Jak AI może pomóc podejmować lepsze decyzje pod presją?

Dane firmy Oracle wskazują, że aż 85% menedżerów doświadcza stresu decyzyjnego, a 75% z nich deklaruje dziesięciokrotny wzrost liczby podejmowanych decyzji w ciągu ostatnich trzech lat. Wsparcie ze strony sztucznej inteligencji wydaje się więc atrakcyjną alternatywą przy ciągłej pracy pod presją. Prawdziwy sukces w zarządzaniu zależy jednak od świadomego połączenia potencjału AI z ludzkimi możliwościami, takimi jak intuicja, doświadczenie i umiejętności interpersonalne.

Co potrafi AI, działając pod presją?

Potencjał technologiczny wzrasta z roku na rok. Sztuczna inteligencja, która jeszcze niedawno stanowiła bardziej symbol rozwoju niż realne wsparcie w codziennych obowiązkach, stała się obecnie powszechnym narzędziem pracy. W jakich obszarach wykorzystuje się ją najczęściej?

• Monitoring i predykcja. Firmy takie jak Unilever wykorzystują sztuczną inteligencję do monitorowania łańcuchów dostaw w czasie rzeczywistym. Dzięki algorytmom AI możliwe jest wychwycenie anomalii, zanim doprowadzą one do poważnych konsekwencji biznesowych. Oprócz sfery biznesowej, inteligentne algorytmy są wykorzystywane w ten sposób na przykład do wykrywania na podstawie zdjęć satelitarnych powstających zagrożeń ekologicznych, które mogłyby zakłócić łańcuchy dostaw.

• Kontakt z klientami i negocjacje. Coraz więcej przedsiębiorstw wykorzystuje AI w roli wirtualnych konsultantów, przykładowo perfumerie Sephora wdrożyły inteligentnego chatbota do doradzania klientom. AI nie ogranicza się jedynie do doradzania, ale czasem również do reprezentowania interesów firm. Jedno z największych przedsiębiorstw transportowych, Maersk, zdecydowało się na automatyzację negocjacji stawek przy mniejszych zleceniach. Działanie to znacznie przyspieszyło proces ich obsługi i pozwoliło przekierować negocjatorów do obsługi większych i bardziej zyskownych kontraktów.

• Symulacje, czyli trening bez ryzyka. Amerykańska firma telekomunikacyjna Verizon poszła z wykorzystaniem technologii o krok dalej. Korzysta ona z technologii VR i AI, by trenować pracowników obsługi klienta w warunkach symulowanych. Nowo zatrudnieni zanurzają się w realistycznych scenariuszach, w których mogą wcielić się w rolę klienta lub konsultanta. Dzięki temu lepiej rozumieją jego perspektywę, a także uczą się empatii i skutecznej komunikacji. Takie podejście nie tylko zwiększa efektywność szkoleń, ale też redukuje stres związany z pierwszymi dniami pracy. Podobne technologie wykorzystuje amerykańska jednostka specjalna SOCOM, szkoląc żołnierzy w podejmowaniu decyzji pod wysoką presją w sytuacjach kryzysowych.

• AI jako ekspert. Platformy oparte na generatywnej AI, takie jak GitHub Copilot czy Resilience Copilot, działają jak wirtualni doradcy. Przetwarzają ogromne ilości danych, w tym dokumenty i kod źródłowy aplikacji, a następnie generują podpowiedzi, proponują scenariusze działania i tworzą briefingi. W rezultacie liderzy zyskują szybki dostęp do analiz i rekomendacji, co pozwala im skrócić czas podejmowania decyzji oraz zredukować presję. Dzięki temu mogą skoncentrować się na kwestiach strategicznych, które wymagają ludzkiego osądu i doświadczenia.

Zobacz także: Jak firma Northwestern Mutual wykorzystuje w praktyce AI

Niezastąpiona wartość ludzkiego wkładu

Obecne modele sztucznej inteligencji posiadają rozwinięte zdolności twórcze i analityczne. Są niezrównane w kwestii szybkiego działania i przeglądania szerokich zbiorów danych. Rzeczywiste sytuacje biznesowe wymagają jednak czegoś więcej. W procesie podejmowania decyzji ludzie dostarczają tego, czego nie potrafią algorytmy. Przede wszystkim określają cele i definiują problemy biznesowe, w czym inteligentne systemy mogą pomóc, ale samodzielnie wykonają tego dobrze. Ludzie potrafią również przewidywać konsekwencje określonych działań w szerokim  kontekście społecznym. Te czynności polegają na umiejętnościach abstrakcyjnego myślenia, szerokiego postrzegania tematów oraz empatii, których AI nie może zagwarantować.

Warto pamiętać, że rekomendacje AI opierają się na wcześniejszych obserwacjach, czyli de facto na danych historycznych. Autorzy artykułu The Irreplaceable Value of Human Decision-Making in the Age of AI opublikowanego na łamach Harvard Business Review ostrzegają przed tzw. dataizmem. Jest to przekonanie, że dane są jedynym, nieomylnym i niezmiennym źródłem prawdy. To podejście ignoruje fakt, że same wartości liczbowe nie przedstawiają całego obrazu sytuacji, a ich interpretacja często zależy od kontekstu.

Ponadto niektóre zależności zmieniają się w czasie. Przykładem może być historia firm Kodak i Fuji. Z perspektywy danych historycznych strategia Kodaka była bez zarzutu. Firma w optymalizowała produkcję i dystrybucję analogowych aparatów fotograficznych, a nawet była wynalazcą fotografii cyfrowej. Nie wprowadziła jej jednak do szerokiej dystrybucji.  W rezultacie znalazła się na krawędzi bankructwa. Fuji natomiast podjęło śmiałą decyzję, opierając się na intuicji i zainwestowało w raczkujący segment cyfrowy. Szersze spojrzenie na sytuację i oderwanie się od bieżących trendów pozwoliło firmie nie tylko się utrzymać, lecz także rozwinąć się mimo szybko zmieniających się realiów. Potrzeba szerszego oglądu sytuacji sprawia, że opieranie się wyłącznie na rozwiązaniach technologicznych i twardych danych nie wystarcza.

Zobacz także: Jak firmy doradcze nie dały się zaskoczyć zmianom

Kiedy duet człowiek–AI naprawdę działa?

Zespół badaczy z MIT Sloan przeanalizował 106 eksperymentów porównujących efektywność działań ludzi, samej AI i zespołów mieszanych. W przypadku rutynowych zadań, takich jak klasyfikacja danych, sztuczna inteligencja okazywała się bardziej precyzyjna i szybsza. Jednak w rozwiązywaniu złożonych, nieszablonowych problemów, zwłaszcza wymagających kreatywności i oceny kontekstu, najlepsze wyniki osiągali ludzie współpracujący z AI. Przeprowadzona analiza wskazuje, że do efektywnego wykorzystania współpracy AI z człowiekiem potrzebne są trzy elementy:

• Po pierwsze, jasny podział ról. Człowiek nie może być po prostu biernym odbiorcą rekomendacji, musi aktywnie uczestniczyć w procesie ich ustalania i poszukiwania najlepszych rozwiązań.
• Po drugie, otwartość na testowanie nowych narzędzi oraz eksperymentowanie do momentu uzyskania satysfakcjonujących efektów. AI nie powinno się traktować jako wszechwiedzącej wyroczni, lecz jako partnera, który również może się mylić.
• Ostatnim, ale niemniej ważny aspekt, to edukacja użytkowników w zakresie tworzenia odpowiednich promptów i interpretacji odpowiedzi. Jest to szczególnie ważne, gdy pracuje się pod presją czasu i nie ma przestrzeni na wielokrotne eksperymentowanie.

Model bionic decision-making, czyli duet człowiek–AI w praktyce

Współpraca człowieka z AI jest przyszłością rynku pracy. Jak ją wprowadzić, by była efektywna i nie generowała błędów? W modelu „bionicznym” AI przejmuje funkcje związane z analizą, klasyfikacją danych i prognozowaniem, co pozwala ludziom skupić się na strategicznych aspektach decyzji. Przykładowo: AI może analizować dane o rynku, wskazać trendy i symulować potencjalne skutki decyzji. Ale to człowiek określa cel nadrzędny oraz najważniejsze czynniki wpływające na ostateczne wyniki. Dzięki temu liderzy mogą szybciej podejmować decyzje, jednocześnie nie tracąc z oczu szczegółów i twardych danych. Współpraca z AI nie powinna ograniczać się do pojedynczych sytuacji. W istocie jest to proces ciągłego doskonalenia. Ludzie uczą się interpretować i kwestionować wyniki generowane przez maszyny, a sztuczna inteligencja dostosowuje się do wzorców działania użytkowników.

Zobacz także: Dlaczego menedżerowie potrzebują współmyśliciela AI

Wdrażanie własnych specjalistycznych narzędzi AI

Organizacje mogą tworzyć własne narzędzia w oparciu o duże modele AI, by najlepiej dostosować je do swoich potrzeb. Istnieje wiele metod, by to zrobić. Najbardziej kosztownym rozwiązaniem jest tworzenie własnych modeli lub fine-tuning (dotrenowywanie bazowego modelu przy pomocy własnych zbiorów danych) istniejących. Takie podejście traci jednak na popularności, gdyż postępy w zdolnościach modeli bazowych firm, takich jak OpenAI, Anthropic lub DeepSeek, są na tyle duże, że szybko przeganiają one zdolności „modeli specjalistów”, nawet w ich niszach. Istnieje jednak szereg innych, bardziej przystępnych cenowo i funkcjonalnych możliwości, poczynając od odpowiedniego dostosowania system promptu do danego zadania. Można także dostosować wartości odpowiednich parametrów, takich jak temperatura Top-P, które kontrolują swobodę twórczą i „kreatywność” modelu.

W wielu przypadkach przydatne okazuje się podłączenie AI do firmowych baz danych na zasadzie RAG (Retrieval Augumented Generation). Bot odnajduje fragmenty uprzednio zindeksowanych firmowych zasobów i wykorzystuje je  do generowania odpowiedzi, co doskonale sprawdza się np. w narzędziach typu FAQ. Organizacje dysponujące zaawansowanymi kompetencjami cyfrowymi mogą również tworzyć automatyzacje i umieszczać moduły AI wewnątrz przepływów pracy (workflow). Należy także pamiętać, żeby okresowo weryfikować wiedzę dostarczaną przez AI, by poznać jej ograniczenia i nie tracić kontaktu z otoczeniem biznesowym.

Filary sukcesu – jak skutecznie wdrażać AI?

W czasach niepewności nie zawsze wygrywa ten, kto wie więcej. Często przewagę osiągają ci, którzy potrafią szybciej i mądrzej działać, zwłaszcza pod presją czasu. AI jest doskonałym wsparciem, ale to doświadczony lider decyduje o kierunku, w którym podąży organizacja. Aby skutecznie wdrażać AI powinieneś:

1. Ustalić zastosowania

 AI działa najlepiej w dobrze określonych obszarach. Unikaj stosowania uniwersalnych modeli do złożonych problemów bez dostosowania ich do konkretnej branży lub use case’ów. Tworzenie specjalistycznych narzędzi warto zacząć od dokładnego definiowania potrzeb biznesowych i pogłębionych wywiadów z ich przyszłymi użytkownikami. Jeśli twoja organizacja nie posiada szeroko rozbudowanych kompetencji w zakresie rozwoju narzędzi dla biznesu i integracji AI, warto zaangażować partnera zewnętrznego. Warto jednak suplementować to zasobami wewnątrz organizacji, by móc samodzielnie utrzymywać te systemy, kontrolować je i pozyskać kompetencje na przyszłość.

2. Dostosowywać zastosowania AI do poziomu doświadczenia i edukować pracowników

Nowicjusze często potrzebują AI jako przewodnika, natomiast eksperci wykorzystują ją jako wsparcie w poszczególnych zadaniach. Programy wdrożeniowe muszą uwzględniać różne poziomy kompetencji pracowników. Warto zainwestować w inżynierię promptów (prompt engineering). Liderzy i członkowie organizacji powinni nauczyć się komunikować ze sztuczną inteligencją w uporządkowany i skuteczny sposób. Pomocne może okazać się stworzenie organizacyjnej lub zespołowej biblioteki skutecznych poleceń oraz utworzenie wytycznych dla pracowników. Warto również przeznaczyć zasoby na szkolenia, motywować pracowników do samodzielnej nauki oraz promować grupy dyskusyjne, w których zainteresowani będą dzielili się informacjami i umiejętnościami. Dzięki temu proces wykorzystywania AI w firmie nie wymknie się spod kontroli.

3. Wspierać utrzymanie kompetencji eksperckich

Nawet jeśli AI automatyzuje wiele procesów, ludzie muszą stale ćwiczyć swoje zdolności. W przeciwnym razie grozi im „oduczenie” się umiejętności decyzyjnych i spłycenie zrozumienia tematu. Jest to szczególnie ważne, by zapewnić sprawne reagowanie w sytuacjach krytycznych, gdy działa się pod presją czasu i decyzji.