Piotr pracuje w administracji. Od kilku miesięcy korzysta z AI niemal codziennie: porządkuje notatki, porównuje oferty, przygotowuje pierwsze wersje komunikatów do użytkowników budynku. Nie mówi o tym przełożonemu. Boi się, że usłyszy: „Skoro robisz to szybciej, może nie potrzebujemy całego etatu?”. Oficjalnie więc firma nadal „analizuje możliwości AI”. Nieoficjalnie pracownicy już z niej korzystają – każdy osobno, po cichu i według własnych zasad.

To nie są dwie historie o technologii. To historie o kulturze organizacyjnej.

„Eksperymentujcie” – to słowo słychać dziś w wielu firmach wyjątkowo często. Zaraz obok pojawiają się jednak inne oczekiwania: nie popełniajcie błędów, dowoźcie wyniki, trzymajcie terminy i nie traćcie czasu na coś, co może nie zadziałać. Człowiek zostaje gdzieś pomiędzy jednym a drugim komunikatem.

Ma próbować, ale najlepiej tak, żeby każda próba od razu zakończyła się sukcesem. Ma uczyć się nowego narzędzia, ale nie kosztem bieżącej pracy. Ma korzystać z AI, lecz jednocześnie uważać, aby nikt nie pomyślał, że bez niej radzi sobie gorzej. Albo że skoro część zadań można wykonać szybciej, to być może jego praca nie jest już tak potrzebna jak wcześniej.

Przez ponad 20 lat pracy w dużych organizacjach widziałam wiele zmian technologicznych, procesowych i strukturalnych. Zmieniały się systemy, narzędzia i sposoby pracy. Jedno pozostawało niezmienne: nawet najlepsza technologia nie przyjmuje się dlatego, że została kupiona i udostępniona pracownikom. Przyjmuje się wtedy, gdy ludzie rozumieją, po co mają z niej korzystać, mają czas, żeby się jej nauczyć, i nie boją się przyznać, że na początku nie wszystko im wychodzi.

W przypadku AI ten ostatni warunek jest szczególnie ważny. Bo AI nie wstydzi się błędów. Potrafi podać nieprawdziwą odpowiedź spokojnie, składnie i z ogromną pewnością siebie. Człowiek natomiast bardzo uważnie obserwuje reakcje otoczenia. Jeśli wie, że za pomyłkę zostanie publicznie skrytykowany, przy następnym podejściu raczej nie pokaże niedoskonałego rezultatu, lecz dopiero sukces. A jeszcze częściej – nie pokaże nic.

Oficjalnie analizujemy. Nieoficjalnie już korzystamy

Piotr nie jest wyjątkiem. W wielu firmach strategia AI dopiero powstaje, a pracownicy już od miesięcy używają ogólnodostępnych narzędzi do pisania maili, analizy dokumentów, porównywania ofert czy tworzenia raportów. Każdy robi to po swojemu. Jedni bardzo ostrożnie, inni bez świadomości ryzyka. Wiedza nie krąży, dobre praktyki zostają w prywatnych notatkach, a błędy powtarzają się w kilku zespołach równocześnie.

To nie jest wyłącznie przypuszczenie. Według Work Trend Index 2024 z AI korzystało już 75% badanych pracowników wiedzy, a 78% użytkowników przynosiło do pracy własne narzędzia. Ponad połowa nie chciała jednak przyznawać się do używania AI, obawiając się, że zostanie uznana za leniwą lub łatwą do zastąpienia.

Te liczby pokazują coś bardzo ludzkiego. Pracownicy nie boją się jedynie samej technologii. Boją się tego, jak jej używanie zostanie zinterpretowane przez innych.

Chcemy zmiany, ale nagradzamy przewidywalność

W tegorocznym Work Trend Index 65% użytkowników AI przyznało, że obawia się pozostania w tyle, jeśli nie nauczy się szybko z nią pracować. Jednocześnie 45% badanych uznało, że bezpieczniej jest skupić się na obecnych celach, niż przeprojektowywać sposób pracy z AI. Tylko 13% czuło, że zostanie docenione za próbę takiej zmiany, nawet jeśli nie uda się od razu osiągnąć wszystkich zakładanych wyników.

Trudno o lepszy obraz sytuacji, w której znalazło się dziś wiele zespołów. Ludzie wiedzą, że powinni się uczyć, ale codzienność premiuje coś zupełnie innego: szybkość, bezbłędność i realizację planu. Eksperymentowanie dobrze wygląda na slajdzie prezentacji. W kalendarzu pełnym spotkań, celów i terminów zaczyna być traktowane jak luksus.

A przecież eksperyment z definicji może się nie udać. Gdybyśmy z góry znali jego wynik, nie byłby eksperymentem.

Nie chodzi oczywiście o zgodę na nieodpowiedzialność. Zwłaszcza w branży Facility Management i Real Estate konsekwencje błędnej decyzji mogą być poważne. AI może pomóc analizować zużycie energii, porządkować zgłoszenia serwisowe, porównywać oferty dostawców, przygotowywać komunikację dla najemców czy szukać nieprawidłowości w danych. 

Jednak błędny wniosek może oznaczać realny koszt, niewłaściwą decyzję operacyjną, naruszenie poufności danych, a czasem także zagrożenie dla bezpieczeństwa ludzi.

Dlatego nie potrzebujemy kultury, w której „wszystko wolno, bo właśnie testujemy”, lecz miejsca na kontrolowane próby: z jasnymi granicami, odpowiednimi danymi, weryfikacją wyniku i człowiekiem, który nadal odpowiada za decyzję.

To zasadnicza różnica. Bezpieczeństwo psychologiczne nie oznacza, że przestajemy wymagać, ale że błąd można ujawnić, zanim stanie się większym problemem.

Pierwsza reakcja lidera mówi więcej niż procedura

O tym, czy zespół będzie otwarcie uczył się korzystania z AI, nie zdecyduje wyłącznie firmowa polityka, lecz pierwsza reakcja lidera, gdy coś pójdzie nie tak.

Załóżmy, że pracownik przygotował z pomocą AI analizę zgłoszeń, ale nie sprawdził dokładnie danych i w raporcie znalazł się błąd. Lider może powiedzieć przy całym zespole: „Właśnie dlatego nie możemy ufać tym narzędziom”. Błąd zostanie poprawiony, ale ludzie zapamiętają przede wszystkim jedno: lepiej nie pokazywać, w jaki sposób pracują.

Może też zacząć inaczej: „Pokaż, jak to zrobiłeś. W którym miejscu powinniśmy dodać kontrolę? Co narzędzie zrobiło dobrze, a czego nie powinniśmy mu oddawać?”. Nie chodzi o zdjęcie odpowiedzialności z pracownika, ale o to, żeby poza poprawieniem jednego raportu zespół nauczył się czegoś na przyszłość.

Liderzy sami znajdują się zresztą w niełatwym położeniu. Mają prowadzić ludzi przez zmianę, której często nie rozumieją lepiej niż oni. Czasem pracownik z kilkumiesięcznym doświadczeniem w korzystaniu z AI wie o narzędziu więcej niż jego przełożony. Dla niektórych liderów to bardzo niewygodne. Są przyzwyczajeni, że zespół przychodzi do nich po odpowiedzi.

Tymczasem dziś jedną z ważniejszych kompetencji przywódczych może być umiejętność spokojnego powiedzenia: „Nie wiem. Sprawdźmy to razem”.

Takie zdanie nie odbiera autorytetu. Pokazuje, że profesjonalizm nie polega na udawaniu wszechwiedzy. Polega na rozpoznaniu momentu, w którym trzeba zadać dodatkowe pytanie, sprawdzić źródło albo poprosić o drugą opinię.

Lider, który sam potrafi przyznać się do niewiedzy, daje zespołowi zgodę na uczenie się. Lider, który każdą wątpliwość odbiera jako zagrożenie dla swojej pozycji, może mieć wokół siebie bardzo posłusznych ludzi – ale raczej nie będzie miał zespołu, który odważnie eksperymentuje.

Nie pokazujcie tylko sukcesów

W wielu organizacjach zaczynają już powstawać biblioteki promptów, wewnętrzne grupy użytkowników AI i bazy ciekawych zastosowań. To dobry kierunek, ale mam wrażenie, że za często pokazujemy w nich wyłącznie efekt. Świetny prompt, oszczędzone trzy godziny, proces skrócony o połowę.

Znacznie więcej można się czasem nauczyć z historii, w której narzędzie się pomyliło.

Gdzie odpowiedź brzmiała przekonująco, ale była nieprawdziwa? Jakiego kontekstu zabrakło? Jakie dane okazały się zbyt wrażliwe, aby użyć ich w danym narzędziu? W którym momencie człowiek bezrefleksyjnie zaakceptował sugestię AI? I po czym ostatecznie rozpoznał błąd?

Jeśli dzielimy się tylko sukcesami, pracownicy zaczynają wierzyć, że wszystkim innym AI działa świetnie od pierwszego podejścia. Swoje nieudane próby traktują więc jak dowód braku kompetencji. Tymczasem właśnie rozmowa o tych próbach buduje kompetencje najszybciej.

Warto tworzyć krótkie spotkania, podczas których zespół pokazuje jedno ciekawe zastosowanie i jeden przypadek, w którym AI zawiodła. Nie po to, żeby kogokolwiek rozliczać, ale aby wspólnie ustalić, czego następnym razem dopilnować. Warto też jasno powiedzieć, które zadania można testować na zanonimizowanych danych, a które zawsze wymagają dodatkowej zgody i ludzkiej kontroli.

Dzięki temu wiedza przestaje być prywatnym patentem jednej osoby. Staje się wiedzą organizacji.

Od czego naprawdę warto zacząć?

Nie od kolejnego hasła o innowacyjności. Zaczęłabym od zwykłej, szczerej rozmowy z pracownikami.

Czy już korzystają z AI? Do czego? Czego się obawiają? Jakich zasad nie rozumieją? Czy wiedzą, jakie dane mogą wprowadzać do narzędzia? Czy mają do kogo przyjść, gdy wynik wygląda podejrzanie? I co – ich zdaniem – stanie się, jeśli opowiedzą o eksperymencie, który się nie udał? Odpowiedzi na te pytania powiedzą o gotowości organizacji więcej niż liczba zakupionych licencji.

Potem potrzebne są oczywiście konkretne zasady: lista dozwolonych narzędzi, ochrona danych, określenie sytuacji wymagających kontroli człowieka i jasna odpowiedzialność za decyzję. Potrzebny jest też czas na naukę. Nie czas „po godzinach”, gdy wszystkie ważniejsze zadania zostaną już wykonane, ale realne miejsce w codziennej pracy.

I jeszcze jedno: warto zauważać nie tylko wdrożenia, które przyniosły oszczędności. Cennym rezultatem może być również odkrycie, że określone zastosowanie AI jest niewiarygodne albo wymaga dodatkowego zabezpieczenia. Taka próba nie zakończyła się porażką – uchroniła organizację przed błędem na większą skalę.

Nie musimy wiedzieć wszystkiego. Musimy umieć sprawdzać

AI będzie zmieniać się szybciej niż firmowe procedury, programy szkoleniowe i opisy stanowisk. Nie da się raz przeszkolić pracowników i uznać tematu za zamknięty. Potrzebujemy organizacji, w których ludzie potrafią uczyć się na bieżąco: pytać, próbować, weryfikować, poprawiać i otwarcie mówić o tym, co nie zadziałało.

Największym zagrożeniem nie jest więc sam fakt, że AI popełni błąd. Błędy będą się zdarzać. Czasem będą oczywiste, a czasem ukryją się w odpowiedzi, która brzmi wyjątkowo rozsądnie.

Znacznie groźniejsza jest sytuacja, w której człowiek zauważy błąd, ale nie odważy się o nim powiedzieć. Albo taka, w której pracownicy wolą korzystać z AI po cichu, bo nie wiedzą, czy firma chce się wraz z nimi uczyć, czy tylko szybciej ich rozliczać.

Organizacje nie potrzebują dziś ludzi, którzy zawsze znają odpowiedź, ale takich, którzy potrafią rozpoznać, kiedy odpowiedź należy sprawdzić – i mają odwagę powiedzieć to głośno.

Bo przewagi nie zbudują firmy, które nigdy się nie mylą, lecz te, które potrafią rozmawiać o błędach na tyle wcześnie, aby zamienić je w wiedzę, zanim zamienią się w koszt, incydent albo utratę zaufania.

—

Artykuł powstał na bazie obserwacji autorki z pracy z liderami i zespołami w międzynarodowych organizacjach. Opisane sytuacje mają charakter ilustracyjny i nie odnoszą się do konkretnych osób ani firm.