Wprowadzenie i kontekst
Nie jestem ani hazardzistą, ani wróżką, więc z definicji unikam tego typu prognoz, ale musimy na potrzeby tego tekstu przyjąć jakieś założenia, aby przygotować się na nadchodzące zmiany. Dwa lata temu, w pewnym momencie w AI Hero postawiłem na łączenie wiedzy domenowej (zarządzanie, marketing, sprzedaż, HR) z wiedzą techniczną. Taki miks całkiem nieźle się sprawdził. Gdzie się pomyliłem? W tempie zmian – części niedoszacowałem i przyszły znacznie szybciej (np. rozwój możliwości, dostępność opcji czy obniżenie kosztu), a część przeszacowałem (tempo podejmowania decyzji w korporacjach nadal potrafi zaskakiwać). Teraz cały czas staram się zrozumieć, jak praca managerów, a tym samym moja, zmieni się w perspektywie najbliższych 12, a patrząc dalej, 24 miesięcy.
Zanim przejdę dalej – umówmy się, że dla uproszczenia piszę „o AI” i często odwołuję się do agentów AI ze względu na ich popularność. Jednak w gruncie rzeczy chodzi mi o szersze spojrzenie na wykorzystanie technologii do rozwijania i skalowania biznesu. AI jest po prostu najbardziej wyrazistym obecnie przykładem tego trendu.
Diagnoza nadchodzących zmian
W przeciwieństwie do obecnych narzędzi AI, które wymagają precyzyjnych instrukcji i stałego nadzoru, agenci AI dostępni w niedalekiej przyszłości będą:
- Aktywnie przejmować rutynowe zadania po początkowej konfiguracji
- Samodzielnie zarządzać złożonymi procesami wymagając przy tym minimalnej interwencji ze strony człowieka
- Koordynować zaawansowane workflow, które dziś wymagają ciągłego zaangażowania po stronie zespołów i managerów
- Wykorzystywać feedback do samodzielnego usprawniania swojej pracy (co już zaczyna się dziać, choć na bardzo podstawowym poziomie i z dużymi wyzwaniami, które pojawiają się przy skalowaniu)
Pora od razu zmierzyć się z niewygodną prawdą: część stanowisk po prostu zniknie (przynajmniej w obecnej formie). To nie jest tylko kwestia tego, że 'AI Cię nie zastąpi – zastąpi Cię osoba używająca AI’. W rzeczywistości niektóre role przestaną istnieć, ponieważ większość ich zadań zostanie zautomatyzowana, a pozostała część nie będzie wystarczająca do utrzymania etatu. Widzę zbyt wielu profesjonalistów kurczowo trzymających się przekonania, że ich praca jest 'zbyt złożona’, by mogła zostać zautomatyzowana, co zwykle wynika z mieszanki ignorancji i strachu.
Porównajmy to do zmiany, jaką wprowadziły arkusze kalkulacyjne – nie chodziło tylko o szybsze liczenie, ale o zupełnie nowy sposób analizowania i podejmowania decyzji w oparciu o dane. Podobnie agenci AI zmienią nie tylko efektywność, ale całą naturę i strukturę tego jak pracujemy czy myślimy o budowaniu naszych zespołów. Z drugiej strony, o „data-driven companies” mówimy od bardzo dawna, a nadal niewiele firm funkcjonuje w ten sposób – z wykorzystaniem agentów AI pewnie będzie podobnie.
No dobra, mamy high-level, ale pora zejść nieco niżej, do okopów. Na co ja sam stawiam we własnym rozwoju? Na łączenie kropek między różnymi dziedzinami, przekładanie proponowanych rozwiązań na długoterminową perspektywę i wnoszenie zniuansowanego zrozumienia złożonych sytuacji. To element, który choć brzmi abstrakcyjnie – będzie najprawdopodobniej ciężko zastąpić technologią w takich obszarach, jak zarządzanie ludźmi czy tworzenie strategii.
Kluczowe pytanie w tym wszystkim brzmi: za co właściwie płacą Ci klienci? Gdzie i w jakich miejscach dostarczasz wartość, której nie da się łatwo powielić gdzie indziej? Uczciwa odpowiedź na to pytanie jest znacznie trudniejsza, niż większość osób może sobie wyobrażać. Jak wyglądałaby Twoja odpowiedź na to pytanie?
Transformacja roli managera
Wraz z rosnącymi możliwościami agentów AI, w mojej opinii rola managera fundamentalnie się zmieni. I to na kilku płaszczyznach. Zacznijmy od pierwszej z nich.
Zmiana focusu managera
Obecnie skupiamy się na wykonywaniu zadań i koordynowaniu rutynowej pracy – co pewnie też zajmuje znaczną część Twojego czasu. W najbliższej przyszłości jednak trzeba będzie przeprojektować procesy i wywrócić je do góry nogami – patrząc na nie z myślą o tym, w których miejscach najwięcej zadań ma zrealizować technologia. Nie chodzi o oddawanie zadań w całości do robotów. Chodzi o wykorzystanie technologii jako dźwigni odblokowującej czas i zasoby.
To nie jest też kwestia tego, że od teraz będziemy pracować wyłącznie nad ambitnymi zadaniami, „gdzie ludzki osąd, empatia i kontekstowe zrozumienie tworzą wartość, którą AI ma trudność odtworzyć”. W to akurat nie wierzę. Myślę, że będzie to bardziej pragmatyczne spojrzenie na to gdzie, w jaki sposób i w jakiej kolejności rozwijać kolejne obszary, a dostarczone insighty będą tym bardziej wartościowe, im trudniej będzie je wyczytać bezpośrednio „z Excela” (bo to akurat zrobi za nas technologia).
Nowe umiejętności managera
Sporo myślę na temat tego, jak dokładnie będzie wyglądał skillset managerów i obserwuję w pracy z klientami, jak wiele osób przechodzi ciekawą zmianę. Jeśli miałbym wymienić kilka z nich, to na pewno będą to rzeczy takie, jak:
- Określanie, co budować – czyli szybsza identyfikacja najcenniejszych procesów do automatyzacji
- Efektywne delegowanie do AI – czyli rozkładanie i rozszczepianie pracy na elementy możliwe do delegowania technologii
- Weryfikowanie i optymalizowanie wyników AI w skali – czyli opracowywanie skutecznych (i przede wszystkim działających!) mechanizmów kontroli jakości
„Nietechniczni” specjaliści z marketingu, HR, sprzedaży i operacji będą coraz częściej korzystać z tych umiejętności i możliwości technologii – bez potrzeby programowania. Demokratyzacja AI oznacza, że wiedza domenowa – a nie umiejętności techniczne – stanie się głównym czynnikiem decydującym o finalnej wartości.
Ta demokratyzacja niesie jednak poważne ryzyko. Podczas gdy „vibe coding” i narzędzia no-code ułatwiają każdemu tworzenie tego, co kiedyś wymagało programistów, proporcjonalnie rośnie potencjał szkód i to w dużej skali. Luki bezpieczeństwa, problemy ze skalowaniem, ograniczenia architektoniczne i co najważniejsze – “nieprzewidziane” (nieprzemyślane?) konsekwencje, nie znikają tylko dlatego, że implementacja jest łatwiejsza. Widziałem firmy tworzące koszmarne długi techniczne przez dobrze zamierzone (z perspektywy potencjalnych oszczędności), ale niekompetentne od strony technologicznej, wysiłki automatyzacyjne, które później stały się prawie niemożliwe do odkręcenia.
Szkoda czasu, a przede wszystkim pieniędzy. Nie patrz na to, jak szybko możesz coś mieć i nie wierz we wszystkie obietnice pojawiające się na rynku.
Strategia wdrożenia zmian
W niedalekiej przyszłości organizacje, które zdobędą przewagę konkurencyjną, nie będą czekać na doskonałych agentów AI, ale będą eksperymentować już dziś z tym co mamy. Jak zauważył Mike Krieger (CPO Anthropic), „Nie czekaj na doskonałe modele – eksploruj już teraz, frustruj się ograniczeniami”.
No dobra, ale jak do tego wszystkiego podejść?
Jako punkt startowy, który niesie niskie ryzyko i potencjalnie wysoką nagrodę, rozważ automatyzację procesów wewnętrznych. Najlepiej zacząć od tych procesów, które są niewidoczne dla klientów, ale jednocześnie czasochłonne dla zespołów. Kilka pomysłów na start to na przykład konwertowanie e-maili na zadania w aplikacjach do zarządzania projektami, streszczanie notatek ze spotkań skutkujące dystrybucją zadań i budowaniem firmowej bazy wiedzy, czy też generowanie pierwszych wersji dokumentacji wewnętrznej na podstawie transkrypcji ze spotkań i korespondencji wewnętrznej, takiej jak e-maile czy komunikator firmowy.
Wiem, że może to brzmieć nudno i wielu z was prawdopodobnie już wdrożyło podstawowe rozwiązania w tych obszarach. Będziesz jednak zaskoczony, ile dodatkowej wartości można wydobyć z ciągłego ulepszania nawet tak podstawowych rozwiązań. Wartość ta płynie zarówno z rozwijania prostych implementacji, jak i z poprawiania jakości czy skuteczności poszczególnych elementów, nawet o pojedyncze punkty procentowe. Dobrze ilustruje to ciekawy przykład podany ostatnio przez Kubę Mrugalskiego, pokazujący, jak niewielka poprawa niezawodności każdego kroku w wieloetapowym procesie dramatycznie wpływa na końcowy rezultat. W 10-krokowym workflow różnica między 97% a 98% skuteczności każdego kroku przekłada się na różnicę między 74% a 82% powodzenia całego procesu.
Innym podejściem są rozwiązania wykorzystujące model „human in the loop”. W tym wypadku warto zacząć od AI, która obsługuje wybrane elementy procesu, podczas gdy pracownicy weryfikują i poprawiają przygotowane przez nią rezultaty. Przykładem może być automatyczne przygotowanie pierwszych wersji ofert, uwzględniające zarówno dane historyczne, jak i autonomiczny research bieżącej sytuacji, które na końcu są weryfikowane przez ekspertów domenowych i handlowców.
Można również postawić na stopniową autonomię. Rozpocznij od mocno nadzorowanej automatyzacji, a następnie stopniowo zmniejszaj ten nadzór w miarę, jak systemy czy agenci potwierdzą swoją niezawodność. Na początku AI może jedynie sugerować działania do zatwierdzenia przez pracownika – przy czym nie należy oczekiwać, że zadziała to od razu, gdyż uzyskanie użytecznych sugestii wymaga znaczącego dopasowania rozwiązania i przetestowania go na zróżnicowanych przypadkach. W kolejnym kroku można przejść do AI wykonującej działania pod kontrolą, którą stopniowo będziesz ograniczać (pamiętając, że jeśli nie przekreśla to twojego business case’u, ostatnim elementem do „uwolnienia” powinien być ten skierowany na świat zewnętrzny).
Ostatecznie, pozwól na autonomiczne wykonywanie tych zadań, które system wykonuje już dobrze.
Budowanie organizacyjnej zdolności do zmiany
Przejście do efektywnego wykorzystania AI w codziennej pracy nie jest czymś, co osiąga się poprzez pojedynczy warsztat czy wdrożenie. To proces, który wymaga regularnej praktyki i rzeczywistej integracji z codziennymi zadaniami. Sukces w tej dziedzinie odniosą te organizacje, które konsekwentnie budują regularny kontakt na linii AI-pracownicy, integrując narzędzia sztucznej inteligencji z codziennymi zadaniami – zaczynając przy tym od prostych zastosowań i stopniowo zwiększając ich złożoność.
Co więcej, takie organizacje dbają o informację zwrotną i zapewniają możliwość szybkich iteracji, regularnie oceniając wyniki działania AI i wdrażając procesy służące poprawie jej wydajności oraz jakości. Kluczowe jest również rozwijanie wiedzy organizacyjnej poprzez systematyczne dokumentowanie sukcesów, porażek i wyciąganych wniosków, co pozwala budować spójną wiedzę i wspierać rozwój na poziomie całej firmy, a nie wyłącznie pojedynczych osób.
Jak zwykle w projektach IT, spora część potencjalnych projektów rozbije się o dwie rzeczy: ludzie i ich przyzwyczajenia oraz brak odpowiednich danych.
W tym tekście dam Ci perspektywę na drugi element – dane. Coraz częściej łapię się na tym, że już nie tworzę treści bezpośrednio dla odbiorców końcowych, ale pod kątem firmowej/personalnej bazy wiedzy, na podstawie, której wyciągam wsad merytoryczny, interpretuję, personalizuję i dostosowują do konkretnej sytuacji (post na social media, oferta, wsad do prezentacji).
Żeby być bardziej precyzyjnym – już teraz robi to głównie technologia, chociaż jeszcze nie w takim stopniu jakbym tego oczekiwał.
Technologia: szuflada z narzędziami, czy coś więcej?
Integracja agentów AI wymaga więcej niż adaptacji technologicznej – wymaga zmiany kulturowej w sposobie, w jaki postrzegamy relację między ludźmi a technologią.
Obecna rzeczywistość:
- W większości przypadków AI nie jest jeszcze gotowe do wykonywania pracy od początku do końca.
- Największa wartość pochodzi z wdrażania AI na konkretnych etapach procesów.
- Równą uwagę należy poświęcić organizacji procesów i doborowi narzędzi oraz ich konfiguracji.
- Długoterminowa wizja musi być zrównoważona (korzyści w przyszłości vs elastyczność adaptacji i konieczność osiągania pierwszych zwrotów w możliwie krótkim czasie, aby utrzymać odpowiednią trakcję)
Jak budować kulturę współpracy człowieka z AI?
Budowanie kultury współpracy człowieka z AI wymaga świadomego podejścia. Kluczowe jest adresowanie sceptycyzmu poprzez osiąganie małych zwycięstw, co pozwala budować pewność dzięki udanym wdrożeniom, zamiast polegać jedynie na wielkich obietnicach. Należy również zarządzać nierealistycznymi oczekiwaniami, pomagając zespołom zrozumieć obecne ograniczenia technologii, przy jednoczesnym docenieniu jej rzeczywistych możliwości. Równie ważne jest zachęcanie do eksperymentowania, poprzez tworzenie bezpiecznej przestrzeni, w której zespoły mogą swobodnie testować i uczyć się bez strachu przed porażką.
Co dalej: Twoje następne 90 dni
Aby rozpocząć podróż swojej organizacji w kierunku efektywnego wdrożenia agentów AI:
- Zidentyfikuj rutynowe procesy, które pochłaniają znaczny czas, ale są powtarzalne i bazują na jasnych regułach
- Zacznij od małej skali z ludzkim nadzorem – wdrażaj proste automatyzacje z jasnymi procesami przeglądu
- Buduj codzienną praktykę – zachęcaj członków zespołu do regularnej interakcji z narzędziami AI, nawet w drobny sposób
- Dokumentuj i udostępniaj wiedzę – stwórz prostą bazę wiedzy, zarówno dotyczącą dotychczasowych zastosowań, jak i tego w oparciu o co agenci będą mieli pracować
- Przeglądaj postępy co miesiąc – szukaj możliwości zwiększenia autonomii w udanych obszarach
Transformacja napędzana technologią to nie jednorazowy projekt, ale ciągła (czasami żmudna) zmiana. Firmy, które zaczną budować te zdolności już teraz, zyskają przewagę trudną do nadrobienia, gdy bardziej zaawansowane rozwiązania staną się dostępne.
Czas zacząć dziś – bez nierealistycznych ambicji, ale z konkretnymi krokami budującymi fundamenty pod przyszłe możliwości. A ja? Bardzo chętnie Ci w tym wszystkim pomogę.
