Menedżer też uczy się AI: jak wprowadzać ją bez udawania eksperta

Lider nie musi znać każdego narzędzia lepiej niż jego zespół

Nowa specjalistka pokazuje menedżerowi, jak dzięki AI przygotowała zestawienie w kilka minut. On nie zna użytego narzędzia i czuje pokusę, by natychmiast znaleźć błąd. Wcześniej był najlepszym ekspertem w dziale; teraz ludzie z krótszym stażem wiedzą więcej o technologii. Nie musi to być kryzys autorytetu. Zarządzanie polega również na tworzeniu warunków, w których umiejętności różnych osób pomagają osiągnąć dobry wynik. Lider nadal odpowiada za priorytety, zasoby, kontrolę i uczciwy podział pracy.

Problem zaczyna się, gdy próbuje ukryć niewiedzę, a jednocześnie wydaje kategoryczne polecenia. „Macie od jutra używać AI do wszystkich raportów” brzmi stanowczo, lecz nie wyjaśnia, co wolno przesyłać zewnętrznemu systemowi ani kto sprawdzi wynik. Lepszy początek to: „Nie znam jeszcze wszystkich możliwości tego narzędzia. Chcę, żebyśmy razem ustalili, do czego się nadaje, gdzie zawodzi i kto zatwierdza rezultat”.

Jak powiedzieć „nie wiem”, zachowując odpowiedzialność

Badania nad pokorą przywódczą opisują zachowania takie jak przyznawanie się do ograniczeń, docenianie cudzych mocnych stron i gotowość do uczenia się. Nie oznacza to, że przywódca ma być bezradny. Pracownicy muszą jednak wiedzieć, za co nadal odpowiada menedżer. Dobry komunikat łączy szczerość z jasnym zadaniem: „Nie potrafię jeszcze ocenić każdego promptu, ale odpowiadam za to, by żadne niezweryfikowane informacje nie trafiły do klienta”.

W praktyce menedżer może poprosić osobę obeznaną z narzędziem o demonstrację, a osobę sceptyczną o przygotowanie listy sytuacji, w których wynik może być mylący. Nie udaje wtedy eksperta, lecz organizuje wzajemną kontrolę. Na spotkaniu warto rozdzielić trzy zdania: „to już wiemy”, „to sprawdzimy” i „tej metody na razie nie dopuszczamy”. Po kilku tygodniach zespół będzie oceniał lidera mniej po znajomości wszystkich funkcji, a bardziej po jakości podejmowanych decyzji.

Sceptyk może być potrzebny równie mocno jak entuzjasta

Pracownik mówi: „Nie korzystam z tego, bo zbyt często się myli”. Menedżer może usłyszeć opór przed zmianą. Tymczasem krytyk ma czasem cenne obserwacje dotyczące jakości danych, poufności lub odpowiedzialności za wynik. Nie oznacza to, że każdy sceptycyzm jest dobrze uzasadniony. Warto poprosić o konkretny przykład błędu i warunki, w których narzędzie mogłoby być przydatne. W ten sposób rozmowa dotyczy faktów, a nie oceniania ludzi.

Podobną ostrożność zachowaj wobec entuzjasty. Szybko wygenerowany raport może wyglądać imponująco, dopóki nikt nie porówna go z dokumentami źródłowymi. Ustal dwie role: osobę testującą możliwości i osobę sprawdzającą ograniczenia. Zamieniaj je podczas kolejnych prób. Jeśli sceptyk odkryje błąd, podziękuj mu publicznie. Dzięki temu informacja o problemie nie staje się zagrożeniem dla reputacji tego, kto ją zgłosił.

Granice korzystania z AI trzeba ustalić przed pierwszym błędem

Zespół potrzebuje odpowiedzi na pytania praktyczne: jakie dane wolno wprowadzić, do których zadań narzędzie jest dopuszczone, co trzeba sprawdzić samodzielnie, kto podpisuje rezultat i jak zgłaszać pomyłki. Nie wystarczy polecenie „używajcie odpowiedzialnie”. Wewnętrzna korespondencja może wymagać prostszej kontroli niż dokument dla klienta lub decyzja kadrowa. Zakres kontroli powinien zależeć od ryzyka.

Unijny AI Act przewiduje środki wspierające kompetencje w zakresie AI, uwzględniające doświadczenie i kontekst użycia. Nie znaczy to, że każdy pracownik musi zdobyć taki sam certyfikat. Nie należy też utożsamiać każdego biurowego chatbota z systemem wysokiego ryzyka. Menedżer powinien znać zasady swojej organizacji i konsultować niejasności z właściwymi specjalistami, zamiast wypowiadać się z pewnością o obowiązkach, których nie sprawdził.

Zacznij od jednego zadania i ucz się na jego wyniku

Pierwszy pilotaż może dotyczyć streszczania ogólnodostępnych materiałów albo przygotowania wersji roboczej tekstu bez danych wrażliwych. Ustal przed próbą, co ma się poprawić i jak to sprawdzicie. Na przykład: „Przez dwa tygodnie porównujemy czas przygotowania pierwszej wersji oraz liczbę błędów znalezionych podczas weryfikacji”. Jeżeli oszczędność czasu okazuje się pozorna, bo poprawianie błędów trwa dłużej niż zwykła praca, należy to uznać za wynik, a nie porażkę pracownika.

Po próbie przeprowadź krótkie omówienie. Zapytaj: co zadziałało, co zaskoczyło, kiedy narzędzie było nieprzydatne i którą zasadę trzeba zmienić. Badania nad bezpieczeństwem psychologicznym wskazują, że możliwość zgłaszania wątpliwości sprzyja zachowaniom związanym z uczeniem się. To nie jest obietnica, że jedno spotkanie odmieni kulturę firmy. Ważne jest powtarzalne zachowanie przełożonego, zwłaszcza wtedy, gdy ktoś przynosi niewygodny fakt.

Ucz się z ludźmi, nie wymagaj od nich natychmiastowego zachwytu

Nie wszyscy zaczynają w tym samym miejscu. Jedna osoba potrzebuje krótkiego przykładu użycia; inna chce znać ryzyko i drogę wycofania błędnego wyniku. Jeszcze ktoś obawia się, że nauka odbywa się kosztem jego normalnych obowiązków. Dobrze zorganizowane wdrożenie daje czas na ćwiczenia i jasno wskazuje, z których zadań można w tym okresie zrezygnować. Nie ma sensu dokładać nowego zadania do pełnego grafiku, a potem ganić za brak entuzjazmu.

Menedżer może powiedzieć: „Na tym etapie nie oceniamy, kto jest najbardziej nowoczesny. Sprawdzamy, czy narzędzie pomaga nam osiągnąć określony rezultat bez pogorszenia jakości”. Takie podejście zachęca do rozmowy także osoby, które nie chcą uchodzić za ekspertów od AI. Jeśli próba się uda, spiszcie zasadę jej używania. Jeśli nie, zapiszcie warunki, które musiałyby się zmienić. W obu przypadkach zespół uczy się czegoś ważniejszego niż obsługa jednej aplikacji: rozsądnego testowania nowych sposobów pracy.

Autorytet menedżera nie wymaga udawania wszechwiedzy. Wymaga jasnego celu, uczciwego przyznawania się do ograniczeń, zasad bezpieczeństwa oraz decyzji opartych na rzeczywistym wyniku prób. Lepiej przeprowadzić jeden rzetelny eksperyment i omówić błędy niż narzucić wszystkim technologię hasłem o nowoczesności.

Jak Empatyzer pomaga liderowi prowadzić zespół przez naukę AI

Wyobraź sobie menedżera, którego zespół zna AI lepiej niż on sam. Przed spotkaniem może zapytać Em, jak przyznać się do ograniczonej wiedzy, nie osłabiając odpowiedzialności za decyzje. Em pomoże przygotować otwarcie, pytania do entuzjastów i sceptyków oraz reakcję na sytuację, w której demonstracja kończy się błędem. Rozmowa o własnym stylu działania pozwala przyjrzeć się temu, czy potrzeba kontroli albo obawa o autorytet nie utrudnia korzystania z kompetencji innych osób. W kontekście zespołowym można też uwzględnić różnice w podejściu do eksperymentowania, planowania i ryzyka, by zaproponować sensowny podział ról podczas pilotażu. Em nie sprawdza za zespół poprawności technicznej modeli; pomaga lepiej organizować komunikację i współpracę wokół ich użycia. Przygotowany w ten sposób menedżer potrafi powiedzieć „nie wiem”, wskazać, co zostanie sprawdzone, oraz uznać krytyczną uwagę za wkład w jakość. Mikrolekcje pomagają utrwalać taki sposób prowadzenia rozmów również po zakończeniu pierwszego testu.