Od ponad dwóch lat jesteśmy świadkami huraganowej ekspansji generatywnej sztucznej inteligencji (GenAI), która nie jest już tylko technologiczną ciekawostką, stała się bowiem realnym narzędziem transformacji biznesu. I choć coraz więcej firm przekształca eksperymenty z dużymi modelami językowymi (LLM) w konkretne wdrożenia, to wciąż niewiele organizacji (oczywiście poza dostawcami tych algorytmów) może pochwalić się istotną wartością uzyskaną dzięki tej technologii.

Gdy w 2022 r. pojawiły się powszechnie dostępne duże modele językowe (LLM), ich potężna zdolność do generowania tekstu na żądanie zapowiadała rewolucję w produktywności. Jednak mimo że te zaawansowane systemy AI potrafią tworzyć płynny tekst w języku naturalnym i komputerowym, to są one dalekie od doskonałości. Mogą halucynować, wykazywać się logiczną niespójnością oraz produkować treści nieadekwatne lub szkodliwe.

Chociaż technologia ta stała się powszechnie dostępna, wielu menedżerów nadal ma trudności z rozpoznawaniem przypadków użycia LLM-ów, w których poprawa produktywności przewyższa koszty i ryzyka związane z tymi narzędziami. Potrzebne jest bardziej systematyczne podejście do wykorzystywania modeli językowych, tak aby uefektywnić procesy biznesowe, a jednocześnie kontrolować słabe strony LLM-ów. Proponuję trzy kroki ułatwiające osiągnięcie tego celu. Po pierwsze, należy rozłożyć proces na mniejsze zadania. Po drugie, trzeba ocenić, czy każde zadanie spełnia tzw. równanie kosztów GenAI, które szczegółowo wyjaśnię w tym artykule. Jeśli ten warunek zostanie spełniony, należy uruchomić projekt pilotażowy, iteracyjnie oceniać jego wyniki oraz na bieżąco wprowadzać zmiany w celu poprawy rezultatów.

Kluczowe w tym podejściu jest pełne zrozumienie, w jaki sposób mocne i słabe strony modeli językowych odpowiadają specyfice danego zadania; jakie techniki umożliwiają ich skuteczną adaptację w celu zwiększenia wydajności; oraz jak te czynniki wpływają na bilans kosztów i korzyści – a także na ocenę ryzyka i potencjalnych zysków – związanych z wykorzystaniem modeli językowych do podnoszenia efektywności realizowanych działań.

Przemyślany i dobrze zaprojektowany projekt grywalizacyjny może skutecznie zmienić zachowania i nawyki pracowników, co prowadzi do wzrostu ich zaangażowania i podniesienia kolektywnej inteligencji zespołów. Poznaj rozwiązania, które inspirują ludzi do nauki i działania oraz przynoszą długofalowy wzrost efektywności.

Historia ludzkości bogata jest w różnego rodzaju rewolucje, spośród których szczególną rolę odgrywają przełomy technologiczne przekładające się na wykładniczy wzrost ludzkiej wydajności. Człowiek urodzony w czasach wynalezienia maszyny parowej miał szansę przejechać się pierwszym pociągiem. Jego dziecko mogło podróżować przez całą Europę, wnuki – przepłynąć ocean, a prawnuki dziś mogą okrążyć świat samolotem. Podczas gdy nasi dziadkowie rzadko opuszczali swoje miasta czy wsie, my możemy w ciągu jednej doby znaleźć się na drugim końcu świata i nie potrzebujemy do tego specjalnych przygotowań. To efekt niesamowitej wydajności produkowanych dziś maszyn i technologii, które dają nam możliwości, jakich nie mieli nasi przodkowie.

Inteligencja zbiorowa

Taki niesamowity postęp jest możliwy dzięki naszej ewolucyjnej zdolności do adaptacji. Ten mechanizm pozwalający nam przystosować się do nowych sytuacji, niezależnie od tego, czy jest to zjawisko pozytywne, jak pojawienie się nowej technologii, czy negatywne, jak kataklizm naturalny, nazywamy „inteligencją kolektywną” (collective IQ). Termin ten wprowadził amerykański naukowiec Doug EngelbartIndeks górny 11, nazywając w ten sposób miarę zdolności ludzi do współpracy w obliczu ważnych wyzwań. Chodzi tu o umiejętność przewidywania sytuacji lub reagowania na nie dzięki wykorzystaniu: zbiorowej percepcji, pamięci, doświadczenia wizji, rozumowania, zdolności do planowania i przewidywania, co pozwala zdobyć wiedzę potrzebą do rozwiązania problemów. W dużym uproszczeniu: collective IQ można potraktować jako miarę efektywności zespołów.

Niezależnie od tego, czy pracujecie nad nowym produktem lub usługą, szukasz lekarstwa na raka czy prowadzisz badania społeczne, kluczowym czynnikiem decydującym o efektywności zespołu jest kolektywne IQ. Dlatego z perspektywy biznesowej niezwykle istotne jest zrozumienie, co wpływa na wzrost lub spadek tego wskaźnika oraz jak skutecznie podnosić kolektywną inteligencję, by sprostać nadchodzącym wyzwaniom. Podczas gdy indywidualne IQ w dużej mierze zależy od wrodzonych cech mózgu, IQ grupy opiera się na tym, jak jej członkowie angażują się w proces równoczesnego rozwijania, integrowania i stosowania swojej wiedzy do realizacji wspólnej misji. Ważną rolę odgrywa także to, jak korzystają ze wspólnej bazy wiedzy dostępnej w ramach „dynamicznego repozytorium”.

Doug Engelbart, badając zjawisko inteligencji zbiorowej, sformułował prawo mówiące, że ludzka wydajność rośnie wykładniczo – podobnie jak inne zjawiska w świecie technologii cyfrowych. Prawo Moore’a pokazuje wykładniczy wzrost mocy obliczeniowej (liczba tranzystorów na chipie podwaja się mniej więcej co dwa lata), a prawo Metcalfe’a wskazuje na wykładniczy wzrost wartości sieci wraz z liczbą jej użytkowników. Prawo Engelbarta wyjaśnia przyczynę tego zjawiska – ludzie wykorzystują coraz potężniejsze narzędzia technologiczne do zwiększania swojej wydajności i wspólnego rozwiązywania problemów. Ten postęp widać w kolejnych przełomach: od pierwszych komputerów, przez internet i media społecznościowe, aż po generatywną sztuczną inteligencję. Jednak sama technologia to tylko narzędzia – kluczem do sukcesu jest umiejętność ich skutecznego wykorzystania przez zespoły w celu podnoszenia zbiorowej inteligencji.

Większość menedżerów ocenia kandydatów głównie pod kątem kompetencji, jednak to charakter pracowników ma moc transformowania DNA firmy. Dowiedz się, jak go trafnie ocenić i wykorzystywać jako siłę napędową organizacji.

Mówi się, że zatrudniamy za kompetencje, a zwalniamy za charakter. Wystarczy spojrzeć na przykład Boeinga, który znalazł się w kryzysie z powodu błędnych decyzji przywódczych. Te decyzje poważnie wpłynęły na jakość i bezpieczeństwo jego samolotów, podważając zaufanie publiczne do tej firmy, co ostatecznie zmusiło prezesa do ustąpienia ze stanowiska. Mimo to debata dotycząca wyboru nowego prezesa tej pogrążonej w kryzysie organizacji koncentruje się na dylemacie, czy powinien nim zostać inżynier czy księgowy – czyli na kwestiach kompetencyjnych. W dyskusji brakuje najważniejszego aspektu: potrzeby wyłonienia lidera o silnym charakterze i umiejętności podejmowania trafnych decyzji opartych na wartościach.

W rozważaniach o przyszłych liderach zbyt rzadko pojawia się temat mocnych i słabych stron ich charakterów. Choć menedżerowie często twierdzą, że uwzględniają charakter w procesie rekrutacji, w praktyce sprowadza się to głównie do oceny zgodności z wartościami organizacji. Nadmierny nacisk kładą na takie cechy jak ambicja i odpowiedzialność, zaniedbując równie istotne przymioty, takie jak pokora czy umiarkowanie. Takie podejście może prowadzić do utrwalenia toksycznych zachowań lub błędnych decyzji, które przenikają do kultury organizacyjnej. W efekcie osoby o silnym, zrównoważonym charakterze często tracą zaangażowanie lub decydują się na odejście, zwłaszcza gdy kolejne awanse wskazują, że firma premiuje ograniczony i niezdrowy zestaw cech.

Nie ma wątpliwości, że decyzje związane z zatrudnianiem, zwalnianiem i awansowaniem fundamentalnie kształtują kulturę organizacyjną – zarówno w sposób pozytywny, jak i negatywny. Mówiąc wprost: kultura organizacyjna odzwierciedla charakter osób, które ją tworzą. Dlatego osobowość staje się najważniejszym czynnikiem kształtującym jej rozwój. Na podstawie doświadczeń ze współpracy z wieloma organizacjami, które świadomie równoważą charakter i kompetencje w swoich praktykach HR, mogę wskazać kilka istotnych wniosków.

Liderzy skutecznie wykorzystują duże modele językowe, stopniowo minimalizując ryzyko i tworząc solidne fundamenty pod przyszłe transformacje technologiczne, dzięki czemu generują realną wartość dla swoich organizacji.

Niespełna dwa lata temu generatywna sztuczna inteligencja (GenAI) trafiła na czołówki stron gazet, zachwycając swoimi niezwykłymi możliwościami: mogła prowadzić rozmowy, analizować ogromne ilości tekstu, dźwięku i obrazów, a nawet tworzyć nowe dokumenty i dzieła sztuki. To najszybsze w historii wdrożenie technologii przyciągnęło ponad 100 mln użytkowników w ciągu pierwszych dwóch miesięcy, a firmy z różnych branż rozpoczęły eksperymenty z GenAI. Jednak pomimo dwóch lat intensywnego zainteresowania ze strony kierownictwa i licznych prób wdrożeniowych nie widać wielkoskalowych transformacji biznesowych, które początkowo przewidywano. Co się stało? Czy technologia nie spełniła oczekiwań? Czy eksperci się pomylili, wzywając do gigantycznych zmian? Czy firmy były zbyt ostrożne? Odpowiedź na te pytania brzmi: i tak, i nie. Generatywna sztuczna inteligencja już teraz jest wykorzystywana w wielu firmach, ale nie – jako lokomotywa radykalnej transformacji procesów biznesowych. Liderzy biznesu znajdują sposoby, by czerpać realną wartość z dużych modeli językowych (LLM), nie modyfikując całkowicie istniejących procesów. Dążą do małych zmian (small t) stanowiących fundament pod większe przekształcenia, które dopiero nadejdą. W tym artykule pokażemy, jak robią to dzisiaj i co możesz zrobić, aby tworzyć wartość za pomocą generatywnej sztucznej inteligencji.

Polskie firmy technologiczne coraz częściej realizują złożone zlecenia dla międzynarodowych gigantów. Jednak nawet najlepiej przygotowany zespół może przy takim projekcie natknąć się na nieoczekiwane przeszkody. Przykład firmy Esysco wdrażającej szyfrowanie poczty e-mail dla jednego z największych niemieckich banków pokazuje, jak szybko może runąć precyzyjnie zaplanowany harmonogram oraz jak radzić sobie z nieprzewidywalnymi wyzwaniami.

Polskie firmy technologiczne coraz częściej zdobywają międzynarodowe kontrakty i realizują projekty, które jeszcze niedawno były zarezerwowane wyłącznie dla międzynarodowych rywali. Dzięki temu zdobywają zagraniczne rynki, osiągając imponujące wyniki eksportu usług IT, który w 2023 r. przekroczył 16 mld dolarów. W ostatniej dekadzie przychody branży wzrosły niemal czterokrotnie, a wartość eksportu – aż 7,5 razy, dzięki czemu polski sektor IT stał się motorem rodzimego eksportu. Kluczowymi kierunkami ekspansji są Stany Zjednoczone, Niemcy i Wielka Brytania, a wśród najsilniejszych obszarów znajdują się fintech, cyberbezpieczeństwo, sztuczna inteligencja, gry oraz rozwój oprogramowania.

Polska wyróżnia się w regionie Europy Środkowo-Wschodniej jako największy eksporter usług IT, przewyższając Czechy czy Węgry, a pod względem jakości specjalistów IT zajmuje trzecie miejsce na świecie. Jednak do pełnego wykorzystania tego potencjału konieczne jest pokonanie barier takich jak ograniczony dostęp do kapitału na ekspansję, rosnące koszty pracy oraz niedostateczne doświadczenie w międzynarodowej sprzedaży i marketingu. To jednak nie wszystko. Przy współpracy z międzynarodowymi gigantami trzeba również pamiętać o nieznanej polskim wdrożeniowcom skali, złożoności i nieprzewidywalności towarzyszącym tak wielkim projektom. Dobrym przykładem może być nasze wdrożenie dla jednego z największych niemieckich banków, z którym podpisaliśmy kontrakt na wprowadzenie systemu zabezpieczeń e-maili dla ponad 300 tys. użytkowników rozsianych po całym świecie. Technologicznie byliśmy gotowi, ale rzeczywistość szybko zweryfikowała nasze plany.

Błędne założenia dotyczące tego, co naprawdę motywuje ludzi do pracy, mogą prowadzić do nieskutecznych technik zarządzania. Badania pokazują lepszy sposób.

Motywowanie pracowników do efektywnej i rzetelnej pracy to jedno z kluczowych wyzwań zarządzania, które towarzyszy organizacjom od zawsze. Rozwiązania preferowane przez większość menedżerów opierają się jednak na dawno sformułowanych założeniach. Choć współcześni liderzy zdają sobie sprawę, że najbardziej wydajne są osoby wewnętrznie zmotywowane i wysoce zaangażowane, wciąż powszechnie stosuje się tradycyjne metody zarządzania. Opierają się one na przekonaniu, że ludzie będą ciężko pracować jedynie wtedy, kiedy otrzymają odpowiednie bodźce i będą stale monitorowani. U podstaw tej niespójności leżą dwie konkurencyjne teorie dotyczące motywacji. Każda z nich ma znaczące implikacje dla zarządzania, struktury organizacyjnej i osiąganych rezultatów.

Poprzednie fale technologiczne wzmacniały tradycyjne struktury organizacyjne, stopniowo wprowadzając usprawnienia. Generatywna sztuczna inteligencja i duże modele językowe zmieniają firmy, wymagają bowiem zupełnie nowego podejścia do ich funkcjonowania. Tradycyjne struktury, oparte na ludzkich ograniczeniach, są zastępowane elastycznymi modelami współpracy człowieka i AI. Pracownicy już dziś używają AI bez zgody przełożonych, co zmusza liderów do redefinicji ról, procesów i zasad zarządzania. 

Elastyczne systemy, samodzielni i odpowiedzialni pracownicy oraz kultura otwarta na zmiany przyczyniają się do doskonałych wyników biznesowych.

W coraz bardziej niepewnym i nieprzewidywalnym świecie budowanie zdolności organizacji do wprowadzania zmian jest równie ważne, a może nawet ważniejsze, jak posiadanie doskonałej strategii, sprawnie zaplanowanych operacji czy utalentowanego zespołu. Choć umiejętność szybkiego reagowania na pojawiające się trendy, zagrożenia i szanse od zawsze była fundamentem sukcesu firm, tempo zmian w ostatnich dekadach uczyniło ją najważniejszym czynnikiem determinującym powodzenie organizacji.

Kowale w dawnych kuźniach musieli dostosowywać się do nowych technologii i wymagań klientów na przestrzeni wieków. Z kolei firmy motoryzacyjne z połowy XX w. reagowały na zmieniające się przepisy i preferencje konsumentów w perspektywie dekad. Dziś potrzeba adaptacji jest niemal nieustanna i odbywa się w znacznie węższych ramach czasowych – miesięcy, a czasem nawet tygodni. Samo uświadomienie sobie konieczności zmian jednak nie wystarcza.