A jelenség
A kérdés, ami már nem jut el a kollégához
Egy 400 fős logisztikai cégnél tavaly ősszel vezettük be a vállalati AI asszisztenst. A használati adatok szépen alakultak, a heti aktív felhasználók aránya három hónap alatt hetven százalék fölé ment, és a csapatvezetők is elégedettek voltak. Fél évvel később a diszpécserközpont vezetője egészen más gonddal keresett meg. Az új kollégák nem tudták, kihez forduljanak, ha egy fuvar elakadt a román határon. Ezt korábban mindenki tudta, mert az ilyen kérdések hangosan elhangzottak az irodában, és mindig ugyanaz a két tapasztalt diszpécser válaszolt rájuk.
Most viszont mindenki az asszisztenst kérdezte. Az asszisztens általános választ adott a vámkezelésről, és ez sokszor elég is volt. Amikor nem volt elég, az új kolléga egyedül próbálkozott tovább, a két tapasztalt ember pedig csak akkor hallott a gondról, amikor a fuvar már két napot késett.
Azóta több helyen láttam ugyanezt a mintát. A korábbi írásaimban a junior munka eltűnéséről és a középvezetők terheléséről volt szó, vagyis arról, mi történik a belépő szinttel és a vezetőkkel. Ez a jelenség egy már összeszokott csapaton belül zajlik, a tapasztalt munkatársak között, és szinte senki nem veszi észre, mert közben minden egyéni mutató javul.
Háttér
Ki mit tud, és honnan tudjuk
Daniel Wegner szociálpszichológus a nyolcvanas években írta le a tranzaktív memória jelenségét. Egy jól működő csapatban nem tud mindenki mindent. Elég, ha mindenki tudja, ki mihez ért. A kontrollingos tudja, hogy a bérszámfejtés furcsaságait Kati ismeri, a beszerző tudja, hogy a régi szállítói szerződések történetét Péter fejből mondja, Péter pedig tudja, hogy a jogi kérdéseket Évához kell vinni. Így a tudás elosztva él, és a csapat együtt jóval többre emlékszik, mint a tagjai külön-külön.
Ez a térkép sehol nincs leírva. Minden egyes kérdéssel frissül. Amikor megkérdezek egy kollégát, megkapom a választ, és közben megerősítem magamban, hogy ő ért a dologhoz. Ő pedig megtudja, hogy engem ez a terület érdekel, és legközelebb szól, ha változik valami.
A Harvard Business Review október közepén megjelent cikkében a BetterUp kutatói és Jeffrey Hancock stanfordi professzor arról írnak, hogy ez a térkép kopik, amikor a munkatársak a kolléga helyett az AI-hoz fordulnak. Én ugyanezt látom a projektjeimen, csak magyar középvállalati méretben.
Miért történik
Az AI-t kérdezni olcsóbb, mint a kollégát
A váltás oka érthető. Egy kérdés a kollégának társas költséggel jár. Meg kell zavarni, be kell vallani, hogy valamit nem tudunk, és a válasz után még tartozunk is egy szívességgel. Az AI-nál ez mind elmarad. Éjjel tizenegykor is válaszol, nem néz furcsán, és nem emlékszik rá, hogy ugyanezt múlt héten már megkérdeztük.
Egy hazai biztosító ügyfélszolgálati csapatánál a fiatalabb kollégák elmondták, hogy megkönnyebbülés nekik, amiért nem kell a tapasztaltabbakat zavarniuk. Elsőre én is jó hírnek gondoltam. A tapasztaltak oldaláról aztán kiderült, hogy ők a zavarást sosem élték meg tehernek, sőt ebből tudták, mi foglalkoztatja az újakat, és hol akad el a betanulás.
Kevesebb szorongás önmagában jó dolog. Mellékhatásként viszont visszaesik a csapat belső forgalma. Eltűnik a kérdések egy része, és velük együtt az a jelzés is, ami a csapatnak a saját állapotáról szólt.
Mi kopik el
Ami a gyorsabb válasz mögött elvész
A kérdés, amit nem teszünk fel a kollégának, több dolgot is visz magával. A legkézenfekvőbb a tudás frissessége. Az AI azt tudja, ami a dokumentumokban áll, a kolléga azt, ami tegnap történt. Egy pénzügyi holding kontrolling csapatánál az egyik elemző a modelltől kérdezte meg, hogyan kell kezelni egy leányvállalat devizás tételét. A válasz a tavalyi számviteli politikán alapult, mert az volt feltöltve a tudásbázisba. Két héttel korábban viszont a csapatvezető módosította a szabályt egy megbeszélésen, és a szobában ülők közül bárki tudta volna a helyes választ.
Kevésbé látható a bizalom. Egy csapatban a bizalom apró szívességekből épül. Valaki segít, a másik megjegyzi, és legközelebb visszaadja. Ha ezek a kis cserék elmaradnak, a kapcsolatok felszínesebbé válnak. Egy kreatív ügynökségnél, ahol 35 fő dolgozik, a vezető úgy fogalmazott, hogy a csapata hatékonyabb lett, de már nem igazán csapat.
Elvész az a véletlen is, amiből a jó ötletek születnek. Amikor valaki átszól a szomszéd asztalhoz egy kérdéssel, gyakran egy harmadik kolléga szól közbe, hogy náluk ugyanez a gond, csak egy másik ügyfélnél. Egy ügyfelemnél ilyen közbeszólásból indult a számlázási folyamat átalakítása, ami évente több száz munkaórát spórolt meg. Az AI-val folytatott beszélgetés zárt térben zajlik, nincs benne harmadik fél, aki meghallja és hozzáteszi a saját tapasztalatát. Megoldódik az egyedi kérdés, a mögötte álló minta viszont senkinek nem tűnik fel.
A szakértő oldalán is történik valami. Akit korábban naponta tízszer kérdeztek, az tudta magáról, hogy számít. Ha a kérdések elapadnak, ez az érzés is gyengül, és azt tapasztaltam, hogy éppen a legtapasztaltabb emberek kezdenek ilyenkor máshol állást keresni. A cég egyik mutatója sem jelez közben, mert a kiesett kérdésekről nincs adat.
Korai jelek
Amit hónapokkal a baj előtt észre lehet venni
A tudástérkép kopása lassú folyamat, és a szokásos AI mutatók nem mérik. A használati arány, a megspórolt órák és az elégedettségi pontszám mind javulhat úgy, hogy közben a csapat egyre kevésbé ismeri egymást. Néhány jel viszont jóval a baj előtt megjelenik.
- Az új belépők egyre később kérdeznek először a kollégáiktól. Ezt a belépés utáni hetekben egy rövid kérdőívvel is meg lehet nézni.
- A csapatcsatornákon csökken a nyitott kérdések száma, pedig a feladatok mennyisége nem változik.
- Hibák jelennek meg olyan területen, ahol valaki a csapatban jól tudta volna a választ.
- A tapasztalt kollégák azt mondják, hogy ritkábban keresik őket, és ezt inkább megkönnyebbülésnek szánják, mint panasznak.
Egy gyártócég minőségbiztosítási osztályán ezt úgy mértük meg, hogy megkértük a csapatot, rajzolják fel, kihez fordulnának tíz tipikus problémával. Ugyanezt a gyakorlatot egy évvel korábban, még az AI bevezetés előtt is lefuttattuk. A két rajz között az volt a különbség, hogy az új kollégák lapján a nevek fele helyén az AI asszisztens szerepelt. Amikor ezt elvégeztük, az osztályvezető először nevetett, aztán kért egy újabb időpontot.
Megoldás
Az AI mint a csapat része, a kolléga mellett
Kevesebb AI-ra ettől nincs szükség. Azt tapasztaltam, hogy a jó megoldás a csapat munkarendjébe építi be az eszközt, és nem a kollégák közé állítja.
Sokat segít, ha az AI válasza nem végállomás. A logisztikai cégnél a belső asszisztens minden válasza alá odakerült, kihez lehet fordulni az adott témában a cégen belül. Ehhez egy egyszerű, kézzel karbantartott szakértői listát kötöttünk a tudásbázishoz. Az asszisztens így a kollégához vezette a kérdezőt, ahelyett hogy kiváltotta volna. A román határos esetekben azóta ismét a két tapasztalt diszpécser neve jelenik meg, és az új kollégák már az első héten megismerik őket.
Az is sokat ad, ha a csapat látja, mire használja a másik az AI-t. A pénzügyi holdingnál bevezettük, hogy a heti csapatmegbeszélésen tíz percet arra szánnak, hogy valaki megmutassa, milyen kérdéssel ment az asszisztenshez, és mi lett a vége. Ebből a projektből tanultam meg, hogy ez a tíz perc többet ad vissza a tudástérképből, mint bármilyen tréning. Kiderül belőle, ki milyen problémán dolgozik, és ki tudott volna segíteni neki.
A tudásbázis frissítését is emberekhez kell kötni. Ha a modell egy elavult szabályra hivatkozik, annak a területnek van gazdája, és ezt a gazdát mindenki ismeri. Így a hiba visszavezet egy emberhez, és végül két kollégát ültet le egy beszélgetésre.
Vezetői feladat
Amit a csapatvezető tud tenni
A tudástérkép karbantartása eddig magától ment, mert a kérdések maguktól elhangzottak. Most ebből vezetői munka lett. A csapatvezetőnek látnia kell, ki kitől kérdez, és hol szakadt meg ez a lánc.
Az ügynökségnél a vezető minden új projekt indításakor kijelöl egy embert, akihez az első héten minden kérdés megy, még akkor is, ha az AI gyorsabban válaszolna. A projektek ettől nem lassultak le érezhetően. Az új kollégák viszont két hét alatt megtanulták, ki mihez ért, amire az AI bevezetése óta hónapok kellettek.
A teljesítményértékelésben is meg lehet jeleníteni ezt a munkát. Aki segít a kollégáinak, az eddig is értéket teremtett, csak most kevésbé látszik, mert a kérdések egy része elmarad. Az egyik ügyfelemnél a negyedéves értékelésbe bekerült egy kérdés arról, kitől tanult a legtöbbet az illető az elmúlt három hónapban. A válaszokból kirajzolódott a csapat valódi tudástérképe, és a vezető meglepődött, hány olyan ember neve szerepelt rajta, akit addig csendes háttérembernek tartott.
Hibrid munkarendben mindez még erősebben jelentkezik. Az irodában a kérdések legalább egy része hallható marad, otthonról viszont szinte csak az asszisztens jön szóba, mert egy chatüzenet a kollégának már külön döntés. A logisztikai cégnél ezért a heti irodai napra tettük az új belépők betanuló beszélgetéseit, a csapat üzenőfelületén pedig nyitottunk egy csatornát, ahová buta kérdést is szabad írni. Azt tapasztaltam, hogy egy ilyen csatorna csak akkor marad életben, ha az első hetekben maga a vezető is kérdez benne.
Az AI bevezetés sikerét ma szinte mindenhol egyéni mutatókkal mérjük, megspórolt órákkal és lefedett feladatokkal. A csapat tudása viszont az emberek közötti kapcsolatokban él, és ha ezt senki nem figyeli, egy idő után éppen azt a hálót bontjuk le, amelyik eddig a nehéz kérdéseket megoldotta. Egy jól bevezetett AI után a kollégák ugyanúgy tudják, kihez forduljanak, csak kevesebb egyszerű kérdéssel terhelik egymást.