Agenci, Roboty i My: Jak AI zmienia oblicze pracy

W świecie pełnym nieprzewidywalności i ciągłych zawirowań gospodarczych, liderzy biznesu nie mogą po prostu biernie czekać na rozwój wydarzeń. Temat sztucznej inteligencji zdominował obecny dyskurs korporacyjny, wywołując niezwykle skrajne emocje. Nierzadko narracja medialna waha się między wizjami apokaliptycznymi, w których maszyny całkowicie wypierają ludzi, a optymistycznymi prognozami o niespotykanym dotąd tworzeniu nowych miejsc pracy.

Aby jednak skutecznie zarządzać organizacją, należy spojrzeć na twarde dane. Według analiz przedstawionych w najnowszym raporcie McKinsey Global Institute, nawet 57% godzin pracy w amerykańskiej gospodarce mogłoby zostać zautomatyzowanych przy użyciu technologii, które już dzisiaj są dostępne na rynku. Ten imponujący odsetek dzieli się na potencjał wirtualnych agentów, którzy mogliby zautomatyzować 44% czasu pracy, oraz robotów fizycznych, na które przypadałoby 13%. Wbrew pozorom, statystyki te nie zwiastują masowego bezrobocia, lecz raczej nadejście nowej ery, w której ludzie, agenci cyfrowi i maszyny będą pracować ramię w ramię w modelu ścisłego partnerstwa.

Koniec ery człowiek kontra maszyna

Wielu menedżerów wciąż zadaje sobie fundamentalne pytanie o to, czy AI ostatecznie zabierze nam pracę. Prawda jest jednak taka, że choć wpływ technologii na transformację rynku będzie niezwykle głęboki, ludzki pierwiastek pozostanie absolutnie kluczowym elementem procesów biznesowych. Zmiany dotkną niemal każdego zawodu i stanowiska, jednak pełna integracja zaawansowanych algorytmów z codziennymi przepływami pracy to długotrwały proces, którego efekty będą rozkładać się w czasie. Ludzie pozostaną niezastąpieni przede wszystkim w obszarach wymagających zaawansowanych zdolności interpersonalnych, społecznych i emocjonalnych. Ponadto to właśnie do człowieka należeć będą zadania opierające się na wyższych zdolnościach poznawczych, złożonym osądzie sytuacji oraz empatii.

Otwiera się również przestrzeń na powstawanie zupełnie nowych branż, ról i aktywności zawodowych, które wcześniej nie istniały. Prawdziwą rewolucją nie jest zastępowanie pracowników, ale wykorzystywanie technologii do „super-skalowania” ich możliwości. Badania rynku pracy objęły około 7000 różnych kompetencji, które pracodawcy wymieniają w ofertach pracy. Zdecydowana większość z nich to umiejętności współdzielone, co oznacza, że powszechnie cenione ludzkie kompetencje, takie jak rozwiązywanie problemów czy komunikacja, są obecnie wykorzystywane w zadaniach, w których sztuczna inteligencja również ma swój udział i w których może wspierać pracownika. Współpraca z AI pozwala zatem człowiekowi na dostarczanie pracy o wyższej jakości, wyciąganie trafniejszych wniosków oraz podejmowanie lepszych decyzji.

Czym jest płynność w obsłudze AI?

Zdolność do sprawnego poruszania się w świecie zdominowanym przez algorytmy staje się jedną z najbardziej deficytowych i pożądanych kompetencji na współczesnym rynku pracy. Eksperci wyraźnie rozróżniają dwa główne typy umiejętności związanych ze sztuczną inteligencją. Z jednej strony mamy do czynienia z twardymi, technicznymi umiejętnościami, które są niezbędne inżynierom oprogramowania do budowania i rozwijania samych narzędzi AI. Z drugiej strony, znacznie szybciej rośnie znaczenie tzw. płynności AI (AI fluency).

Płynność ta oznacza zdolność każdego, nawet nietechnicznego pracownika, do sprawnej interakcji z algorytmami. Obejmuje ona umiejętność zadawania systemom właściwych pytań, krytycznej oceny generowanych przez nie wyników, a także weryfikacji i ciągłego udoskonalania owoców tej współpracy. W perspektywie ostatnich dwóch lat, zapotrzebowanie na umiejętności związane ze sztuczną inteligencją rosło najszybciej na całym rynku pracy i obejmowało największą liczbę zawodów. Co niezwykle istotne, to właśnie popyt na ową ogólną płynność w obsłudze AI wzrósł aż siedmiokrotnie, stając się kluczowym wymogiem rekrutacyjnym na stanowiskach biznesowych, menedżerskich oraz w sektorze finansowym.

Jak uciec z fazy pilotażu

Pomimo ogromnych inwestycji i jasnych sygnałów płynących z rynku, wiele firm boryka się z problemem wykazania rzeczywistego zwrotu z inwestycji (ROI) w technologie oparte na AI. Organizacje często wpadają w pułapkę tak zwanego „czyśćca pilotaży”, gdzie wczesne wdrożenia są chaotyczne i skupione na mikrozadaniach. Korzystanie z algorytmów do pisania lepszych maili czy szybszego streszczania dokumentów to oczywiście pozytywne zjawiska, jednak nie generują one potężnych wzrostów produktywności w skali całej organizacji. Tego typu usprawnienia, żartobliwie określane mianem „wyprowadzania psa na spacer”, dają niewielkie oszczędności czasu na poziomie jednostki, ale nie transformują rdzenia biznesu.

Szacuje się tymczasem, że skuteczna transformacja z użyciem sztucznej inteligencji może przynieść światowej gospodarce aż 2,9 biliona dolarów nowej wartości. Aby sięgnąć po tak potężne korzyści, firmy muszą całkowicie przeprojektować swoje kluczowe procesy od początku do końca, co jest wyzwaniem trudnym, gdyż wymaga współpracy ponad podziałami funkcjonalnymi. Świetnym przykładem jest proces oceny ryzyka w ubezpieczeniach (underwriting). Tradycyjnie menedżerowie spędzali ogromną ilość czasu na przeglądaniu dokumentacji i ręcznym korygowaniu pracy podwładnych. Wprowadzenie sztucznej inteligencji jako „pierwszego weryfikatora”, który ocenia pliki i udziela wstępnych wskazówek, sprawia, że lider może zwiększyć swoją rozpiętość zarządzania z dziesięciu do nawet czterdziestu pracowników. Uwolniony w ten sposób czas menedżerowie mogą przeznaczyć na poszukiwanie nowych możliwości wzrostu, analizę wzorców systemowych czy wdrażanie lepszych polityk dla klientów.

Od eksperta do ucznia

Sztuczna inteligencja dawno przestała być wyłącznie ciekawostką technologiczną – stała się priorytetowym tematem dla zarządów, ściśle powiązanym ze strategią przywództwa. Wymaga to jednak gruntownej zmiany postaw na najwyższych szczeblach. Dotychczas pozycja lidera budowana była w oparciu o unikalną wiedzę ekspercką i lata doświadczeń, pozwalające na skuteczne rozpoznawanie biznesowych wzorców. Współczesne algorytmy potrafią jednak odtworzyć te wzorce i dostarczyć odpowiednią wiedzę znacznie szybciej i bardziej przewidywalnie. W związku z tym, kompetencją przyszłości staje się orientacja na ciągłą naukę i rozwój (learning and growth orientation). Menedżerowie muszą pogodzić się z faktem, że choć technologia uderzyła w rynek z prędkością pędzącego pociągu, pełna transformacja potrwa lata, a nawet dekady. Kluczowa staje się więc zwinność organizacyjna i odporność na zmiany.

Co zaskakujące, mimo świadomości o fundamentalnym wpływie AI na wyniki finansowe (P&L), większość członków kadry kierowniczej wciąż poświęca mniej niż godzinę dziennie na osobiste eksperymentowanie i zapoznawanie się z nowymi narzędziami. Szybkość jest w tym przypadku potężną strategią, ponieważ pozwala zbudować w organizacji „mięsień” ciągłego uczenia się, który musi funkcjonować nie tylko na poziomie zarządu, ale również w średniej kadrze kierowniczej będącej blisko codziennych operacji. Liderzy nie powinni paraliżować się strachem przed nowymi rozwiązaniami, lecz wdrożyć odpowiednie ramy oceny ryzyka, dostosowując autonomię algorytmów do złożoności poszczególnych decyzji oraz konsekwencji ich ewentualnych błędów.

Przyszłość nauki zawodu w epoce AI

Jednym z najczęstszych pytań zadawanych przez kadrę kierowniczą jest obawa o przyszłość rozwoju młodych talentów wewnątrz organizacji. Jeśli algorytmy przejmą proste, rutynowe zadania, które historycznie pozwalały juniorom wyrabiać w sobie właściwy osąd sytuacji, jak wychowamy kolejne pokolenie doświadczonych ekspertów?. Zatrzymanie rekrutacji na pozycje wejściowe nie jest właściwą drogą, gdyż prowadzi to do kosztownej i groźnej nierównowagi w piramidzie zatrudnienia. Pozbawia to również firmę napływu młodych talentów, które płynnie integrują nowinki technologiczne w swoim życiu codziennym, często wyprzedzając w tym powolne procedury korporacyjne. Model „terminowania” w biznesie ulegnie drastycznej transformacji. Zamiast polegać na tradycyjnym przekazywaniu wiedzy z pokolenia na pokolenie, nowi pracownicy będą uczyć się rzemiosła poprzez ewaluację, nadzorowanie i korygowanie pracy wykonywanej przez cyfrowych agentów. Wymaga to zupełnie nowego zestawu umiejętności oceny jakości pracy, do którego organizacje muszą zacząć przygotowywać swoich pracowników już dziś