A termelékenység növekedése keveset ér, ha a munka továbbra is ugyanazokon a bizottságokon, jóváhagyásokon, átadási pontokon és funkcionális silókon halad keresztül. Egyre inkább a szervezeti késlekedés válik korlátozó tényezővé: mennyi idő alatt hoz döntéseket és változtatja meg folyamatait a szervezet, illetve alakítja üzleti eredménnyé az új képességeket.
A korábban több szakértőt, részleget vagy többhetes munkát igénylő feladatok ma drámaian gyorsabban elvégezhetők. Ez megváltoztatja a csapatok együttműködését, a döntéshozatal módját és azt, hogy hol van szükség szakértelemre.
Az előnyök akkor érvényesülnek teljesen, ha a szervezetek gyökeresen átalakítják felépítésüket, és újragondolják a munkafolyamatokat, az irányítást, az ösztönzőket, a tudásáramlást és a döntéshozatali struktúrákat, hogy az AI által biztosított termelékenységnövekedés hatása az egész vállalatban megsokszorozódjon.
Az AI-natív szervezeteknek stabil gerincre és alkalmazkodó peremterületekre egyaránt szükségük van, miközben a legértékesebb emberi képességeket az ítéletalkotásra és a cselekvések összehangolására használják.
A LinkedInen, a Substacken és más fórumokon sok olyan vélemény olvasható, amely lényegében így szól: „Nem látom az AI megtérülését.” A tényleges használat terjedésével azonban az AI-megoldások és a kész eszközök – például a ChatGPT, a Codex és a Claude – bevezetése is bőséges megtérülést hoz. Az észrevétel mégis érthető. Bár egyéni szinten jelentős termelékenységnövekedés érhető el, ennek végső soron határt szab, ha a szervezet munkafolyamatai változatlanok maradnak. A szervezeti felépítésnek is fejlődnie kell.
Egy szervezetet azonban sajnos nem lehet jövőbiztossá tenni, különösen az AI gyors fejlődése mellett. Senki sem tudja biztosan megmondani, milyennek kellene lennie három év múlva egy AI-ra optimalizált banknak, biztosítónak, kereskedelmi vagy energetikai vállalatnak, illetve tanácsadó cégnek. A technológia, a gazdasági környezet és a munkavégzési minták túl gyorsan változnak, ezért az alkalmazkodóképesség a következő évtized egyik meghatározó versenyelőnye lesz.
Ha azonban azonnal elérhető a szakértői szintű intelligencia, és az AI-ágensek órákon át önállóan tudnak dolgozni, abból kell kiindulnunk, hogy a munkavégzés módja meg fog és meg is kell, hogy változzon. Ez pedig azt jelenti, hogy a technológia előnyeinek kihasználásához a működési modellnek is változnia kell. Azok a szervezetek nyerhetik a legtöbbet, amelyek a leggyorsabban hajlandók alkalmazkodni az új munkamódszerekhez és a technológia újonnan megjelenő alkalmazásaihoz.
Az AI szervezeti hatását egy egyszerű feltételezésből kiindulva érthetjük meg a legkönnyebben. Tegyük fel, hogy a szervezetben bárki számára azonnal elérhető a szakértői szintű intelligencia. Két éve ezt még nehéz volt elképzelni, mára viszont lényegében valósággá vált. Bár még nem tökéletes, észszerűnek tűnik feltételezni, hogy már a közeljövőben megközelíti a tökéletességet.
Ehhez adjunk hozzá még egy feltételezést. Tegyük fel, hogy az autonóm ágensek órákon, napokon, végül pedig heteken át együtt tudnak dolgozni, és érdemi munkafolyamatokat végeznek el. Nem egyetlen vagy néhány feladatot, hanem több szakterületet átfogó, valóban jelentős munkafolyamatot. Egy több szakterületet képviselő csapatot, ágensek olyan csapatába sűrítve, amely önállóan képes kialakítani a saját munkafolyamatát.
Ha mindkét feltételezés legalább nagy vonalakban igaz, akkor a munkavégzés módja meg fog – és meg is kell, hogy – változzon. Rövidül a teljesítési idő, átalakul a belső együttműködés, és felgyorsul a változás.
Az ilyen ütemű változás a decentralizációnak, az önállóságnak és az innovációnak kedvez, miközben a legtöbb nagy szervezet éppen az ellenkező elvre épül.
A nagyvállalatok funkciók szerint szervezett részlegekbe központosítják a hatalmat. A stratégiát, a technológiát, az adatokat, a kockázatkezelést, az üzemeltetést, a pénzügyet, a HR-t és az üzleti területeket különálló struktúrákba szervezik, amelyek mind saját prioritásokkal, ösztönzőkkel és – ami a legfontosabb – ellenőrzési mechanizmusokkal rendelkeznek.
A változást beruházási és irányítóbizottságok, architekturális testületek, kockázati felülvizsgálatok, megfelelőségi kapuk, beszerzési folyamatok, éves tervezési ciklusok és üzleti indoklások szabályozzák. Egyes változáskezelési csapatok tovább közvetítik az információt az érdekelt felek között anélkül, hogy értéket adnának hozzá.
Ismét hangsúlyozzuk: mindez nem észszerűtlen, ezek a mechanizmusok alapos okkal léteznek. Miközben kezelik a kockázatot, elosztják a tőkét, megelőzik a párhuzamos munkát, védik az ügyfeleket és egyértelmű felelősséget teremtenek, a munkatempót is meghatározzák. Ez valószínűleg túl lassú lesz egy olyan világban, ahol az AI-natív versenytársak sokkal gyorsabban tesztelhetnek, tanulhatnak és alakíthatják át a munkát.
A kulturális üzenet is számít. Sok szervezetben az ösztönzők továbbra is a funkcionális határokon belül maradást jutalmazzák, akárhányszor mondja is egy vezető, hogy „felhatalmazást kaptatok a döntéshozatalra”. Miért? Védd a csapatot. Védd a költségvetést. Védd az ütemtervet. Kerüld a látványos kudarcot. Tereld bizottság elé a nehéz döntéseket. Ne térj el túlságosan a jóváhagyott folyamattól.
Ez a központosított megközelítés akkor észszerű, ha a kísérletezés költsége magas, a ritka változások pedig fokozatos fejlődést, nem pedig forradalmi átalakulást jelentenek. Problémává válik azonban, ha a képességek néhány havonta jelentősen javulnak, a legjobb lehetőségeket pedig a munkához közel álló csapatok fedezik fel.
Ha hagyományos központosítással reagálunk az AI-ra, olyan késlekedést idézünk elő, amely meggátolja az érdemi megtérülést. Ha minden változtatásnak több bizottságon kell áthaladnia, mielőtt a tényleges munkát érintené, a szervezet túl lassan fog tanulni.
A fejlődni és gyorsabban haladni kívánó munkatársak szemében kevésbé vonzó munkahellyé teszi a szervezetet, ha korlátozza az AI kihasználásának lehetőségeit.
A legtöbb szervezet az egyéni AI-jártassággal kezdi. Ez a megfelelő kiindulópont. Az embereknek tudniuk kell, hogyan adjanak utasítást az AI-nak, miként kérdőjelezzék meg és ellenőrizzék a munkáját, hogyan védjék az érzékeny információkat, és mikor ne használják. Magabiztosságra, ítélőképességre és gyakorlati tapasztalatra van szükségük.
Az egyéni jártasságnak azonban van felső határa. Egy elemző ötször annyi elemzést készíthet, de a döntéshozó fórum továbbra is csak havonta ülésezik. Egy fejlesztő több kódot hozhat létre, de a felülvizsgálati és kiadási folyamat változatlan marad. Egy marketingszakember több tartalmat készíthet, de a márkajóváhagyás továbbra is ugyanabban a sorban várakozik.
A munkafolyamat csapatszintű megváltoztatása sem feltétlenül gyorsítja a munkát, ha a szervezet többi része továbbra is a megszokott módon működik.
Az egyén és akár a csapat is gyorsabban haladhat, de a végeredmény előállításának sebességét végül a szervezet teljes folyamatának más részei korlátozzák. Ezért kell az AI fejlődési útján az egyéni jártasságtól a csapatszintű, majd a szervezeti szintű jártasság felé haladni.
Amikor a vállalat képes megváltoztatni struktúráit, ösztönzőit, irányítását, tudásáramlását és technológiai mintáit, az egyének és csapatok helyi eredményei vállalati értékké válnak.
Ez nehéz kihívás, de egyúttal itt rejlik az értékteremtés lehetősége is. Az elmúlt néhány évben, a ChatGPT megjelenése után alapított AI-natív cégek eleve beépítették az AI-t munkafolyamataikba, ezért mozgékonyak maradtak, és lapos szervezeti struktúrákkal működnek. Ezzel szemben a nagyobb vállalatok meglévő folyamataikba illesztették be az AI-t, így foltozott rendszer jött létre, amely nem változtatja meg a munkavégzés módját.
Az AI-natív működés nem jelent káoszt, felelőtlenséget vagy az eszközök megszállott használatát. Nem azt jelenti, hogy minden alkalmazott tetszése szerint használja a legújabb modellt. És természetesen azt sem, hogy az irányítást lelkesedéssel helyettesítjük, vagy úgy teszünk, mintha már nem lenne szükség emberekre.
A szervezettervezés régi modellje abból indul ki, hogy meghatározhatunk egy jövőbeli állapotot, felrajzolhatjuk a struktúrát, végrehajthatjuk a változtatást, majd stabilizálhatjuk a szervezetet. Ez túl lassú az AI világában.
Az AI-natív szervezeteket folyamatos változásra tervezik. Az AI-natív szervezet folyamatosan újratervezi a munkát az emberek, az AI-rendszerek, az adatok, a munkafolyamatok és az irányítás együttes erősségeire építve. Nem tesz fel mindent egyetlen tervre. Kiépíti annak képességét, hogy gyorsan kiderítse, mely munkafolyamatokat kell átalakítani, mely szerepköröknek kell fejlődniük, milyen ellenőrzések szükségesek, mely készségek válnak fontosabbá, mely minták használhatók fel újra, és mely feltételezések avultak már el.
Ehhez egyszerre két dolog szükséges: stabil gerinc és alkalmazkodó peremterület. Ezek teremtenek egyensúlyt a központosítás és a munkához közel álló csapatok felhatalmazása között.
A stabil gerinc bizalmat teremt, és nagy léptékű működést tesz lehetővé. Az egész vállalat hozzáfér a jóváhagyott eszközökhöz, az újra felhasználható mintákhoz, az adathozzáférési útvonalakhoz, az értékelési módszerekhez, a biztonsági ellenőrzésekhez, az irányítási elvekhez, a monitorozáshoz és a tudásinfrastruktúrához, a felelősségi körök pedig egyértelműek.
Az alkalmazkodó peremterületen zajlik és változik gyakran, súrlódásmentesen a munka. A problémához közel álló, kis, több szakterületet képviselő csapatok elegendő felhatalmazást kapnak ahhoz, hogy újratervezzék a munkafolyamatokat, alkalmazzák az AI-t, új munkamódszereket teszteljenek, és a tanulságokat visszacsatolják a szervezetbe.
Fontos a központ és a peremterületek közötti egyensúly. Túlzott központi ellenőrzés mellett a szervezet túl lassan tanul. Túlzott helyi szabadság mellett a szervezet széttagolódik. Az AI-natív szervezetnek fegyelemre van szüksége a központban, alkalmazkodóképességre pedig a peremterületeken.
A munka automatizálásából könnyű azt a következtetést levonni, hogy az AI csökkenti az emberek iránti igényt. Bizonyos területeken ez így is lesz: a kevés kontextust igénylő, ismétlődő szellemi munka mennyisége csökken vagy teljesen eltűnik. Nyomás alá kerül minden olyan, főként tranzakciós jellegű munka, amely a rendszerek hiányosságait pótolja, információt továbbít, kezdeti elemzést vagy első vázlatokat készít, illetve csak korlátozott „hozzáadott értékű” válaszokat ad.
Az érem másik oldala azonban az, hogy az emberi „hozzájárulás” magasabb szintre kerül: ha a szakértői intelligencia azonnal elérhető, az AI által nem helyettesíthető és nem is helyettesítendő, ritka emberi képességek az ítélőképesség, a kreativitás, a felelősségvállalás, a kontextusértés és a bizalom lesznek.
A szervezeteknek egyre inkább azokra kell összpontosítaniuk, akik bizonytalan helyzetekben is képesek dönteni. Azokra, akik elég mélyen ismerik a szakterületet ahhoz, hogy irányítsák az AI-t, és felismerjék, ha téved. Azokra, akik jobb kérdéseket tudnak feltenni. Azokra, akik össze tudják kapcsolni az üzleti, műszaki, működési és emberi szempontokat. Azokra, akik kapcsolatokat építenek, bizalmat teremtenek, és összehangolják a sok érdekelt felet. Fontos továbbá, hogy még nélkülözhetetlenebbé válik a gyors és pontos kontextusváltás és információértelmezés, ha egy egész heti munka sűrűsödik bele a hétfő délelőttbe.
Az általános tudású szakemberek tehát értékesebbé, nem pedig kevésbé értékessé válnak, ha több szakterület összefüggéseit is átlátják, és összehangolják az AI-val támogatott munkát. A szakértők is értékesebbé válhatnak, mert a gyorsabb munkavégzés során több olyan pillanat adódik, amikor a minőség és az ítélőképesség számít. A vezetőknek pedig kevésbé a tevékenységek ellenőrzőiként, inkább a rendszerek, a kontextus és a munkatempó tervezőiként kell működniük.
Nem csupán az „AI-készségekbe” érdemes befektetni. Azok az emberi tulajdonságok válnak fontosabbá, amikor az alapszintű feladatvégzés nagyobb részét az AI kezeli: a kíváncsiság, az ítélőképesség, a reziliencia, az egyértelműség, a kreativitás, a határozottság, az együttműködés és a bizonytalanság magabiztos kezelése. A szervezetnek már most e tulajdonságok alapján kell felvennie, fejlesztenie és jutalmaznia az embereket.
Ennyi munka összesűrítése megterhelő, és az AI-natív szervezetek sem működhetnek folyamatosan nyaktörő tempóban. Időt és mozgásteret kell biztosítaniuk ahhoz, hogy az emberek feltöltődjenek és újra kapcsolódjanak egymáshoz. A hatékony mérlegeléshez és döntéshozatalhoz a szervezeteknek olyan környezetet kell teremteniük, ahol a véletlen találkozások újszerű ötletekhez vezethetnek.
Ma sok nagyvállalat lassan kezdi kihasználni az AI már elérhető lehetőségeit. Emiatt egyre nő a szakadék az ágensek képességeinek és tényleges alkalmazásuknak a fejlődése között.
Ez természetes. A nagy szervezetek lassan fogadják be a technológiát az örökölt rendszerek, a szabályozási korlátok, a kulturális ellenállás, a széttagolt adatok, a tisztázatlan felelősségi körök és a valós, kezelendő kockázatok miatt.
Egy idő után azonban elegendő vezető, csapat és versenytárs fog rájönni, miként alkalmazhatja biztonságosan és ismételhetően az AI-t a valós munkafolyamatokban. A bevált minták kiforrottabbá, az irányítási elvek beágyazottabbá, az ágensek megbízhatóbbá válnak, a szervezeti bizalom pedig erősödik. Csökkenni kezd a különbség az AI által lehetővé tett és a vállalatok által ténylegesen kihasznált lehetőségek között.
Amikor elérkezik ez a fordulópont, nem a legjobb modellekkel vagy a legnagyobb AI-költségvetéssel rendelkező cégek kerülnek előnybe, hanem azok a szervezetek, amelyek gyorsan képesek megváltoztatni a munkavégzés módját.
Nehezen tartanak majd lépést azok a cégek, amelyek minden döntést központosítanak, minden funkciót védenek, lassú bizottságokon keresztül irányítanak, és a „ne kelts hullámokat” hozzáállást jutalmazzák.
Gyorsabban tanulnak majd azok a cégek, amelyek stabil gerincet és alkalmazkodó peremterületeket építenek ki. Hamarabb fedezik fel a jobb munkafolyamatokat, az általános tudású szakemberekből, szakértőkből és vezetőkből álló, egészséges összetételű emberi tehetséget nagyobb értékű munkára irányítják át, a helyi kísérletekből pedig újra felhasználható mintákat alkotnak.
A kérdés ma még talán az, hogy „Hogyan vezethetjük be sikeresen az AI-t?”, de hamarosan ennek így kell hangzania: „Milyen gyorsan képes alkalmazkodni a szervezetünk, miközben az AI átalakítja a munkát?”
Egy lassú szervezet nagy teljesítményű AI-val is lassú marad; egy alkalmazkodó szervezet viszont megsokszorozza annak hatását.