Wzrost produktywności ma ograniczoną wartość, jeśli praca nadal przechodzi przez te same komitety, zatwierdzenia, przekazania i silosy funkcjonalne. Ograniczeniem staje się coraz częściej opóźnienie organizacyjne, czyli czas potrzebny organizacji na podjęcie decyzji, zmianę procesów i przełożenie nowych możliwości na wyniki biznesowe.
Pracę, która wcześniej wymagała udziału wielu specjalistów lub działów bądź trwała tygodniami, można wykonać znacznie szybciej. Zmienia to sposób współpracy zespołów, podejmowania decyzji oraz obszary wymagające wiedzy eksperckiej.
Pełne korzyści pojawiają się wtedy, gdy organizacje gruntownie zmieniają swoją konstrukcję oraz inaczej podchodzą do procesów pracy, nadzoru, motywacji, przepływu wiedzy i struktur decyzyjnych, aby wzrost produktywności dzięki AI kumulował się w całym przedsiębiorstwie.
Organizacje natywne dla AI potrzebują zarówno stabilnego trzonu, jak i elastycznych obrzeży, a najcenniejsze ludzkie umiejętności powinny wykorzystywać do oceny sytuacji i koordynowania działań.
Na LinkedInie, Substacku i innych forach często pojawiają się wypowiedzi sprowadzające się do stwierdzenia: „Nie widzę zwrotu z inwestycji w AI”. Wraz z upowszechnieniem rzeczywistych wdrożeń widzimy jednak wyraźny zwrot z rozwiązań AI i gotowych narzędzi, takich jak ChatGPT, Codex czy Claude. Mimo to ten punkt widzenia jest zrozumiały. Znaczny wzrost indywidualnej produktywności jest możliwy, ale pozostanie ograniczony, jeśli procesy pracy w organizacji się nie zmienią. Struktura organizacji musi ewoluować.
Niestety nie da się przygotować organizacji na każdą przyszłość, szczególnie przy tak szybkim rozwoju AI. Nikt nie potrafi dziś z całą pewnością określić, jak za trzy lata powinien wyglądać bank, ubezpieczyciel, sprzedawca detaliczny, firma energetyczna czy konsultingowa zoptymalizowana pod kątem AI. Technologia, ekonomia i modele pracy zmieniają się zbyt szybko, dlatego zdolność adaptacji stanie się jedną z najważniejszych przewag następnej dekady.
Jeśli wiedza na poziomie eksperckim jest dostępna natychmiast, a agenci AI mogą przez wiele godzin pracować autonomicznie, trzeba założyć, że sposób wykonywania pracy zmieni się — i powinien się zmienić. Oznacza to, że model operacyjny także musi się zmienić, aby organizacja mogła skorzystać z technologii. Najwięcej zyskają organizacje gotowe najszybciej dostosowywać się do nowych modeli pracy i pojawiających się zastosowań tej technologii.
Najłatwiej zrozumieć wpływ AI na organizacje, wychodząc od prostego założenia. Załóżmy, że każdy w organizacji ma natychmiastowy dostęp do wiedzy na poziomie eksperckim. Dwa lata temu trudno było to sobie wyobrazić, ale dziś jest to już niemal rzeczywistość. Choć rozwiązania te nie są jeszcze doskonałe, można rozsądnie założyć, że w niedalekiej przyszłości zbliżą się do doskonałości.
Dodajmy do tego drugie założenie. Załóżmy, że autonomiczni agenci mogą współpracować przez godziny, dni, a z czasem nawet tygodnie, aby wykonywać istotne zakresy pracy. Nie pojedyncze zadanie ani kilka zadań, lecz rozbudowaną sekwencję pracy obejmującą wiele dziedzin. To zespół międzyfunkcyjny zawarty w zespole agentów, którzy sami potrafią ustalić przebieg pracy.
Jeśli oba te założenia są choćby z grubsza trafne, sposób wykonywania pracy zmieni się — i będzie musiał się zmienić. Czas realizacji się skraca, wewnętrzna współpraca przybiera nową formę, a tempo zmian rośnie.
Tak szybkie zmiany sprzyjają decentralizacji, autonomii i innowacjom, podczas gdy większość dużych organizacji opiera się na przeciwnych zasadach.
Duże przedsiębiorstwa centralizują władzę w działach odpowiadających poszczególnym funkcjom. Strategię, technologię, dane, ryzyko, operacje, finanse, HR i działalność biznesową umieszczają w odrębnych strukturach, z których każda ma własne priorytety, bodźce i — co najważniejsze — mechanizmy kontroli.
Zmianami zarządzają komitety inwestycyjne i sterujące, rady architektoniczne, przeglądy ryzyka, kontrole zgodności, procesy zakupowe, roczne cykle planowania oraz uzasadnienia biznesowe. Niektóre zespoły zarządzania zmianą dodatkowo pośredniczą w przekazywaniu informacji między interesariuszami, nie wnosząc przy tym wartości.
Żaden z tych mechanizmów nie jest nieracjonalny — wszystkie istnieją z ważnych powodów. Zarządzają ryzykiem, przydzielają kapitał, zapobiegają powielaniu działań, chronią klientów i ustanawiają odpowiedzialność, ale jednocześnie narzucają określone tempo. Prawdopodobnie będzie ono zbyt wolne w świecie, w którym konkurenci natywni dla AI mogą znacznie szybciej testować rozwiązania, wyciągać wnioski i przeprojektowywać pracę.
Znaczenie ma również sygnał kulturowy. W wielu organizacjach system motywacyjny nadal nagradza trzymanie się granic funkcjonalnych, niezależnie od tego, jak często liderzy mówią: „Macie prawo samodzielnie podejmować decyzje”. Dlaczego? Chroń zespół. Chroń budżet. Chroń plan rozwoju. Unikaj widocznych porażek. Przekazuj trudne decyzje komitetowi. Nie wychodź zbyt daleko poza zatwierdzony proces.
Takie scentralizowane podejście ma sens, gdy eksperymentowanie jest kosztowne, a sporadyczne zmiany są ewolucyjne, a nie rewolucyjne. Staje się jednak problemem, gdy możliwości znacząco rosną co kilka miesięcy, a najlepsze szanse odkrywają zespoły najbliższe wykonywanej pracy.
Reagowanie na AI tradycyjną centralizacją powoduje opóźnienia, które uniemożliwiają osiągnięcie istotnego zwrotu z inwestycji. Jeśli każda zmiana musi przejść przez wiele komitetów, zanim wpłynie na rzeczywistą pracę, organizacja będzie uczyć się zbyt wolno.
Ograniczanie możliwości korzystania z AI sprawia, że organizacja staje się mniej atrakcyjnym miejscem pracy dla osób, które chcą się rozwijać i działać szybciej.
Większość organizacji zaczyna od rozwijania indywidualnej biegłości w korzystaniu z AI. To właściwy punkt wyjścia. Ludzie muszą wiedzieć, jak przekazywać AI instrukcje, kwestionować jej odpowiedzi, sprawdzać wyniki, chronić informacje poufne oraz kiedy z niej nie korzystać. Potrzebują pewności siebie, dobrego osądu i praktycznego doświadczenia.
Indywidualna biegłość ma jednak swoje granice. Analityk może przygotować pięć razy więcej analiz, ale forum decyzyjne nadal zbiera się raz w miesiącu. Programista może generować więcej kodu, ale proces przeglądu i wydawania oprogramowania pozostaje bez zmian. Specjalista ds. marketingu może tworzyć więcej treści, ale zatwierdzanie ich pod kątem marki nadal odbywa się w tej samej kolejce.
Nawet na poziomie zespołu zmiana procesu nie musi oznaczać większej szybkości, jeśli pozostałe części organizacji nadal działają tak jak wcześniej.
Jednostka działa więc szybciej i być może zespół również, ale ostateczne tempo wyników ograniczają inne elementy kompleksowego przepływu pracy w organizacji. Dlatego rozwój wykorzystania AI musi prowadzić od biegłości indywidualnej przez zespołową aż po biegłość całej organizacji.
Gdy przedsiębiorstwo potrafi zmieniać swoje struktury, bodźce, nadzór, przepływy wiedzy i wzorce technologiczne, lokalne korzyści osiągane przez ludzi i zespoły stają się wartością dla całej firmy.
To trudne wyzwanie, ale właśnie w nim kryje się szansa na uwolnienie wartości. Firmy natywne dla AI, które powstały w ostatnich latach po premierze ChatGPT, od początku budowały procesy z wbudowaną AI, dzięki czemu pozostają elastyczne i działają w płaskich strukturach. Z kolei większe przedsiębiorstwa dodały AI do istniejących procesów, tworząc niespójną mozaikę rozwiązań, która nie zmienia tego, jak wykonuje się pracę.
Organizacja natywna dla AI nie jest chaotyczna, lekkomyślna ani obsesyjnie skupiona na narzędziach. Nie oznacza też, że każdy pracownik używa najnowszego modelu w dowolnie wybrany sposób. Z pewnością nie oznacza zastąpienia nadzoru entuzjazmem ani udawania, że ludzie nie są już potrzebni.
Stary model projektowania organizacji zakłada, że można określić stan docelowy, narysować strukturę, wdrożyć zmianę i ustabilizować działanie. W przypadku AI jest to zbyt wolne.
Organizacje natywne dla AI będą projektowane z myślą o ciągłych zmianach. Organizacja natywna dla AI nieustannie przeprojektowuje pracę wokół połączonych atutów ludzi, systemów AI, danych, procesów i nadzoru. Nie postawi wszystkiego na jeden plan. Rozwinie zdolność szybkiego ustalania, które procesy należy zmienić, które role powinny ewoluować, jakie mechanizmy kontroli są potrzebne, które umiejętności zyskują na znaczeniu, jakie wzorce można wykorzystać ponownie i które założenia są już nieaktualne.
Wymaga to jednocześnie dwóch elementów: stabilnego trzonu i elastycznych obrzeży. Zapewniają one równowagę między centralizacją a wzmacnianiem zespołów najbliższych wykonywanej pracy.
Stabilny trzon zapewnia organizacji zaufanie i możliwość działania na dużą skalę. Cała firma ma dostęp do zatwierdzonych narzędzi, wzorców wielokrotnego użytku, ścieżek dostępu do danych, metod oceny, zabezpieczeń, zasad nadzoru, monitorowania, infrastruktury wiedzy i jasno określonej odpowiedzialności.
Elastyczne obrzeża to miejsce, w którym odbywa się praca i gdzie zmiany zachodzą często oraz bez zbędnych przeszkód. Małe zespoły międzyfunkcyjne, działające blisko problemu, mają wystarczające uprawnienia, by przeprojektowywać procesy, stosować AI, testować nowe metody pracy i przekazywać zdobyte doświadczenia całej organizacji.
Ta równowaga między trzonem a obrzeżami jest ważna. Nadmierna centralna kontrola sprawia, że organizacja uczy się zbyt wolno. Nadmierna swoboda lokalna prowadzi do rozdrobnienia organizacji. Organizacja natywna dla AI potrzebuje dyscypliny w trzonie i elastyczności na obrzeżach.
Uproszczony wniosek z automatyzacji pracy jest taki, że AI zmniejsza zapotrzebowanie na ludzi. W niektórych obszarach rzeczywiście tak będzie — dotyczy to na przykład powtarzalnej pracy umysłowej wymagającej niewielkiego kontekstu, która zostanie ograniczona lub wyeliminowana. Pod presją znajdzie się cała praca o charakterze głównie transakcyjnym: uzupełnianie luk w systemach, przekazywanie informacji, wstępne analizy, tworzenie pierwszych wersji oraz odpowiedzi o niewielkiej „wartości dodanej”.
Z drugiej strony ludzki „wkład” wchodzi na wyższy poziom: jeśli wiedza ekspercka jest dostępna natychmiast, rzadkimi cechami człowieka, których AI nie może i nie powinna zastępować, stają się osąd, kreatywność, odpowiedzialność, znajomość kontekstu i zaufanie.
Organizacje powinny w coraz większym stopniu stawiać na osoby zdolne podejmować decyzje w niejednoznacznych sytuacjach. Na osoby, które rozumieją daną dziedzinę na tyle dobrze, by kierować AI i rozpoznawać jej błędy. Na osoby, które potrafią zadawać lepsze pytania. Na osoby, które potrafią łączyć realia biznesowe, techniczne, operacyjne i ludzkie. Na osoby, które potrafią budować relacje i zaufanie oraz koordynować działania wielu interesariuszy. Co ważne, umiejętność szybkiego przełączania się między kontekstami oraz sprawnego i trafnego interpretowania informacji staje się jeszcze istotniejsza, gdy cały tydzień pracy zostaje skompresowany do poniedziałkowego poranka.
Wszechstronni specjaliści zyskują więc na wartości, jeśli potrafią zachować kontekst między funkcjami i koordynować pracę wspieraną przez AI. Eksperci również mogą zyskiwać na wartości, ponieważ szybsza praca tworzy więcej sytuacji, w których liczą się jakość i osąd. Liderzy będą zaś musieli w mniejszym stopniu kontrolować działania, a w większym projektować systemy, kontekst i tempo pracy.
Warto inwestować nie tylko w „umiejętności związane z AI”, lecz także w cechy ludzkie, które nabierają znaczenia, gdy AI przejmuje wykonywanie prostszych zadań: ciekawość, osąd, odporność, klarowność, kreatywność, zdecydowanie, współpracę i swobodne działanie w warunkach niejednoznaczności. Organizacja powinna już teraz zatrudniać, rozwijać i nagradzać osoby o takich cechach.
Tak duża kompresja pracy jest wyczerpująca, a organizacje natywne dla AI nie mogą przez cały czas działać w zawrotnym tempie. Muszą zapewnić ludziom przestrzeń i czas na regenerację oraz odbudowanie więzi. Aby skutecznie oceniać i decydować, organizacje powinny tworzyć warunki, w których szczęśliwy zbieg okoliczności może prowadzić do nowych pomysłów.
Obecnie wiele przedsiębiorstw zbyt wolno wykorzystuje możliwości, które AI już oferuje. Pogłębia to różnicę między rozwojem możliwości agentowych a postępami w ich wykorzystywaniu.
To normalne. Duże organizacje wdrażają technologie powoli z powodu przestarzałych systemów, ograniczeń regulacyjnych, oporu kulturowego, rozproszonych danych, niejasnej odpowiedzialności i rzeczywistych zagrożeń, którymi trzeba zarządzać.
W pewnym momencie wystarczająco wielu liderów, zespołów i konkurentów nauczy się jednak bezpiecznie i regularnie stosować AI w rzeczywistych procesach pracy. Wzorce dojrzeją, nadzór stanie się integralną częścią działania, agenci będą bardziej niezawodni, a zaufanie organizacji wzrośnie. Różnica między możliwościami oferowanymi przez AI a ich faktycznym wykorzystaniem przez przedsiębiorstwa zacznie się zmniejszać.
Gdy nadejdzie ten punkt zwrotny, przewagę zyskają nie firmy z najlepszymi modelami czy największymi budżetami na AI, lecz organizacje zdolne szybko zmieniać sposób wykonywania pracy.
Firmom, które centralizują każdą decyzję, chronią każdą funkcję, zarządzają przez powolne komitety i nagradzają ludzi za „niewychylanie się”, trudno będzie dotrzymać kroku.
Firmy, które zbudują stabilny trzon i elastyczne obrzeża, będą uczyć się szybciej. Wcześniej odkryją lepsze procesy, skierują odpowiednią kombinację wszechstronnych pracowników, ekspertów i liderów do zadań o większej wartości oraz przekształcą lokalne eksperymenty we wzorce wielokrotnego użytku.
Dziś pytanie może brzmieć: „Jak skutecznie wdrożyć AI?”, lecz wkrótce trzeba będzie zapytać: „Jak szybko nasza organizacja potrafi się dostosować, gdy AI zmienia sposób pracy?”
Powolna organizacja z potężną AI nadal będzie powolna, natomiast organizacja adaptacyjna wykorzysta AI do pomnażania efektów.