Spore budżety, setki eksperymentów i coraz szybsza produkcja materiałów nie muszą oznaczać sprawniejszej firmy. Futurystka Amy Webb ostrzega, że wiele korporacji inwestuje w AI bez spójnej strategii. Efektem bywają osierocone pilotaże, uzależnienie od dostawców i pracownicy zasypywani kolejnymi narzędziami.
- Amy Webb ocenia, że duże przedsiębiorstwa przeznaczają ogromne środki na pilotaże AI bez wcześniejszego planu
- Indywidualna oszczędność czasu nie przełoży się automatycznie na wynik całej organizacji
- Runway pokazuje podejście oparte na wewnętrznych eksperymentach powiązanych z kierunkiem rozwoju produktu
- Większa liczba prezentacji, aplikacji i treści może zwiększyć obciążenie współpracowników zamiast poprawić produktywność
Podczas Fortune AIQ Summit Webb, założycielka Future Today Strategy Group opisywała firmy, które najpierw uruchamiają projekty, a dopiero później próbują rozstrzygnąć, do czego mają służyć. Pojawiają się spory z zespołami bezpieczeństwa i rozwiązania, których nikt nie doprowadza do rzeczywistego użycia. Pracownicy tracą cierpliwość i zaczynają budować własne narzędzia poza wspólnym planem.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
To problem zarządzania, którego nie rozwiązuje większy dostęp do modeli. Webb porównała sytuację do taksówkarzy tak zależnych od nawigacji, że przestają samodzielnie orientować się w mieście.
Jej określenie „wyuczona bezradność” opisuje tu oddawanie narzędziom części własnego rozeznania. Firma może korzystać z coraz lepszego oprogramowania, a jednocześnie słabiej rozumieć własne decyzje.
Ryzyko rośnie, gdy zewnętrzny dostawca staje się jedynym podmiotem rozumiejącym kluczowy proces. Firma powinna ustalić, które kompetencje zachowa wewnątrz i jak zapewni sobie samodzielność.
Webb nie proponuje kolejnej etykiety w rodzaju firmy „AI native”. Podkreśla znaczenie elastyczności popartej konkretnymi mechanizmami. Praktyczny wniosek dla zarządu jest prosty: każdy eksperyment powinien mieć właściciela, problem do rozwiązania i warunki decyzji o kontynuacji. Inaczej pilotaż może trwać długo tylko dlatego, że trudno przyznać, iż nie przynosi wartości.
Czytaj też: AI nie wyskaluje firmy za ciebie. Trzy strategie, które odróżniają mądrą automatyzację od chaosu
Szybsza praca jednostki nie wystarczy
Ważnym wątkiem rozmowy była luka między produktywnością pracownika a wynikiem przedsiębiorstwa. Skrócenie przygotowania dokumentu o godzinę nie musi przyspieszać obsługi klienta, jeśli dokument nadal czeka trzy dni na zatwierdzenie. Oszczędność staje się korzyścią organizacji dopiero wtedy, gdy zmienia działanie całego procesu lub pozwala wykonać wartościową dodatkową pracę.
Webb krytykowała patrzenie na AI głównie przez pryzmat redukcji kosztów. Wskazywała na Runway, firmę rozwijającą narzędzia AI do wideo, jako przykład powiązania technologii z wizją produktu. Dyrektorka operacyjna Michelle Kwon mówiła, że pracownicy, także spoza działów inżynieryjnych, stworzyli od początku roku około 215 aplikacji do wewnętrznego sklepu z narzędziami.
Według Kwon jeden z takich projektów doprowadził do powstania agenta reklamowego. Narzędzie zbudowane w kilka tygodni miało zwiększyć produkcję reklam o ponad 1000 proc., przy czym punktem wyjścia była bardzo mała skala. To ważne zastrzeżenie: wysoka dynamika nie mówi jeszcze, ile reklam powstało, jaką miały jakość i czy poprawiły wyniki klientów.
Runway kupuje jednak rozwiązania spoza głównego obszaru biznesu, między innymi do płatności i zgodności w HR. Własny wysiłek skupia na budowaniu przewagi na rynku.
Kwon zwróciła uwagę na bardziej przyziemny koszt: cudzy czas. Prezentacja licząca sto slajdów nie jest przydatna tylko dlatego, że można ją szybko wygenerować. Odbiorca musi wiedzieć, jakiej decyzji się od niego oczekuje. Podobnie przeklejenie odpowiedzi chatbota bez syntezy może oszczędzić wysiłek autorowi, ale przerzucić go na całą resztę zespołu.
Lider musi rozumieć skutki automatyzacji
Przedstawiciel Pelotonu wskazał na przeciążenie: łatwość budowania narzędzi zwiększa liczbę inicjatyw i problem wypalenia. Każda aplikacja wymaga przecież utrzymania, aktualizacji i osoby odpowiedzialnej za jej działanie.
Webb opowiedziała też o własnym błędzie: aplikacja z pętlą po uruchomieniu w środowisku produkcyjnym rozesłała niechciane wiadomości do tysiąca osób. Wskazywała, że takie sytuacje bywają skutkiem zwykłych ludzkich pomyłek. Opowieści o AI, która samodzielnie „się budzi”, mogą odwracać uwagę od przyziemnych przyczyn awarii i braków w kontroli.
W Polsce skalę wyzwania pokazuje badanie BGR Quantic na próbie 1048 osób: 65 proc. respondentów deklarowało zmianę obowiązków kadry zarządzającej pod wpływem AI i automatyzacji, a tylko 17,1 proc. oceniało swoją biegłość w AI jako zaawansowaną. To sygnał, że rozwojowi narzędzi powinny towarzyszyć szkolenia z oceny wyników i prowadzenia wdrożeń.
Zarząd potrzebuje wiedzy o błędach, kosztach kontroli i wpływie AI na odbiorców pracy. Sama liczba użytkowników tego nie pokaże. Test wdrożenia jest prosty: czy łatwiej osiągnąć konkretny cel i wiadomo, kto sprawdza wynik? Większy budżet nie zastąpi tej odpowiedzi.
Czytaj też: AI zmieniła pracę 65 proc. menedżerów w Polsce. Tylko co szósty naprawdę dobrze ją zna
