Nowa mapa ról: co znika, co powstaje, co zyskuje na znaczeniu?

Rozwój AI zmienia nie tyle narzędzia, ile sam charakter pracy w obiektach. Jeszcze niedawno facility manager odpowiadał przede wszystkim za sprawność infrastruktury. Dziś coraz częściej pracuje z danymi: interpretuje alerty generowane przez algorytmy, weryfikuje prognozy awarii i wspiera biznes w podejmowaniu decyzji. Dla HR oznacza to konieczność systematycznego przeglądu ról, nie po to, by szukać etatów do redukcji, lecz po to, by wiedzieć, jakie kompetencje budować i z jakim wyprzedzeniem. Poniższa mapa może być punktem wyjścia do takiego przeglądu w każdej organizacji zarządzającej portfelem nieruchomości.

Tabela 1. Jak AI zmienia pracę zespołów w CRE

Rekrutacja: mniej pytań o system, więcej o sposób myślenia

Zmienia się także profil poszukiwanego kandydata. Znajomość konkretnego BMS-a czy platformy do zarządzania zleceniami przestaje być kryterium rozstrzygającym, bo systemy i tak będą się zmieniać szybciej niż ludzie. Na znaczeniu zyskują gotowość do uczenia się, elastyczność, krytyczne myślenie i umiejętność funkcjonowania w środowisku opartym na danych, w tym zdrowy sceptycyzm wobec rekomendacji algorytmu.

Dlatego coraz więcej firm odchodzi od rozmów sprawdzających wiedzę techniczną na rzecz zadań scenariuszowych, np. „system predykcyjny wskazuje rosnące ryzyko awarii centrali wentylacyjnej w budynku z kluczowym najemcą. Co robisz w pierwszej kolejności i jakich danych potrzebujesz?”. Taka rozmowa pokazuje sposób myślenia, tolerancję niepewności i umiejętność komunikowania decyzji, czyli trzy cechy, których nie widać w CV, a które w „syntetycznej” infrastrukturze decydują o jakości pracy.

Paradoks krytycznego myślenia: potrzebujemy automatyzacji, nie bezmyślności

Jest w tym wszystkim paradoks, którego nie wolno przemilczeć. Krytyczne myślenie staje się kompetencją numer jeden w pracy z AI, a jednocześnie to właśnie AI najskuteczniej je ogranicza. Badacze nazywają to zjawisko „długiem poznawczym” (cognitive debt). Zespół MIT Media Lab, który za pomocą EEG badał osoby piszące teksty z pomocą Chata GPT wykazał, że uczestnicy wspomagani przez AI wykazywali najsłabszą aktywność mózgu, a po odebraniu narzędzia nie odzyskiwali jej od razu. Microsoft Research i Carnegie Mellon przeprowadzili analizę setek zadań wykonanych przez pracowników. Jej wyniki pokazują prostą zależność: im większa wiara w możliwości narzędzia, tym mniejszy wysiłek wkładany w krytyczne myślenie. Ten mechanizm jest znany od dekad jako „ironia automatyzacji": system, który mechanizuje rutynę, odbiera człowiekowi okazję do ćwiczenia osądu. W zarządzaniu nieruchomościami to nie jest akademicka ciekawostka. Technik, który przez dwa lata wyłącznie klika „zatwierdź" pod rekomendacjami algorytmu, w dniu, w którym algorytm się pomyli, a pomylić się zawsze może, nie będzie już umiał tej pomyłki rozpoznać. Zapłacimy wtedy nie za wdrożenie AI, lecz za lata jej bezrefleksyjnego używania.

I tu trzeba postawić sprawę jasno: odpowiedzialność za zatrzymanie tego procesu leży po stronie firm, nie pracowników. To organizacja projektuje środowisko pracy i decyduje, czy kupuje automatyzację, czy hoduje bezmyślność. Apele o „mądre korzystanie z AI" kierowane do jednostek nie zadziałają, jeśli system premiuje szybkość zatwierdzania, a nie jakość osądu. Dlatego rolą HR i liderów jest wbudowanie tarcia poznawczego w procesy. Rekomendacja algorytmu ma być punktem wyjścia do decyzji, a nie decyzją. Pracownik ma obowiązek (nie tylko prawo) udokumentować, dlaczego się z nią zgadza lub nie, a zespoły muszą regularnie ćwiczyć scenariusze, w których system się myli lub milczy – tak jak lotnictwo od lat trenuje pilotów na wypadek awarii autopilota. W ocenach okresowych powinno na równi nagradzać się zarówno trafne zakwestionowanie AI, jak i jej efektywne wykorzystywanie. Firmy, które tego nie zrobią, zbudują zespoły szybkie, tanie i bezradne. Przedsiębiorstwa, które to zrobią, dostaną dokładnie to, w jakim celu sięgały po technologię: automatyzację rutyny i ludzi, którzy myślą tam, gdzie myślenie jest naprawdę potrzebne.

Od analfabetyzmu danych do „data-confident managera”

Największym błędem organizacji jest przekonanie, że zakup systemu automatycznie przełoży się na efektywność. Każda transformacja technologiczna jest przede wszystkim zmianą psychologiczną: pracownicy potrzebują czasu, aby zrozumieć sens wdrożenia i zobaczyć, jak nowe narzędzia ułatwiają ich codzienną pracę. Rolą działu HR jest zaprojektowanie procesu rozwoju równolegle z wdrożeniem technologii, a nie po nim. W praktyce dobrze sprawdza się ścieżka czterech poziomów: od budowania świadomości po rolę ambasadora zmiany.

Tabela 2. Ścieżka rozwoju kompetencji danych w zespołach CRE

Jako psycholożka chciałabym szczególnie zwrócić uwagę na jedno: nasz mózg jest ewolucyjnie skrojony do świata, w którym istotne zmiany zachodziły w rytmie pokoleń, a nie kwartałów. Przez tysiące lat człowiek uczył się zawodu raz na całe życie. Dziś ta sama biologia musi radzić sobie z rzeczywistością, w której narzędzia pracy zmieniają się szybciej, niż jesteśmy w stanie je oswoić, a poczucie „zawsze jestem do tyłu z nowościami" stało się doświadczeniem powszechnym, nie jednostkowym. To nie jest słabość charakteru, ale fizjologia. Chroniczne poczucie nienadążania działa na układ nerwowy jak stale tlące się zagrożenie: podnosi napięcie, zaburza sen, zjada zasoby poznawcze, które powinny służyć właśnie uczeniu się. Powstaje błędne koło – im bardziej boimy się, że nie nadążamy, tym trudniej nam przyswajać nowe. 

Badania to potwierdzają. Według Gallupa odsetek pracowników obawiających się, że technologia uczyni ich pracę przestarzałą, wzrósł w ostatnich latach najmocniej od początku pomiarów w 2017 r. Generacyjnie lęk ten dotyka dwa razy częściej młodszych, którzy z technologią radzą sobie teoretycznie lepiej niż starsi. Psychologia zna jedno skuteczne antidotum na lęk przed zmianą: poczucie sprawczości. Dlatego dobrze zaprojektowana ścieżka rozwoju to nie benefit ani miły dodatek do wdrożenia – to interwencja zdrowotna. Każdy poziom kompetencji, który pracownik realnie zdobywa, zamienia lęk w kontrolę, a organizacja, która to rozumie, buduje nie tylko efektywność, lecz także odporność psychiczną swoich ludzi. W syntetycznej rzeczywistości to być może najbardziej ludzka rzecz, jaką firma może zrobić.  

Dwa wdrożenia, jedna lekcja

Jak to wygląda w praktyce, pokazują dwa projekty opisane przez JLL w firmowych case studies. Warto pamiętać, że są to materiały dostawcy technologii, prezentujące wdrożenia zakończone sukcesem, ale mechanizmy, które je ilustrują, są jednak uniwersalne.

W londyńskim biurowcu 240 Blackfriars, zarządzanym przez LaSalle Investment Management, JLL wdrożyło platformę Hank – rozwiązanie AI zintegrowane z istniejącym systemem BMS, optymalizujące zużycie energii i komfort najemców. Efektem były oszczędności energii i redukcja emisji, ale z perspektywy HR najciekawsza jest zmiana charakteru pracy zespołu technicznego. Rozwiązanie działało jak dodatkowy inżynier analizujący dane przez całą dobę, dzięki czemu specjaliści mogli poświęcać mniej czasu na monitorowanie instalacji, a więcej na analizę, podejmowanie decyzji i współpracę z najemcami. Dobrze wdrożona sztuczna inteligencja nie zastąpiła pracowników, ale podniosła wartość ich pracy.

Drugi przykład to globalny producent półprzewodników współpracujący z JLL.  W tym przypadku case study pokazuje, że najtrudniejszym etapem transformacji rzadko bywa technologia. Organizacja wdrożyła opartą na AI platformę Digital FM, integrującą zarządzanie zleceniami, monitoring infrastruktury i analitykę predykcyjną. Wąskim gardłem projektu nie okazała się integracja systemów, lecz zmiana codziennych nawyków ponad 200 techników. Zespół projektowy od początku pracował więc metodami bliższymi HR niż IT: prowadził warsztaty i spotkania w formule „lunch & learn”, regularnie zbierał informację zwrotną i szybko reagował na zgłaszane bariery. Efekty to nie tylko ponadpięciokrotny zwrot z inwestycji, ale także skrócenie czasu reakcji na zgłoszenia, poprawa jakości danych i ograniczenie liczby nieplanowanych awarii. Kolejność ma znaczenie: najpierw ludzie i ich nawyki, dopiero potem pełne wykorzystanie możliwości technologii.

Dobrostan i etyka: żeby wsparcie nie stało się nadzorem

Środowisko pełne dashboardów, wskaźników i automatycznych rekomendacji może zwiększać efektywność, ale równie łatwo buduje poczucie presji i ciągłej kontroli. Granica między „system pomaga mi planować pracę” a „system mnie ocenia” jest cienka i to HR odpowiada za to, po której stronie znajdzie się organizacja. W praktyce oznacza to kilka zasad: 

• transparentność (pracownicy wiedzą, jakie dane są zbierane i do czego służą), 
• rozliczanie zespołów z efektów, a nie z pojedynczych metryk aktywności,
• realne prawo do zakwestionowania rekomendacji algorytmu bez konsekwencji, 
•  jasna komunikacja, że celem wdrożenia jest zmiana charakteru pracy, a nie redukcja zatrudnienia – o ile tak rzeczywiście jest. 

Bezpieczeństwo psychologiczne nie powstaje z deklaracji, lecz z konsekwentnej praktyki: pierwsze przypadki, w których pracownik „przegrał” z algorytmem lub został ukarany na podstawie danych, zespół zapamięta na lata.

Jak mierzyć sukces: KPI dla HR w projektach AI

Liczba wdrożonych narzędzi czy zakończonych projektów nie mówi nic o wartości biznesowej. HR potrzebuje wskaźników, które pokazują, czy ludzie rzeczywiście pracują inaczej. Sensowny zestaw łączy trzy perspektywy: adopcję narzędzi, kondycję zespołów i efekty biznesowe.

Tabela 3. Przykładowe KPI dla HR w projektach AI

Człowiek i algorytm: przewaga rodzi się na styku

Organizacje, które skutecznie wdrażają AI w zarządzaniu nieruchomościami, łączy jedna cecha: inwestują nie tylko w technologię, ale również w kompetencje, komunikację i świadome zarządzanie zmianą. Przyszłość CRE nie będzie należała ani wyłącznie do ludzi, ani tylko do algorytmów, ale przewagę zbudują ci, którzy nauczą się łączyć oba światy. Sztuczna inteligencja przeanalizuje ogromne ilości danych, ale nie zastąpi empatii, odpowiedzialności i umiejętności budowania relacji. Dlatego HR staje się jednym z najważniejszych partnerów transformacji technologicznej: jego rolą nie jest jedynie przygotowanie pracowników do korzystania z AI, lecz zaprojektowanie środowiska pracy, w którym człowiek i technologia wzajemnie się wzmacniają.