AI nie zastąpi wszystkiego, a już na pewno nie wszystkich

AI nie zastąpi wszystkiego, a już na pewno nie wszystkich
Michał Nowakowski. Źródło: BANK.pl
Michał Nowakowski, PhD pisze o wprowadzaniu AI do organizacji na przykładzie sadzenia drzew pod przyszły las oraz zachęca do nie ulegania magii błyskotek i dążeniu do nieustannego podnoszenia efektywności kosztem ludzi.

W dobie sztucznej inteligencji (AI) nie ulegajmy magii błyskotek i dążenia do nieustannej efektywności kosztem ludzi. Masowe zwolnienia pod hasłem „bo jest AI”, to droga nawet nie na skróty, ale prosto w przepaść. Stanowiska „entry” czy „junior” muszą zostać zredefiniowane. Ich zadania powinny być zróżnicowane i dawać realną szansę na zdobycie unikalnych kompetencji.

Organizacja potrzebuje pracowników z „wyższego poziomu”, potrafiących ogarniać złożone problemy. Aby jednak ktokolwiek ten poziom osiągnął, początkujący muszą mieć przestrzeń do nauki i doświadczania.

To wymusza na nas zaplanowanie budowy kompetencji z uwzględnieniem naszych CELÓW i POTRZEB – i to nie tylko do najbliższego walnego zgromadzenia, ale na całą nadchodzącą dekadę. Potrzeba do tego odważnych liderów i strategicznego wsparcia zarządu. Jeżeli nie zadbamy o „młodych”, za jakiś czas nie będziemy mieli oddanych „starych”. A to prosta droga do wypadnięcia z rynku.

Sztuczna inteligencja nie zastąpi wszystkiego, a już na pewno nie wszystkich. Jeżeli masz jeszcze siły czytać dalej – zapraszam, bo chcę to wyjaśnić na przykładzie. No i trochę ponarzekać!,

Załóżmy, że chcesz mieć las pełen rozłożystych, zdrowych drzew i świetnie działający ekosystem. Masz w sumie trzy opcje:

  1. kupujesz „gotowy” las, który ktoś wcześniej pielęgnował. Minus? Możesz nie mieć pojęcia o opiece nad nim, popełnisz błąd i las uschnie;

    2. szukasz szkółki z podrośniętymi drzewami. Sadzisz je, ale korzenie nie przyjmują się na Twojej glebie. Drzewa umierają, a Ty zostajesz z problemem. I bez lasu;

    3. najpierw gromadzisz wiedzę, przygotowujesz grunt i sadzisz drzewa od początku. Zdobywasz doświadczenie, doglądasz ich i „rośniesz” razem z nimi. Nie zawsze jest idealnie, część choruje, ale idziesz do przodu. Po latach masz las, który robi to, czego oczekiwałeś. Cel zrealizowany.

Ważna uwaga: las nie wyrasta od razu. Na dojrzałość potrzebuje dekad. Nie każdego stać na czekanie, ale już sam proces tworzenia przynosi realne korzyści.

Przejdźmy jednak do sedna.

Choć brzmi to jak felieton o planowaniu ścieżki kariery, stawka jest znacznie wyższa. Niech lasem będzie organizacja i jej cele biznesowe, a drzewami ludzie (tak, oni też potrafią uschnąć pod naporem stresu).

Wzrost to budowanie kompetencji i doświadczenia, które wymaga lat.

Czytaj także: Dlaczego projekty AI nie są „normalne”? Zrozumieć cykl życia inicjatyw i dobrze nimi zarządzić

O co mi właściwie chodzi?

 Przyjrzyjmy się dzisiejszemu podejściu do inwestycji w pracowników w kontekście (r)ewolucji AI. Jej pierwsze skutki na rynku pracy już widać:

  • więksi gracze idą po bandzie, zwalniając po 10-25% załogi, zasłaniając się sztuczną inteligencją. Inną sprawą jest, czy to czasem nie wymówka dla pękającej bańki po przeinwestowaniu;
  • część firm wymusza używanie AI (inaczej do widzenia). To przedsionek piekła, w którym managerowie zaraz obudzą się i krzykną: „Eureka! Nie potrzebujemy już ludzi, zwłaszcza tych młodych!”;
  • organizacje opóźnione w cyfryzacji zaczynają wariować, a ich pracownicy odliczają dni do emerytury z obawy przed zastąpieniem przez algorytm.

Pokazuje to jedno: skupiamy się na optymalizacji zasobów, patrząc niemal wyłącznie na KRÓTKOTERMINOWE korzyści, ignorując gotowość organizacji do stawiania czoła wyzwaniom najbliższej dekady.

Świetnie opisano to w „Harvard Business Review” („The Perils of Using AI to Replace Entry-Level Jobs”). Nie jest to dla mnie odkrycie Ameryki (sam trąbię o tym od lat), ale dobrze podsumowuje problem: ciągnie nas do ścinania etatów, bo „AI zrobi to za młodych”.

I prawda, część pracy juniorów łatwo dziś zautomatyzować. Teoretycznie zyskujemy przestrzeń do przygotowania pracownika do większych wyzwań. Żartuję. Tak by było, gdybyśmy myśleli wprzód.

Tymczasem w Jirze czy ERP widzimy niewykorzystane godziny, a pracownicy siedzą w telefonach lub snują się w poszukiwaniu kawy. Zaczynamy się nudzić i kombinować. A wtedy przychodzą do głowy głupie pomysły: a gdyby tak usunąć „zalegające” zasoby? CFO się cieszy, zarząd klaszcze – bo „optymalizujemy”.

Aż nagle przychodzi otrzeźwienie. Potrzebujemy seniorów do skomplikowanych projektów, a rynek wysechł. Najlepszych zgarnęła konkurencja, a headhunterzy rozkładają ręce.

Biznes przestaje się kręcić, a AI wcale nie dowozi magicznych wyników. Jest jakiś progres i ROI, ale trudne obszary leżą. Krzyczymy: „Dlaczego nie ma seniorów?!”. No nie ma, bo o nich nie zadbaliśmy – i to nie tylko wewnątrz firmy, ale i systemowo.

Do transformacji dot. AI jest potrzebny i junior, i senior

Początkujący pracownicy nie powinni być zatrudniani tylko do „odklikiwania” procesów. Musimy dawać im szansę na poznawanie kontekstu biznesowego przez „learning-by-doing”.

Sam pamiętam swoje początki kilkanaście lat temu – jak wiele dawało mi popełnianie błędów i ROZMOWY z bardziej doświadczonymi. Czasem sam byłem dla starszych kolegów inspiracją, bo patrzyłem na problemy ze świeżej perspektywy, bez bagażu „nawyków organizacji”.

Z młodych głów rodzą się nieoczywiste rozwiązania. Dzięki nim możemy przejść prawdziwą transformację. To oni są przyszłymi liderami od zadań specjalnych. Dając im szansę, dostajemy dwukrotnie więcej – wymaga to jednak od nas poświęceń i zrozumienia, że dotychczasowe metody już nie działają.

Nowe ścieżki, zredefiniowane role, upskilling i AI jako wsparcie, a nie zamiennik, to nasze być albo nie być. To element trudnej transformacji, ale przecież robienie biznesu z założenia nie jest łatwe. Jeśli potraktujemy to jako inwestycję, przyniesie owoce nie za 100 lat, ale już w trakcie budowy naszego „lasu”.

Dlatego Opcja 3 (sadzenie i pielęgnowanie) z reguły popłaca najbardziej. Oczywiście hybryda będzie optymalnym wyborem, bo same przejęcia zespołów (Opcja 1) czy rekrutacje z zewnątrz (Opcja 2) mogą spalić na panewce, jeśli nie potrafimy o nie zadbać w naszych warunkach.

 Mam nadzieję, że Was nie zanudziłem. Te kwestie powinniśmy wziąć sobie do serca. Nie od jutra. Dzisiaj, małymi kroczkami.

Michał Nowakowski
Michał Nowakowski – doktor nauk prawnych i radca prawny z 13-letnim doświadczeniem w obszarze innowacji finansowych oraz nowych technologii. Specjalizuje się w zagadnieniach związanych z wdrażaniem przepisów i regulacji dotyczących danych, AI oraz budowaniu w organizacjach rozwiązań data governance i data management. Od 2022 roku jest prezesem zarządu PONIP. Pracował zarówno w sektorze publicznym, jak i prywatnym, gdzie zdobywał doświadczenie przy realizacji projektów uwzględniających szeroko rozumiane ryzyka ICT oraz outsourcing i ochronę prywatności. Był związany także z instytucjami finansowymi, w tym z bankami, gdzie doradzał m.in. zespołom R&D, bezpieczeństwa oraz IT. Autor książek, artykułów naukowych i prelegent na konferencjach i wydarzeniach branżowych. Prywatnie miłośnik kodowania i ML. Współzałożyciel i prezes zarządu spółki GovernedAI, zajmującej się tworzeniem i wdrażaniem bezpiecznego oprogramowania wykorzystującego systemy uczenia maszynowego i głębokiego, w tym tzw. generatywną sztuczną inteligencję. Profil na linkedin: https://www.linkedin.com/in/mjnowakowski/?originalSubdomain=pl
Źródło: Portal Finansowy BANK.pl