Firmy coraz częściej próbują uczyć sztuczną inteligencję nie tylko procedur, ale też sposobu, w jaki naprawdę pracują ludzie. To oznacza wejście w obszar wiedzy ukrytej: intuicji, doświadczenia i nawyków, których pracownicy często sami nie umieją opisać. Dla biznesu to ogromna szansa, ale też pole minowe związane z prywatnością, kontrolą i własnością know-how.
- AI najlepiej działa w firmach wtedy, gdy rozumie kontekst organizacyjny, a nie tylko formalne instrukcje.
- Najtrudniejsza do przekazania maszynom jest wiedza ukryta, czyli doświadczenie i intuicja pracowników.
- Monitorowanie pracy może pomóc trenować AI, ale budzi opór i pytania o granice nadzoru
- Firmy muszą zdecydować, kto jest właścicielem nieformalnego know-how i jak chronić ludzi przed nadmierną automatyzacją ich kompetencji
AI potrzebuje kontekstu, nie tylko danych
Sztuczna inteligencja w firmach coraz rzadziej ma być wyłącznie narzędziem do prostych automatyzacji. Coraz częściej organizacje oczekują, że AI będzie rozumiała, jak naprawdę działa biznes: jak podejmowane są decyzje, dlaczego pewne wyjątki są akceptowane, jak wygląda obsługa klienta, kiedy warto przyspieszyć proces, a kiedy lepiej go zatrzymać. Problem polega na tym, że duża część tej wiedzy nie jest zapisana w procedurach.
Część kontekstu da się łatwo przekazać maszynom. Firmy mogą opisać reguły, polityki, standardy komunikacji czy schematy działania. Inne informacje można wydobyć z danych. Przykładem są systemy analizujące procesy biznesowe, które pokazują, jak naprawdę przebiega fakturowanie, zakupy czy obsługa zamówień.
Jednak najbardziej wartościowa warstwa pracy często znajduje się gdzie indziej: w doświadczeniu ludzi.
To tzw. wiedza ukryta, czyli know-how wynikające z praktyki, intuicji i wieloletniego kontaktu z konkretnymi sytuacjami. Filozof Michael Polanyi ujął to w znanym zdaniu: wiemy więcej, niż potrafimy powiedzieć. To idealnie opisuje wyzwanie stojące dziś przed firmami. Jak nauczyć AI pracy, skoro nawet człowiek często nie umie wyjaśnić, dlaczego robi coś właśnie w taki, a nie inny sposób?
Czego nie da się powiedzieć, czasem da się zaobserwować
Na pierwszy rzut oka rozwiązanie wydaje się proste. Skoro ludzie nie potrafią wszystkiego opisać, trzeba pozwolić maszynom uczyć się z efektów ich pracy. Zbiór tekstów marketingowych danej marki może zawierać jej styl, ton komunikacji i lata redakcyjnych decyzji. Dokumenty sprzedażowe mogą pokazywać, jak firma rozmawia z klientami. Historia projektów może zdradzać, które wybory okazywały się trafne.
AI potrafi wykrywać wzorce, których człowiek nie potrafi nazwać. Widać to w rozpoznawaniu twarzy, analizie obrazów czy grach strategicznych. Maszyny nie zawsze potrzebują formalnego opisu reguł, aby opanować daną czynność. Czasem wystarczy im ogromna liczba przykładów.
Ale nie zawsze. W wielu zawodach liczą się drobne gesty, mikrodecyzje i niuanse procesu. Dobrym przykładem jest murarstwo.
Gotowa ściana pokazuje efekt doświadczenia fachowca, ale samo patrzenie na ściany nie wystarczy, by zrozumieć, jak najlepiej je budować. Holenderski startup Monumental AI, który rozwija roboty do układania cegieł, próbował rozmawiać z murarzami o tym, jak wykonują swoją pracę. Odpowiedzi bywały jednak nieprecyzyjne: „zawsze tak robiłem”. To nie brak wiedzy, lecz trudność w jej werbalizacji.
Dopiero analiza nagrań wideo ujawniła szczegóły. Firma zauważyła, że murarze lekko wibrują dłonią, gdy dociskają cegłę do zaprawy. Ten drobny ruch pomaga zaprawie wniknąć w pory cegły i wzmacnia wiązanie. Roboty można było zaprojektować tak, aby ten gest powtarzały. Wiedza, której człowiek nie umiał opisać, została przechwycona przez obserwację.
Nadzór nad pracą może stać się nowym paliwem dla AI
To prowadzi firmy do kuszącego wniosku: jeśli chcą lepiej szkolić AI, powinny dokładniej obserwować pracę ludzi. W niektórych działach już dziś jest to standard. Call center generują ogromną ilość danych: rozmowy są nagrywane, ekrany konsultantów monitorowane, a efekty pracy mierzone. W takim środowisku AI może analizować, które zachowania prowadzą do rozwiązania problemu, wyższej sprzedaży albo lepszej oceny klienta.
Badania prowadzone wśród amerykańskich pracowników przez Danielle Li z Massachusetts Institute of Technology i jej współautorów pokazują, że pracownicy mają świadomość posiadania ogromnej ilości nieformalnej wiedzy o organizacjach. Wiedzą, jak obchodzić nieefektywne procedury, jak interpretować niejasne polecenia, z kim rozmawiać, aby przyspieszyć decyzję, i czego oczekują konkretni klienci. Dla firm to bezcenny zasób.
Tyle że dokładniejsze monitorowanie pracy to bardzo wrażliwy temat. Przykładem jest reakcja pracowników Meta na program Model Capability Initiative, który miał obejmować śledzenie kliknięć myszy i uderzeń w klawiaturę w celu trenowania AI. Dla firm może to brzmieć jak naturalny sposób pozyskiwania danych. Dla pracowników — jak wejście w obszar cyfrowej inwigilacji.
Co więcej, ludzie mogą zacząć świadomie ukrywać część swojej wiedzy. Z badań wynika, że pracownicy uważają, iż są w stanie zatrzymać dla siebie wartościowe informacje, jeśli uznają, że pracodawca zbiera dane zbyt nachalnie. W jednym z eksperymentów osoby, którym pokazano, jak dane mogą służyć do trenowania AI, były mniej skłonne do ich sprzedaży. Im bardziej firmy próbują wydobywać wiedzę siłą, tym większe ryzyko oporu.
Sprawdź też: AI odbiera telefon. Firmy liczą, ile pieniędzy dotąd traciły
Kto jest właścicielem doświadczenia pracownika?
W Polsce ten problem może być szczególnie widoczny w sektorach opartych na doświadczeniu specjalistów: finansach, produkcji, logistyce, obsłudze klienta, IT czy usługach profesjonalnych. Wiele firm dopiero porządkuje procesy i dane, a jednocześnie już chce wdrażać narzędzia AI. Jeśli zrobią to bez rozmowy z pracownikami, mogą szybko wywołać nieufność. Polskie organizacje będą musiały jasno tłumaczyć, jakie dane zbierają, po co je analizują i czy AI ma wspierać ludzi, czy zastępować ich kompetencje.
To szczególnie istotne, bo wiedza ukryta w polskich firmach często jest rozproszona i nieformalna. W wielu organizacjach kluczowe procesy działają nie dlatego, że są perfekcyjnie opisane, ale dlatego, że doświadczeni pracownicy „wiedzą, kogo zapytać” albo „wiedzą, jak to się u nas robi”. AI może pomóc tę wiedzę uporządkować, ale tylko wtedy, gdy pracownicy nie poczują, że oddają firmie ostatnią przewagę bez żadnej ochrony.
Nawet najbardziej zaawansowany monitoring nie przechwyci wszystkiego. AI może zobaczyć kliknięcia, ruchy dłoni, kolejność działań i wyniki pracy. Trudniej jej zrozumieć, co dzieje się w głowie eksperta: dlaczego uznał klienta za ryzykownego, czemu zmienił ton rozmowy, skąd wiedział, że projekt wymaga innego podejścia. Dlatego inną metodą jest trenowanie AI przez oceny ekspertów. Ludzie mogą wskazywać, czy projekt graficzny jest dobry, czy brief został właściwie zinterpretowany, czy odpowiedź dla klienta brzmi profesjonalnie. Model stopniowo uczy się ich standardów.
To podejście ma sens, ale rodzi fundamentalne pytania. Kto posiada wiedzę ukrytą: firma, która płaci za pracę, czy pracownik, który zdobywał doświadczenie latami? Czy organizacja ma prawo zamienić intuicję ludzi w dane treningowe dla AI? Jak dużo monitoringu można uznać za uzasadnione? I co stanie się z rozwojem młodszych pracowników, jeśli maszyny przejmą część zadań, na których wcześniej ludzie uczyli się fachu?
Nie ma nic złego w próbie zachowania know-how. Firmy od dawna boją się utraty wiedzy, gdy odchodzą doświadczeni specjaliści. AI daje im nowe narzędzia, aby tę wiedzę przechwytywać, porządkować i skalować. Ale im skuteczniejsze stają się te narzędzia, tym ważniejsze stają się zasady ich używania.
Największym wyzwaniem nie będzie więc samo nauczenie AI, jak pracują ludzie. Prawdziwy problem polega na tym, by zrobić to w sposób, który nie zniszczy zaufania, nie zamieni miejsca pracy w laboratorium nadzoru i nie pozbawi ludzi poczucia, że ich doświadczenie nadal ma wartość. Bo jeśli AI ma uczyć się od pracowników, firmy muszą najpierw nauczyć się traktować ich wiedzę nie jak surowiec do wydobycia, lecz jak kapitał, którym trzeba zarządzać odpowiedzialnie.
Czytaj też: Firma bez biura urosła o 300%. Sekret to zaufanie
