A kiindulópont
Egy adat, ami szembemegy a józan ésszel
Az egyik ügyfelemnél, egy 400 fős logisztikai cégnél a projekt harmadik hetében az operatív igazgató félrehívott egy kávénál. Halkan feltette a kérdést, amit addig senki nem mert kimondani a megbeszéléseken. „Dani, ha ez tényleg ilyen jól működik, akkor hány embert fogok tudni leépíteni jövőre?” Nem gonoszságból kérdezte. Ez a félelem ott ül minden bevezetés hátterében, csak ritkán mondják ki hangosan.
Pontosan ezért akadt meg a szemem egy friss elemzésen, ami a valós AI használati adatokat vizsgálta több millió beszélgetésen és közel tízezer fős kérdőíven keresztül. A legmeglepőbb megállapítása így hangzik. Azok az emberek, akik a legautonómabban, a legmélyebben delegálnak feladatokat az AI-nak, épp ők a legoptimistábbak a saját fizetésük, munkahelyük biztonsága és készségeik jövőbeli értéke felől. A megkérdezettek 57 százaléka azt gondolta, hogy az AI növeli a saját készségeinek piaci értékét. És ez a szám a legaktívabb felhasználóknál volt a legmagasabb.
Ez elsőre logikátlan. Azt várnánk, hogy aki a legtöbbet átadja a gépnek, az félti a legjobban a pozícióját. A valóság fordítva működik, és ennek súlyos következményei vannak arra, ahogy egy AI bevezetést levezetünk.
Miért fordítva működik
A félelmet nem a megnyugtatás oldja fel, hanem a használat
Amikor ezt a mintázatot elkezdtem összevetni a saját tapasztalataimmal, hirtelen minden a helyére került. A cégeknél mindig ugyanaz a két tábor alakul ki. Az egyik oldalon állnak azok, akik napi szinten dolgoznak az eszközzel, egyre bonyolultabb feladatokat adnak neki, és pontosan látják, hol van a határa. A másik oldalon állnak azok, akik kétszer kipróbálták, kaptak egy közepes választ, aztán bezárták a fület, és azóta a folyosón mesélik, hogy az AI úgyis elveszi mindenki munkáját.
A különbség nem attitűdbeli. Tapasztalati. Aki mélyen használja az eszközt, az a saját bőrén érzi, hogy az AI a feladatait veszi át, nem a szerepét. Látja, hogy az utolsó húsz százalék, az ítélőképesség, a kontextus, a felelősség, az az övé marad. Ettől nem kevesebbnek érzi magát, hanem felszabadultabbnak. Aki viszont csak félve piszkálgatja, annak a fejében az AI egy megfoghatatlan, mindent elsöprő erő marad, amivel szemben tehetetlen.
Ebből a felismerésből tanultam meg valamit, ami azóta minden projektemet átformálta. A munkahelyi félelmet nem lehet szavakkal feloldani. Hiába áll ki a vezérigazgató, hogy „senkit nem fogunk elbocsátani”, az emberek nem hiszik el, és igazuk is van, mert az ilyen ígéret ritkán ér valamit. A félelem akkor oldódik, amikor az ember a saját kezével kezdi el használni az eszközt, és megérti, hol a helye benne. A delegálás mélysége maga a terápia.
Az eszköz alakítja a viselkedést
Ugyanaz a modell, teljesen más munkamódszer
A kutatás egy másik része legalább ennyire tanulságos. Kiderült, hogy ugyanaz az AI modell teljesen eltérően viselkedik attól függően, milyen felületen keresztül használják. Egy fejlesztői környezetben egy blog megírásához elég volt egyetlen utasítás, a rendszer onnantól önállóan dolgozott. Ugyanez a feladat egy sima chat felületen átlagosan tizenhárom oda-vissza körből állt össze. Nem a modell változott. A közeg, amiben dolgozott.
Ez a különbség a gyakorlatban dönti el, hogy egy szervezetben automatizálás vagy augmentáció épül. Az egyik ügyfelemnél, egy pénzügyi holding kontrolling csapatánál pontosan ezt láttuk. Ugyanazt a modellt használták a havi riport összeállításához, de két csapat két teljesen más eredményre jutott. Az egyik csapat betanított néhány stabil, ismétlődő folyamatot, és onnantól gombnyomásra futtatta őket. A másik csapat minden hónapban újra elkezdte beszélgetve összerakni a riportot, minden alkalommal a nulláról. Az első csapat órákat nyert. A második ugyanott toporgott, mint fél évvel korábban.
A tanulság kijózanító. Az, hogy egy szervezet valódi hatékonyságot nyer-e az AI-ból, nem magán a modellen múlik. Azon múlik, milyen munkakörnyezetbe ágyazza, és megtanítja-e az embereket a mélyebb, autonómabb használatra. Ha csak egy chatablakot adunk a kezükbe minden struktúra nélkül, akkor a legjobb modell is örökös beszélgetés marad, sosem válik rendszerré.
A használat ritmusa
Az AI nem folyamatosan pörög, hanem a munka ritmusát követi
A vizsgálat egyik legérdekesebb rétege az volt, hogy az AI használatnak felismerhető ritmusa van. Az üzleti levelezéssel kapcsolatos kérések a munkanap ívét követik, délelőtt tíz és tizenegy körül tetőznek. Az adó témájú beszélgetések a bevallási határidő előtt a nyolcszorosukra ugrottak, aztán a határidő után szinte azonnal leestek. Az AI használat nem egyenletes zaj a háttérben. Csúcsokból és völgyekből áll, és ezek a csúcsok a valódi munkacsúcsokra esnek.
Amikor ezt a KD Consultingnál a saját projektjeimre vetítettem, azonnal láttam, miért bukik el annyi belső AI kezdeményezés. A cégek úgy vezetik be az AI-t, mintha egy állandó, egyenletes szokást akarnának kiépíteni. Tartanak egy általános tréninget, kiosztják a hozzáféréseket, és várják, hogy mindenki mostantól minden nap egyformán használja. Csakhogy az emberek nem így dolgoznak. A használat akkor ragad meg, ha egy konkrét, visszatérő munkacsúcshoz kötjük.
Amikor ezt a felismerést átvittem a gyakorlatba, a bevezetéseim eredményessége ugrott egyet. Egy kreatív ügynökségnél, ahol 35 fő dolgozik, nem azt mondtuk, hogy „mostantól használjatok AI-t”. Azt mondtuk, hogy „a havi kampányzárás pénteki riportját mostantól így csináljuk”. Egyetlen, éles, ismétlődő pillanathoz kötöttük. Két hónap múlva ez a csapat magától kezdte kiterjeszteni az eszközt más feladatokra is, mert a saját ritmusukban tapasztalták meg, hogy működik.
A használat nem beszélgetés, hanem termelés
A jó AI munka kézzelfogható kimenetet hagy maga után
Van a kutatásnak egy adata, ami látszólag száraz, de a gyakorlatban rengeteget elárul. A vizsgált beszélgetések 93 százaléka mérhető kimenetet hozott létre. Nem elméleti csevegés volt, hanem valami, ami után ott maradt egy dokumentum, egy magyarázat, egy elemzés, egy kódrészlet vagy egy útmutató. Az AI valódi használata nem arról szól, hogy az ember elbeszélget vele. Arról szól, hogy a végén ott van a kezében egy elkészült munkadarab.
Ez a megkülönböztetés az egyik legjobb szűrő, amit egy cégen belül alkalmazni tudok. Amikor felmérem, hol tart egy csapat az AI használatban, nem azt kérdezem, hányan próbálták ki. Azt kérdezem, milyen konkrét kimenet készült el a héten AI segítségével, amit anélkül nem, vagy sokkal lassabban csináltak volna meg. Ha erre nincs válasz, akkor a csapat még a felszínen mozog, akkor is, ha mindenkinek van hozzáférése.
Az egyik ügyfelemnél éppen ezt a mérőszámot tettük a bevezetés középpontjába. Nem a bejelentkezések számát néztük, hanem a heti elkészült munkadarabokat. Ez a szemléletváltás önmagában megváltoztatta a csapat viszonyát az eszközhöz, mert hirtelen nem egy játék lett, hanem egy termelőeszköz, aminek kézzelfogható eredménye van.
Akiért tényleg aggódni kell
Nem magukat féltik, hanem a fiatalokat
A kérdőív egy csendes, de nagyon lényeges részlete, hogy a válaszadók nagyobb aggodalmat fejeztek ki a fiatal, kezdő kollégáik pozíciója miatt, mint a sajátjuk miatt. Ez összecseng azzal, amit a terepen látok. A tapasztalt szakemberek jól elvannak, mert az ő értéküket az ítélőképesség és a kontextusismeret adja, amit az AI egyelőre nem vesz át. A veszélyeztetett réteg a belépő szint, ahol korábban pont az ismétlődő, betanulós feladatokon keresztül szerezte meg valaki a rutint.
Ez a vállalatok számára nem elméleti kérdés. Ha az AI elviszi a kezdő feladatokat, akkor honnan lesz tíz év múlva tapasztalt szakember? Az egyik ügyfelemnél emiatt átalakítottuk a junior kollégák betanulását. Nem elvettük tőlük az AI-t, hanem éppen a középpontba tettük. Az lett a feladatuk, hogy megtanulják a nehezebb, ítéletet igénylő munkát az AI mellett, gyorsabban, mint a régi rendszerben. A kezdő szerep nem eltűnik, hanem feljebb csúszik. De ez nem történik meg magától, tudatosan kell megtervezni.
Ebből a projektből azt tanultam, hogy a felelős AI bevezetés nem áll meg a hatékonyságnál. Ott kezdődik igazán, hogy a szervezet átgondolja, hogyan épül fel a következő generáció szaktudása egy olyan világban, ahol a rutinfeladatok nagy részét gép végzi. Aki ezt kihagyja, az néhány év alatt talál egy hiányzó középső réteget a saját cégében.
Amit ebből a vezető elvihet
Négy dolog, amit másképp csinálnék ezek után
Ha egyetlen mondatban kellene összefoglalnom, mit üzen ez a kutatás egy döntéshozónak, akkor ez lenne. Az AI körüli félelem és az AI valódi hasznossága ugyanabból a forrásból táplálkozik, a használat mélységéből. Aki felszínesen érinti, az fél tőle és keveset nyer belőle. Aki mélyen használja, az megnyugszik és sokat nyer.
Ebből négy nagyon konkrét dolog következik, amit a saját munkámban ma már alapértelmezetten alkalmazok. Először, a félelmet nem kommunikációval kezelem, hanem gyakorlati, kézbe adott használattal. Egy jól megtervezett első siker többet ér, mint tíz megnyugtató vezetői email.
Másodszor, nem eszközt vezetek be, hanem munkakörnyezetet. Az számít, milyen felületen, milyen struktúrában találkozik az ember az AI-val, mert ez dönti el, hogy beszélgetés marad vagy rendszerré válik. Harmadszor, a használatot konkrét, visszatérő munkacsúcsokhoz kötöm, nem egy elvárt, egyenletes napi szokáshoz. Negyedszer, külön tervet készítek arra, hogyan tanulnak a junior kollégák egy olyan világban, ahol a betanulós feladatokat az AI végzi.
Egy McKinsey elemzés is megerősítette azt, amit a saját projektjeimen látok. A vállalati AI bevezetések túlnyomó része nem a technológián bukik el, hanem az emberi és szervezeti oldalon. Ez a friss adathalmaz pontosan megmutatja, hol van a fogás azon az emberi oldalon. Nem a félelem legyőzésével kell kezdeni. A mély, magabiztos használat kiépítésével kell, és a félelem magától elenyészik.
Segíthetek a vállalatodat AI-ra felkészíteni?
Ha a témában szeretnél konzultálni, vagy AI bevezetési projekten gondolkozol, keress meg.