🚀 Add to Chrome – It’s Free - YouTube Summarizer
Category: N/A
No summary available.
00:00
Co jest jednym z najtrudniejszych elementów wdrożenia AI w firmie? Wbrew pozorom to nie technologia, nie wybór narzędzi, ale przekonanie ludzi, aby zaczęli z nich korzystać
00:18
i zmienili swoje nawyki. Nazywam się Cezary Kuik, a doświadczenie, którym się podzielę, zebrałem jako Product Manager w Allegro, wdrażając różne narzędzia sztucznej inteligencji, między innymi Gemini i Notebook LM, których uczycie się podczas tych Umiejętności Jutra.
00:35
W tej lekcji dam Ci zestaw praktyk i zasady, jak wdrażać AI w firmie, które sprawdzą się niezależnie od wielkości Twojej organizacji. Zacznijmy jednak od krótkiej podróży w czasie.
Spójrzcie na ten obrazek.
00:51
To reklama pierwszego Microsoft Worda z lat 80. Czytamy w niej o funkcjach, które dla nas brzmią dzisiaj wręcz banalnie.
Uwaga, pogrubienie, kursywa, podkreślenie. O możliwości cofnięcia ostatniej zmiany nie wspomnę.
01:09
Ach, praca w kilku oknach jednocześnie. Dzisiaj to jest oczywistość.
Nawet nie zastanawiamy się nad tym, bo traktujemy to jako standard. Ale wtedy? Wtedy to było coś naprawdę rewolucyjnego.
Jedna z pierwszych recenzji zawierała opinię, że Microsoft Word jest narzędziem,
01:28
którego możliwości z jednej strony robią wrażenie, ale na koniec autor stwierdził, że wykonałby właściwie swoją pracę dużo szybciej, pracując po staremu. Czy nie brzmi to trochę znajomo?
W tamtych czasach ludzie dopiero uczyli się, że komputer może pomóc w pisaniu tekstów,
01:46
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 swoje przyzwyczajenia.
I właśnie tak jest dzisiaj z AI.
02:01
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 pracować.
Żeby się nauczyli, jak wykorzystywać je w codziennych zadaniach,
02:16
żeby zmienili swoje nawyki. Chcę, żeby po tej lekcji została w tobie myśl, że w swojej firmie nie wdrażasz tylko nowej technologii.
Ty wdrażasz nową kulturę pracy. Dobra, skoro już wiemy, że prawdziwym wyzwaniem nie jest samo wdrożenie sztucznej inteligencji,
02:35
tylko zmiana stylu pracy, to pojawia się kolejne pytanie, całkiem zasadne – od czego właściwie zacząć? Jak określić, w których miejscach sztuczna inteligencja faktycznie może nas wesprzeć, a w których niekoniecznie ma to sens?
02:51
Na początku zawsze może pojawić się dylemat. Analizować całe procesy biznesowe, czy przyjrzeć się pojedynczym zadaniom.
I tutaj praktyka dobra brzmi, zacznij od zadań. Dlaczego?
Procesy są różne w każdej firmie.
03:07
I chociaż AI już znacznie ułatwia ich automatyzację, to w moim odczuciu niektóre mogą wymagać dużych kompetencji. Mapowanie przepływów pracy, konieczność współpracy z ekspertami od automatyzacji czy architektury IT.
Dla wielu organizacji to jest po prostu zbyt wysoki próg wejścia na sam początek.
03:27
Zadania są prostsze, dużo bardziej uniwersalne. Tworzenie dokumentów, analiza danych, wyciąganie wiedzy, komunikacja czy nawet proste programowanie to są czynności, które wykonuje niemal każdy pracownik, niezależnie od działu czy stanowiska.
03:43
Co ważne, to są właśnie obszary, w których modele językowe są dziś najdojrzalsze, a co za tym idzie, najbardziej skuteczne. Chcę pokazać Tobie coś, co bardzo pomogło nam w Allegro uprościć rzeczywistość i znaleźć te miejsca,
03:59
gdzie sztuczna inteligencja może nam najbardziej pomóc na samym początku naszej przygody z adopcją sztucznej inteligencji. Na tej planszy widać pięć podstawowych kategorii zadań.
Tworzenie dokumentów, analiza danych, ekstrakcja wiedzy, komunikacja i programowanie.
04:17
W każdym obszarze biznesowym w firmie znajdzie się coś, co się wpisuje w ramach tych kategorii zadań. W marketingu teksty do reklam, w HR opisy stanowisk, w sprzedaży oferty i umowy handlowe.
Mając taką matrycę można łatwo określić,
04:35
które z tych zadań faktycznie nadają się do delegowania do AI, a przede wszystkim przejść do kluczowego pytania, które brzmi: co przyniesie nam największą wartość? Żeby to sprawdzić, warto przeprowadzić badanie wśród pracowników.
W moim przypadku było to całkiem proste.
04:53
Prosiliśmy pracowników, żeby ocenili, ile czasu zajmują im poszczególne zadania i jaki odsetek z nich ich zdaniem da się zautomatyzować. Ale uwaga, istnieje jeden haczyk, który warto wziąć od początku pod uwagę.
05:09
Większość osób nie ma kompetencji, żeby ocenić, do czego AI się nada. Ale każdy potrafi powiedzieć, czy jego zadanie jest, uwaga, powtarzalne, czy wymaga kreatywności, czy można je jasno zdefiniować.
05:24
I to są właśnie najlepsze sygnały, że mamy obszar z potencjałem do automatyzacji. Takie badanie warto zrobić w sposób anonimowy.
Ważne jest też, żeby od początku bardzo jasno komunikować cel. Nie chodzi o szukanie ról do automatyzacji,
05:41
tylko o zrozumienie, w jakich zadaniach AI może wspierać ludzi. Taka transparentność eliminuje obawy i buduje zaufanie.
Dobrze jest też porównać się z jakimś punktem odniesienia na zewnątrz. Na przykład globalne raporty McKinsey podają,
05:58
że nawet 60% zadań w typowych rolach biurowych może być zautomatyzowane. Ale kiedy poprosisz o ocenę swoich pracowników, kolegów i koleżanki, najpewniej wynik będzie dużo niższy.
Różnica może sięgać kilku czy kilkunastu punktów procentowych.
06:16
I to jest absolutnie normalne. Dlaczego?
Bo raporty zewnętrzne patrzą na zadania w oderwaniu od kontekstu konkretnej firmy. A to pracownicy najlepiej wiedzą, że coś co z zewnątrz wygląda prosto, w praktyce wymaga doświadczenia, rozmowy z klientem czy po prostu intuicji.
06:34
Raporty zewnętrzne dają ogólny obraz, ale często tak, przeceniają potencjał automatyzacji. Badanie wewnętrzne pozwala urealnić oczekiwania i zobaczyć, jak to wygląda naprawdę w waszym kontekście.
06:49
I to ważne, bo zawyżone oczekiwania zniekształcają często odbiór wyników. Jeśli ktoś na starcie spodziewa się 60% automatyzacji, a zobaczy realny potencjał na poziomie 10%, to uzna, że projekt się nie udał,
07:06
mimo że przecież te 10% może być bardzo wartościowe biznesowo. Dlatego tak ważne jest, żeby bazować na własnych, realistycznych benchmarkach, które odzwierciedlają faktyczny kontekst i potencjał organizacji.
Skoro wiemy już, które zadania mają sens w kontekście AI,
07:24
czego się spodziewać i jak to właściwie zmierzymy, to czas przejść do najważniejszego etapu, czyli pilotażu. To właśnie on pokaże, jak teoria sprawdza się w praktyce.
Tutaj pojawiają się trzy kluczowe rzeczy. Dobór grupy, przygotowanie uczestników i wsparcie ich w trakcie testu.
07:44
Przejdźmy każdą z nich. Na początku pojawia się pytanie – kogo zaprosić do pilotażu?
I zaskoczę Cię. Najgorszy błąd to wziąć tylko entuzjastów albo tylko ekspertów technicznych.
Wtedy wyniki będą przekłamane.
07:59
Dlatego najlepiej myśleć o pilotażu jak o przekroju organizacji. Zerknij proszę na tę planszę.
Ona pokazuje pewną mapę typów uczestników, którą zauważyłem w trakcie swoich pilotaży wewnątrz Allegro.
08:17
Potrzebujesz entuzjastów, którzy pokażą potencjał i wygenerują inspirację. Ale potrzebujesz też sceptyków, bo oni bezlitośnie wskażą ograniczenia i pokażą, gdzie AI w Twojej firmie naprawdę się nie sprawdza.
08:34
Przydadzą się osoby mniej doświadczone, żeby sprawdzić, czy materiały, które przygotowałeś lub przygotowałaś są naprawdę intuicyjne. I wreszcie eksperci domenowi, którzy przetestują AI w zadaniach wymagających dużej wiedzy merytorycznej.
08:50
Tak zbudowana, aż się prosi powiedzieć zbilansowana grupa, jest bardziej reprezentatywna i daje pełny obraz. Drugi krok to przygotowanie uczestników.
I tu zasada też jest bardzo prosta. Nie zostawiaj ludzi samych z pustym ekranem.
09:06
Istnieje pokusa, zwłaszcza w dużych organizacjach, aby szkolenie sprowadzić do prezentacji i slajdów. Moja rekomendacja, zwłaszcza dla małych i średnich przedsiębiorstw jest taka, aby stawiać na szkolenia narzędziowe prowadzone na żywo.
09:21
Szkolenia prowadzone na żywo są po prostu dużo bardziej angażujące. Ludzie widzą, co się dzieje na ekranie.
Mogą reagować, zadawać pytania. To są oczywiste walory, ale są też te nieoczywiste.
Bo widzisz, w trakcie takiej sesji AI na żywo
09:39
sztuczna inteligencja popełnia błędy na oczach uczestników. I to jest świetne.
Każdy widzi, że to normalne, że narzędzie potrafi się pomylić. A jeszcze ważniejsze, że można z tym pracować.
Możesz właśnie wtedy pokazać,
09:54
jak zmienić prompt, jak dopytać, jak poprawić odpowiedź. Dzięki temu buduje też się, uwaga, poczucie społeczności.
Uczestnicy czują, że uczą się razem, że inni też mają podobne problemy i wątpliwości. To normalizuje proces i wzmacnia kulturę dzielenia się doświadczeniem.
10:14
Warto także przygotować materiały w postaci podręcznych prezentacji oraz ściągawek z przetestowanymi promptami. Ale chcę skupić Twoją uwagę na czymś, co moim zdaniem jest tutaj dużo ważniejsze.
10:29
To domenowe przypadki użycia, czyli przykłady osadzone w realiach pracy uczestników. To nie jest łatwe, bo wymaga zrozumienia różnych działów i ról.
Ale wierzcie mi, jeśli ktoś zobaczy prompt,
10:45
który odpowiada na jego codzienne wyzwanie, to oddziaływanie jest zupełnie inne. Od razu widzi, że to nie jest gadżet, tylko realne narzędzie do jego pracy.
Dobrą praktyką jest przygotowywać takie przykłady w formie uniwersalnej.
11:01
Co ja przez to rozumiem? Chodzi o to, aby każdy uczestnik mógł łatwo zrozumieć, ale też z tą samą łatwością zabrać ten przykład i dostosować do swojej domeny.
Pokażę wam przykład. To prompt, którego naprawdę używam bardzo często w swojej codziennej pracy,
11:19
ale co ważniejsze, to jest prompt, którego bardzo często używałem też na szkoleniach dla pracowników, którzy dopiero zaczynali swoją przygodę ze sztuczną inteligencją. I dlaczego to jest właśnie bardzo dobry przykład uniwersalnego zastosowania,
11:34
to zaraz się o tym wspólnie przekonamy. Pełnisz rolę CEO firmy X.
Twoim celem jest cięcie kosztów i eliminowanie inicjatyw, które nie dają mierzalnej wartości biznesowej. Oczekuję wyłącznie twardych finansowych argumentów.
Zapoznaj się dokładnie z pomysłem opisanym w dokumencie.
11:52
Następnie zadaj mi pięć realistycznych, trudnych, niewygodnych pytań po polsku, które mógłby zadać ktoś na stanowisku C-level. Pytania mają być konkretne, rzeczowe i surowe, jak na rozmowie zarządu, gdzie nie ma miejsca na wishful thinking.
12:07
I do tego oczywiście w załączniku dokument, w którym jest opisany mój pomysł i na podstawie wygenerowanego feedbacku staram się to wszystko ulepszyć albo przygotować na faktyczną rozmowę w prawdziwym świecie. Ale dlaczego to jest taki fajny przykład?
12:24
Bo każdy z nas zna sytuację, w której trzeba obronić swój pomysł przed kimś, kto go ocenia. Czasem to CEO, czasem klient, a czasem własny menedżer.
Mechanizm jest zawsze ten sam. Trzeba pokazać realną wartość i odpowiedzieć na trudne pytanie.
12:41
Dlatego ten prompt właśnie jest fajnym, uniwersalnym przykładem, bardzo realistycznym i przede wszystkim takim, który jest bardzo łatwy do przeniesienia na dowolny kontekst pracy. I to jest właśnie klucz.
Nie chodzi o to, żeby dawać ludziom abstrakcyjne przykłady z kosmosu.
12:57
Chodzi o to, żeby od początku pokazać im coś, co widzą w swoim świecie pracy. Na koniec jedno z najtrudniejszych wyzwań.
Prawdziwa nauka zaczyna się wtedy, gdy ludzie zaczynają korzystać z AI w codziennej pracy
13:13
i tutaj największą różnicę robi społeczność, którą trzeba zbudować. Zresztą wszyscy to czujecie podczas Umiejętności Jutra, gdzie ten element nauki w społeczności jest naprawdę jedną z najbardziej istotnych rzeczy.
Ludzie uczą się szybciej, kiedy mogą obserwować innych,
13:32
wymieniać się doświadczeniami i zobaczyć, że ich wyzwania nie są wcale takie wyjątkowe. W naszym pilotażu przekonałem się o tym w bardzo szybki, ale też zaskakujący sposób.
Poza dedykowanym kanałem na Slacku organizowaliśmy raz w tygodniu konsultację na żywo,
13:50
na które mógł przyjść absolutnie każdy uczestnik. Na pierwsze takie spotkanie przyszło ponad 70 osób, ale tylko dwie osoby zadały pytania.
Co się stało? Cała reszta przyszła, uwaga, tylko posłuchać.
14:05
I to właśnie pokazuje siłę społeczności. Nawet jeśli sami nie zadajemy pytań, to uczymy się słuchając cudzych problemów i rozwiązań.
Często okazuje się, że ktoś zadaje pytanie, o którym inni nawet by nie pomyśleli, a odpowiedź okazuje się być bardzo przydatna dla wszystkich.
14:23
Można przygotować świetny pilotaż, dobrać uczestników, zrobić onboarding, dać materiały i zapewnić wsparcie, ale business is a business i na końcu ktoś i tak zapyta, to ile my właściwie na tym zyskaliśmy?
14:39
I to jest jeden z najtrudniejszych momentów. Dlaczego?
Z jednej strony mierzenie wpływu sztucznej inteligencji na pracę ludzi nie jest takie oczywiste. Nie chcę mówić, że nie jest wykonalne.
Ale to nie jest sprzedaż czy przychód, które można policzyć co do złotówki.
14:59
Sztuczna inteligencja wpływa na rzeczy, które bardzo trudno uchwycić. Niestety firmy bardzo często upraszczają to pytanie do jednego wskaźnika.
Ile czasu udało się zaoszczędzić? Tylko, że produktywność to coś bardziej złożonego.
Oznacza więcej wytworzonych rezultatów w tym samym czasie.
15:19
Czasami jednak oznacza też lepszą jakość. A jeszcze innym razem, że do uzyskania podobnego efektu potrzeba mniejszej ilości osób zaangażowanych w dany proces.
Tylko, że z drugiej strony trzeba ten wpływ mierzyć,
15:35
bo jeśli tego nie zrobimy, cała inicjatywa łatwo może wpaść w jedną z dwóch skrajności. Albo wszyscy są zachwyceni, ale uwaga, nikt nie ma dowodów na to, że to działa, albo ktoś oczekiwał rewolucji, a realne efekty okazały się dużo mniejsze niż się spodziewał
15:53
i projekt traci wiarygodność. I to jest właśnie moment, kiedy przydaje się wiedza o tym, jaki mamy potencjał automatyzacji w firmie, który warto zbadać przed samym pilotem, tak jak o tym wspominałem na początku lekcji.
Mając taki punkt odniesienia, możemy lepiej zrozumieć,
16:10
jak blisko jesteśmy celu i czy nasze wyniki mieszczą się w realistycznych oczekiwaniach. To sprawia, że pomiar nie jest oderwany, tylko osadzony w kontekście, który sami wcześniej zdefiniowaliśmy.
Dlatego moja rekomendacja jest taka.
16:25
Zawsze warto rozróżnić dwa poziomy produktywności. Na poziomie lokalnym, czyli na poziomie na przykład zespołów, produktywność może znaczyć różne rzeczy w różnych rolach.
I każdy zespół lokalnie powinien móc taką produktywność zdefiniować samodzielnie.
16:45
W obsłudze klienta będzie to krótszy czas odpowiedzi, w sprzedaży więcej przygotowanych ofert, w zespole IT większa ilość rozwiązanych zgłoszeń w ciągu tygodnia. Dopiero mając tę perspektywę lokalną, jesteśmy w stanie spojrzeć na produktywność globalną,
17:01
zadając pytanie, czy taki sam efekt można by osiągnąć bez sztucznej inteligencji, ale tylko zatrudniając więcej ludzi. A jeśli chodzi o samo narzędzie pomiaru, tutaj bardzo dobrą praktyką jest połączenie ze sobą różnych metod i źródeł,
17:21
które pozwolą zebrać dane subiektywne i obiektywne, np. deklaracje pracowników z ankiet połączone z twardymi danymi z systemów, np.
logami z Gemini. Warto też zwrócić uwagę na same interakcje, nie tylko ich liczbę.
17:38
Chodzi o ich kontekst, w jakich aplikacjach korzystać ze sztucznej inteligencji i dlaczego. Jedną z najprostszych metod są ankiety przed i po pilotażu.
To są dane subiektywne. Dzięki temu możemy porównać początkowe oczekiwania z realnymi doświadczeniami.
17:55
Uwaga! Nie mogą być one jednak tylko jakościowe w stylu czy AI oszczędza Twój czas?
Bo takie odpowiedzi bywają bardzo względne. Kiedy ktoś napisze, oszczędza mi dużo czasu, to dla jednej osoby to dużo może oznaczać 8 godzin w miesiącu, a dla innej 20.
18:16
Dlatego rekomenduję, aby zawsze łączyć pytania opisowe z liczbowymi. Jak to zrobiliśmy w Allegro?
Najpierw pytaliśmy, czy AI oszczędza Twój czas? A potem, ile godzin tygodniowo konkretnie?
18:32
Dzięki temu mogliśmy urealnić odpowiedzi i zobaczyć, co naprawdę kryje się pod subiektywnymi ocenami i co właściwie ludzie mają na myśli, kiedy mówią, że coś automatyzuje dużo ich czasu. Drugie źródło to logi systemowe, czyli ile interakcji faktycznie było,
18:50
w jakich aplikacjach i do czego. To jest obiektywny punkt odniesienia, który pozwala sprawdzić, czy deklaracje mają pokrycie w rzeczywistości.
Dla przykładu Gemini pozwala sprawdzić, w jakich miejscach pracownicy korzystają ze wsparcia sztucznej inteligencji.
19:07
U nas okazało się, że najwięcej użycia o dziwo nie było w samym czacie, ale w dokumentach. To pokazało nam, że ludzie korzystają ze sztucznej inteligencji dużo chętniej, kiedy jest ona pod ręką, a nie kiedy muszą np.
otwierać dodatkowe okno, między którym trzeba się ciągle przełączać.
19:25
Warto też porównać różne grupy użytkowników w ramach eksperymentu. U nas np.
podzieliliśmy uczestników na dwie grupy. Jedna otrzymywała pełne wsparcie, natomiast druga otrzymała tylko dostęp do narzędzia,
19:41
bez żadnego przygotowania czy szkolenia. Jak się domyślasz, okazało się, że grupa pierwsza miała dwa razy lepsze wyniki produktywności.
To jasno pokazało, że same narzędzie bez wsparcia systemowego w firmie niewiele wniesie.
19:56
Innym obszarem porównań była rola pracownika. I tutaj wyszło coś bardzo ciekawego.
Sama rola nie miała większego znaczenia. Osoby na tych samych stanowiskach osiągały zupełnie różne wyniki.
20:12
Jedni prawie żadnych oszczędności, inni natomiast nawet kilkadziesiąt godzin. Kluczowe okazało się nie to, kim jesteś w organizacji, tylko jak intensywnie korzystasz z narzędzia.
Dlatego pamiętaj, mierząc wpływ AI, nie szukasz jednej uniwersalnej liczby.
20:31
Szukasz uczciwego obrazu tego, jak technologia realnie zmienia sposób pracy w Twojej firmie. I to właśnie ten obraz budujesz pieczołowicie, kawałek po kawałku, składając wyniki z różnych źródeł,
20:47
z ankiet, danych systemowych czy doświadczeń ludzi, a to wszystko zbierasz w jedną całość. A teraz absolutnie kluczowy element całej lekcji, bo nawet najlepszy pilotaż i dane nic nie dadzą, jeśli ludzie nie będą rozumieli,
21:03
po co ta zmiana i jaka jest ich rola w tej zmianie. Kiedy w firmie pojawia się sztuczna inteligencja, pierwsza reakcja pracowników często nie brzmi „super, nowe narzędzie!”, ale raczej „co to dla mnie oznacza?”.
Widzimy tu dwa główne wyzwania.
21:20
Brak kompetencji, czyli obawę, że ludzie sobie nie poradzą oraz obawy o sens pracy, czyli lęk, że skoro AI coś zrobi ode mnie szybciej, to moja rola nie będzie już tak bardzo potrzebna. I właśnie dlatego komunikacja musi być bardzo przemyślana,
21:37
bo tu nie chodzi tylko o wdrożenie technologii. Tu chodzi o zbudowanie poczucia bezpieczeństwa i sensu osób, które pracują z nami w tej organizacji.
Jednym z najlepszych sposobów na oswojenie takiej zmiany jest pokazanie pracownikom, że AI nie zabiera pracy,
21:54
ale rozszerza ich możliwości. I tu warto podkreślić pewien paradoks.
Wcale nie istnieje tak wiele zastosowań, w których sztuczna inteligencja może całkowicie zastąpić człowieka. Owszem, są takie obszary, ale w zdecydowanej większości przypadków
22:11
mówimy nie o automatyzacji całych ról, tylko o tzw. augmentacji, czyli rozszerzaniu zdolności ludzi.
I wiesz co? Chcę Ci to pokazać na swoim przykładzie. Kiedy zaczynałem jako product manager, moja rola była dość jasno zdefiniowana.
22:29
Zarządzałem całym procesem tworzenia produktu. Ale zespół produktowy wyglądał wtedy zupełnie inaczej niż dzisiaj.
Był złożony z bardzo konkretnych specjalistów, którzy mieli swoją ekskluzywną dziedzinę i swoje narzędzia.
22:44
Designer odpowiadał wyłącznie za projektowanie interfejsów. Nikt inny nie miał do tego kompetencji ani dostępu do odpowiednich programów graficznych.
Programista zajmował się kodem. Ja nawet nie miałem prawa się do niego zbliżyć.
Testerzy mieli własne środowiska i metody pracy, do których również tylko oni mieli dostęp.
23:04
Każdy z nas był trochę jak w osobnym świecie. Moja odpowiedzialność to było spinać te światy razem i koordynować ich pracę.
Ale jeśli chciałem sprawdzić nawet drobną rzecz, np. jak wyglądałby inny układ przycisków albo co by się stało, gdyby dodać nową funkcję,
23:22
musiałem najpierw poprosić designera czy programistę o ich czas. To powodowało, że wszystko było wolniejsze i bardziej zależne od ścisłego podziału ról.
Dziś dzięki AI te granice zaczęły się zacierać. Co mam na myśli?
23:38
Sam mogę w kilka minut przygotować prosty prototyp, żeby zobaczyć, czy coś ma sens. Mogę napisać zapytanie do bazy danych, które kiedyś wymagałoby pomocy analityka.
I to nie znaczy, że designer czy programista są mniej potrzebni. To znaczy, że ja mogę szybciej dojść do momentu,
23:56
w którym nasza współpraca ma większą wartość. I to dotyczy nas wszystkich.
Dziś designer dzięki narzędziom AI może zmienić swoje makiety w działające prototypy, a programista może sam wygenerować scenariusze testowe. To nie odbiera im specjalizacji, ale poszerza zakres ich możliwości.
24:15
Nasze role zaczynają się spłaszczać. Każdy z nas zyskuje podobny zestaw podstawowych kompetencji, ale z naciskiem na jedną głęboką specjalizację.
To trochę przesuwa równowagę między specjalistami a generalistami.
24:30
Wszyscy stajemy się odrobinę bardziej wszechstronni, ale równocześnie jeszcze ważniejsze staje się to, w czym naprawdę jesteśmy najlepsi. Moim zdaniem to jest największa zmiana kulturowa, jaką wnosi sztuczna inteligencja.
24:45
Ta technologia nie tylko daje nowe narzędzia, ale też zmienia sposób, w jaki definiujemy nasze role w zespole. I to jest najważniejsze w komunikowaniu zmiany.
Nie chodzi o to, żeby ludzie zastanawiali się, czy AI mnie zastąpi,
25:01
bo w większości przypadków to pytanie jest źle postawione. Prawdziwe pytanie brzmi, jak zmieni się moja rola w świecie, w którym AI będzie naturalnym narzędziem pracy?
Rolą liderów i całej organizacji, twoją rolą, jest pomóc pracownikom znaleźć odpowiedź na to pytanie.
25:21
Pokazać, że sztuczna inteligencja nie odbiera im znaczenia, tylko daje nową przestrzeń, żeby mogli wykorzystać swoje mocne strony jeszcze lepiej. Na koniec chciałbym zebrać najważniejsze wnioski z tej lekcji.
Po pierwsze, zacznij od zadań, nie od procesów.
25:39
Procesy są skomplikowane i wymagają dużych kompetencji. Zdania są prostsze, bardziej uniwersalne i to właśnie na nich najłatwiej sprawdzić potencjał AI w Twojej firmie.
Po drugie, dobierz różnorodną grupę. W pilotażu potrzebujesz zarówno entuzjastów, sceptyków, ekspertów i początkujących.
25:59
Tylko wtedy zobaczysz pełny obraz i unikniesz złudzeń. Po trzecie, przygotuj ludzi do pracy z AI.
Nie wystarczy dać im samo narzędzie. Potrzebują przykładów, szkoleń i przestrzeni do zadawania pytań.
26:14
I pamiętaj, najlepsze efekty daje pokazanie case'ów osadzonych w realiach ich pracy. Po czwarte, mierz efekty rzetelnie.
Łącz dane subiektywne z obiektywnymi. Patrz zarówno lokalnie na rolę i zespół, jak i globalnie, czyli na całą firmę.
26:34
I pamiętaj, że nie chodzi tylko o czas. Produktywność to także jakość i większa wartość dostarczana klientowi.
I po piąte, komunikuj zmianę mądrze. Nie buduj narracji wokół zastępowania ludzi, ale wokół augmentacji, czyli rozszerzania ich możliwości.
26:52
To zmiana kultury pracy, a nie tylko technologii. Nie czekaj na idealny moment.
Nie czekaj na idealny plan. Pierwszy pilotaż możesz zacząć od kilku prostych kroków.
Wybrać 2-3 zadania, zebrać małą grupę,
27:07
przygotować przykłady i dać ludziom przestrzeń do testowania. Bo wdrażanie AI w firmie nie zaczyna się od wielkiej strategii.
Zaczyna się od pierwszego eksperymentu. Dlatego moja zachęta dla Ciebie brzmi – wybierz jedno zadanie w swojej firmie i spróbuj.
27:24
To będzie twój pierwszy krok do budowania nowej kultury pracy.