Co każdy prezes powinien wiedzieć o AI

Od momentu pojawienia się na rynku Chatu PT dyskusja wokół sztucznej inteligencji skupia się głównie na tym, kogo, gdzie i kiedy zastąpią algorytmy w miejscu pracy. Owszem, jest to bardzo ważne, ale zupełnie odwraca uwagę od tego, jak naprawdę AI może pomóc firmom w budowaniu wzrostu.

Dlatego chciałbym zaproponować Państwu nieco odmienna narracje i polecić zestaw artykułów, w których nie traktujemy sztucznej inteligencji jako cel sam w sobie czy sposób na redukcje zatrudnienia, lecz jako pakiet narzędzi używany do kształtowania strategii biznesowej i jej realizacji. I tej tematyce poświęciliśmy całe bieżące wydanie naszego magazynu.

Zaczynamy od wyboru trendów przygotowanych na podstawie badań Thomasa H. Davenporta i Randy’ego Beana, przedstawiających praktyczne wykorzystanie generatywnej sztucznej inteligencji w różnych firmach i branżach. Potem w kolejnych artykułach zagłębiamy się w strategiczne oraz zarządcze meandry AI. Na początek zachęcamy do szybkiego działania i cierpliwości w oczekiwaniu na wyniki, zgodnie z hasłem:

Działaj dzisiaj, ale myśl o tym, co będzie za kilka lat. Potem podpowiadamy, Jak ChatGPT może (i nie może) pomóc menedżerom lepiej projektować stanowiska i wyjaśniamy, Co warto wiedzieć o mierzeniu wartości projektów AI, by skupiać się na efektach biznesowych zamiast parametrach technicznych wdrażanych rozwiązań. Do sprzedawców i marketerów adresujemy artykuły Jak połączyć ludzką ekspertyzę z rozwiązaniami prognozowania proponowanymi przez AI? oraz Cała nadzieja w AI. Zmiana pod presja rynku, a dla liderów mamy tekst Dlaczego menedżerowie potrzebują współmyśliciela AI. Prezesom, menedżerom oraz finansistom proponujemy dwa materiały o tym, Jak AI i inteligentne wskaźniki KPI wspierają realizacje strategii, a osobom zarządzającym projektami podpowiadamy, O co menedżerowie powinni pytać w obszarze modeli AI i zbiorów danych. I na koniec analizujemy praktyczny dylemat: Jak AI pomaga odróżnić dobrych od złych.

Każdy z tych artykułów jest oparty na doświadczeniach i skupia się na aspektach biznesowych zrealizowanych projektów. Mam nadzieje, ze te treści okażą się dla Państwa inspiracją i sprawią, że sztuczna inteligencja stanie się elementem strategii zamiast technologiczną zagwozdką.

Bańki technologiczne są złym środowiskiem informacyjnym.

Bańki technologiczne bywają źródłem dylematów dla liderów biznesowych, którzy mogą odczuwać presję, aby zainwestować wcześniej w nową technologię w celu zdobycia przewagi konkurencyjnej, ale nie chcą paść ofiarą pustych obietnic. Wkraczając w okres większej niepewności ekonomicznej i zwolnień w wielu branżach, menedżerowie wyższego szczebla zmagają się z pytaniami, gdzie ciąć koszty, a gdzie zwiększać poziom inwestycji.

Szczególne wyzwanie stanowi dla decydentów biznesowych szybko rozwijająca się dziedzina sztucznej inteligencji i uczenia maszynowego. Inwestycje w sprawdzone modele predyktywne są w coraz większym stopniu postrzegane jako zasadne. Z ich powodu wydatki na AI mają wzrosnąć z 33 miliardów dolarów w 2021 roku do 64 miliardów w roku 2025. Generatywnej AI towarzyszy jednak ogromny szum medialny i fale spekulacji.

Termin generatywna AI odnosi się do modeli uczenia maszynowego – takich jak ChatGPT, Bing AI, DALL‑E i Midjourney – które są trenowane na ogromnych bazach danych z tekstami i obrazami po to, aby mogły wygenerować nowe teksty i obrazy w reakcji na polecenie (prompt) użytkownika. Mnożą się nagłówki takie jak: „ChatGPT: dziesięć rad, bez których nie możesz się obejść!” i „Korzystasz z narzędzia ChatGPT w niewłaściwy sposób! Oto wskazówki, jak pozostawić w tyle 99% jego użytkowników”. Poza tym, jak podaje portal Axios, fundusze zasilają generatywną AI szerokim strumieniem. Ich wartość wzrosła z 613 milionów dolarów w 2022 roku do 2,3 miliarda w 2023 roku. A są to pieniądze, które tylko podgrzeją atmosferę wokół nowej technologii.

Liderzy biznesowi, którzy nie chcą przegapić wielkiej szansy, ale jednocześnie nie chcą marnować czasu i pieniędzy na wdrażanie przereklamowanych technologii, powinni pamiętać o kilku fundamentalnych rzeczach związanych z bańkami technologicznymi. Przede wszystkim, jak napisali wykładowcy uczelni biznesowych Brent Goldfarb i David Kirsch w swojej książce Bubbles and Crashes: The Boom and Bust of Technological Innovation z 2019 roku, bańki technologiczne to zjawiska bazujące na narracjach – opowieściach o tym, jak nowa technologia będzie się rozwijała i wpływała na społeczeństwa i gospodarki. Niestety, wczesne narracje, które pojawiają się wokół nowych technologii, niemal zawsze okazują się nieprawdziwe. Przecenianie obietnic i możliwości nowych systemów to samo sedno baniek technologicznych.

Futuryści i analitycy biznesowi mają wyjątkowo niską skuteczność w przewidywaniu przyszłości technologicznych nowości. Nikt nie jest bowiem w stanie przewidzieć, jak ludzie przyswoją sobie i wdrożą nowe narzędzia lub w jaki sposób posłużą one im do sprawowania lub zdobycia władzy nad innymi. Albo, mówiąc słowami futurysty Roya Amary, które dzisiaj są nazywane prawem Amary: „Zazwyczaj przeceniamy skutki nowej technologii w krótkiej perspektywie czasu, a nie doceniamy jej skutków na dłuższą metę”.

Nadszedł czas, aby zastąpić tradycyjne podejście do cyberbezpieczeństwa „inteligentniejszą” technologią i szkoleniami.

Już od kilku lat cyberprzestępcy wykorzystują sztuczną inteligencję do włamywania się do systemów korporacyjnych i zakłócania operacji biznesowych. Jednak najnowsze potężne narzędzia generatywnej sztucznej inteligencji, takie jak ChatGPT, stawiają przed liderami biznesu nowe wyzwania.

Rozważ te całkiem prawdopodobne scenariusze:

• Haker używa ChatuGPT do generowania spersonalizowanej wiadomości typu spear phishing na podstawie materiałów marketingowych twojej firmy i wiadomości phishingowych, które przyniosły skutek w przeszłości. Udaje się oszukać ludzi, mimo że byli oni dobrze przeszkoleni w zakresie świadomości użytkowania poczty e‑mail, ponieważ wiadomość nie wygląda na podejrzaną; taką, w której wykrywaniu zostali przeszkoleni.

• Bot AI dzwoni do pracownika odpowiedzialnego za rozliczenia i mówi głosem (fałszywym), który brzmi jak głos szefa. Po wymianie uprzejmości „szef” prosi pracownika o przelanie tysięcy dolarów na konto w celu „opłacenia faktury”. Pracownik wie, że nie powinien tego robić, ale szef ma przecież pełne prawo prosić o wyjątki.

• Hakerzy wykorzystują sztuczną inteligencję do zafałszowania informacji w systemie, tworząc cenny portfel akcji, który mogą spieniężyć, zanim oszustwo zostanie odkryte.

• W bardzo przekonującej fałszywej wymianie korespondencji e‑maili, stworzonej przy użyciu generatywnej sztucznej inteligencji, kadra kierownicza firmy stara się uzgodnić, jak zatuszować problemy finansowe. Wiadomość o „wycieku” rozprzestrzenia się jednak w błyskawicznym tempie za pomocą armii botów mediów społecznościowych, co prowadzi do gwałtownego spadku kursu akcji firmy i trwałego uszczerbku na reputacji.

Te scenariusze mogą brzmieć znajomo dla tych, którzy zwracają uwagę na historie o tzw. deepfake’ach siejących spustoszenie w mediach społecznościowych lub o bolesnych naruszeniach korporacyjnych systemów informatycznych. Natura nowych zagrożeń należy jednak do innej, bardziej przerażającej kategorii, ponieważ technologia leżąca u ich podstaw stała się „inteligentniejsza”.

Gdy zdolność generatywnej sztucznej inteligencji do tworzenia strategii zostaje poddana próbie, okazuje się, na czym polegają jej mocne strony – i w jakich obszarach ludzie wciąż mają przewagę.

Geoffrey Hinton, pionier głębokiego uczenia, odchodząc niedawno z Google’a, dał jasno do zrozumienia, że obawia się zagrożeń związanych ze sztuczną inteligencją. Nie tylko on. Po uruchomieniu ChatuGPT- 4 tysiące ekspertów od sztucznej inteligencji podpisało list wzywający do wstrzymania rozwoju potężnych systemów sztucznej inteligencji.

Z drugiej strony podekscytowanie możliwościami wynikającymi z dużych modeli językowych (large language models, LLM) i szybkości ich wdrażania są bezprecedensowe. Microsoft szybko zintegrował nową technologię ze swoją wyszukiwarką Bing, a założyciel firmy, Bill Gates, stwierdził, że ChatGPT „zmieni nasz świat”, niekoniecznie narażając miejsca pracy.

Podczas gdy spekulacje na temat przyszłości sztucznej inteligencji są nieuniknione, bardziej praktyczną kwestią jest to, jak możemy z niej korzystać już teraz. Rozmowy na ten temat odbywają się w salach lekcyjnych, newsroomach i miejscach pracy na całym świecie.

Jako stratedzy biznesowi chcieliśmy przekonać się, co generatywna sztuczna inteligencja może wnieść do naszej pracy – jaką wartość dodać. Zbadaliśmy tę kwestię, przeprowadzając serię eksperymentów dotyczących różnych aspektów procesu tworzenia strategii. W każdym z nich zadawaliśmy ChatowiGPT pytanie dotyczące strategii, po czym następowała długa wymiana zdań, by dopracować początkowe odpowiedzi. Celem było zrozumienie, w jaki sposób narzędzie może wspierać kreowanie idei, eksperymentowanie, ewaluację i budowanie historii – i na jakim polu zawodzi.

Obecnie wiele dużych firm – globalnie ok. 70% – doszło do przekonania, że sztuczna inteligencja jest ważna, więc szuka zastosowań dla technologii w różnych obszarach swojej działalności. W większości przedsiębiorstwa te mają również świadomość, że zastosowanie AI ma wymiar etyczny i że muszą dopilnować, aby systemy, które tworzą lub wdrażają, były przejrzyste, bezstronne i sprawiedliwe.

Wiele przedsiębiorstw, które zajmują się etyczną stroną sztucznej inteligencji (AI), jest wciąż na początkowym etapie rozstrzygania tej kwestii. Niektóre nakłoniły swoich pracowników, aby w pracy nad użyciem i wykorzystaniem AI kierowali się zasadami etycznymi. Inne opracowały wstępny zbiór procedur służących nadzorowi nad AI. Większość firm nie zrobiła jednak nawet tego. Jak wynika z jednej z ostatnich ankiet, 73% amerykańskich menedżerów wyższego szczebla oświadczyło, że ich zdaniem wytyczne w sferze sztucznej inteligencji są ważne, ale tylko 6% z nich zadbało o ich nakreślenie.

Właściwy proces tworzenia etycznych podstaw funkcjonowania AI w przedsiębiorstwie powinien, według nas, obejmować pięć etapów:

• Etap kaznodziejstwa – przedstawiciele firmy propagują znaczenie etyki w sferze AI;

• Etap tworzenia procedur – firma obmyśla i zatwierdza wewnętrzne procedury etycznego podejścia do AI;

• Etap ewidencjonowania – firma zbiera dane na temat każdego przypadku użycia lub zastosowania AI (przy zastosowaniu takich metod jak karty modeli);

• Etap oceny – firma przeprowadza usystematyzowaną analizę każdego przypadku użycia (lub zleca ją zewnętrznemu partnerowi), aby ustalić, czy dany przypadek spełnia kryteria dotyczące etyki w sferze AI;

• Etap działania – firma albo akceptuje przypadek użycia w istniejącej wersji, albo odsyła przypadek do korekty przez zgłaszającego go „właściciela”, albo przypadek trafia do lamusa.

Dopiero na wyższych etapach – oceny i działania – firma jest w stanie faktycznie stwierdzić, czy zastosowania AI spełniają ustanowione przez nią kryteria w sferze przejrzystości, bezstronności i sprawiedliwości. Aby przystąpić do pracy nad tymi etapami, firma musi dysponować sporą liczbą projektów AI, procesów i systemów gromadzenia informacji wraz ze strukturami nadzoru służącymi podejmowaniu decyzji dotyczących konkretnych zastosowań. Wiele przedsiębiorstw nie spełnia jeszcze tych wstępnych warunków, ale w miarę osiągania przez te firmy większej dojrzałości w sferze AI i kładzenia na nią większego nacisku spełnienie tych warunków okaże się konieczne.

W czasie, w którym wiele firm z zakresu usług finansowych cechuje nieco chwiejna pozycja, stabilność powinna być szeroko dyskutowaną kwestią.

Northwestern Mutual, licząca sobie 166 lat firma ubezpieczeniowa z siedzibą w Milwaukee w stanie Wisconsin, realizuje misję podporządkowaną celowi zawartemu w haśle: uwolnić Amerykanów od problemów finansowych. Jednemu z nas, Tomowi, który był wówczas młodym przedstawicielem branży usług profesjonalnych, oferta Spokojnej Firmy (tak reklamował się swego czasu Northwestern) wydała się na tyle atrakcyjna, że z biegiem lat nabył wiele produktów tej organizacji, mimo że nie czarowała ona swoich klientów cyfrowymi rozwiązaniami. Firma Northwestern dąży jednak do tego, aby jej działalność była bardziej skupiona na klientach i chce poprawić ich całościowe doświadczenia. W tym celu koncentruje swoją uwagę na sztucznej inteligencji (artificial intelligence – AI) i danologii (data science).

Jednym z aspektów generatywnej sztucznej inteligencji, którym poświęca się dużo uwagi, jest jej potencjalne oddziaływanie na Hollywood i przemysł rozrywkowy. Obawy dotyczące tej kwestii są oczywiste, ponieważ GenAI potrafi kreować dane wyjściowe, z których korzysta ten sektor – teksty w formie opowiadań, scenariuszy, tekstów reklamowych i recenzji; kampanie marketingowe oraz ruchome i statyczne obrazy. Niektóre segmenty tego sektora odczuwają obecnie presję ekonomiczną, co zwiększa zapotrzebowanie na produktywność i tańsze „produkty”. A duża część współczesnych wytworów przemysłu rozrywkowego powstała na podstawie już istniejących treści. Stwarza to duże szanse dla generatywnych technologii, które są trenowane na już istniejących treściach.

Rozrywka kreowana przez generatywną sztuczną inteligencję (generative artificial intelligence – GenAI) jest wciąż we wczesnym stadium rozwoju, ale widać wyraźnie, że coś wielkiego dzieje się w tej branży. Gazeta „Wall Street Journal” opublikowała w minionym roku artykuł, w którym czytamy, że szeroko dostępne narzędzia AI potrafią podpowiadać fabuły, wątki i dialogi. Artykuł zawiera nawet interaktywny moduł, który pozwala czytelnikom przekonać się naocznie, jak łatwo narzędzie ChatGPT potrafi wykreować zarys scenariusza, jeśli zasilimy je kilkoma promptami. Poza tym artykuł stawia pytania dotyczące własności intelektualnej w odniesieniu do obrazów: „Jeśli użytkownik poinstruuje narzędzie AI, aby stworzyło postać wzorowaną na, powiedzmy, SpongeBobie, czy twórcy oryginalnej postaci powinni wydać na to zezwolenie? Kto będzie właścicielem nowego bohatera? Czy również ten bohater może być chroniony prawem autorskim?”.

Jeśli oglądaliście film będący połączeniem kina akcji i kina przygodowego Wszystko wszędzie naraz, być może odebraliście go w ten sam sposób jak my. Imponujący i ekscytujący? Bez wątpienia – to jeden z powodów, dla których zdobył siedem Oscarów. Zapowiedź przyszłości? Być może – film zawiera bowiem jedną z wizji tego, jak mógłby wyglądać tzw. multiverse. Nieco dziwaczny i niejasny? Tak – przynajmniej dla nas.

Joann Stonier, która do niedawna pełniła funkcję dyrektorki do spraw danych (chief data officer – CDO) w Mastercardzie, podczas ostatniej dyskusji panelowej dokonała trafnego porównania pomiędzy filmem Wszystko wszędzie naraz a generatywną sztuczną inteligencją. Powiedziała, że „wszystko wszędzie” to dobry sposób na opisanie tej technologii – ekscytującej, zagmatwanej i jednocześnie ważnej. Stonier odgrywała rolę jednego z nielicznych menedżerów na stanowisku CDO, którzy od wielu lat skupiają się mocno na problematyce etyki wykorzystywania danych. Przeprowadziliśmy z nią wywiad podczas jej ostatnich dni na tym stanowisku; Stonier jest obecnie pracownicą naukową (Mastercard fellow), ale nadal będzie się zajmowała kwestiami związanymi z etyką wykorzystywania danych i sztucznej inteligencji (AI).

Po wywiadzie poczuliśmy pewną ulgę, przekonaliśmy się bowiem, że Stonier i Mastercard nadal szukają swojej drogi w kontekście AI. Dotyczy to wielu firm. Ponad połowa respondentów niedawnej ankiety serwisu VentureBeat stwierdziła, że ich firmy eksperymentują z AI, ale tylko 18% tych przedsiębiorstw rozpoczęło jej wdrażanie. Taki sam był odsetek respondentów, którzy oznajmili, że w nadchodzącym roku zamierzają przeznaczyć na tę technologię więcej pieniędzy.

Oczywiście, firma Mastercard jest specem od danych, analityki i AI. Rok temu pisaliśmy o jej dążeniach do tego, aby stać się „potęgą w zakresie AI”, a Stonier opisała, jak jej firma wykorzystuje dane, będąc gościem podkastu Me, Myself and AI, prowadzonego przez „MIT Sloan Management Review”. Mastercard działa w sferze AI od ponad dekady, przede wszystkim w obszarze cyberbezpieczeństwa. Fakt, że lider rynku i zarazem firma z tak bogatym doświadczeniem w sferze sztucznej inteligencji nadal stara się wypracować szczegóły strategii w zakresie generatywnej AI, powinien być pocieszeniem dla wielu organizacji i menedżerów.

Zdaniem menedżerów odpowiedzialnych za dane na radarze każdego lidera powinno znaleźć się pięć newralgicznych kwestii.

Sztuczna inteligencja (AI) i danologia (data science) to dziedziny, które zdominowały pierwsze strony gazet w 2023 roku. Czynnikiem, który spowodował radykalny wzrost widoczności tej problematyki, jest, rzecz jasna, rozwój generatywnej AI. Jakie więc trendy mogą sprawić w 2024 roku, że obie te dziedziny pozostaną jednymi z głównych tematów doniesień w mediach biznesowych? I jaki będzie faktyczny wpływ tych trendów na działalność przedsiębiorstw?

W trakcie ostatnich kilku miesięcy przeprowadziliśmy trzy ankiety wśród liderów odpowiedzialnych za dane i technologie. W dwóch ankietach wzięli udział dyrektor do spraw danych w MIT i uczestnicy sympozjum poświęconego jakości informacji. Sponsorem jednej ankiety była firma Amazon Web Services (AWS), a drugiej – firma doradcza Thoughtworks (wyniki tej ankiety nie zostały jeszcze opublikowane). Za trzecią ankietę odpowiadała firma Wavestone, dawniej New Vantage Partners, o której dorocznych ankietach niegdyś pisaliśmy. Ogółem w naszych ankietach wzięło udział ponad 500 menedżerów wyższego szczebla, przy czym uczestnictwo mogło się w pewnej mierze dublować.

Ankiety nie przewidują przyszłości, ale z pewnością wskazują na to, co myślą i robią ludzie najmocniej związani ze strategiami i przedsięwzięciami firm w obszarze nauki o danych i AI. Według tych menedżerów na baczną uwagę zasługuje pięć nabierających na znaczeniu kwestii.

Sztuczna inteligencja to technologia stosowana od wielu lat, jednak przełom w jej popularności nastąpił dopiero w listopadzie 2022 roku, gdy OpenAI udostępniła w sieci swój rewolucyjny model ChatGPT. Te firmy, które dostrzegły w tym szansę i uczą się wykorzystywać generatywną sztuczną inteligencję w swoim biznesie, mogą osiągnąć przewagę konkurencyjną i istotnie poprawić swoje wyniki.

Algorytmy sztucznej inteligencji (AI) od lat stanowią obszar zainteresowania firm z najróżniejszych branż, nie tylko technologicznych. Spektrum ich zastosowań jest bardzo szerokie. Obejmuje optymalizację i automatyzację procesów w wielu obszarach działania przedsiębiorstwa – od obsługi klienta, przez wewnętrzne operacje, aż do utrzymania maszyn czy bardziej precyzyjną analitykę, symulacje i prognozowanie. Skokowy wzrost popularno‑ści AI nastąpił jednak dopiero w ostatnich 12 miesiącach na fali zainteresowania modelem ChatGPT, stworzo‑nym przez OpenAI, który przekonał wszystkich uczestników rynku, że technologia ta będzie kluczowa dla suk‑cesu zarówno pojedynczych firm, jak i całych gospodarek.

Nowe podejście do prognozowania zapotrzebowania pomoże menedżerom w organizowaniu pracy ludzi wykorzystujących narzędzia AI. Umożliwi ono dokładniejsze przewidywanie popytu na produkty w zmiennym i niestabilnym otoczeniu rynkowym.

Ostatniego lata powrócił jaskrawy róż. Ale gdy liczne marki modowe z entuzjazmem podchwyciły trend napędzany przez filmu, zniknęły w ciągu 24 godzin. Barbie, wiele z nich miało trudności z ustaleniem wielkości prognozowanego popytu. Dzięki wiralowemu hasztagowi #Tik TokMadeMeBuyIt z wirtualnych półek sklepu internetowego firmy Aldo, oficjalnego producenta obuwia Barbie, buty na koturnie inspirowane tymi, które nosiła główna bohaterka filmu, zniknęły w ciągu 24 godzin.

„Zjawisko Barbie” ilustruje powszechny dylemat: jak dokładnie prognozować popyt na produkty, gdy krajobraz komercyjny wciąż się zmienia. To zawsze było wyzwaniem. Obecnie jednak środowisko detaliczne jest wyjątkowo niestabilne i jeszcze bardziej zależne od mód niż w przeszłości, co wymaga od firm skuteczniejszego prognozowania popytu.

Wiele firm wprowadziło narzędzia nowej generacji, takie jak sztuczna inteligencja (AI), aby sprostać temu wyzwaniu. Chociaż algorytmy poprawiają skuteczność prognozowania, ludzka interwencja jest nadal niezbędna, żeby kontekstualizować zmiany na rynku i wprowadzać inne czynniki, takie jak responsywność. Ponieważ nie istnieje jeszcze standardowy szablon postępowania w tego typu interakcjach, opracowaliśmy schemat działania, który pomoże firmom połączyć ludzką ekspertyzę z rozwiązaniami prognozowania proponowanymi przez AI, opartymi na charakterystyce produktu.

Większość projektów AI bądź uczenia maszynowego raportuje tylko parametry techniczne, które nie informują liderów, ile wartości biznesowej mogą dostarczyć organizacji. Aby zapobiec niepowodzeniom projektów, domagaj się wskaźników biznesowych.

Sztuczna inteligencja (AI) może oznaczać wiele rzeczy, ale dla organizacji wykorzystujących AI do ulepszania funkcjonujących już, istotnych operacji odpowiednią technologią jest uczenie maszynowe (machine learning, ML), które stanowi bazę tego, co wiele osób rozumie przez AI. ML ma potencjał do ulepszania wszelkiego rodzaju procesów biznesowych: generuje modele predykcyjne, które usprawniają targetowany marketing, łagodzenie oszustw, zarządzanie ryzykiem finansowym, logistykę i wiele więcej. Aby odróżnić ML od generatywnego AI, inicjatywy te bywają czasami nazywane predykcyjnym AI lub analityką predykcyjną.

Można by pomyśleć, że wydajność tych modeli ML – i wiedza, jak są dobre i ile wartości dostarczają – będzie priorytetem dla liderów. Przecież generowanie wartości biznesowej jest kluczowe. Jest to jednak błędne rozumowanie. Jeśli chodzi o ocenę modelu, większość projektów ML raportuje niewłaściwe wskaźniki – i to często całkowicie zabija projekt.

W tym artykule, opracowanym na podstawie raportu The AI Playbook: Mastering the Rare Art of Machine Learning Deployment, wyjaśnię różnicę między metrykami technicznymi a biznesowymi dla benchmarkingu ML. Pokażę również, jak raportować wyniki biznesowe. Użyję jako przykładu algorytmów do wykrywania oszustw w obszarze kart kredytowych.

Liderzy nie zawsze potrafią projektować zdrowe, produktywne stanowiska pracy w organizacji. ChatGPT może przyjść im z pomocą, pod warunkiem że będzie stosowany mądrze i rozważnie.

Dzisiejsi prezesi robią wszystko, co w ich mocy, by zwiększyć zaangażowanie pracowników i obniżyć ich rotację, ale rzeczywistość jest nieubłagana: wypalenie zawodowe zatacza coraz szersze kręgi. W walce z tym zjawiskiem menedżerowie muszą zaoferować podwładnym możliwość pracy, która nie ma negatywnego wpływu na zdrowie, a do tego nadaje życiu głębsze znaczenie. W badaniach przeprowadzonych w 2022 roku przez Instytut Gallupa w Stanach Zjednoczonych 40% ankietowanych pracowników zgłaszało negatywny wpływ swojej pracy na zdrowie psychiczne, a około 30% przyznawało się do częstego poczucia wypalenia. Ponadto zaangażowanie pracowników amerykańskich przedsiębiorstw osiągnęło najniższy poziom od siedmiu lat. Zaledwie 32% zatrudnionych twierdziło, że czuje zaangażowanie w swoją pracę, 17% zaś wskazywało na brak zaangażowania. W ujęciu globalnym koszty tego braku zaangażowania dla pracodawców szacuje się na 7,8 biliona dolarów, co odpowiada 11% światowego PKB.

Przyczyn tej apatii oraz stresu związanego z pracą należy upatrywać w sposobie konstruowania stanowisk w organizacjach. Badania naukowe prowadzone konsekwentnie od dziesiątków lat wskazują na powiązanie pomiędzy niewłaściwym projektowaniem pracy a złym stanem zdrowia psychicznego pracowników, czego przejawami są między innymi: poczucie przeciążenia, rotacja, niezadowolenie z pracy i osłabiona zdolność uczenia się. Wiele firm próbuje to zmienić. Niestety, z naszych badań wynika, że menedżerom brakuje odpowiedniej wiedzy i świadomości niezbędnych do projektowania wysokiej jakości stanowisk pracy. Tutaj z pomocą może przyjść sztuczna inteligencja, na przykład ChatGPT, który jest w stanie zniwelować braki po stronie kadry kierowniczej i wspierać ją w takim projektowaniu pracy, by przynosiła ona korzyści zarówno pracownikom, jak i organizacji. Najpierw jednak niezwykle istotne jest to, by menedżerowie poznali wady i zalety stosowania ChatuGPT w procesie projektowania pracy. Poniżej przedstawiamy wnioski płynące z przeprowadzonego przez nas badania.

Wyzwania dla menedżerów: nużąca i niewdzięczna praca

Jakie czynniki decydują o tym, że dane stanowisko i praca na nim mają wysoką jakość? Model projektowania pracy SMART (skrót od pierwszych liter angielskich nazw pięciu cech: stimulating, mastery, agentic, relational, tolerable), czyli schemat opracowany przez Sharon K. Parker, charakteryzuje pracę wysokiej jakości jako: stymulującą (stimulating; różnorodność zadań i możliwość zdobywania nowych umiejętności), sprzyjającą doskonaleniu (mastery; jasno wyznaczone role i informacja zwrotna), dającą poczucie sprawczości (agentic; autonomia i szansa na uczestniczenie w zmianach), opartą na relacjach (relational; wsparcie społeczne i pozytywne doświadczenia w pracy zespołowej) i co najmniej znośną (tolerable; godziny pracy dające się pogodzić z innymi zobowiązaniami, niewygórowany poziom presji czasowej).

O tym, jak uczenie maszynowe pomaga platformie do krótkoterminowego wynajmu wykrywać podejrzane rezerwacje, chroniąc gospodarzy oraz gości przed oszustami, opowiada Naba Banerjee z Airbnb w rozmowie z autorami podcastu Me, Myself, and AI, Shervinem Khodabandehem i Samem Ransbothamem. Przedstawiamy zredagowany zapis tej rozmowy.

Wydaje mi się, że większość słuchaczy zna Airbnb, ale opowiedz nam krótko o firmie i jej działalności.

Airbnb to miejsce, gdzie można budować sieć kontaktów, relacje i czuć się częścią większej społeczności. Miliony właścicieli nieruchomości, czyli gospodarzy, otwierają drzwi swoich domów, zapraszając do nich zupełnie obcych ludzi, dzięki czemu ty, ja i nasze rodziny możemy podróżować po egzotycznych miejscach, a zamiast za‑trzymywać się w hotelach, mamy możliwość prawdziwego zanurzenia się w lokalnej kulturze. Czasami, gdy ma się naprawdę dużo szczęścia, trafia się do domu, w którym mieszkają gospodarze i oferują prawdziwą gościnę, a to daje niezwykłe poczucie wspólnoty. W dzisiejszym świecie, gdzie jest coraz więcej izolacji i coraz mniej głębokich relacji, czerpię ogromną radość z tego, że pracuję w firmie, która sprzyja umacnianiu więzi między ludźmi. A mój zespół, odpowiedzialny za zaufanie i bezpieczeństwo na platformie Airbnb, zajmuje się całą ścieżką klienta, od momentu zakładania konta w Airbnb. Czasami zdarza się, że coś pójdzie nie tak, bo np. ktoś może założyć fałszywe konto albo przejąć kontrolę nad cudzym. Mieszkanie albo dom, który znalazłeś, mogą być „fałszywe”; opinie innych gości, które czytasz, nie zawsze są autentyczne. Nasza praca polega na tym, żebyś ty mógł cieszyć się fantastycznymi wakacjami, a gospodarz mógł skupić się na jak najlepszym podjęciu gości. Więc próbujemy przewidzieć niektóre z tych zagrożeń i im przeciwdziałać, a także minimalizować ryzyko ich wystąpienia w przyszłości. Mój zespół wykorzystuje technologię oraz dane po to, by dodać odrobinę magii do ścieżki użytkownika.

Jak coś pójdzie nie tak, to wszyscy czytamy i słyszymy o tym w wiadomościach. Ile jest negatywnych przypadków wśród tych niezliczonych transakcji, które realizuje twoja platforma?

Liderzy organizacji muszą umieć dokonywać trafnych wyborów dotyczących skali wdrażania modeli sztucznej inteligencji. Warto przy tym zadać kilka niełatwych pytań.

Potęga sztucznej inteligencji (artificial intelligence, AI) i bazujących na niej modeli uczenia maszynowego (machine learning, ML) nieustannie zmienia reguły gry w biznesie. Jednak zbyt wiele projektów AI spala na panewce – niejednokrotnie już po wdrożeniu, co jest szczególnie kosztowne i deprymujące. Proszę tylko zapytać firmę Amazon o jej wpadki z technologią rozpoznawania twarzy albo Microsoft o poczynania czatbota Tay. Nader często analitycy i specjaliści od danych uznają te niepowodzenia za jednorazowe, odrębne anomalie, nie starając się nawet znaleźć żadnych prawidłowości, które pomogłyby zapobiegać takim problemom w przyszłości. Menedżerowie, zwłaszcza ci wyższego szczebla, mają dziś możliwość – a także odpowiedzialność – zapobiegania powdrożeniowym porażkom rozwiązań AI. Ale by móc to zrobić, muszą lepiej zgłębić tematykę zbiorów i modeli danych, bo dzięki temu będą w stanie zadawać właściwe pytania twórcom modeli, czyli deweloperom, a następnie prawidłowo oceniać uzyskane odpowiedzi.

Być może w tej chwili właśnie myślisz: „Ale czy analitycy dużych zbiorów danych nie mają doskonałego wykształcenia i przygotowania?”. Dzisiaj większość kursów i programów nauczania dla takich analityków, tzw. naukowców danych (data scientists), koncentruje się na mechanice procesów uczenia maszynowego, a nie na ograniczeniach tej technologii. Przez to naukowcy danych nie są uczeni, jak zapobiegać wpadkom sztucznej inteligencji ani jak diagnozować problemy. Twórcy modeli AI muszą przewidzieć skuteczność danego modelu w przyszłości i jego działanie na zbiorach danych innych niż treningowe, co określane jest mianem generalizowalności (generalizability). Obecnie ta koncepcja jest słabo zdefiniowana i mało rygorystyczna.

Istnieje pewne powiedzenie w dziedzinie analityki, mówiące o tym, że deweloperów AI i artystów cechuje ten sam zły nawyk zakochiwania się we własnych modelach. Tymczasem dane są lekceważone. Przykładowo, twórcy modeli sztucznej inteligencji bardzo łatwo godzą się na zastosowanie zbiorów danych, które akurat są pod ręką, zamiast szukać danych bardziej adekwatnych do problemu, jaki dany algorytm ma rozwiązać.

Menedżerowie wyższego szczebla bez formalnego wykształcenia w dyscyplinach technicznych mają jeszcze mniej kompetencji i narzędzi, by wychwycić problemy drzemiące w modelach sztucznej inteligencji i zbiorach danych, którymi są one zasilane. Ale właśnie oni jako liderzy decydują o tym, na ile szeroko organizacja wdroży te modele. Nasz artykuł powstał z myślą o menedżerach i menedżerkach chcących podejmować trafniejsze decyzje w tym obszarze.

Organizacje, które wykorzystują sztuczną inteligencję do poprawy istniejących kluczowych wskaźników efektywności (KPI) lub tworzenia nowych, osiągają większe korzyści biznesowe niż te, które czynią to bez użycia AI.

Dla większości organizacji podnoszenie kluczowych wskaźników wydajności (KPI) stanowi jasne zadanie. Zgodnie z wynikami naszego siódmego corocznego globalnego badania (więcej na temat badania w artykule Jak AI i inteligentne wskaźniki KPI wspierają realizację strategii) 7 na 10 respondentów zgadza się, że doskonalenie KPI nie tylko poprawia wydajność, ale też jest kluczowe dla sukcesu ich przedsiębiorstw. Jak zauważa jeden z menedżerów biorących udział w naszej ankiecie: „Musimy ciągle ewoluować nasze KPI, aby nie zarządzać firmą na przestarzałych metrykach”.

Coraz więcej firm wykorzystuje obecnie sztuczną inteligencję – na różne sposoby – aby przyspieszyć tę ewolucję. „Bardzo entuzjastycznie podchodzę do tego, co możemy osiągnąć dzięki uczeniu maszynowemu, które umożliwia naszym starszym liderom odejście od metryk patrzących wstecz na rzecz tych, które pozwalają spojrzeć w przyszłość” – mówi Avinash Kaushik, dyrektor ds. strategii w agencji marketingowej Croud i były dyrektor ds. globalnej analizy strategicznej w firmie Google.

W początkowej fazie rozwoju platformy przewozów pasażerskich Lyft jej inżynierowie stworzyli algorytm mający na celu maksymalizację przychodów poprzez dopasowanie dostępności kierowców do zapotrzebowania klientów. „Algorytm analizował wszystkie możliwe kombinacje pasażerów i kierowców, wybierając tę, która – na podstawie zgłoszonego zapytania o przejazd, lokalizacji kierowcy, wszystkich dynamicznych elementów systemu – maksymalizowałaby przychody” – komentuje Elizabeth Stone, była wiceprezeska ds. nauki w Lyft. Następnie, gdy eksperci ds. danych zaczęli testować inne cele, pojawiło się coś interesującego. Dzięki jednemu z rozwiązań, opartemu na sztucznej inteligencji, odkryto, że optymalizacja wskaźników konwersji (obrazujących, jak często użytkownik zamawiał przejazd po otwarciu aplikacji) prowadzi do większej liczby zgłoszeń przejazdów w przyszłości. Więcej zgłoszeń oznacza ostatecznie większe przychody. W rezultacie dzięki wykorzystaniu sztucznej inteligencji Lyft zmienił swój kluczowy wskaźnik wydajności związany z kombinacjami przejazdów i kierowców na taki, który skupia się również na optymalizacji wskaźników konwersji.

W Tokopedii (członek Grupy GoTo), jednym z największych marketplace’ów w Indonezji, sztuczna inteligencja przegląda petabajty danych w poszukiwaniu sygnałów związanych z wiarygodnością i rzetelnością (ang. redibility and reliability). Są to istotne kwestie, biorąc pod uwagę, że 86,5% z 14 milionów sprzedawców na platformie – oferujących 1,8 miliarda produktów – to nowi przedsiębiorcy. Posiadanie bardziej wiarygodnych sprzedawców sprawia, że rynek staje się bardziej atrakcyjny, efektywny i wydajny. „Mogą mieć dobre produkty do sprzedania, ale nie wiedzą, jak zarządzać swoim asortymentem” – mówi Herman Widjaja, CTO Tokopedii. „Dzięki sztucznej inteligencji łączymy naszych klientów z odpowiednim produktem, który jest oferowany przez odpowiednich sprzedawców” – dodaje. Firma zsyntetyzowała miliony możliwych sygnałów w system oceniania, który reprezentuje nowy kluczowy wskaźnik wydajności dotyczący jakości sprzedawców.

Chociaż większość respondentów rozumie potrzebę ulepszonych KPI, to wyraźna większość polega obecnie na niewystarczających narzędziach i technologiach do zarządzania swoimi metrykami. Nawet w miarę transformacji możliwości przedsiębiorstw przez algorytmy uczenia maszynowego (ML) i generatywne sztuczne inteligencje (generative AI) ludzki osąd pozostaje dominującym podejściem do ulepszania KPI. Dwie trzecie respondentów badania potwierdza, że menedżerowie podejmują decyzje oparte na osądzie, dostosowując KPI swojej organizacji. Choć powszechne, to podejście często nie przynosi pożądanych rezultatów: zaledwie jedna trzecia respondentów badania, którzy polegają wyłącznie na ludzkim osądzie, dostrzega poprawę swoich KPI.

Wykorzystanie sztucznej inteligencji do tworzenia przyszłościowych i inteligentnych wskaźników efektywności pozwala na lepsze dostosowanie działań operacyjnych do strategii.

Zmieniające się warunki rynkowe, zwinna konkurencja oraz wysokie wymagania dotyczące cyfrowej modernizacji operacji i procesów sprawiają, że strategiczne dostosowanie działań operacyjnych staje się sporym wyzwaniem. Pomocna w tym obszarze może okazać się sztuczna inteligencja. Na podstawie przeprowadzonego przez nas globalnego badania z udziałem ponad 3000 menedżerów i 17 wywiadów z przedstawicielami kadry kierowniczej stwierdziliśmy, że liderzy z różnych sektorów biznesu wykorzystują AI do poprawy sposobu, w jaki kluczowe wskaźniki efektywności (KPI) są priorytetyzowane, organizowane i udostępniane. Te ulepszenia mają bezpośredni, mierzalny wpływ na wzmocnienie strategicznego dostosowania operacji.

Liderzy wykorzystują również AI do poprawy dokładności, szczegółowości i zdolności predykcyjnych samych KPI. Ulepszenia te, zarówno indywidualnie, jak i zbiorowe, zwiększają świadomość sytuacyjną i ulepszają koordynację między funkcjami korporacyjnymi, co przyczynia się do osiągania lepszych wyników strategicznych. Liderzy przyznają, że potrzebują nowych możliwości pomiarowych i ulepszonych metryk, aby lepiej przewidywać i nawigować strategiczne szanse i zagrożenia. Uznają, że możliwości pomiarowe oparte na AI mogą dać nowy wgląd w zakresie wydajność i wskaźników, wzmacniając dostosowanie strategiczne i polepszając rezultaty. Nasze wyniki są jasnym wezwaniem do działania dla liderów, aby tworzyć bardziej zintegrowane systemy KPI, które są zarówno przyszłościowe, jak i wzajemnie powiązane.

Te wzbogacone o AI KPI, czyli inteligentne KPI, mogą skutecznie działać jak korporacyjny GPS, pokazując ludziom, gdzie się znajdują, dokąd muszą zmierzać i jak najlepiej tam dotrzeć. Te inteligentne KPI oferują bardziej szczegółowe i dokładne opisy tego, co dzieje się w biznesie, bardziej trafne przewidywania tego, co prawdopodobnie się wydarzy, a w niektórych przypadkach bardziej proaktywne sugestie, jakie działania powinni podjąć menedżerowie. Inteligentniejsze i bardziej ukierunkowane na przyszłość KPI udoskonalają tradycyjne KPI, które z powodu ograniczeń czasowych i bezwładu wykonawczego pozostawały niezsynchronizowane i niezweryfikowane.

Omawiamy przykłady – z kilku branż – które ilustrują, jak liderzy wykorzystują te nowe możliwości do osiągania swoich strategicznych celów, oraz przedstawiamy konkretne zalecenia dotyczące wykorzystania AI do wzbogacenia KPI i wspierania strategicznego dostosowania.

Wzmocnienie strategicznego dostosowania za pomocą AI

KPI z założenia miały dostosowywać działania organizacyjne do celów strategicznych. Jednak większość menedżerów zdaje sobie sprawę z potrzeby udoskonalania wskaźników, ponieważ ich zdaniem nie odzwierciedlają one w praktyce strategicznych aspiracji. Nasze badania pokazują, że liderzy, którzy wzbogacają swoje KPI za pomocą AI, mają większe szanse na osiągnięcie korzyści takich jak ulepszona koordynacja między działami. Są oni bardziej skuteczni w priorytetyzowaniu KPI, identyfikowaniu i tworzeniu relacji między nimi oraz w udostępnianiu danych KPI w zespołach. Podchodzą do KPI bardziej jak do zasobów wymagających udoskonalenia niż jak do celów do osiągnięcia.

Algorytmy sztucznej inteligencji trwale zadomowiły się w środowisku biznesowym, jednak dopiero odkrywamy ich potencjał. Na razie sztuczną inteligencję wykorzystujemy głównie w charakterze drugiego pilota. Znacznie więcej możemy osiągnąć, czyniąc z chatbotów współmyślicieli. Dowiedz się, jak to zrobić.

Po upublicznieniu przez OpenAI algorytmu ChatGPT generatywna sztuczna inteligencja (GenAI) podbiła firmy, uczelnie, szkoły i wszelkie inne instytucje. Największą popularnością wśród rozwiązań AI cieszą się chatboty, co potwierdza 83% badanych przez nas organizacji. Nic dziwnego – chatboty napędzane sztuczną inteligencją mają mnóstwo zastosowań, począwszy od poprawy obsługi klienta aż do zwiększenia wewnętrznej produktywności. Rok po tym, jak ChatGPT zadebiutował w sieci, chatboty wprowadzono do najpopularniejszej technologii biurowej, czyli systemu Windows. 30 listopada 2023 roku Microsoft wzbogacił swój flagowy produkt algorytmem Copilot, co pozwoli na głębokie zmiany w zakresie wykorzystania sztucznej inteligencji w sektorze biznesowym.

Zespół marketingu LuxDesign boryka się z nadmiarem obowiązków i rosnącą presją ze strony innych działów potrzebujących jego wsparcia. Perspektywy powiększenia teamu nie są optymistyczne, jego skuteczność maleje, a dyrektorka działu stanęła przed niemałym dylematem: jak usprawnić prace i poprawić efektywność zespołu.

Basia Kupczyk, dyrektorka marketingu w firmie designerskiej specjalizującej się w sprzedaży drewnianych mebli LuxDesign, siedziała przy swoim biurku zatopiona w myślach. Przed nią na ekranie komputera migotały kolejne alarmujące dane: spadek CTR w ostatnich kampaniach e‑mailowych, malejący open rate, bannery online nieprzekładające się na wzrost sprzedaży sof i foteli. Wszystko to, wraz z kolejną falą próśb ze strony innych działów i wydłużającą się listą zadań niecierpiących zwłoki, przyprawiało ją o ból głowy.

Jej zespół był na skraju wyczerpania, a ciągła presja z różnych stron tylko pogarszała sytuację. „Ciekawe, kto się tym zajmie?” – przewróciła oczami, gdy otrzymała kolejne zapytanie o przygotowanie kampanii promującej kreatywne spędzanie wolnego czasu w domu. „Tak się kończą rodzinne weekendy Marka. Kreatywność aż kipi w tej rodzince” – westchnęła. Tym razem chyba będzie musiała tupnąć nogą i wynegocjować budżet na zewnętrzne wsparcie lub zatrudnienie nowej osoby. Zespół w obecnym składzie nie sprosta nowej kampanii, bo ledwo jest w stanie udźwignąć „bieżączkę”.

Marek Ozimek był prezesem LuxDesign i synem założyciela firmy, Adama Ozimka – stolarza z powołania, o niezwykłej krzepie, mimo że przekroczył 90 lat. Do tworzenia niepowtarzalnych, ręcznie wykonywanych mebli wykorzystywał przekazywaną z pokolenia na pokolenie wiedzę. Miał też do tego wyjątkową smykałkę i umiejętności. Stały się one lokalną sensacją w latach osiemdziesiątych. Projekty pana Adama szybko zyskały uznanie również w pobliskich miejscowościach, stając się synonimem jakości i niesztampowego stylu, a jego rodzinie zapewniając życie na poziomie. Było to wystarczające dla nestora rodu, który zawsze chciał działać lokalnie, tworzyć stanowiska pracy dla sąsiadów i być strażnikiem jakości wytwarzanych w firmie mebli.

Z kolei jego syn miał mniej zapału do stolarki, za to więcej do rozwijania biznesu. Jego ambicją była rozbudowa linii produkcyjnej, wzmocnienie brandu LuxDesign i rozwój sprzedaży online. Krok po kroku realizował swój plan i to właśnie dlatego w firmie pojawiła się Basia. Marek spotkał ją na szkoleniu Digital Marketing organizowanym przez International Institute for Management Development w Lozannie, gdzie od razu przykuła jego uwagę jako rezolutna, pomysłowa i do bólu szczera specjalistka. Szybko dogadali szczegóły współpracy i tak Basia trafiła do LuxDesign, gdzie jeszcze przed pandemią rozkręcała dział marketingu, ściągając do podwarszawskich Łomianek specjalistów z całej Polski. Podczas pandemii udało im się dostosować do aktualnych trendów i zbudować silną pozycję w kanale online. Ale żaden sukces nie trwa wiecznie i Basia przeczuwała, że bez większych zmian w strategii i sposobie działania jej zespół nie utrzyma się długo na fali.

Istnieje wiele powodów, by pracować w biurze, a nie w domu. Ale co zrobić, aby przekonać do nich wszystkich pracowników?

W ROZMOWACH o współczesnych miejscach pracy występuje dużo sprzeczności. Z jednej strony pracownicy ochoczo odkrywają uroki pracy zdalnej, z drugiej pracodawcy oczekują ich powrotu do biura. Z jednej strony słyszymy o kolejnych rebeliantach propagujących czterodniowy tydzień pracy, a z drugiej kultura pracy, w której odpowiadamy na e‑maile 24/7, bynajmniej nie umarła. Co dane mówią o związku między elastycznością a produktywnością i jak liderzy mogą znaleźć właściwą równowagę? Wygląda na to, że z Zooma i Teamsów systematycznie powracamy do sali konferencyjnej. I nie ma w tym nic dziwnego, ponieważ nawet wizje sporych oszczędności na wynajmie powierzchni biurowych przyćmiewają koszty braku innowacyjności, produktywności i zanikania kultury organizacyjnej.

Biura stoją otworem

LinkedIn odnotował spadek liczby ogłoszeń oferujących pracę w pełni zdalną ze szczytu wynoszącego 20% w kwietniu 2022 roku do zaledwie 8% w grudniu 2023 roku, wyjawił współzałożyciel portalu Allen Blue podczas sesji dotyczącej przyszłości biur, zorganizowanej w ramach corocznego spotkania Światowego Forum Ekonomicznego w Davos. Choć liczba ofert pracy zdalnej maleje, nie maleje zainteresowanie nimi ze strony pracowników. Na największym zawodowym serwisie społecznościowym oscyluje ono bowiem na poziomie 46% aplikacji.

Z kolei z raportu Pracuj.pl Dwa lata nowej normalności (2022) wynika, że 91% badanych oczekuje ustosunkowania się do pracy zdalnej w ofertach, a 74% respondentów nie chce pracować wyłącznie stacjonarnie. Serwis ten podsumował swoją działalność w 2023 roku, dzieląc się informacją, że 35% ogłoszeń publikowanych na jego łamach dotyczyło stanowisk umożliwiających przynajmniej jeden z elastycznych modeli pracy: zdalny lub hybrydowy. Jednak, jak zauważyli twórcy analizy, pod koniec 2023 roku wśród organizacji widoczna była tendencja do zwiększania zakresu wymaganego czasu wykonywania obowiązków z biura.

„Na przestrzeni ostatniego roku widać zdecydowanie większą chęć pracodawców do zatrudniania na stanowiska w trybie pracy stacjonarnej. Zanotowaliśmy wzrost z 36% do 57% wszystkich ogłoszeń opublikowanych na Pracuj.pl. Jednocześnie spadł odsetek ofert dotyczących pracy całkowicie zdalnej. Z drugiej strony jednak wzrost odsetka ofert oferujących pracę hybrydową daje podstawy, by sądzić, że pracodawcy dążą do osiągnięcia swego rodzaju złotego środka, dzięki któremu będą mogli zadbać o pracę zespołową w siedzibie firmy, jednocześnie rozumiejąc potrzebę i chęć pracowników do pracy z domu” – podsumowuje Anna Goreń, ekspertka rynku pracy Pracuj.pl.

Niezależnie od skali rewolucji, którą chcemy wywołać w zespole czy firmie, lider zawsze musi się przygotować na opór przed zmianami. Transformacja cyfrowa, przejście do chmury, a dzisiaj przede wszystkim wykorzystanie narzędzi AI na indywidualnym, zespołowym i organizacyjnym poziomie to zmiany, które nie dotyczą wyłącznie wyboru najlepszych narzędzi do wdrożenia. Dotyczą też ludzi.

W pogoni za szybkimi namacalnymi efektami zmian liderzy często zapominają o tym, jak ważne jest towarzyszenie ludziom podczas tego procesu, a więc zarządzanie zespołem, emocjami pracowników i ich nastrojami oraz budowanie kultury bezpieczeństwa. Pomijanie tej kwestii może się okazać katastrofalne w skutkach, ponieważ nawet najlepsze narzędzia i subskrypcje najwydajniejszych programów nie sprawią, że ludzie zaczną eksperymentować i z nich korzystać. W tym wypadku potrzebne są chęci i przekonanie ich co do słuszności i pożyteczności wprowadzonych zmian.

Basia Kupczyk, dyrektorka marketingu w LuxDesign, nie ma łatwego zdania, ponieważ jest sama przeciwko wszystkim. Nikt w firmie nie postrzega wdrażania nowych narzędzi AI jako przełomowej szansy, ludzie widzą w niej zagrożenie. Pracownicy obawiają się o swoje miejsca pracy, dodatkowe obciążenie wynikające z konieczności nauczenia się nowych sposobów współdziałania z AI. Z kolei prezes obawia się kosztów przedsięwzięcia i tego, że efekty nie będą satysfakcjonujące. Bohaterka studium przypadku ma twardy orzech do zgryzienia, ponieważ nie orientuje się we wszystkich możliwościach AI, a do tego nie zarządza w sposób świadomy zmianą.

Najpierw hamulec, potem gaz

Barbara wykreowała sytuację, w której za dużo jest chaosu i niepewności, dlatego proponowałabym jej wcisnąć hamulec, nim naciśnie gaz, i strategicznie przygotować się do zmiany. Po pierwsze, bohaterka potrzebuje wsparcia doradcy ds. AI, który wtajemniczy ją we wszystkie możliwości i przedstawi listę narzędzi, które powinny się sprawdzić w jej zespole.

W obliczu dynamicznego rozwoju sztucznej inteligencji firmy z różnych branż zastanawiają się, od czego zacząć wdrożenie rozwiązań AI. Studium przypadku LuxDesign, firmy specjalizującej się w sprzedaży drewnianych mebli, rzuca światło na wyzwania i możliwości związane z implementacją sztucznej inteligencji w dziale marketingu mniejszych firm.

Każdy biznes, niezależnie od branży czy rozmiaru, może wykorzystać AI do usprawnienia pracy zespołu marketingowego i znaczącego zwiększenie jego efektowności. Takie szanse stoją również przed firmą LuxDesign, o ile podejdzie do wdrażania zmian w sposób uporządkowany i przemyślany. Po przeanalizowaniu sytuacji firmy sugeruję wprowadzać modyfikacje krok po kroku według poniższych sugestii.

1. Ocena potrzeb i celów

Barbara, dyrektorka marketingu LuxDesign, powinna dokładnie przeanalizować, które zadania i procesy można usprawnić dzięki wsparciu sztucznej inteligencji. Określenie konkretnych celów, np. zwiększenie CTR i open rate, jest kluczowe podczas wyboru narzędzi AI. Jest to krok pomagający stworzyć strategię AI, ale liderka nie może działać sama. W proces powinny być zaangażowane nie tylko osoby zarządzające, ale również pracownicy operacyjni, których te zmiany będą bezpośrednio dotykać. Zaangażowanie pracowników na tym etapie wspiera proces adaptacji i oswojenia AI.

Każdy przywódca, aby przetrwać na stanowisku i osiągać rezultaty pracy swojej i zespołu, musi się uczyć. Bez ciekawości nowych rozwiązań, determinacji do rozwoju i eksploracji nowych możliwości trudno zachować konkurencyjność.

Świat marketingu cyfrowego to świat dynamiczny – w nim nie można przestać się uczyć, testować, analizować, optymalizować działań. To świat nieprzewidywalny, w którym konieczna jest ogromna tolerancja na błędy po to, by usprawniać procesy i być skutecznym w działaniach nastawionych na sprzedaż. Ta skuteczność to pochodna z jednej strony trzymania ręki na pulsie i korzystania z nowych narzędzi, a z drugiej wsłuchiwania się w głos klientów. Zwłaszcza ten drugi wątek staje się przez Barbarę, bohaterkę studium przypadku, ignorowany. Bo nawet najbardziej rewolucyjne narzędzia digital marketingu bazujące na AI nie pozwolą osiągać spektakularnych wyników, jeśli zespołowi marketingu zabraknie wiedzy o preferencjach klientów i chęci przekładania tej wiedzy na efektywne działania.

Zespół nastawiony na uczenie

Aby budować skuteczny zespół marketingu cyfrowego, nie można dopuścić do sytuacji, gdy jego członkami są osoby oporne na naukę. Marketing cyfrowy dziś nie będzie tym samym marketingiem cyfrowym za rok, więc być może sytuacja ta powinna skłonić Basię do refleksji, czy idealny zespół na wczoraj jest tym samym idealnym teamem na jutro. Bohaterce studium przypadku doradzałabym zaangażowanie w testowanie nowych narzędzi AI tych członków zespołu, którzy nie lubią rutyny i mają apetyt na nowe kompetencje. Są bowiem świadomi, że stanowią one szansę na wzrost nie tylko firmy, dla której pracują, ale również ich samym. Warto, by liderka komunikowała to swoim pracownikom i propagowała wśród nich postawy, w których uczenie się przez całe życie jest wartością nadrzędną.

Uważam, że nowoczesnych narzędzi cyfrowych, w tym pracujących w oparciu na AI, nie powinien testować lider zespołu, czyli szef marketingu. Jego priorytety powinny być zupełnie inne! Zadaniem lidera jest tworzenie kultury tolerancji dla błędów i wspieranie krzywej uczenia zespołu. Budowanie przestrzeni do wymiany poglądów i pokazywanie zespołowi, że każde potknięcie to cenna lekcja, która przybliża do celu.

W świecie cyfrowym nie ma pewnych rozwiązań już od samego początku wdrażania jakichkolwiek zmian. Proces uczenia bazujący na wnioskach z analityki i danych jest tu niezbędny. Testowaniem nowych narzędzi powinni się zajmować specjaliści w swoim obszarze. Content writer powinien testować rozwiązania w obszarze automatyzacji tworzenia treści, grafik – w obszarze automatyzacji banerów, a osoby tworzące kampanie cyfrowe powinny testować narzędzia, które automatyzują dobór słów kluczowych w kampaniach. Lider wspiera kulturę zmiany i tolerancji na błędy, a nie testuje narzędzia. To na przywódcy spoczywa obowiązek wzmacniania kompetencji całego zespołu i tworzenia warunków sprzyjających wewnętrznej wymianie doświadczeń oraz wzajemnej nauce. To na tym Basia powinna się skupić.

W dynamicznie zmieniającym się świecie nowych technologii, gdzie innowacje są codziennością, a rynek pracy ciągle ewoluuje, mentoring stał się kluczowym narzędziem dla profesjonalistów dążących do rozwoju swojej kariery. Aby przynosił realne korzyści, musi być jednak prowadzony mądrze.

Branża TECH rozwija się w zawrotnym tempie. Nowe technologie powstają niemalże każdego dnia, a wymagania pracodawców stale rosną. Nic dziwnego, ze rozwój zawodowy jest kluczowy dla osób pracujących w tej branży. Mentoring pozwala nie tylko na transfer wiedzy, lecz także umożliwia dzielenie się doświadczeniem, perspektywą i umiejętnościami, które są nieocenione w szybko zmieniającym się środowisku. Mentorzy, jako doświadczeni specjaliści, mogą ułatwić mentee zrozumieć złożone zagadnienia technologiczne, wesprzeć ich w rozwoju ścieżki kariery czy pomóc rozwijać kluczowe umiejętności potrzebne w branży. Mentoring może również być pomocny w zdobywaniu nowych umiejętności i wiedzy.

Rola mentora w technologicznym świecie

W dobie cyfrowej transformacji biznesowe wyzwania ewoluują z dużą prędkością. Adaptacja do nowych technologii staje się kluczowa dla utrzymania konkurencyjności. Mentoring w tym kontekście wyłania się jako potężne narzędzie napędzające rozwój osobisty i zawodowy, a co za tym idzie – sukces całej firmy.

Pandemiczne zmiany wstrząsnęły sektorem zatrudnienia w branży IT. Nie były to jednak wstrząsy niszczące, tylko przebudowujące potrzeby rynku oraz potencjalnych pracowników.

Najpierw dwa lata pandemii, później dwa kolejne spowolnienia gospodarczego. Rynek pracy w sektorze IT w tym czasie przypominał sinusoidę. Był na fali wznoszącej dzięki dynamicznym przemianom technologicznym przyspieszanym przez upowszechnienie pracy zdalnej, mobilnych rozwiązań i sztucznej inteligencji, a po chwili łapał zadyszkę, skutkującą mniejszą liczbą procesów rekrutacyjnych i ofert, utalentowanych osób szukających zatrudnienia, ale też skalą inwestycji w Polsce.

Popandemiczne zmiany

Popandemiczny rok 2022 charakteryzował się dużym zapotrzebowaniem na specjalistów i ekspertów IT. Pomimo początkowej fali inwestycji i rosnącego zapotrzebowania na nowe projekty koniec 2022 roku i cały 2023 przyniosły jednak zauważalne spadki aktywności na rynku technologicznym. Spadła liczba inwestycji, nastąpiło ograniczenie procesów rekrutacyjnych oraz zmniejszyło się tempo inicjowania nowych projektów, które dotąd napędzały procesy rekrutacji nowych specjalistów. W tym czasie firmy zaczęły uważnie oglądać każdą wydawaną złotówkę, co również doprowadziło do zamrożenia wakatów i ograniczenia nowych procesów rekrutacyjnych. Organizacje poprzestawały na przyjmowaniu pracowników tylko na kluczowe stanowiska.

Wszystko to działo się na tle globalnych trendów, które mocno przenikały do opinii publicznej, a wiązały się z ograniczeniem zatrudnienia w sektorze IT, głównie w Stanach Zjednoczonych. Nie ominęło to jednak również polskiego rynku pracy w tej branży. Mimo to nasz kraj pozostaje jednym z kluczowych graczy na europejskim rynku, głównie z uwagi na potencjał kadrowy i coraz lepiej rozwiniętą infrastrukturę. Odczuwana globalnie potrzeba coraz większej innowacyjności i rosnące zapotrzebowanie na wykwalifikowanych specjalistów sprawiają, że sektor IT w Polsce nadal cieszy się sporym zainteresowaniem inwestorów zagranicznych. Generuje to niesłabnące zapotrzebowanie na ekspertów w bardzo konkretnych obszarach tj.: cloud computing, AI, uczenie maszynowe czy cyberbezpieczeństwo.

Cyfryzacja i Przemysł 4.0 sprawiają, że budowa relacji z klientami przypomina cyfrowe randki, a każde takie spotkanie to okazja do wywarcia możliwie jak najlepszego, kolejnego „pierwszego” wrażenia. Nowe oczekiwania klientów pojawiają się w odpowiedzi na stymulacje płynące z rynku, co w efekcie jeszcze bardziej kształtuje rynek. Technologie cyfrowe, chmura, usługi SaaS, współpraca człowieka z AI, zwinność i zmiany w kulturze organizacyjnej to kluczowe elementy nowego paradygmatu hiperpersonalizacji. W ten sposób przekracza ona tradycyjne granice marketingu, sprzedaży i obsługi klienta, stając się kluczowym elementem strategii biznesowej.

CZWARTA REWOLUCJA przemysłowa sprawia, że jesteśmy częścią wielkich zmian, które radykalnie przekształcają sposób, w jaki żyjemy i pracujemy. Przemysł 4.0 napędzamy osiągnięciami nauki, cyfryzacją, sztuczną inteligencją, internetem rzeczy i doświadczeń oraz wieloma innymi innowacjami. Te zmiany nie tylko silnie wpływają na nasze oczekiwania jako klientów, ale również otwierają drzwi do nowych modeli biznesowych. Zwiększone wymagania i zacierające się granice między branżami stymulują do innowacji. Dostęp do informacji jest niemal nieograniczony. Jak się wyróżnić w takiej rzeczywistości? Jednym z kluczowych czynników są dane, zdolność do ich przetwarzania i wykorzystanie AI.

Ewolucja pozyskania klienta: cyfrowe randki

Jeszcze do niedawna pozyskanie nowego klienta można było porównać do randki. Dziś, trochę z przymrużeniem oka, użyję analogii do randki online, gdzie pierwsze cyfrowe wrażenie ma decydujące znaczenie. Media społecznościowe, strony internetowe i aplikacje mobilne stały się cyfrowymi witrynami, gdzie firmy prezentują realizowane misje, wyznawane wartości, oferowane produkty oraz świadczone usługi. Strategie marketingowe podlegają ciągłej adaptacji np. poprzez dostosowywanie się do silników wyszukiwarek.

Już na tym wstępnym etapie bardzo ważna jest personalizacja komunikacji z potencjalnym klientem. Szybkość reakcji, zebranie i analiza danych, rozpoznanie potrzeb, dopasowanie i zaproponowanie optymalnego rozwiązania oraz możliwie najłatwiejszy proces zakupu – to wszystko jest skuteczną częścią cyfrowej akwizycji tylko wtedy, gdy jest dostępne przy „pierwszym kliknięciu”. Dlatego zachęcam, aby zaawansowana analityka i AI były zawsze elementem automatyzacji marketingu, reklamy programatycznej, działań SEO/SEM oraz marketingu treści. Lepsze zrozumienie potrzeb oraz optymalizacja obecności online ułatwiają „przyciąganie” klientów, co z kolei zwiększa szanse na rozpoczęcie pełnej i długotrwałej relacji.

Od nadziei do stanowczych wymagań: nowe oczekiwania klientów

Osobiście nie lubię czekać i bywam trochę niecierpliwy. Tempo naszego życia przyspiesza, liczba decyzji, które podejmujemy, ciągle się zwiększa. Rozumiemy i wiemy znacznie więcej, gdyż nasza sieć kontaktów jest szersza oraz jesteśmy uzbrojeni w dostęp do rozległych zasobów informacyjnych. Współczesny konsument ma doświadczenie, wie, rozumie i oczekuje, aby było „lepiej”, „łatwiej” i „szybciej”. Wymaga natychmiastowego spełnienia potrzeb, z wysoką jakością i precyzją. Przesunięcie od nadziei, że mamy to, czego klient potrzebuje, do stanowczego stwierdzenia, że dysponujemy dokładnie tym, czego klient poszukuje, wyznacza nową erę w relacjach na linii biznes‑klient. Erę, gdzie personalizacja i reaktywność stają się nie tyle atutem, co koniecznością. Moim zdaniem rolą personalizacji jest ułatwienie, edukacja oraz inspiracja, czyli dostarczenie klientom tego, czego potrzebują, nawet jeśli jeszcze sami nie zdają sobie w pełni z tego sprawy. Pozytywne zaskoczenie odświeża i utrwala relację z klientem.

Przekraczanie branżowych granic: rywalizacja o wrażenia

Dobrze pamiętam czasy, gdy banki konkurowały z instytucjami finansowymi, firmy telekomunikacyjne z pozostałymi operatorami, a firmy ogólnie rywalizowały z własną bezpośrednią konkurencją. Dziś sytuacja jest mniej oczywista. Przedsiębiorstwa, walcząc o naszą uwagę, mierzą się z najlepszymi wrażeniami, jakie napotkaliśmy. To wszystko niezależnie od sektora. Obserwuję, jak innowacje płyną np. z branży rozrywkowej czy technologicznej. Dorównać (lub przewyższyć) doświadczeniom oferowanym przez liderów? Właśnie to powoduje, że jakość w obsłudze staje się celem samym w sobie, przekraczając tradycyjne granice branżowe. Personalizacja i rekomendacje, usługi na bazie lokalizacji, inteligentni asystenci czy nawet podstawy takie jak status sprawy oraz dostępność 24/7. Dziś to w zasadzie oczekiwany standard dla każdego biznesu. Rywalizacja o „wrażenia” idzie dalej. Zawierane są partnerstwa, aby zapewnić jeszcze większą wygodę i unikalność, łącząc w sobie najlepsze aspekty różnych sektorów.

Budowanie cyfrowej bliskości: technologie i AI w służbie relacji

Jestem klientem wielu dużych firm, gdzie ogromną większość moich interakcji realizuję poprzez kanały cyfrowe. Moje doświadczenie sprawia, że potrafię wyobrazić sobie opisujący mnie rekord w bazach danych, pośród milionów innych rekordów. Dla systemu wszystkie są niemal identyczne. Tymczasem każdy z nich reprezentuje konkretnego człowieka, który chce być traktowany w unikalny, spersonalizowany sposób. Budowanie bliskości z klientami za pośrednictwem technologii staje się kluczowym wyzwaniem dla firm. Integracja nowoczesnych technologii CRM oraz wykorzystanie danych behawioralnych i AI w strategiach komunikacji mogą zapewnić klientom poczucie bycia wysłuchanym i zrozumianym, co jest fundamentem każdej trwałej relacji. Dążenie do doświadczenia, które jest zarówno intymne, jak i skalowalne – właśnie tak rozumiem i definiuję budowanie cyfrowej bliskości.

Balans składników sukcesu: ludzie i technologia

Ludzie i technologia – uważam, że właśnie ta kolejność jest tą właściwą. Technologie i algorytmy są efektywne i będą jeszcze efektywniejsze. Natomiast nadal nie są w stanie (i osobiście mam nadzieję, że nigdy nie będą) w pełni zastąpić ciepła, empatii i intuicji, cechujących ludzkie relacje. Technologia, w tym AI, może znacznie zwiększyć wydajność, personalizację i skalowalność działań. Jednak to my, ludzie, nadajemy tym działaniom sens i kontekst. Moim zdaniem sukces w budowaniu relacji zależy od harmonijnego połączenia zaawansowanych technologii z tzw. ludzkim dotykiem, zintegrowanym i dostępnym we wszystkich kanałach kontaktu. Oprócz kwestii związanych z jakością obsługi warto podkreślić, że technologie cyfrowe – choć w większości ułatwiają – mogą część społeczeństwa wykluczać. To właśnie tu najbardziej potrzebne jest wsparcie drugiego człowieka. Kolejny element wart podkreślenia to ludzie, którzy decydując o zastosowaniu zaawansowanych technologii, jednocześnie dbają o wartości, etykę, bezpieczeństwo, prywatność oraz odpowiedzialność społeczną.

Klientocentryzm: od produktu do doświadczenia

Firmy od lat organizowały struktury i procesy zgodnie z paradygmatem produktocentrycznym. Takie podejście ma wiele zalet. Jest wewnątrz przejrzyste, łatwe do planowania oraz monitorowania egzekucji. Wiele organizacji produktocentrycznych na co dzień wprowadza szereg elementów związanych z klientocentrycznością – np. projektując produkty i usługi wspólnie z klientami na bazie badania ich potrzeb. Dlaczego zatem nowy paradygmat klientocentryczny zyskuje na istotności? Co sprawia, że wiele firm sukcesywnie migruje w tym kierunku? Dla struktury, procesów wewnętrznych, budżetowania i monitorowania jest to zdecydowanie wyzwanie. W teorii modelem produktocentrycznym można zrealizować wszystkie założenia wynikające z klientocentryzmu. Tylko w teorii. W praktyce model ten sprawia, że łatwiej jest zapomnieć o kliencie i jego faktycznych potrzebach, a skoro łatwiej zapomnieć, to zapomina się częściej. Budżetowane są i monitorowane wolumeny per linia produktowa, analogicznie budżetowane są też i monitorowane marże. Organizacja produktocentryczna skupia się głównie na promocji swoich produktów – wygrywa w krótkim terminie. Ta klientocentryczna priorytetyzuje indywidualnego klienta, jego potrzeby i doświadczenia – zwycięża w perspektywie długofalowej. Wprowadzenie klientocentryczności jest pracochłonnym, ciągłym procesem. Można sobie wyobrazić skalę od lewej do prawej. Po lewej stronie paradygmat w 100% produktocentryczny, a po stronie prawej w 100% ten klientocentryczny. Gdzie jest moja organizacja na tej skali? Co należy robić, aby ciągle przesuwać się w kierunku prawej strony?

„AI nie zastąpi ludzi – ale ludzie korzystający z AI zastąpią tych, którzy tego nie robią” – stwierdza IBM w raporcie pt. Zwiększ wydajność dzięki partnerstwom człowieka z maszyną. Całkowicie zgadzam się z tym punktem widzenia. Już dziś generatywna sztuczna inteligencja (GenAI) jest moim cennym współpracownikiem – „copilotem” w organizacji, którego stosuję na jej różnych poziomach. GenAI rozumie i odpowiada, posługując się jednocześnie językami naturalnymi (np. język ludzki) i formalnymi (np. języki programowania, dziedziny nauki). Te elementy niesamowicie demokratyzują dostęp do wiedzy i technologii – ułatwiają, przybliżają, zwiększają efektywność, ale niczego nie zastępują.

AI jako architekt doświadczeń: „AI by design”

W tym akapicie „zejdę” nieco niżej do założeń technologicznych i funkcjonalnych systemów klasy CRM. Typowy proces komunikacji to dziesiątki lub setki skonfigurowanych kampanii marketingowych, gdzie rolą każdej kampanii jest określenie „temu klientowi, w tej konkretnej sytuacji, proponujemy ten konkretny produkt”. Nietrudno sobie wyobrazić te wszystkie wielkie „drzewa” decyzyjne. Natomiast wraz ze wzrostem skali i wariantów pełne zrozumienie i kontrola zależności są wręcz niemożliwe. Klasyczne systemy wprowadzają AI, aby zoptymalizować selekcję i to oczywiście pomaga, ale tylko czasowo. Wolumeny danych rosną znacznie szybciej niż liczba możliwych do zatrudnienia data scientistów. Nowy paradygmat, który nazwałem „AI by design” zakłada, że kampanie to procesy, które określają, że „temu klientowi nie możesz zaoferować tego produktu”. Natomiast za to, co warto klientowi zaprezentować, odpowiada w pełni arbitracja wykonywana przez automatyczny i adaptacyjny AI, która optymalizuje skonfigurowane przez nas strategie i cele. Liczba procesów zmniejsza się. Zespoły skupiają się bardziej na celach i zadaniach strategicznych, zwiększa się zrozumienie potrzeb indywidualnego klienta.

Interakcje w czasie rzeczywistym: „Real‑Time by design”

Nadal standardem w klasycznych systemach CRM są procesy komunikacji, realizowane w oparciu o kampanie batch. Każda kampania ma tzw. lejek warunków. Procesy batch są uruchamiane np. codziennie, tygodniowo, miesięcznie lub na żądanie. Wyniki przeliczeń są zapisywane w repozytoriach ofert i czekają na odpowiedni czas, typowo na moment interakcji z klientem. Takie podejście jest obciążone wieloma problemami i ograniczeniami, w tym natury technicznej i biznesowej. Systemy dokonują wielu przeliczeń, które później nie są wykorzystane. Zmiana parametrów oferty jest czasochłonna, gdyż wymaga uruchomienia aktualizacji istniejących w repozytorium wpisów. I najważniejsze – przygotowując wcześniej ofertę, która następnie czeka na interakcję, nie jesteśmy w stanie uwzględnić bieżącego kontekstu klienta. Kampanie batch mogą nadal efektywnie wspierać komunikację outbound (np. telefony z contact center), ale są nieodpowiednie dla świata cyfrowego inbound (np. kiedy klient loguje się do aplikacji mobilnej). Odpowiedzią są systemy i podejście bezstanowe (stateless), działające w czasie rzeczywistym (real time) i sterowane zdarzeniami (event driven). W takim podejściu zespoły skupiają się na głębszym zrozumieniu detalicznych ścieżek klienta, co skutkuje lepszym finalnym doświadczeniem. •