tygodni. Do tego czasu albo tracisz nowo zatrudnioną osobę, albo na stałe wbudowujesz problem strukturalny w tę rolę. Dzięki temu, że AI porównała sygnały w czasie rzeczywistym, diagnoza zajęła kilka minut.
Kiedy wykryliśmy niewłaściwie przydzieloną pracę przedsprzedażową, nie ograniczyliśmy się do uporządkowania kalendarza menedżera. Wróciliśmy do opisu rodziny stanowisk, ponownie przeanalizowaliśmy, czy ta praca w ogóle powinna należeć do tej roli, przyjrzeliśmy się wzorcom porównawczym w podobnych firmach i podjęliśmy strukturalną decyzję, gdzie ta praca powinna być realizowana.
Ćwiczenie, które historycznie pochłonęłoby tygodnie pracy partnera biznesowego HR — wyszukiwanie opisów stanowisk, porównywanie ich z danymi zewnętrznymi, mapowanie zakresów odpowiedzialności — zajęło około trzech godzin.
Jak AI zmienia funkcję personalną
Istotna zmiana zachowania nie polega na tym, że „teraz używamy AI w HR”. Może tak powiedzieć wiele organizacji. Zmiana polega na tym, że czas między słabym sygnałem a decyzją strukturalną skrócił się mniej więcej o dwa rzędy wielkości. To zmienia to, czym jest funkcja personalna.
Planowanie zatrudnienia przestaje być kwartalnym dokumentem, a staje się praktyką realizowaną we wtorkowe popołudnie. Zarządzanie kompetencjami przestaje być statyczną taksonomią, a staje się stale na nowo renderowaną mapą. Rola partnera biznesowego ds. ludzi przestaje polegać na prowadzeniu procesu, a zaczyna na koordynowaniu systemu.
Liczy się efekt końcowy. Każda przyszła osoba dołączająca do tego zespołu zaczyna teraz od opisu stanowiska, który odzwierciedla rzeczywiście wykonywaną pracę, a nie pracę wyobrażoną w momencie tworzenia tej roli. Skraca się czas wdrożenia. Spada koszt zatrudnienia. Rośnie jakość spotkań jeden na jeden z menedżerem, ponieważ menedżer nie musi zajmować się piętnastoma sprawami naraz.
Nic z tego nie pojawia się jako efektowne wdrożenie AI — nie ma chatbota, z którym kontaktują się pracownicy. Organizacja działa jednak w mierzalnie inny sposób. Uważam, że właśnie względem takiej zmiany liderzy obszaru personalnego powinni się porównywać, a nie względem tego, „czy wdrożyliśmy asystenta AI”.
Kiedy pytanie brzmi: „Dlaczego to nie może być AI?”
Wprowadzamy generatywną AI we wszystkie te obszary za pomocą uporządkowanych bibliotek promptów — nie korzystamy z niej doraźnie, nie mówimy: “sam sobie z tym poradź.“…Uważam to za dobrą wiadomość, ponieważ to, co pozostaje, to konkretna praca strategiczna i empatyczna, którą rzeczywiście chciałem wykonywać, wchodząc do tej branży.

Każdy przepływ pracy przechodzi przez filtr AI jako punkt wyjścia — pytanie nie brzmi „Gdzie AI mogłaby tu pomóc?”, lecz „Dlaczego to nie może być AI?”.
To, co przedostaje się na drugą stronę, to zadania, które rzeczywiście wymagają kapitału ludzkiego, ludzkiego osądu lub ludzkiej empatii. Odwrócenie pytania jest kluczowym posunięciem. Za każdym razem zmusza do udowodnienia, że coś nie jest możliwe, i ujawnia ogromną ilość pracy, której nikt dobrowolnie nie przekazałby do wykonania.
Co AI wykonuje teraz za mnie: syntezę danych dotyczących ludzi pochodzących z różnych źródeł, analizę ról i architektury stanowisk, tworzenie wersji roboczych (opisów stanowisk, komunikacji, wytycznych dotyczących polityk, prezentacji dla kadry kierowniczej), coaching menedżerów w zakresie jakości rozmów rekrutacyjnych, rozpoznawanie wzorców w sygnałach zaangażowania i nastrojów, dopasowywanie na wewnętrznym rynku talentów, wstępną interpretację polityk.
Wprowadzamy generatywną AI we wszystkie te obszary za pomocą uporządkowanych bibliotek promptów — nie korzystamy z niej doraźnie, nie mówimy: „sam sobie z tym poradź”. Gdybym miał ująć to liczbowo, mniej więcej połowa tego, jak wyglądała moja praca pięć lat temu, została skompresowana lub wyeliminowana. Uważam to za dobrą wiadomość, ponieważ to, co pozostaje, to konkretna praca strategiczna i empatyczna, którą rzeczywiście chciałem wykonywać, wchodząc do tej branży.
Dlaczego rzeczywista dźwignia tkwi we wprowadzanych danych, a nie w wynikach
AI jest tak dobra, jak dane wejściowe i osoba, która się nią posługuje. Nie słyszę tego wystarczająco często z ust liderów.
Cała branża skupiała się na uzyskiwaniu lepszych wyników, podczas gdy rzeczywista dźwignia znajduje się po stronie danych wejściowych. To samo narzędzie, dwóch użytkowników i skrajnie różne rezultaty. Decyzje oparte na osądzie — dotyczące ludzi, kultury, tego, komu należy dać kredyt zaufania, a z kim trzeba odbyć jasną rozmowę — to właśnie dane wejściowe. Jeśli pominiesz pracę na początku, mechanizm działający w środku nie ma znaczenia.
Dlatego moja odpowiedź na pytanie „Co pozostaje ludzkie?” brzmi również: „Co sprawia, że uruchamianie AI w ogóle ma sens?”. Najlepsi liderzy przechodzą od modelu człowieka w pętli do modelu człowieka na czele. AI wykonuje zadania, a człowiek podejmuje decyzję.
Jak rozpoznać, jaki rodzaj pracy powinien „pozostać ludzki”
AI doskonale wskazuje, do którego obszaru ktoś może należeć. AI fatalnie radzi sobie z przeprowadzeniem rozmowy, która następuje później. To samo dotyczy awansów. AI może pokazać, kto jest gotowy, na podstawie sygnałów dotyczących kompetencji, ale decyzja o tym, czy ktoś jest gotowy na osąd wymagany na kolejnym poziomie, zasadniczo wymaga ludzkiej oceny.
Gdzie AI przejmuje inicjatywę, a człowiek zatwierdza: synteza danych dotyczących pracowników i wykrywanie wzorców, wstępna analiza architektury ról, tworzenie projektów polityk i standardowej komunikacji, podsumowywanie ocen pracowniczych, analiza nastrojów i zaangażowania, coaching menedżerów na podstawie transkrypcji wywiadów, wstępna selekcja spraw pracowniczych, dopasowywanie kandydatów do ram kompetencyjnych oraz interpretacja polityk w przypadku rutynowych pytań.
Gdzie AI pomaga, a człowiek prowadzi: kompromisy w planowaniu zatrudnienia, decyzje dotyczące sukcesji, filozofia wynagrodzeń i projektowanie systemów nagród, wybory dotyczące struktury organizacyjnej oraz kalibracja ocen talentów. AI dostarcza mi lepszych danych wejściowych, szybszych scenariuszy i rozpoznawania wzorców, których samodzielnie bym nie zauważył. To ja podejmuję decyzję.
Gdzie AI nie ma prawa głosu: zwolnienia, awanse, wrażliwe rozmowy dotyczące wyników pracy, rozmowy końcowe, decyzje dotyczące głębokości ławki przywódczej, wszystko, co wiąże się z oceną, czy intencje danej osoby są zgodne z organizacją, oraz każda sytuacja wymagająca wyczucia atmosfery. Powód jest prosty: te momenty wymagają empatii, a empatia jest jedyną kompetencją, w przypadku której nie widzę wiarygodnych dowodów na to, że AI w przewidywalnym czasie zniweluje lukę w stosunku do wykwalifikowanych ludzi. To nie jest wąskie gardło, lecz atut kultury organizacyjnej, zakorzeniony w głębokim przekonaniu, że konsensus i sprawiedliwość są przewagami konkurencyjnymi, a nie spowolnieniami. Broniłbym tego wobec każdego argumentu za efektywnością, jaki mogłaby przedstawić AI.
Firma fintechowa, która ogłosiła, że zastępuje 700 pracowników obsługi klienta AI — a teraz po cichu ponownie ich zatrudnia — to przestroga, którą każdy lider ds. pracowników powinien śledzić. AI poradziła sobie z szybkością i skalą. Nie poradziła sobie z empatią ani nietypowymi przypadkami. Liderzy, którzy w 2026 roku stawiają przeciwko ludzkiemu osądowi, w 2027 roku będą publikować przepraszające posty na LinkedIn.
Gdzie AI sprawdza się w HR

Rozgłos jest realny. AI przynosi ogromne korzyści.
Czas od pojawienia się sygnału do podjęcia działania w kwestiach dotyczących pracowników skrócił się z tygodni do godzin. Jakość rozmów menedżerów wyraźnie się poprawiła, gdy zaczęliśmy uruchamiać skrypty coachingowe na podstawie transkrypcji — kiedy pokażesz menedżerowi dane, że 90% jego pytań rekrutacyjnych miało charakter zamknięty albo że mówił przez 85% czasu, menedżer to poprawia. Większość z nich chce być lepsza, po prostu nigdy nie miała lustra.
Czas obsadzania stanowisk znacząco się skrócił, gdy przestaliśmy traktować nazwy stanowisk jako jednostkę pracy i zaczęliśmy dopasowywać kandydatów na podstawie wnioskowanych kompetencji. Poziom niepożądanej rotacji utrzymuje się znacznie poniżej 5% — nie wyłącznie dzięki AI, ale częściowo dlatego, że wykrywamy problemy z wdrożeniem i problemy wynikające z braku kontaktu z menedżerem, gdy można je jeszcze naprawić.
Wewnętrzne wykorzystanie narzędzi AI gwałtownie przyspieszyło, gdy zamiast tradycyjnych szkoleń w sali zbudowaliśmy warsztatowe laboratoria nauki, w których pierwsi użytkownicy uczą innych w toku pracy.
Najbardziej ekscytuje mnie to, że AI uwidacznia pracę, która wcześniej pozostawała niewidoczna — menedżera, którego kalendarz uległ rozregulowaniu, nowo zatrudnioną osobę, której wdrożenie przebiega niepomyślnie, czy wysoko efektywnego pracownika, którego zaangażowanie zaczyna spadać. Wcześniej nic z tego nie było możliwe do szybkiego rozpoznania.
Gdzie AI nie spełnia oczekiwań

Brad dzieli się
AI wciąż ma trudności z niuansami kulturowymi w komunikacji między regionami… Widziałem znaczące różnice w wynikach, gdy modele napotykały dialekty, kontekst kulturowy lub niuanse lokalnego prawa pracy. Nadal polegamy na lokalnym ludzkim osądzie we wszystkim, co jest nacechowane kulturowo. Technologia zniweluje tę lukę. Jeszcze tego nie zrobiła.
W 2025 roku spodziewałem się, że AI pomoże kalibrować oceny wyników pracy w zespołach — wskazując niespójności, ujawniając potencjalne uprzedzenia i pomagając w porównywaniu wynagrodzeń. W niektórych z tych obszarów radzi sobie dobrze. Jednak najważniejszą częścią kalibracji jest rozmowa liderów o tym, czy ta osoba, na tym poziomie i w tym kontekście, osiąga wyniki w sposób, którego potrzebujemy.
AI jest tu raczej słabym wsparciem. Zbyt duża część wyników pracy zależy od kontekstu, relacji i przyszłości. AI dobrze rozpoznaje wzorce na podstawie danych z przeszłości. To nie jest to samo.
Drugim obszarem, w którym AI zawodzi, jest rzeczywiście nowatorskie projektowanie organizacji. AI może powiedzieć, jak porównywalne firmy zorganizowały funkcje odpowiedzialne za dostarczanie wartości, organizacje sprzedażowe czy zespoły finansowe.
Jest znacznie słabsza, gdy projektujesz coś, czego właściwie nikt wcześniej nie robił, na przykład strukturę funkcji zakładającą, że agenci są bezpośrednimi podwładnymi, a ludzie zarządzają zespołami agentów. Projektowanie organizacji z myślą o przyszłości nadal jest w większości domeną ludzi i spodziewam się, że jeszcze przez jakiś czas tak pozostanie.
Trzecim obszarem, w którym AI zawodzi, jest sukcesja przywództwa. AI może porównać kompetencje z wymaganiami stanowiska, ale nie potrafi powiedzieć, kto ma kapitał polityczny, relacje lub kredyt zaufania w zespole kierowniczym, aby rzeczywiście odnieść sukces na wyższym stanowisku. Sukcesja przywództwa jest w swojej istocie problemem ludzkiego zaufania i wątpię, by AI rozwiązała go w użytecznym czasie.
AI nie spełniła również obietnicy platformy typu „wszystko w jednym”. Większość dostawców technologii HR, którzy w 2024 roku reklamowali pojedynczą, zintegrowaną platformę opartą na AI, dostarczyła pulpit z chatbotem dołączonym z boku.
Prawdziwa wartość wynika z łączenia wyspecjalizowanych narzędzi za pomocą uporządkowanych poleceń i przepływów pracy, za które faktycznie odpowiadają praktycy. Każdy, kto sprzedaje ci skonsolidowaną platformę, sprzedaje ci plan rozwoju, a nie produkt.
Mówiąc szerzej, AI nie zastąpiła doświadczenia i osądu starszych pracowników. AI radzi sobie z szybkością, dużą ilością danych i rozpoznawaniem wzorców. Brakuje jej empatii, dostrzegania nietypowych przypadków oraz wyczucia w momentach wymagających ludzkiej interpretacji: podczas trudnej rozmowy, przy ocenie, czy ktoś znalazł się w sytuacji „nie wiem, jak to zrobić”, czy raczej „naprawdę nie potrafię”, a także przy odczytywaniu kulturowego kontekstu w pomieszczeniu. To właśnie ta konkretna, wartościowa praca powinna być częściej wykonywana przez praktyków, a nie rzadziej.
A oto kwestia, którą liderzy działów personalnych powinni moim zdaniem szczególnie dobrze zrozumieć: AI nie dowiodła, że pracownicy na stanowiskach początkujących są najbardziej zagrożeni. Powszechne przekonanie, że młodszy szczebel organizacji można zastąpić agentami, jest moim zdaniem całkowicie błędne. Osoby kończące studia należą do pokolenia rodzimego dla AI. Nie trzeba ich do niej przekonywać.
Grupą, która rzeczywiście jest zagrożona, są pracownicy ze stażem od czterech do dziesięciu lat — osoby, które zbudowały swoją karierę na opanowaniu procesu, który AI skraca obecnie do kilku minut, i których odruchem jest bronienie tego procesu zamiast budowania go na nowo z wykorzystaniem AI. To właśnie w tym obszarze potrzebne są największe inwestycje w podnoszenie kwalifikacji.
Wreszcie AI nadal ma trudności z subtelnym przekładem kulturowym między regionami. W Europie, Indiach, na Bliskim Wschodzie, w Japonii i obu Amerykach obserwowałem znaczące różnice w wynikach, gdy modele napotykały dialekty, kontekst kulturowy lub niuanse lokalnego prawa pracy. W kwestiach o silnym podłożu kulturowym nadal polegamy na lokalnym ludzkim osądzie. Technologia zniweluje tę lukę. Jeszcze tego nie zrobiła.
Jak wdrożenie procesu pracy opartego na AI zmienia proces rekrutacji
Oto proces pracy, z którego jestem najbardziej dumny. Myślę, że pokazuje on, jak będzie wyglądać ta dziedzina za trzy lata, a większość działów personalnych jeszcze go nie zbudowała.
Obejmuje on cały cykl rekrutacyjny — od opisu stanowiska po informacje zwrotne po wdrożeniu — i działa jako jeden połączony proces oparty na stworzonej przez nas niestandardowej umiejętności Claude. Rekrutacja jest idealnym przykładem do omówienia, ponieważ właśnie w tym obszarze większość organizacji ma największe problemy z jakością danych, największe różnice w zachowaniach menedżerów i najmniejszą tolerancję na błędy.
Przejdźmy przez ten proces krok po kroku:
Krok 1: Rozpoznanie potrzeb
Menedżer ds. rekrutacji zgłasza potrzebę. Umiejętność przeprowadza z nim ustrukturyzowany wywiad głosowy lub tekstowy, wydobywając informacje o rezultatach w perspektywie dwunastu miesięcy, relacjach z partnerami oraz lukach dyskwalifikujących kandydata.
Porównuje jego odpowiedzi z planem zatrudnienia działu finansowego, rozkładem wyników osiąganych obecnie przez zespół oraz wcześniejszymi opisami stanowisk menedżera, aby wykryć niespójności, zanim ktokolwiek napisze choćby jedno słowo.
Krok 2: Triangulacja interesariuszy
Dwie lub trzy piętnastominutowe rozmowy ze współpracownikami i bezpośrednimi podwładnymi są syntetyzowane w jeden całościowy obraz potrzeb. Umiejętność wskazuje rozbieżności między intencjami menedżera a rzeczywistością zespołu i przedstawia je do rozwiązania, zanim stanowisko zostanie opublikowane na zewnątrz.
Krok 3: Tworzenie materiałów
Opis stanowiska z rzeczywistą sekcją dotyczącą wpływu, ustrukturyzowany przewodnik po rozmowie kwalifikacyjnej przypisany do poszczególnych etapów oraz zakotwiczona skala ocen od 1 do 4 z opisami zachowań. Wszystkie trzy materiały mają wersjonowanie, można je poddać audytowi i edytować przed uruchomieniem przez partnera biznesowego ds. personalnych.
Krok 4: Rozmowy kwalifikacyjne na żywo
Każdy rekruter ma przed sobą skalę ocen i pytania. Rozmowy są transkrybowane (za zgodą uczestników), a umiejętność wskazuje obserwacje w czasie rzeczywistym: jakość pytań, proporcję czasu mówienia, odejścia od tematu oraz zgodność ze skalą ocen.
Krok 5: Ocenianie i agregacja
Każdy rekruter ocenia kandydata według zakotwiczonej skali bezpośrednio po rozmowie. Wyniki są agregowane według średnich dla filarów i kompetencji. Umiejętność wskazuje osoby wyraźnie odstające od reszty rekruterów — kogoś, kto wszystkim przyznaje ocenę 4, albo kogoś, kto znacząco różni się od pozostałych uczestników procesu — aby partner biznesowy ds. personalnych mógł się tym zająć.
Krok 6: Decyzja
Podczas prowadzonego przez ludzi spotkania podsumowującego umiejętność dostarcza ustrukturyzowanych punktów do dyskusji, średnich ocen ze skali oraz informacji o wszelkich wykrytych niespójnościach. Decyzję podejmują ludzie, ale przygotowanie jest zautomatyzowane.
Krok 7: Wdrożenie
Umiejętność generuje mierzalne cele na 30/60/90 dni, harmonogram spotkań kontrolnych z menedżerem oraz ustrukturyzowane pytania do badania nastrojów. Każdy sygnał z tych badań z czasem trafia z powrotem do danych dotyczących oceny kandydata.
Krok 8: Pętla informacji zwrotnych dotyczących jakości zatrudnienia
Po sześciu miesiącach system koreluje wyniki rozmów kwalifikacyjnych z rzeczywistymi wynikami wdrożenia i satysfakcją menedżera. Trafność ocen rekruterów kumuluje się przy kolejnych zatrudnieniach. Ujawniają się wzorce — którzy menedżerowie dobrze oceniają poszczególne kompetencje, w przypadku których stanowisk regularnie popełniane są błędy oraz które sygnały z rozmowy najsilniej przewidują sukces.
Cała pętla działa jako jeden połączony system. Praca, która wcześniej zajmowała partnerowi biznesowemu ds. personalnych dwa tygodnie rozproszonego wysiłku w pięciu narzędziach, teraz wymaga kilku godzin skoncentrowanego ludzkiego przeglądu w ramach jednego procesu. Jakość jest przy tym wyższa, ponieważ każdy krok jest kalibrowany względem kroków poprzedzających go i następujących po nim. To właśnie naprawdę oznacza kompleksowość procesu.
O skuteczności tego rozwiązania nie decyduje narzędzie. Decyduje strukturalne zobowiązanie, zgodnie z którym umiejętność wykonuje ciężką pracę, a człowiek wykonuje pracę wymagającą osądu. Każdy materiał wytworzony przez umiejętność Claude'a jest projektem, a nie decyzją. Menedżer ds. rekrutacji nadal odpowiada za definicję stanowiska. Rekruterzy nadal odpowiadają za swoje oceny. Decyzja o zatrudnieniu nadal zapada w pomieszczeniu, w którym ludzie rozstrzygają, czy to właśnie ta osoba jest właściwym wyborem.
Proces wyeliminował żmudne zadania, które historycznie występowały między momentami wymagającymi osądu — ponowne formatowanie, przepisywanie, ręczną kalibrację oraz analizę po fakcie, na którą nikt nie miał czasu. Ludzie odzyskali czas na wykorzystywanie własnego osądu. System stał się bardziej rygorystyczny. Praca stała się ciekawsza. Taki kompromis chcę widzieć w każdym dziale personalnym.
Dlaczego instrukcje są niewłaściwą jednostką pracy
Gdybym wiedział o tym wcześniej, pominąłbym miesiące poświęcone na tworzenie biblioteki instrukcji, czym zajmowali się wszyscy w naszej branży, i od razu przeszedłbym do projektowania umiejętności… Liderzy, którzy jako pierwsi zaczną myśleć w kategoriach umiejętności, będą wyglądać tak, jakby działali w innej dekadzie niż ci, którzy wciąż zarządzają bibliotekami instrukcji.

Kiedy większość liderów ds. kadr uruchamia swoją pierwszą inicjatywę AI, robi to jako projekt dotyczący instrukcji.
Oto świetna instrukcja do tworzenia opisów stanowisk. Oto świetna instrukcja do podsumowywania najważniejszych tematów z ankiety zaangażowania. Oto świetna instrukcja do przygotowywania informacji zwrotnych w ramach oceny wyników pracy.
Praktycy uczą się instrukcji, zapisują je we wspólnym dokumencie i mają poczucie produktywności. Kierownictwo ma wrażenie, że dokonuje się postęp. Wskaźniki wdrożenia rosną. Sześć miesięcy później przyglądasz się temu, gdzie faktycznie zgromadziła się wartość, a odpowiedź brzmi: niewiele.
Instrukcje są pierwszym ruchem. Nie są jednostką pracy.
Jednostką pracy jest umiejętność lub projekt — ustrukturyzowana, wieloetapowa zdolność, która pobiera dane wejściowe z wielu źródeł, przetwarza je w spójny sposób, tworzy określony rezultat i z czasem się doskonali, ucząc się na podstawie wyników.
Opisany wcześniej przeze mnie proces rekrutacji jest umiejętnością, a nie instrukcją. Jako dane wejściowe wykorzystuje dane finansowe, informacje od menedżera, opinie współpracowników, historyczne wzorce wyników oraz ustrukturyzowane modele kompetencji. W rezultacie tworzy opisy stanowisk, przewodniki po rozmowach kwalifikacyjnych, arkusze kryteriów oceny, zestawienia wyników, plany wdrożenia i sygnały z pętli informacji zwrotnej. Doskonali się przy każdej rekrutacji, ponieważ przyswaja dane dotyczące wyników. Żadna pojedyncza instrukcja nie robi tego wszystkiego. Robi to umiejętność.
Powód, dla którego to rozróżnienie ma znaczenie operacyjne, jest taki, że organizacje koncentrujące się na instrukcjach zwykle zatrzymują się na wzroście produktywności w granicach 10-20% — to przydatne, ale nie przełomowe.
Organizacje koncentrujące się na umiejętnościach i projektach odblokowują przeprojektowanie procesów pracy, które przynosi skokową poprawę. Pierwszy rodzaj organizacji uprzemysławia to, co już robi. Drugi rzeczywiście działa inaczej.
Gdybym wiedział o tym wcześniej, pominąłbym miesiące poświęcone na tworzenie biblioteki instrukcji, czym zajmowali się wszyscy w naszej branży, i od razu przeszedłbym do projektowania umiejętności. Inwestowałbym w praktyków, którzy potrafili myśleć w kategoriach procesów pracy, a nie w tych, którzy dobrze radzili sobie z pisaniem pomysłowych instrukcji.
Wcześniej zbudowałbym infrastrukturę danych — połączenia między naszymi systemami kadrowymi, systemami finansowymi, narzędziami produktywności i sygnałami zaangażowania — ponieważ umiejętności są tak dobre, jak dobre są dane, do których mają dostęp.
Liderzy, którzy jako pierwsi zaczną myśleć w kategoriach umiejętności, będą wyglądać tak, jakby działali w innej dekadzie niż ci, którzy wciąż zarządzają bibliotekami instrukcji.
Rady dla liderów poruszających się w świecie transformacji AI
Transformacja AI jest zasadniczo problemem związanym z kapitałem ludzkim, przedstawianym jako problem technologiczny. Technologia jest łatwą częścią. Twoje zadanie — i moje — jest trudniejszą częścią. A stało się ono właśnie ciekawsze niż kiedykolwiek w ciągu ostatnich dwudziestu lat.
Po pierwsze: Zacznij od pracy, a nie od narzędzia. Przepuść każdy proces przez sito — dlaczego nie może tego zrobić AI? — zanim zapytasz, które narzędzie kupić. Jeśli nakładasz AI na zepsuty proces, uprzemysławiasz dysfunkcję. Narzędzie nie jest strategią, strategią jest przeprojektowanie pracy. Większość znanych mi liderów, którzy mają poczucie, że AI nie przyniosła rezultatów, to liderzy, którzy pominęli ten krok.
Po drugie: Przejdź od postrzegania AI jako narzędzia do postrzegania AI jako sposobu myślenia. To właśnie odróżnia liderów, których szanuję, od liderów, którzy w 2027 roku będą nadrabiać zaległości. Myślenie w kategoriach narzędzi daje ci asystentów AI w istniejącym oprogramowaniu. Myślenie w kategoriach sposobu myślenia daje ci schematy organizacyjne, w których agenci zajmują pola obok ludzi, indywidualnych współpracowników kierujących zespołami składającymi się z sześciu bezpośrednio podległych im pracowników AI, funkcje uczenia się uwzględniające, że ich czwartą grupą odbiorców jest sam model językowy, modele kompetencji obejmujące pracę cyfrową jako pełnoprawnego uczestnika oraz funkcje IT, które prawdopodobnie powinny znajdować się w ramach organizacji ds. kadr, zamiast być ulokowane w finansach. Spojrzenie na pracę jako system zdolności zastępuje spojrzenie na pracę przez pryzmat nazw stanowisk, a organizacje, które jako pierwsze to osiągną, będą działać zasadniczo inaczej niż te, które tego nie zrobią.
Po trzecie: Poświęcaj nieproporcjonalnie dużo czasu danym wejściowym. Jakość każdego rezultatu AI zależy od instrukcji, kontekstu i oceny praktyka na początku procesu. Liderzy, którzy osiągają przyspieszenie, to ci, którzy budują ustrukturyzowane biblioteki instrukcji tak, jak budowaliby model kompetencji. Liderzy narzekający, że AI nie przyniosła rezultatów, to ci, którzy wpisali trzy zdania do chatbota i oczekiwali magii. Traktuj swoją bibliotekę instrukcji jako zasób organizacyjny. Zarządzaj nią. Ulepszaj ją. Szkol ludzi w zakresie jej stosowania.
Cztery: przedstaw swoim ludziom pełny obraz. Zaufanie się rozpada, gdy pracownicy słyszą „transformacja AI” i wyobrażają sobie zwolnienia. Zaufanie odbudowuje się, gdy liderzy wyraźnie sami korzystają z tych narzędzi i pokazują ludziom, czym ich praca się stanie, a nie tylko co zostanie im odebrane. Inżynierowie przestają programować i zaczynają pracować przed kodem i za kodem — nad architekturą, oceną sytuacji, przekładaniem potrzeb klientów na rozwiązania i projektowaniem systemów. Sprzedawcy przestają zajmować się porządkowaniem danych w CRM i zaczynają budować głębsze relacje z klientami. Partnerzy biznesowi ds. ludzi przestają realizować procesy i zaczynają koordynować systemy. To właśnie praca nad przedstawieniem tej wizji decyduje o tym, czy AI wzmacnia kulturę organizacyjną, czy ją wydrąża. Zaufanie do pracodawców spada; nie możesz uznawać go za coś oczywistego.
Pięć: zasadź drzewo. Moje ulubione chińskie przysłowie brzmi: najlepszy czas na zasadzenie drzewa był dwadzieścia lat temu. Drugi najlepszy czas jest teraz. Większość liderów ds. ludzi, z którymi rozmawiam, jest od sześciu do dwunastu miesięcy do tyłu względem tego, gdzie sądzi, że się znajduje. Krzywa przyspieszenia jest bardziej stroma, niż zakładano w twoich modelach. Twórz laboratoria uczenia się, a nie sale lekcyjne, wyznaczaj ambasadorów AI w każdej jednostce biznesowej i zaakceptuj, że odpowiedź, której udzielisz na to pytanie za trzy miesiące, będzie ułamkiem odpowiedzi, jakiej udzieliłbyś dziś. To nie jest problem do rozwiązania. To warunek funkcjonowania.
Trzy sposoby, na jakie wdrażanie AI kończy się niepowodzeniem

Brad dzieli się
Inżynieria i dział produktu od razu zaczęły korzystać z AI. Funkcje, które miały trudności — te, które chcę ostrożnie i uprzejmie nazwać — to funkcje ogólne i administracyjne, w których praca jest najbardziej zbliżona do tego, co duże modele językowe wykonują natywnie…
Inżynieria i dział produktu od razu zaczęły korzystać z AI. Funkcje, które miały trudności — te, które chcę ostrożnie i uprzejmie nazwać — to funkcje ogólne i administracyjne, w których praca jest najbardziej zbliżona do tego, co duże modele językowe wykonują natywnie, a ich pracownicy mieli najmniej doświadczenia w pracy z tymi narzędziami. Jest w tym głęboka ironia.
Funkcje, które miały najwięcej do zyskania, najwolniej się angażowały, ponieważ ich pracownicy przez całe kariery byli cenieni za bycie skarbnicą wiedzy instytucjonalnej — a AI demokratyzuje teraz tę wiedzę, co początkowo wydaje się zagrożeniem, zanim zacznie być postrzegane jako mnożnik możliwości.
Rozwiązaniem nie było szkolenie techniczne. Trzeba było stworzyć przestrzeń psychologiczną, w której ci pracownicy mogliby na nowo określić, na czym polega ich wartość. Osiągnęliśmy to dzięki warsztatom, podczas których mogli eksperymentować z narzędziami na rzeczywistej pracy, razem z innymi pracownikami i w środowisku o niskim poziomie ryzyka — tym, co nazywam laboratoriami uczenia się, a nie salami lekcyjnymi. Forma zajęć klasowych nie przynosiła żadnego wdrożenia. Forma laboratoryjna przyniosła widoczny postęp w ciągu kilku tygodni.
Oto trzy kolejne obszary, w których wdrażanie AI napotyka trudności:
Po pierwsze, nierównomierne wdrażanie AI w poszczególnych funkcjach powoduje rzeczywiste napięcia kulturowe. Inżynieria przyjęła je natychmiast. Sprzedaż również. Niektóre funkcje ogólne i administracyjne wciąż są na etapie „ale co ja miałbym robić?” — a to dokładnie niewłaściwe pytanie. Objawia się to cichą frustracją, a nie otwartym oporem. Ludzie zaczynają się obawiać, że ich współpracownicy korzystają z AI, aby sprawiać wrażenie bardziej produktywnych niż oni.
Zaufanie w organizacjach korzystających z AI jest obecnie naprawdę kruche — tegoroczne dane sondażowe sugerują, że około czterech na pięciu pracowników i menedżerów obawia się właśnie takiej sytuacji. Jeśli nie będziesz zarządzać tym zjawiskiem poprzez przejrzystych ambasadorów AI w każdej jednostce biznesowej, widoczne korzystanie z narzędzi przez liderów oraz jasne standardy określające, co uznaje się za pracę wspomaganą przez AI, kultura zacznie spłacać odsetki od długu, którego zaciągania nawet nie zauważyła.
Po drugie, obserwowałem liderów w innych firmach, którzy nakładali AI na zepsuty proces i nazywali to transformacją. Jeśli twoja ocena pracownicza jest źle zaprojektowana, dodanie do niej AI tworzy zwielokrotniony zły proces — szybszy, bardziej przekonujący i łatwiejszy do skalowania w niewłaściwym kierunku. Zacznij od samej pracy, a nie od narzędzia.
W przeciwnym razie nie dokonujesz transformacji, tylko uprzemysławiasz dysfunkcję. To zdecydowanie najczęstszy model niepowodzenia, jaki obserwuję w organizacjach partnerskich, i niemal zawsze wynika on z tego, że zespół technologiczny dąży do osiągnięcia wskaźnika wdrożenia, zamiast aby dział ds. ludzi prowadził przeprojektowanie przepływu pracy.
Po trzecie, a to jest bardziej subtelne: AI nie wyrównuje poziomu wyników, lecz wzmacnia różnicę. Doświadczeni pracownicy korzystają z niego, aby poszerzać swoje kompetencje; mniej doświadczeni używają go do generowania poprawnych, lecz płytkich treści, które maskują słabe rozumowanie. Gdy taka praca niskiej jakości trafi do danych organizacji, twoja kolejna iteracja AI będzie się na niej uczyć. To pętla sprzężenia zwrotnego, której większość liderów nie przeanalizowała.
Przeciwdziałamy temu, kładąc duży nacisk na człowieka wykonującego pracę na początku każdego przepływu pracy — dane wejściowe są zasobem, a nie wynikiem. Jeśli pozwolisz, by AI stało się wyrównywaczem produktywności, na który wszyscy liczyli, za osiemnaście miesięcy obudzisz się w organizacji, w której różnica między najlepszymi pracownikami a całą resztą będzie większa niż kiedykolwiek, a nie mniejsza.
Trzy praktyczne działania dla liderów wdrażających AI

Po pierwsze: wyznacz ambasadora AI w każdej jednostce biznesowej, nie tylko w działach inżynierii i produktu. W większości organizacji faktyczni ambasadorzy AI działają w funkcjach technicznych i nie ma ich nigdzie indziej. Uczyń tę rolę celową. Zapewnij jej widoczność, czas i przyzwolenie na kwestionowanie sposobu funkcjonowania danej jednostki.
Funkcje, w których jest to najtrudniejsze — finanse, prawo, administracja ogólna — to dokładnie te obszary, w których znajduje się największa dźwignia, ponieważ praca w tych funkcjach najbardziej przypomina to, co duże modele językowe wykonują natywnie. Jeśli nie wyznaczasz ambasadorów w tych obszarach, pozostawiasz na stole większość wartości.
Po drugie: zbuduj podwójne wskaźniki KPI — jeden zestaw dotyczący wyników „teraz” i drugi dotyczący możliwości „w przyszłości”. Pułapka polega na mierzeniu transformacji tym, jak wiele bieżącej pracy udało się zautomatyzować, podczas gdy prawdziwe pytanie brzmi: ile nowej pracy udało się umożliwić.
Liderzy, którzy odnoszą w tym sukces, śledzą krótkoterminowe wskaźniki „teraz” — adopcję, produktywność, zaoszczędzony czas — równolegle z długoterminowymi wskaźnikami „przyszłości” — opracowanymi nowymi możliwościami, utworzonymi nowymi rolami oraz umożliwionymi nowymi przychodami lub rezultatami dla klientów. Jeśli śledzisz wyłącznie wskaźniki „teraz”, zoptymalizujesz swoją organizację tak, że stanie się mniejszą i szybszą wersją tego, czym była wcześniej. Nie chodzi o to, żeby być mniejszym i szybszym. Chodzi o to, żeby być innym w sposób, który ma znaczenie.
Po trzecie: jasno określ, które decyzje przechodzą od modelu „człowiek w pętli” do modelu „człowiek na czele”. Przejście od „człowiek obserwuje pracę AI” do „człowiek kieruje pracą AI i odpowiada za jej rezultat” to najważniejsza zmiana w zarządzaniu, jaką dział People może wprowadzić w tym roku. Wyjaśnia odpowiedzialność. Buduje zaufanie szybciej niż jakikolwiek dokument dotyczący zasad i daje ludziom jasną odpowiedź na pytanie, które naprawdę sobie zadają: czy nadal to ja kieruję swoją pracą?
Kiedy odpowiedź brzmi „tak” — w sposób widoczny, wielokrotnie i w najważniejszych momentach — adopcja przyspiesza, a opór słabnie. Kiedy odpowiedź jest niejasna, każda inna inicjatywa związana z AI napotka tarcia, których nie uwzględniono w budżecie.
Co sprawia, że lider jest niezastąpiony
Odporność i hojność to dwie cechy, które chcę, aby moje dzieci zabrały ze sobą na rynek pracy, którego nie potrafię w pełni przewidzieć. To również — przypadkowo, ale nie bez powodu — dwie cechy, których szukam u każdego lidera przychodzącego na rozmowę w finałowym etapie rekrutacji. AI potrafi zrobić niemal wszystko inne. Tego nie potrafi. Za każdym razem postawiłbym właśnie na te cechy. Za każdym razem właśnie na nie stawiam.

Firmy, które obecnie sobie nie radzą, potraktowały AI jako narzędzie zastępowania zamiast przeprojektowania i usunęły warstwę, w której obecny był ludzki pierwiastek. AI obsłużyło dużą skalę. Nie rozpoznało momentu. Koszt zawsze okazuje się wyższy niż przewidywał model oszczędności, ponieważ ten moment przekłada się na zaufanie, odejścia pracowników, a także na kolejną osobę, która obserwuje sposób działania firmy i po cichu aktualizuje swoje CV.
Liderzy, którzy konsekwentnie odnoszą sukces, chronią to, co pozostaje wyraźnie ludzkie. Trudną rozmowę. Rozmowę o awansie, podczas której dane mówią „tak”, ale czujesz, że dana osoba nie jest gotowa na ciężar kolejnego stanowiska. Rozstanie przeprowadzone z taką dozą empatii, że odchodząca osoba nadal dobrze mówi o firmie. Ocenę tego, czy ktoś potrzebuje dodatkowego wsparcia w ramach coachingu, czy zasługuje na większą swobodę działania. To właśnie tam naprawdę buduje się retencję, zaufanie i reputację — i właśnie dlatego kolejna osoba przyjmuje ofertę, pamiętając, jak potraktowano poprzednią osobę, która odeszła.
Orientacja biznesowa, biegłość technologiczna i wysoka empatia nie są trzema odrębnymi umiejętnościami. To jedna umiejętność wyrażana na trzy sposoby.
Powód, dla którego tak bardzo mi na tym zależy, jeśli mam być szczery, sprowadza się do moich dwojga dzieci.
Mój syn Jonah ma siedem lat. Każdego ranka od razu sięga po nowe pudełko klocków Lego. Czasami dokładnie stosuje się do instrukcji. Czasami całkowicie je ignoruje i buduje coś, czego nikt wcześniej nie widział. Nie dostrzega różnicy między tymi dwoma podejściami — w obu przypadkach coś zbudował.
To nie jest styl uczenia się. To odporność. Odmowa poddania się przed murem, kiedy gdzieś może znajdować się okno, którego jeszcze nie spróbowałeś znaleźć. To również cecha, której szukam u każdego lidera, którego pomagam dyrektorowi generalnemu zatrudnić, ponieważ każda szybko rozwijająca się firma jest zestawem Lego, któremu brakuje połowy instrukcji.
Moja córka Gabi skończyła pięć lat i sama zaplanowała upominki na swoje przyjęcie urodzinowe. Wybrała cukierki i zabawki dla każdego gościa. Dla każdego narysowała spersonalizowaną ilustrację. W dniu własnych urodzin — w dniu, w którym to ona miała coś dostawać.
To hojność, ale użyteczniej można ją określić jako instynkt wzmacniania innych: sprawianie, że ludzie wokół ciebie stają się lepsi, bez proszenia, bez czekania na odpowiedni moment i bez oczekiwania czegokolwiek w zamian. To cecha przywódcza, która pojawia się w każdym pomieszczeniu, w którym kiedykolwiek widziałem, że wszystko naprawdę dobrze funkcjonuje. AI jej nie wytworzy.
Odporność i hojność to dwie cechy, które chcę, aby moje dzieci zabrały ze sobą na rynek pracy, którego nie potrafię w pełni przewidzieć. To również — przypadkowo, ale nie bez powodu — dwie cechy, których szukam u każdego lidera przychodzącego na rozmowę w finałowym etapie rekrutacji. AI potrafi zrobić niemal wszystko inne. Tego nie potrafi.
Za każdym razem postawiłbym właśnie na te cechy. Za każdym razem właśnie na nie stawiam.
Śledź nasze działania
Możesz śledzić pracę Brada Wilkinsa na platformie LinkedIn.
Wkrótce opublikujemy kolejne wywiady z ekspertami na People Managing People!



