Zarządzanie zmianą: Jak zbudować nawyk pracy z AI w zes… — Transcript

Jak skutecznie wprowadzić AI w firmie, zmieniając nawyki pracy i budując nową kulturę organizacyjną.

Key Takeaways

Wdrożenie AI to zmiana kultury pracy, nie tylko technologii.
Realistyczna diagnoza potrzeb i potencjału AI wymaga zaangażowania pracowników.
Stopniowe wdrażanie i posiadanie właściciela projektu zwiększa szanse na sukces.
Unikanie kopiowania cudzych rozwiązań bez dostosowania do własnej organizacji jest kluczowe.
Komunikacja i transparentność budują zaufanie i ułatwiają adaptację AI.

Summary

Historia wdrożenia pierwszego Worda pokazuje, że największym wyzwaniem jest zmiana nawyków, nie technologia.
Wdrożenie AI to nie tylko technologia, ale nowa kultura pracy w organizacji.
Kluczowe jest określenie potencjału AI w firmie i unikanie typowych błędów na etapie diagnozy.
Zadania do automatyzacji warto wybierać na podstawie prostych kategorii: tworzenie dokumentów, analiza danych, ekstrakcja wiedzy, komunikacja, programowanie.
Badanie pracowników pomaga realistycznie ocenić, które zadania można wspierać AI i urealnić oczekiwania.
Unikanie porównywania się do globalnych benchmarków, które mogą zniekształcić postrzeganie wyników.
Najczęstsze błędy to zbyt szeroki zakres wdrożenia, brak właściciela projektu oraz kopiowanie rozwiązań innych firm bez dostosowania.
Proces adopcji AI powinien być stopniowy, zaczynając od jednego obszaru z wyraźnym potencjałem.
Komunikacja zmiany powinna budować zaufanie, a nie opór wśród pracowników.
Ważne jest, aby proces wdrożenia AI był trwałą zmianą, a nie jednorazowym efektem wdrożenia narzędzi.

Full Transcript — Download SRT & Markdown

Speaker A

Zacznijmy od krótkiej podróży w czasie. Spójrzcie na ten obrazek. To reklama pierwszego Worda z lat 80. Czytamy w niej o funkcjach, które dla nas brzmią wręcz banalnie - pogrubienie, kursywa, podkreślenie, o możliwości cofnięcia ostatniej zmiany w dokumencie nawet nie wspomnę.

Speaker A

O pracy w kilku oknach jednocześnie. Dziś to jest po prostu oczywistość. Nawet nie zastanawiamy się nad tym, bo traktujemy to jako standard. Ale wtedy? Wtedy to było coś rewolucyjnego.

Speaker A

Co ciekawe, jedna z pierwszych recenzji zawierała opinię, że Word jest narzędziem, którego możliwości robią duże wrażenie, ale na koniec dnia autor stwierdził, że wykonałby swoją pracę dużo szybciej, pracując po staremu.

Speaker A

Brzmi znajomo? W tamtych czasach ludzie dopiero się uczyli, że komputer może pomóc w pisaniu tekstów, a nie tylko w liczeniu. I co ciekawe, największym wyzwaniem nie było samo wprowadzenie narzędzia, ale przekonanie ludzi, że warto się go nauczyć i zmienić

Speaker A

swoje przyzwyczajenia. I właśnie tak jest dzisiaj z AI. Nie chodzi o to, czy w firmie włączymy sztuczną inteligencję, bo to jest stosunkowo proste. Prawdziwe wyzwanie polega na tym, żeby ludzie zaczęli z AI naprawdę pracować.

Speaker A

Żeby się nauczyli, jak wykorzystywać je w codziennych zadaniach. Żeby, uwaga, zmienili swoje nawyki. Nazywam się Cezary Kuik. Doświadczenie, którym się podzielę, zebrałem w Allegro, wdrażając Gemini oraz inne narzędzia dla wszystkich pracowników.

Speaker A

Przez ostatni rok pracowaliśmy nad tym, żeby adopcja AI nie była jednorazowym pikiem po wdrożeniu, ale trwałą zmianą.

Speaker A

Chcę, żeby po tej lekcji została w was jedna myśl. W swojej firmie nie wdrażacie tylko nowej technologii.

Speaker A

Wy wdrażacie nową kulturę pracy. Agenda tej lekcji wygląda następująco. Najpierw zaczniemy od tego, jak określić potencjał AI w firmie i jakich błędów unikać na tym etapie.

Speaker A

Potem porozmawiamy o tym, jak zaprojektować dobry proces adopcji i dlaczego w tym przestrzeń do zabawy jest ważniejsza niż myślicie. Następnie zajmiemy się pomiarem i tym, jak odróżnić realną produktywność od tej pozornej.

Speaker A

A na sam koniec, jak komunikować zmianę w sposób, który buduje zaufanie, a nie opór.

Speaker A

Skoro wiemy już, że prawdziwym wyzwaniem nie jest samo wdrożenie AI, tylko zmiana stylu pracy, pojawia się pytanie.

Speaker A

Od czego właściwie zacząć? Jak określić, w których miejscach sztuczna inteligencja faktycznie może nas wesprzeć, a w których niekoniecznie ma to sens?

Speaker A

Wiem, co teraz myślicie. Wszyscy słyszą o agentach AI. Systemach, które mogą samodzielnie wykonywać całe procesy. Analizować, decydować, wysyłać, przekazywać dalej. I to prawda.

Speaker A

Ta technologia istnieje i bardzo szybko dojrzewa. Ale jest jeden haczyk, o którym się bardzo rzadko mówi.

Speaker A

Agent działający na źle zaprojektowanym procesie zrobi to samo, co człowiek, tylko szybciej i na większą skalę.

Speaker A

Tak, błędy też się skalują. Zadania są znacznie prostsze i bardziej uniwersalne. Tworzenie dokumentów, analiza danych, wyciąganie wiedzy, komunikacja czy nawet proste programowanie to są dzisiaj czynności, które wykonuje niemal każdy pracownik, niezależnie od działu czy stanowiska. Dlatego zanim oddamy AI cały proces,

Speaker A

nauczmy się delegować zadania. Bo to właśnie zadania będą naszą piaskownicą, miejscem, gdzie uczymy siebie, swoich ludzi i całą organizację, co AI właściwie potrafi, a czego jeszcze nie.

Speaker A

Tylko które zadania wybrać na początek? Tu z pomocą przychodzi prosta mapa, którą możecie z powodzeniem wykorzystać w swojej organizacji, tak jak ja wdrażając AI wśród kilku tysięcy pracowników.

Speaker A

Nie oszukujmy się, w organizacji liczącej tak wiele ról i specjalizacji nie da się precyzyjnie zmapować każdego zadania z osobna. Dlatego tworząc tę mapę, musiałem uprościć trochę świat, w którym działam.

Speaker A

Te pięć kategorii to właśnie wspólny mianownik. Coś, co znajdziecie w każdym dziale, niezależnie od tego, czy rozmawiacie z prawnikiem, marketerem czy nawet inżynierem. Na tej planszy widać pięć podstawowych kategorii zadań. Tworzenie dokumentów, analiza danych, ekstrakcja wiedzy, komunikacja i programowanie. W każdym obszarze

Speaker A

biznesowym znajdzie się coś, co się w te kategorie wpisuje. Na przykład w marketingu to będzie pisanie tekstów do reklam. W HR będzie to tworzenie opisów stanowisk, a w sprzedaży treść oferty czy umowy handlowej.

Speaker A

Mając taką matrycę, można łatwo określić, które zadania nadają się do delegowania do sztucznej inteligencji.

Speaker A

Ale uwaga, matryca odpowiada na pytanie, co jest możliwe, a nie co jest tego warte.

Speaker A

A to są dwa zupełnie różne pytania. Żeby znaleźć odpowiedź na to drugie, musicie zapytać ludzi, którzy te zadania wykonują na co dzień.

Speaker A

Żeby to sprawdzić, warto przeprowadzić badanie wśród pracowników, ja tak zrobiłem. Samo badanie paradoksalnie było bardzo proste.

Speaker A

Prosiliśmy pracowników, żeby ocenili, ile czasu zajmują im poszczególne zadania i jaki odsetek według nich da się zautomatyzować.

Speaker A

Ale dużo większym wyzwaniem okazało się ułożenie tego badania. Zaczęliśmy od anonimowości i transparentności, fundament fundamentów.

Speaker A

Jasny komunikat od początku. Nie szukamy ról do automatyzacji, szukamy miejsc, gdzie AI może wspierać ludzi.

Speaker A

Bez tego pracownicy nie mówią prawdy. Mówią to, co czują się bezpiecznie powiedzieć. Potem język, żadnych pytań o technologię, żadnego założenia, że ktoś wie, czym jest AI. Zamiast tego pytania o cechy zadań. Czy to zadanie jest powtarzalne?

Speaker A

Czy da się je jasno zdefiniować? Każdy potrafi na to pytanie odpowiedzieć i to wystarczy. I jedno nieobowiązkowe pytanie otwarte na końcu, w jakich zadaniach AI mogłoby tobie pomóc?

Speaker A

To pytanie dało nam coś bardzo nieoczekiwanego. Pokazało, że oczekiwania ludzi są wobec AI bardzo zawyżone.

Speaker A

Przypisujemy jej więcej możliwości niż ta w rzeczywistości ma. To właśnie ten sygnał pomógł nam urealnić rozmowę, zanim jeszcze zaczęliśmy jakikolwiek proces adopcji narzędzi.

Speaker A

Kiedy wyniki badania będziecie już mieli w ręku, pojawi się naturalne pytanie. Czy to dużo, czy to mało?

Speaker A

I to jest pułapka, w którą wpada wiele firm. Zazwyczaj sięgają po globalne raporty. McKinsey i Gartner, które podają, że nawet 60% zadań w typowych rolach biurowych można by zautomatyzować z pomocą sztucznej inteligencji.

Speaker A

I zaczynają od takiej dużej liczby. To jest błąd, jeśli zaczniecie od cudzej liczby, to ona ustawi oczekiwania w całej organizacji. I potem żaden wynik nie będzie wyglądał po prostu dobrze. Wyobraź sobie, że twoje badanie pokazuje 15%. Jeśli punktem wyjścia był

Speaker A

raport zewnętrzny, który obiecywał 60%, no to cała organizacja uzna, że coś poszło nie tak.

Speaker A

Menadżerowie będą rozczarowani, a projekt po prostu straci wiarygodność. A przecież nikt nie sprawdził, czy te 60% miało cokolwiek wspólnego z waszą rzeczywistością. Dlatego pierwsze, co powinniście zrobić, to nie szukać benchmarków, tylko po prostu zapytać własnych pracowników.

Speaker A

A skoro już wiemy, jak dobrze przeprowadzić diagnozę, to warto też wiedzieć, gdzie najczęściej coś się sypie na tym etapie.

Speaker A

Bo te błędy są, z moich obserwacji, bardzo przewidywalne. Pierwszy to zbyt szeroki zakres. Firmy próbują zmapować wszystko naraz.

Speaker A

Wszystkie procesy, wszystkie działy, wszystkie role. Efekt jest zawsze ten sam. Analiza trwa całymi miesiącami, a wdrożenie nigdy nie rusza. Zacznijcie od jednego obszaru, gdzie potencjał jest oczywisty.

Speaker A

Mały sukces otwiera drzwi do kolejnego. Drugi błąd, który zaobserwowałem, to brak właściciela. AI adoptuje się wtedy, gdy ktoś czuje się za nią osobiście odpowiedzialny.

Speaker A

Ale nie jako administrator narzędzia, ale jako ktoś, kto naprawdę chce, żeby to zadziałało. Bez tej osoby inicjatywa umrze w ciszy, nie z hukiem.

Speaker A

Po prostu przestanie być czyimkolwiek priorytetem. Trzeci to kopiowanie cudzych rozwiązań. Słyszycie, że inna firma wdrożyła AI i zaoszczędziła iks godzin tygodniowo. Kopiujecie ich podejście? I to nie działa.

Speaker A

Dlaczego? Bo każda organizacja ma inną kulturę, inne blokery i po prostu innych ludzi. Cudze sukcesy są często świetną inspiracją, ale niekoniecznie instrukcją obsługi, która będzie pasować do waszej firmy.

Speaker A

No dobra, skoro wiemy, które zadania mają sens w kontekście sztucznej intelige

Speaker A

To, co powiem dalej, opieram na własnym doświadczeniu z Allegro, ale jestem przekonany, że te obserwacje znajdziecie w swojej organizacji, niezależnie od jej wielkości czy branży, bo ludzie, niezależnie od miejsca, w którym pracują, reagują na zmiany bardzo podobnie.

Speaker A

Pierwsza rzecz to ludzie. Jest taki naturalny odruch, który pojawia się w każdej organizacji, że kiedy wdrażamy nowe narzędzie, to lubimy zaczynać od entuzjastów technologii.

Speaker A

To jest bardzo logiczne. Oni zazwyczaj są bardzo otwarci, bardzo wszystko szybko łapią i wyniki od początku wyglądają świetnie. I tu właśnie tkwi pułapka.

Speaker A

Bo adopcja nie kończy się na entuzjastach. Oni sami z siebie by adoptowali wszystko. Prawdziwe wyzwanie zaczyna się wtedy, gdy musisz dotrzeć do reszty. Do sceptyków, do osób, które mają pełny kalendarz i zero czasu na eksperymenty, do tych, którzy po prostu wolą robić tak, jak zawsze robili.

Speaker A

Dlatego od samego początku zachęcam, abyście myśleli o przekroju całej organizacji, a nie o jej najłatwiejszym segmencie.

Speaker A

Bo tak, entuzjaści pokażą potencjał. Ale to sceptycy wskażą wam prawdziwe ograniczenia. Osoby mniej doświadczone powiedzą, czy wasze materiały są naprawdę intuicyjne, czy tylko wydają się takie. A eksperci domenowi, Wasi najsurowsi krytycy, sprawdzą, czy AI radzi sobie z zadaniami wymagającymi głębokiej wiedzy o firmie.

Speaker A

Każda z tych grup powie wam coś innego i każda z nich jest niezbędna, jeśli mówimy poważnie o adopcji na poziomie całej firmy. Najgorszy błąd to skupić się tylko na entuzjastach. Wtedy wyniki będą przekłamane.

Speaker A

Kolejna moja obserwacja jest taka, że sporo organizacji zakłada, że jeśli dasz ludziom dostęp do narzędzia i materiały, to reszta po prostu sama się wydarzy.

Speaker A

Nie, nie wydarzy. Narzędzie bez wsparcia to jak siłownia w piwnicy. Wiecie, że jest, ale nie schodzicie za często, a zasada jest prosta.

Speaker A

Nie zostawiajmy ludzi samych z pustym ekranem, my zaczęliśmy od bardzo prostych rzeczy. Przygotowaliśmy podręcznik pokazujący praktyczne zastosowania Gemini dla każdej z dostępnych aplikacji oraz Prompt Hub, czyli stronę internetową z gotowymi przykładami kopiuj-wklej.

Speaker A

To dobry fundament na początek, ale nie jest wystarczający. Przed uruchomieniem Gemini zorganizowaliśmy 90-minutowe szkolenie na żywo. I to moim zdaniem był klucz do sukcesu.

Speaker A

Dlaczego? Szkolenie na żywo jest angażujące, ludzie widzą, co się dzieje na ekranie, mogą reagować i zadawać pytania.

Speaker A

To są oczywiste walory, ale jest też coś nieoczywistego. Mianowicie w trakcie takiej sesji na żywo normą jest, że sztuczna inteligencja popełnia błędy na oczach uczestników. I to jest świetne, to jest bardzo dobre. Dlaczego? Bo każdy widzi, że to normalne,

Speaker A

że narzędzie potrafi się pomylić. A jeszcze ważniejsze, że ja jako użytkownik narzędzia mogę z tym pracować. Mogę pokazać, jak zmienić prompt, jak dopytać, jak poprawić odpowiedź.

Speaker A

To budowało poczucie wspólnoty. Uczestnicy czuli, że uczą się razem, że inni też mają podobne problemy.

Speaker A

Najlepsze efekty dają przykłady osadzone w realiach uczestników pracy, tzw. domenowe przypadki użycia. Nie abstrakcyjne przykłady z kosmosu, tylko coś, co każdy uczestnik widzi w swoim świecie pracy.

Speaker A

Kiedy ktoś zobaczy prompt odpowiadający na jego codzienne wyzwanie, oddziaływanie jest zupełnie inne. Jest jeszcze jedna rzecz, przestrzeń do eksperymentowania.

Speaker A

Niedoceniany bloker adopcji. I zatrzymajmy się przy tym, bo to jest coś, o czym się bardzo rzadko mówi we wdrożeniach sztucznej inteligencji.

Speaker A

My największe przyrosty adopcji w Allegro obserwowaliśmy nie tylko przy okazji szkoleń, ale też przy okazji nowych funkcji.

Speaker A

Kiedy pojawiały się nowe możliwości w narzędziu, ludzie zaczynali z nimi bawić się. I właśnie paradoksalnie ta zabawa była najkrótszą drogą do realnych przypadków użycia. Dlaczego?

Speaker A

Bo zabawa rodzi ciekawość. A ciekawość rodzi pytania, które zazwyczaj prowadzą do fajnych pomysłów, a pomysły, jeśli są zakorzenione w środowisku pracy, stają się bardzo często wartościowymi przypadkami użycia AI w danej firmie.

Speaker A

Kilka form, które z mojego doświadczenia świetnie się sprawdzają, aby tę zabawę zainicjować, to na pewno dedykowany czas w tygodniu. Godzina, dwie, kiedy pracownik może testować AI, bez czego?

Speaker A

Bez tej presji wyników, nie musi z tego nic wynikać. Pracownik ma po prostu próbować.

Speaker A

Bardzo fajną metodą są też wewnętrzne konkursy na najlepszy przypadek użycia. Ludzie naturalnie angażują się, gdy jest element rywalizacji i uznania.

Speaker A

Najlepsze pomysły można potem wdrożyć na szerszą skalę. Bardzo też pomaga sandbox, czyli takie środowisko testowe, gdzie błąd nie kosztuje nikogo niczego.

Speaker A

Tam można próbować po prostu rzeczy, których może nawet nie odważylibyśmy się robić w normalnej pracy.

Speaker A

I coś, co bardzo pomaga z perspektywy czasu, to program ambasadorów AI. I to jest być może najważniejszy element w tym wszystkim, bo w Allegro widzieliśmy, że adopcja rosła szybciej tam, gdzie w danym zespole czy dziale był ktoś, kto AI używał, mówił o tym i zarażał innych

Speaker A

swoją ciekawością. Co ważne, ambasador nie musi być ekspertem od technologii. Dużo ważniejsze jest to, aby był wiarygodny dla swojego otoczenia.

Speaker A

To wpływ przez przykład w lokalnym kontekście jest dużo silniejszy niż każde ogólnofirmowe szkolenie. Kolejna lekcja, którą wyniosłem z wdrożenia Gemini w Allegro, to społeczność. Narzędzia, szkolenia to dopiero początek.

Speaker A

Prawdziwa adopcja dzieje się potem, w codziennej pracy, kiedy pojawia się problem i ktoś nie wie, co zrobić.

Speaker A

I tu kluczowe jest jedno. Czy tak po ludzku ma się do kogo z tym odezwać? My w Allegro odpowiedzieliśmy na to w taki sposób, że uruchomiliśmy dedykowany kanał na Slacku i cotygodniowe sesje otwarte dla wszystkich.

Speaker A

Na pierwsze przyszło ponad 70 osób, ale tylko dwie osoby zadały pytania. I to był dla mnie ogromny szok, bo okazało się, że cała reszta przyszła po prostu posłuchać.

Speaker A

To był ten moment w mojej głowie, kiedy zapaliła się lampka. Ludzie uczą się nie tylko przez zadawanie pytań, ale może nawet bardziej przez obserwowanie innych.

Speaker A

Ktoś pyta o coś, o czym inni nawet by nie pomyśleli. Ktoś opisuje problem, który połowa sali miała, ale nie wiedziała nawet, jak go nazwać.

Speaker A

Społeczność w moim odczuciu nie przyspiesza adopcji dlatego, że generuje wiedzę. Przyspiesza ją dlatego, że normalizuje posiadanie trudności.

Speaker A

A kiedy te są normalne, ludzie przestają się zatrzymywać. No ale można przygotować świetny proces, zebrać świetną grupę, zrobić szkolenie, dać materiały i zapewnić pełne wsparcie.

Speaker A

Ale na końcu ktoś i tak zapyta, ile właściwie na tym zyskaliśmy? I tu zaczyna się problem, bo w moim odczuciu większość firm nie wie dzisiaj, jak uczciwie zmierzyć wpływ sztucznej inteligencji na pracę ludzi.

Speaker A

Sięgają zazwyczaj po najprostszą metrykę, czyli czas. Ile godzin zaoszczędziliśmy dzięki sztucznej inteligencji? To jest bardzo wygodne pytanie i niestety bardzo mylące.

Speaker A

Bo czas to jest miara wysiłku, ale nie wartości. Możemy pracować szybciej i produkować więcej rzeczy, których nikt nie potrzebuje. A jednocześnie, jeśli w ogóle nie mierzymy tego wszystkiego, to inicjatywa ma dużą szansę, a raczej ryzyko, wpaść w jedną z dwóch pułapek. Wszyscy są albo zachwyceni,

Speaker A

tylko nikt nie ma dowodów na to, że to ma wartość. Albo ktoś oczekiwał rewolucji, tylko że wyniki okazały się skromniejsze i projekt traci na wiarygodności.

Speaker A

Dlatego gorąco was zachęcam. Zamiast pytać, ile czasu zaoszczędzimy, pytajcie, ile czasu minęło od momentu, gdy ktoś miał potrzebę, do momentu, gdy tę potrzebę zaspokoiliśmy.

Speaker A

I przez ten pryzmat warto patrzeć na dwa poziomy produktywności. Na poziomie lokalnym oznacza ona różne rzeczy w różnych rolach.

Speaker A

Dla przykładu, w obsłudze klienta może to być krótszy czas odpowiedzi. W sprzedaży oferta gotowa, zanim klient zacznie się niecierpliwić, a w IT zgłoszenie rozwiązane, zanim klient zdążył napisać drugiego maila. Dopiero mając tę perspektywę lokalną, możemy spojrzeć na produktywność globalną.

Speaker A

I tu pojawia się jedno z najtrudniejszych, ale też najważniejszych pytań, jakie możecie zadać sobie jako lider. I ja też z tym pytaniem musiałem się zmierzyć.

Speaker A

Czy ten sam efekt można by osiągnąć bez AI, ale tylko zatrudniając więcej ludzi? I tutaj dochodzimy do czegoś, co jest warte zatrzymania się na dłużej, a o czym rzadko się mówi wprost. Wzrost liczby generowanych wyników może być tylko złudzeniem wartości.

Speaker A

Kiedy wdrażacie AI, możecie bardzo łatwo zobaczyć, że ludzie tworzą więcej dokumentów, więcej maili, więcej raportów. Wszystkiego jest więcej, liczby rosną, ktoś w zarządzie jest zadowolony.

Speaker A

Tylko czy te dokumenty są faktycznie lepsze? Czy pomagają klientom? Czy przekładają się na realne wyniki biznesowe? Gartner nazwał to pozorną produktywnością, zjawiskiem, w którym narzędzia AI zwiększają wolumen pracy, ale niekoniecznie jej wartość. Czyli po prostu więcej nietrafionych maili, więcej przeciętnych prezentacji,

Speaker A

więcej raportów, których nikt nie czyta, a tak naprawdę wydłuża to nasz proces pracy. W takim razie, jak odróżnić realną produktywność od tej pozornej?

Speaker A

Znowu, zachęcam was bardzo gorąco, pytajcie nie tylko ile, ale też jak dobrze i dla kogo.

Speaker A

Szukajcie wskaźników jakościowych, satysfakcji klienta, liczby iteracji, czasu do decyzji. Rozmawiajcie z odbiorcami wyników pracy generowanej przez AI, a nie tylko ich autorami.

Speaker A

Bo adopcja AI nie kończy się sukcesem, gdy rośnie liczba interakcji z narzędziem. Kończy się sukcesem, gdy rośnie, uwaga, realna wartość dla klientów i firmy.

Speaker A

A teraz absolutnie kluczowy element, jeśli nie najważniejszy, bo nawet najlepiej przeprowadzony proces adopcji nic nie da, jeśli ludzie nie będą rozumieli, po co ta zmiana i jaka jest ich rola w tym wszystkim.

Speaker A

Kiedy w firmie pojawia się sztuczna inteligencja, to bardzo często pierwsza reakcja pracowników nie jest pozytywna. Ta reakcja to raczej: co to wszystko dla mnie oznacza?

Speaker A

Ja tu widzę dwa problemy czy wyzwania. Po pierwsze, jest to brak kompetencji, rozumiany jako obawa, że ludzie sobie nie poradzą z nowymi narzędziami.

Speaker A

A co za tym idzie, ich obawa o sens pracy, czyli lęk, że skoro AI coś zrobi szybciej, to moja rola będzie mniej potrzebna. I właśnie dlatego komunikacja musi być bardzo przemyślana, tu nie chodzi tylko o wdrożenie technologii. Tu chodzi o zbudowanie poczucia

Speaker A

bezpieczeństwa i sensu, dla mnie to było bardzo duże wyzwanie. Jak do tego podszedłem? Uważam, że jednym z najlepszych sposobów na oswojenie takiej zmiany jest pokazanie pracownikom, że AI nie zabiera pracy, ale rozszerza ich możliwości. To jest coś, na co ja kładłem

Speaker A

bardzo duży nacisk, szkoląc innych pracowników. Osobiście wierzę, że przez lata budowaliśmy swoją wartość zawodową przez specjalizację.

Speaker A

Byliśmy cenni, bo wiedzieliśmy coś, czego inni nie wiedzieli. Umieliśmy coś, czego inni nie umieli.

Speaker A

A teraz pojawia się narzędzie, które potrafi napisać kod, zaprojektować interfejs, przeanalizować dane, rzeczy, na których budowaliśmy latami swoją pozycję.

Speaker A

Ja rozumiem, że to wywołuje lęk. To nie jest irracjonalna reakcja. Musimy być tego świadomi. To jest bardzo ludzka odpowiedź na coś, co podważa fundament, na którym dotychczas staliśmy.

Speaker A

Ale jest coś, co warto zobaczyć z innej strony. Przez całą historię rynku pracy specjalizacja była barierą wejścia.

Speaker A

Żeby coś zrobić, musiałeś to umieć albo znać kogoś, kto to umie. Sztuczna inteligencja te bariery obniża dla wszystkich jednocześnie. I to jest moim zdaniem właśnie sedno tej technologii. Nie chodzi o to, że ktoś traci.

Speaker A

Chodzi o to, że wszyscy dostajemy ten sam punkt startowy. Pozwólcie, że pokażę wam to na swoim przykładzie.

Speaker A

Kiedy zaczynałem jako Product Manager, każdy w zespole miał swoją ekskluzywną dziedzinę. Designer projektował interfejsy, programista pisał kod, a tester testował wszystko. Jeśli ja chciałem sprawdzić nawet drobną rzecz, musiałem najpierw poprosić kogoś o jego czas, wszystko było wolniejsze.

Speaker A

Nie dlatego, że ludzie nie chcieli pomagać, ale dlatego, że ta wiedza była zamknięta za barierą specjalizacji.

Speaker A

Dziś te bariery zaczynają się zacierać. Ja sam mogę w kilka minut przygotować prototyp bez proszenia programisty o jego pomoc, napisać zapytanie do danych czy wygenerować prosty scenariusz testowy.

Speaker A

I to nie znaczy, że designer czy programista są mniej potrzebni. To znaczy, że szybciej dochodzimy do momentu, w którym nasza wspólna praca ma większą wartość, bo nie tracimy czasu na rzeczy, które AI może zrobić za nas.

Speaker A

Ale wróćmy do sedna. AI daje wszystkim te same narzędzia. Nie daje nikomu twojego doświadczenia, kontekstu i osądu.

Speaker A

Tego, co wiemy, kiedy coś jest naprawdę dobre, a kiedy tylko wygląda dobrze. Tego, jak rozmawiać z klientem, który nie wie, czego chce. Specjalizacja przestaje być barierą wejścia, a staje się tym, co nadaje kierunek. Tym, co odróżnia kogoś, kto używa narzędzia, od kogoś, kto, uwaga, wie, po co go używa.

Speaker A

Tu chcę powiedzieć coś, co może brzmieć trochę zaskakująco. Uważam, że jeden super efektywny pracownik, który fantastycznie używa sztucznej inteligencji, nie przyniesie firmie tyle, ile przyniesie średni poziom kompetencji AI w całej organizacji. Proste.

Speaker A

Wyobraź sobie drużynę piłkarską, gdzie jeden zawodnik jest absolutnym geniuszem, a reszta nie nadąża za jego tempem.

Speaker A

Nie rozumie jego zagrań, nie potrafi przyjąć podania. Ten jeden geniusz może błyszczeć w statystykach, ale drużyna przegrywa. W organizacji działa to tak samo.

Speaker A

Kiedy tylko kilka osób naprawdę korzysta z AI, reszta staje się wąskim gardłem. Procesy są tak szybkie, jak ich najwolniejszy element. A kiedy cały zespół osiągnie choćby średni poziom biegłości, to przepływ pracy przyspiesza wszędzie. Współpraca jest łatwiejsza, a wartość AI mnoży się przez liczbę ludzi. Dlatego celem

Speaker A

wdrożenia sztucznej inteligencji w firmie nie jest stworzenie superbohaterów, a celem jest podniesienie, uwaga, poziomu całej drużyny, którą masz w składzie.

Speaker A

My w Allegro przez cały rok osiągnęliśmy wzrost adopcji z 4% do 25% pracowników, którzy regularnie korzystają z Gemini, gdzie za regularność przyjęliśmy korzystanie co najmniej trzy razy w tygodniu z takiego narzędzia.

Speaker A

I pamiętajcie, to nie jest wynik jednego wielkiego szkolenia. To jest wynik cierpliwego budowania kultury.

Speaker A

Między innymi ambasadorów w każdym dziale, przestrzeni do zabawy, normalizacji błędów w pracy z AI, czy chociażby społeczności, która uczy się razem tego wszystkiego. I tu dochodzimy do wątku, który jest nowy i trudny w tej lekcji, a który uważam za kluczowy dla każdego, kto dziś wdraża

Speaker A

AI w organizacji. Widzę to w rozmowach z ludźmi, którzy wdrażają sztuczną inteligencję w swoich środowiskach. Pracownicy niestety coraz częściej nie ufają liderom w kwestii AI.

Speaker A

Nie dlatego, że liderzy robią coś złego, ale dlatego, że nie komunikują wystarczająco jasno, dlaczego AI, dokąd zmierzamy jako firma z tą technologią i jaka jest rola każdego pracownika w tym procesie zmiany.

Speaker A

Pracownicy, którzy nie rozumieją, dlaczego, sami wypełnią tę lukę, najczęściej strachem. W takim razie, jak komunikować zmianę, żeby budować zaufanie, a nie pogłębiać opór?

Speaker A

Osobiście polecam następujące rzeczy. Po pierwsze, mówcie, dlaczego, zanim powiecie, co. Zanim ogłosicie narzędzie, powiedzcie, po co je wprowadzacie i dokąd jako firma z tym narzędziem będziecie zmierzać.

Speaker A

Bez tego ludzie sami wypełnią tę lukę i nie będzie to optymizm. Bądźcie bardzo szczerzy, wręcz radykalnie, co do ograniczeń. Nic nie niszczy zaufania szybciej niż obiecanie rewolucji, która nie nadchodzi.

Speaker A

Mówcie uczciwie, co AI potrafi i czego jeszcze nie potrafi. Ludzie to docenią bardziej niż myślicie.

Speaker A

Po trzecie, dajcie ludziom głos. Pytajcie ich, co ich niepokoi, co ich ciekawi, czego potrzebują.

Speaker A

Tu nie chodzi o zbieranie informacji zwrotnej dla samej informacji. Jak o tym pomyślicie, to jest wasz jedyny sposób, żeby dowiedzieć się, gdzie leżą prawdziwe blokery dla adopcji narzędzi AI.

Speaker A

Pokażcie, nie tylko mówcie. Liderzy, którzy sami używają AI i mówią o tym otwarcie, są najsilniejszym sygnałem, że zmiana jest poważna. Żaden komunikat wewnętrzny nie zastąpi przykładu z góry.

Speaker A

Czas zebrać najważniejsze wnioski. Gdybyście mieli zapamiętać najważniejsze rzeczy z tej lekcji, to byłoby to po pierwsze.

Speaker A

Zacznijcie od zadań, nie od procesów. Procesy są skomplikowane. Zadania są dużo prostsze, bardziej uniwersalne i to na nich najłatwiej sprawdzicie potencjał AI w waszej firmie. Po drugie, unikajcie trzech klasycznych błędów diagnozy. Zbyt szerokiego zakresu, braku właściciela projektu i ślepego kopiowania

Speaker A

cudzych rozwiązań. Po trzecie, dajcie ludziom przestrzeń do zabawy, zabawa rodzi ciekawość. Ciekawość rodzi pomysły, a pomysły stają się przypadkami użycia. To jest najkrótsza droga do realnej adopcji. Po czwarte, mierzcie rzetelnie.

Speaker A

Łączcie dane subiektywne z obiektywnymi. Patrzcie lokalnie i globalnie. I uważajcie na pozorną produktywność. Wzrost liczby wyników generowanych przez AI to nie to samo, co wzrost wartości pracy wykonywanej przez ludzi.

Speaker A

Po piąte, komunikujcie zmianę mądrze. Mówcie, dlaczego, zanim powiecie, co. Budujcie narrację wokół rozszerzania możliwości, a nie zastępowania. I pamiętajcie, że celem nie jest jeden geniusz AI w rogu waszego biura.

Speaker A

Celem jest cała drużyna, która gra razem. Nie czekajcie na idealny moment ani idealny plan. Wybierzcie jedno zadanie w swojej firmie i po prostu spróbujcie.

Speaker A

Bo wdrażanie AI nie zaczyna się od wielkiej strategii. Zaczyna się od pierwszego eksperymentu i od kultury, którą budujecie każdego dnia.

Topics:zarządzanie zmianąwdrożenie AIkultura pracyadopcja sztucznej inteligencjiautomatyzacja zadańproces wdrożeniabadanie pracownikówAI w firmiezmiana nawykówkomunikacja zmiany

Frequently Asked Questions

Jakie jest największe wyzwanie przy wdrażaniu AI w firmie?

Największym wyzwaniem jest zmiana nawyków pracy i przekonanie ludzi do korzystania z AI w codziennych zadaniach, a nie samo wdrożenie technologii.

Jakie kategorie zadań warto rozważyć do automatyzacji z pomocą AI?

Warto zacząć od pięciu podstawowych kategorii: tworzenie dokumentów, analiza danych, ekstrakcja wiedzy, komunikacja oraz programowanie.

Dlaczego nie warto porównywać wyników własnego badania z globalnymi raportami?

Globalne raporty mogą zawyżać oczekiwania i nie odzwierciedlać specyfiki konkretnej organizacji, co może prowadzić do rozczarowania i utraty wiarygodności projektu.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play

Or transcribe another YouTube video here →