Według nich światowi liderzy zmagają się z pięcioma podstawowymi napięciami w związku z integracją sztucznej inteligencji (AI) w miejscach pracy spostrzeżenia od ponad 100 konstruktorów, kadry kierowniczej, inwestorów, doradców i badaczy. Napięcia te obejmują relacje między ekspertami i nowicjuszami, centralizację a decentralizację w zarządzaniu, wpływ sztucznej inteligencji na struktury hierarchiczne, równowagę między szybkością a przemyślanym wdrażaniem oraz wzajemne oddziaływanie inicjatyw zmian odgórnych i inicjowanych przez partnerów. Badania wskazują, że wczesne zastosowania sztucznej inteligencji wykazały dwojakie skutki. Polscy endoskopiści wykorzystujący sztuczną inteligencję do wykrywania nowotworów odnotowali większą dokładność procedur wspieranych przez sztuczną inteligencję, ale spadek w przypadku zadań niezwiązanych z sztuczną inteligencją. Studenci korzystający ze sztucznej inteligencji do pisania esejów w stylu SAT początkowo wykazali gwałtowny wzrost kreatywności; jednak te, które rozpoczęły się od pomysłów wygenerowanych przez sztuczną inteligencję, wykazywały zmniejszoną aktywność fal alfa i generowały bardzo podobne wyniki. Badanie przeprowadzone w 2025 r. w 20 krajach europejskich wykazało ponadto, że pracownicy na stanowiskach wysoce zautomatyzowanych zgłaszali zmniejszony cel, zmniejszoną kontrolę i zwiększony stres, mimo że zadania stały się łatwiejsze pod względem technicznym. Nowy Instytut Work AI w Glean zebrał te odkrycia w „AI Transformation 100”, opatrzonej komentarzami liście pomysłów na wykorzystanie zalet sztucznej inteligencji i łagodzenie jej wad. Inicjatywa ta ma na celu odróżnienie prawdziwej transformacji od szumu, zrozumienie postępu, stagnacji i niezamierzonych konsekwencji sztucznej inteligencji. Jedno napięcie wynika ze zdolności sztucznej inteligencji do zacierania granic między ekspertami a nowicjuszami, umożliwiając osobom niebędącym specjalistami wykonywanie zadań, które w przeszłości wymagały obszernego szkolenia, takich jak kodowanie lub analiza danych. Ta zmiana zwiększa możliwości wkładu, ale stwarza ryzyko pomylenia biegłości w zakresie sztucznej inteligencji z prawdziwym mistrzostwem. John Lilly, członek zarządu Duolingo, zauważył, że osoby niebędące inżynierami stworzyły prototyp kursu szachowego z wykorzystaniem sztucznej inteligencji w ciągu czterech miesięcy, osiągając lepsze wyniki niż inne wewnętrzne inicjatywy, ponieważ eksperci, jeśli zaangażowani zostaną zbyt wcześnie, mogą podać powody, dla których projekt się nie powiedzie. Zespoły Google również przyjęły podejście „najpierw prototyp”, wykorzystując „kodowanie wibracyjne” oparte na sztucznej inteligencji do tworzenia działających wersji demonstracyjnych przed sporządzeniem propozycji, co przyspiesza iterację. Jednak nadmierne poleganie na nowicjuszach może prowadzić do „slopu AI” – wyników, które wydają się przekonujące, ale brakuje im treści. Badania Stanforda wskazują na spadek liczby zatrudnianych początkujących programistów, podczas gdy zapotrzebowanie na starszych inżynierów wzrosło, co sugeruje, że firmy polegają na ekspertach, aby przeciwdziałać temu zjawisku. Aby rozwiązać ten problem, strategie obejmują umożliwienie specjalistom inicjowania projektów z wykorzystaniem sztucznej inteligencji, ale zapewnienie ekspertom udoskonalenia i skalowania pomyślnych wyników. W firmie Stitch Fix były dyrektor ds. algorytmów Eric Colson opisał niestandardowe algorytmy sygnalizujące niezaspokojone potrzeby, a następnie projektanci wybierali opcje zgodne z marką i standardami jakości. Organizacje powinny także od samego początku angażować najlepszych pracowników, takich jak klinicyści lub eksperci ds. danych, w szkolenia dotyczące modeli sztucznej inteligencji i programy pilotażowe, zgodnie z zaleceniami wiceprezesa ds. sztucznej inteligencji w firmie TELUS, Alexandre’a Guilbaulta, który powiedział: „Najlepsi ludzie to ci, którzy mogą przeprowadzić największą transformację”. Włączenie ekspertów do lokalnych zespołów, takich jak zespół „Glean on AI” firmy Glean ds. automatyzacji funkcjonalnej i zespół „AI Outcomes” ds. rozwiązań dla klientów, również ułatwia identyfikację i rozwój procesów opartych na sztucznej inteligencji. Kolejne napięcie dotyczy równowagi między centralizacją i decentralizacją kontroli nad sztuczną inteligencją w organizacjach. Centralizacja, często za pośrednictwem centrów doskonałości AI, ma na celu egzekwowanie standardów i zarządzanie ryzykiem, ale może stłumić innowacje ze względu na rozbudowane procesy zatwierdzania. Według profesora Paula Leonardi z Uniwersytetu Kalifornijskiego w Santa Barbara zdecentralizowany rozwój sztucznej inteligencji może prowadzić do szybkich, ale nieskoordynowanych innowacji, co skutkuje fragmentacją narzędzi i wyczerpaniem technologii cyfrowych. Aby sobie z tym poradzić, firmy centralizują obszary wysokiego ryzyka, takie jak zarządzanie danymi i infrastruktura bezpieczeństwa, jednocześnie decentralizując eksperymenty o niskim ryzyku, takie jak automatyzacja przepływu pracy. Organizacje powinny również unikać tworzenia symbolicznych ról AI bez budżetu i uprawnień, zamiast tego rozdzielać obowiązki związane z AI pomiędzy istniejące zespoły. Wybór technologii powinien uwzględniać funkcje zarządzania klasy korporacyjnej, takie jak zabezpieczenia i ścieżki audytu, jednocześnie zapewniając elastyczność poszczególnym zespołom. Zespoły HR Booking.com wdrożyły platformę wyszukiwania opartą na sztucznej inteligencji, która zapewnia pracownikom dostęp wyłącznie do tych informacji, na które mają pozwolenie, twierdzi starszy menedżer ds. inżynierii Tadeu Faedrich, który powiedział: „Nie chcieliśmy, aby ludzie znajdowali dokumenty, do których nie powinni mieć dostępu”. Trzecie napięcie dotyczy tendencji do bardziej płaskich hierarchii organizacyjnych. Chociaż sztuczna inteligencja automatyzuje rutynowe decyzje i raportowanie, wielu liderów zakłada, że umożliwia usunięcie warstw zarządzania w celu szybszego działania. Jednak Michael Arena, były dyrektor ds. talentów w General Motors, odkrył, że nadmierne spłaszczanie zadań może przeciążać menedżerów i tworzyć wąskie gardła, szczególnie w przypadku nadzorowania więcej niż siedmiu bezpośrednich podwładnych. Menedżerowie często pracują po 10–13 godzin dziennie i wciąż mają trudności ze swoimi obowiązkami. Organizacje powinny ocenić swoje tryby pracy przed spłaszczeniem. Jeśli praca polega głównie na samodzielnych zadaniach wymagających minimalnej koordynacji, agenci AI mogą zarządzać rutynowymi zadaniami, umożliwiając menedżerom kierowanie większymi zespołami. W przypadku pracy indywidualnej, która wymaga współzależności i komunikacji w czasie rzeczywistym, utrzymywanie mniejszych zespołów pozwala menedżerom skoncentrować się na coachingu, ocenie i budowaniu relacji. Sztuczna inteligencja powinna ułatwiać, a nie eliminować zarządzanie, odciążając zadania administracyjne, takie jak aktualizacja statusu i planowanie. Wiceprezes Workday ds. People Analytics, Phil Wilburn, zauważył, że jego zespół nie tworzy już zestawień informacyjnych ani cotygodniowych aktualizacji, ponieważ system sztucznej inteligencji agreguje nieustrukturyzowane dane ze Slacka i planów projektów, co pozwala mu wykorzystywać sztuczną inteligencję do opracowywania briefów lub tematów badawczych przed spotkaniami. Sztuczna inteligencja usunęła obciążenia administracyjne, nie zastępując funkcji zarządczych. Czwarte napięcie wiąże się z impulsem do szybkiego przyjęcia sztucznej inteligencji w porównaniu z potrzebą ostrożnej, przemyślanej integracji. Nadmierne skupianie się na szybkości może powodować luki we wdrażaniu decyzji, w przypadku których nowe narzędzia są przyjmowane szybko, ale bez rozwiązywania istniejących problemów systemowych lub zrozumienia dopasowania technologicznego. Może to prowadzić do nierównomiernego przyjęcia, opóźnień lub porzucenia inicjatyw związanych ze sztuczną inteligencją. Profesor Northwestern University, Hatim Rahman, opisał projekt szpitalny, w ramach którego szkolenie sztucznej inteligencji na potrzeby diagnostyki medycznej wymaga tysięcy obrazów ultradźwiękowych, ale istniejące wymagania dotyczące efektywności opieki zdrowotnej minimalizują pozyskiwanie obrazów. Procesy uzyskiwania zgody pacjentów i konflikty między oddziałami dodatkowo spowalniają postęp, co prowadzi do wydłużenia czasu wdrożenia, niż oczekiwano. Technicy również sprzeciwiają się temu projektowi, obawiając się niewłaściwego wykorzystania danych do monitorowania wydajności lub redukcji etatów.
- Chroń wolne tryby, włączając progi zwalniające do pracy twórczej i strategicznej, w tym punkty kontrolne i okresy refleksji. Perry Klebahn, który kieruje akceleratorem Launchpad w szkole Stanford d.school, zauważył, że chociaż sztuczna inteligencja przyspiesza generowanie prototypów, może zmniejszyć zaangażowanie założycieli w pomysły, ponieważ postrzegają je jako zbyt łatwe do wygenerowania.
- Nagradzaj naukę zamiast umiejętności pokazowych. W ramach wydarzeń edukacyjnych Udemy „U-Days” poświęconych sztucznej inteligencji przyznawane są nagrody za wpływ na biznes, wymierne usprawnienia i opinie innych, a nie tylko za efektowne demonstracje.
- Przeprowadź test „Pozostałości AI”: Usuń cały żargon związany z AI z torów, aby ocenić substancję leżącą u ich podstaw. Jeśli pozostała treść jest nieistotna, oznacza to słaby pomysł.
Ostatnie napięcie dotyczy tego, czy transformacja sztucznej inteligencji powinna być prowadzona odgórnie, czy kierowana przez partnerów. Przywództwo odgórne ma kluczowe znaczenie dla wdrożenia rozwiązań w całej firmie, a dane Worklytics pokazują, że zespoły dwukrotnie częściej wdrażały narzędzia sztucznej inteligencji, jeśli ich menedżerowie korzystali z nich jako pierwsi. Jednakże nadmierne ciśnienie skierowane od góry do dołu może prowadzić do powstania oporu lub powierzchownej podatności. Nadmierne poleganie na wysiłkach oddolnych może skutkować fragmentacją i nieskoordynowanymi eksperymentami. Dyrektor ds. technicznych zauważył, że można to porównać do „setek małych łodzi motorowych ścigających się w różnych kierunkach”. Aby zrównoważyć te podejścia, firmy ustalają rytmy zmian. Dyrektor generalny sprzedawcy detalicznego z listy Fortune 20 utrzymuje sztuczną inteligencję jako stały temat na comiesięcznych spotkaniach wiceprezesów, a wielofunkcyjny komitet sterujący ustala przypadki wdrożenia i użycia. Spotkania pracowników wydziałów obejmują „moment sztucznej inteligencji” umożliwiający dzielenie się doświadczeniami. Organizacje planują również niepowodzenie eksperymentów, mając świadomość, że około 80% projektów AI może nie osiągnąć początkowych celów w zakresie produktywności. Organizacja z listy Fortune 500 nie przeprojektowuje stanowisk pracy, dopóki nie pojawią się „przekonujące dowody”, że sztuczna inteligencja zwiększy wydajność. Wdraża się cykle przeglądów w celu wyciągnięcia wniosków od pracowników niższych szczebli, dzięki czemu niepowodzenia napędzają proces uczenia się. Pomiar wpływu na aktywność jest również krytyczny. Zendesk starszy wiceprezes ds. inżynierii Nan Guo korzysta ze zrównoważonej karty wyników składającej się z sześciu wskaźników produktywności inżynierskiej, w tym czasu cyklu i współczynnika niepowodzeń zmian, zamiast powierzchownych wskaźników, takich jak logowanie lub liczba podpowiedzi. Sformalizowanie sieci rówieśniczych, takich jak inicjatywa Ubera, w ramach której zidentyfikowano 53 wczesnych mistrzów sztucznej inteligencji na różnych stanowiskach, sprzyja wewnętrznym społecznościom edukacyjnym i zaangażowaniu. Liderzy odnoszący sukcesy radzą sobie ze złożonością sztucznej inteligencji, traktując te napięcia raczej jako cechy projektu, a nie wady. Można je przystosować, uznając, że optymalna ścieżka rozwoju jest tymczasowa. „Pięćdziesiąt procent tego, czego was uczymy, okaże się błędne” – podobno powiedział przychodzącym studentom dziekan Harvard Medical School, odzwierciedlając niepewność co do wdrażania sztucznej inteligencji. Liderzy, którzy wykazują się pokorą i kultywują elastyczność organizacyjną, będą najlepiej przygotowani do ciągłego uczenia się i dostosowywania w miarę ewolucji krajobrazu technologicznego.
