Van egy kérdés, ami az utóbbi időben szinte minden vezetői beszélgetésen előkerül, csak épp ritkán mondják ki hangosan. Ha az AI elvégzi azt a munkát, amit eddig a pályakezdők csináltak, akkor honnan lesz tíz év múlva szakértőnk. A kérdés kényelmetlen, mert a rövid távú érdek és a hosszú távú érdek itt látványosan szembemegy egymással.
A rövid távú érdek egyértelmű. A belépő szintű feladatok nagy része ismétlődő, jól körülírható, és pont ezért az AI ezekben a legerősebb. Adatgyűjtés, összefoglalás, első vázlatok, formázás, ellenőrzés, keresés. Ha ezeket gyorsabban és olcsóbban meg lehet oldani, akkor üzletileg racionális így tenni. A hosszú távú érdek viszont pont ezeken a feladatokon múlik, mert eddig ezeken keresztül alakult ki a szakértelem.
Hogyan készül egy szakértő
Érdemes végiggondolni, mitől lett szakértő az, aki ma az. Szinte soha nem attól, hogy elolvasott valamit. Attól, hogy sokszor csinálta, sokszor elrontotta, és valaki visszajelzést adott neki.
A junior feladatok látszólag alacsony értékűek, valójában viszont ez a gyakorlóterep. Aki száz szerződést átnézett, az elkezdi észrevenni, melyik ponton szokott gond lenni. Aki sok riportot összerakott, az megérzi, mikor nem stimmel egy szám. Aki rengeteg ügyféllevélre válaszolt, az megtanulja, mikor ideges valaki, mielőtt kimondaná. Ez a fajta tudás nem átadható előadáson, mert nem szabályokból áll, hanem sok apró tapasztalatból.
Amikor ezt a réteget kivesszük, nem csak a munkát vesszük ki, hanem a tanulási ciklust is. A pályakezdő ott marad egy olyan szerepben, ahol az a dolga, hogy átnézze, amit a gép csinált. Csakhogy az átnézéshez pont az a tudás kellene, amit korábban a csinálásból szerzett meg. Így egy furcsa helyzet áll elő, amiben ellenőriznie kellene valamit, amiről még nincs elég tapasztalata.
Miért nem látszik ez azonnal
A probléma alattomos, mert évekig nem okoz látható tünetet. A cégben ott vannak a mai seniorok, akik a régi úton szereztek tapasztalatot, és ők kiválóan végzik a munkájukat. A rendszer működik, a számok jók, a hiány nem látszik.
Aztán négy vagy öt év múlva jön az első jel. Kilép egy tapasztalt kolléga, és kiderül, hogy nincs mögötte senki, aki átvegye. A cég keres a piacon, de ott sincs, mert mindenki ugyanezt csinálta. Ekkor derül ki, hogy a megtakarítás, amit annak idején elkönyveltek, valójában egy előre elköltött összeg volt, aminek most jött el a számlája.
Ezt a fajta késleltetett következményt a szervezetek nagyon rosszul kezelik, mert a döntéshozó, aki annak idején kivette a junior szintet, addigra általában már máshol dolgozik. Aki a következményt viseli, az nem az, aki a döntést hozta.
Van ennek egy piaci szintű vetülete is. Amíg egyetlen cég spórol a pályakezdőkön, addig még pótolhat a piacról, mert máshol képeznek. Ha viszont mindenki egyszerre teszi ugyanezt, akkor néhány év múlva egyszerűen nem lesz kit elhívni, mert sehol nem nőtt fel új réteg. Ezért ez nem az a fajta döntés, ahol a versenytárs lépését elég lemásolni.
Egy példa a gyakorlatból
Egy hazai pénzügyi szolgáltatónál láttam ennek a korai szakaszát. Az elemzői csapatban a pályakezdők dolga évek óta az adatok összegyűjtése és az első verziók elkészítése volt. Amikor bevezettek egy AI megoldást, ez a munka szinte teljesen eltűnt, és a vezetés örült, mert a csapat gyorsabb lett.
Két év múlva viszont feltűnt egy furcsaság. A fiatal kollégák nem tudtak megbízhatóan hibát találni a gép által készített anyagokban. Ha a szám hihetőnek látszott, elfogadták. A tapasztaltabbak viszont megérezték, ha valami nem stimmelt, és pont ezt a megérzést nem tudták szavakba önteni, tehát tanítani sem.
Amit ezután csináltunk, az nem az AI visszavonása volt. Bevezettük, hogy a pályakezdők havonta néhány ügyet a régi módon, kézzel is végigvisznek, kifejezetten tanulási céllal, és a saját eredményüket összevetik a gép megoldásával. Ez látszólag pazarlás, valójában a leggyorsabb tanulási forma, mert ott a saját próbálkozás és mellette a minta is. Fél év alatt érezhetően javult a hibafelismerésük.
Ami valójában elveszik
Ha közelebbről megnézzük, a rutinfeladatokkal háromféle dolog tűnik el, és ezek közül csak az egyik pótolható tanfolyammal.
Az első a szakmai mintafelismerés. Ez az a képesség, amitől valaki ránéz egy anyagra, és tudja, hogy itt valami nem stimmel, még mielőtt megindokolná. Ez kizárólag sok esetből épül fel, és éppen ezért nem lehet előadáson átadni. Aki csak a kész megoldásokat látta, annak nincs miből összeállnia.
A második a szervezetismeret. A junior feladatok jó része azzal jár, hogy az ember bejárja a céget, kérdez, keresi az adatot, megtudja, kihez kell fordulni. Ez a tudás soha nincs leírva sehol, mégis ettől lesz valaki használható a harmadik évében. Ha a gép hozza az adatot, ez az útvonal kiesik.
A harmadik a saját mérce. Aki sokat dolgozott egy feladaton, az tudja, mi az elfogadható és mi a kiváló. Aki mindig kész megoldást kapott, annak a mércéje a gép szintjéhez igazodik, és nem érzi, ha az kevés. Ez a legveszélyesebb hiány, mert észrevétlen.
A rossz válasz és a jó válasz
A rossz válasz erre a helyzetre az, hogy a cég nem vesz fel pályakezdőt, mert nincs mit adni neki. Ez rövid távon logikus, hosszú távon viszont a saját utánpótlását vágja el, és a piacon sem lesz honnan pótolni, ha mindenki így tesz.
A másik rossz válasz az AI kerülése azzal az indokkal, hogy különben nem tanulnak meg dolgozni a fiatalok. Ez sem járható, mert a versenyképesség rovására megy, és a pályakezdők úgyis használni fogják, csak akkor titokban és rosszul.
A jó válasz a junior szerep újratervezése. A cél nem az, hogy megőrizzük a régi feladatokat, hanem hogy megőrizzük a tanulási ciklust, ami mögöttük volt. Ez a kettő nem ugyanaz, és éppen ezért lehet megoldani.
Ami a gyakorlatban működik
Négy megközelítést láttam működni, és ezek egymással is kombinálhatók.
Szándékos gyakorlás. A pályakezdő időnként AI nélkül old meg feladatokat, kifejezetten tanulási céllal, aztán összeveti a saját megoldását a gépével. A cél itt nem a hatékonyság, hanem a tapasztalat, ezért nem baj, hogy lassabb.
Korábbi felelősség. Ha a rutinmunka elveszett, akkor a pályakezdő hamarabb kaphat olyan feladatot, ami korábban csak tapasztaltabbaknak jutott, természetesen szorosabb felügyelettel. Sok cégnél kiderült, hogy a régi lépcsőzés részben csak szokás volt, nem szükségszerűség.
Az ellenőrzés tanítása. Ha az új szerep nagy része a gép munkájának átnézése, akkor ezt tanítani kell, nem feltételezni. Konkrétan azt, hogy hol szokott hibázni, mire kell ránézni, mikor gyanús egy magabiztos válasz. Ez ma sokkal fontosabb készség, mint öt éve volt.
A senior idejének átcsoportosítása. Ha a juniortól elvették a rutint, akkor a seniortól viszont felszabadult idő. Ennek egy részét vissza kell forgatni mentorálásba, különben a felszabadult idő is csak több feladatra megy el, és a tudásátadás elmarad.
Ezek közül a legolcsóbb a szándékos gyakorlás, és általában ezzel érdemes kezdeni. Nem kell hozzá új folyamat, se külön költségkeret, csak annyi, hogy a vezető kimondja, hogy erre az időre nem a gyorsaság a mérce. Ez utóbbi fontosabb, mint elsőre látszik, mert ha a pályakezdő úgy érzi, hogy a lassabb megoldás rossz pont neki, akkor titokban úgyis a gépet fogja használni.
Amit viszont nem érdemes csinálni, az a mesterséges lassítás. Van, ahol úgy próbálják megőrizni a tanulást, hogy egyszerűen megtiltják az AI használatát a fiataloknak. Ez csak addig működik, amíg valaki fel nem fedezi, hogy a szomszéd csapatnál szabad, és onnantól a szabály hitelessége is elveszik.
Hogyan mérd, hogy baj van-e
Mivel a probléma késleltetve jelentkezik, érdemes olyan jeleket figyelni, amik korábban látszanak. Három ilyet szoktam javasolni.
Az első, hogy a fiatalabb kollégák találnak-e hibát a gép munkájában. Ha hónapok óta szinte minden anyagot változtatás nélkül engednek tovább, az nem azt jelenti, hogy a gép hibátlan, hanem azt, hogy nincs mivel összevetniük. Ezt könnyű mérni, elég átnézni, hány esetben történt érdemi javítás.
A második, hogy meg tudják-e indokolni a döntéseiket. Ha arra a kérdésre, hogy miért így jó, az a válasz, hogy mert ezt adta, akkor a szakmai gondolkodás nem épült fel mögötte. Ez néhány beszélgetésből kiderül.
A harmadik, hogy mi történik, amikor elromlik valami. Egy rendszerkimaradás vagy egy szokatlan eset azonnal megmutatja, ki tud önállóan dolgozni és ki nem. Érdemes ezt nem katasztrófaként megélni, hanem információként kezelni arról, hol tart a csapat.
Amit egy vezető ebből átvehet
A legfontosabb felismerés, hogy ez nem HR kérdés, hanem stratégiai. Arról szól, lesz-e a cégnek öt év múlva olyan embere, aki ért ahhoz, amit csinál. Ezért nem is a HR-nek kell megoldania egyedül, hanem a szakterületi vezetőknek, mert csak ők tudják, milyen tapasztalatból áll össze az adott szakma tudása.
A gyakorlati lépés egyszerű, és nem kerül sokba. Amikor egy folyamatban bevezetitek az AI-t, tegyétek fel a kérdést, hogy ezen a feladaton eddig ki tanult valamit. Ha a válasz az, hogy a pályakezdők, akkor a bevezetés mellé kell tervezni, hol fogják ezt ezután megtanulni. Ha erre nincs válasz, akkor a döntés nem kész.
Aki ezt ma végiggondolja, annak néhány év múlva lesz kiből válogatnia, miközben mások a piacon fogják keresni azokat az embereket, akik sehol nem készültek el. Ez a fajta előny nem látszik azonnal, de pont ezért nehéz utólag behozni.
Érdemes emellett azt is látni, hogy ez a kérdés a fiatalok szemében is jelzés. Aki pályakezdőként azt érzi, hogy nem tanul semmit, csak a gép után takarít, az egy éven belül továbbmegy. Az a cég viszont, ahol tudatosan gondoskodnak a fejlődéséről, pont a jó képességű fiatalok szemében válik vonzóvá, méghozzá olyan időszakban, amikor ezt kevesen kínálják.
kdconsulting.hu · [email protected]