Wąskie gardło zaufania operacyjnego: Dlaczego pracownicy naprawdę opierają się AI w miejscu pracy

AI jest dominującą siłą w ostatnich latach, zmieniającą podstawy, w jaki sposób wykonywana jest praca. Spójrzmy w przyszłość, perspektywa wśród menedżerów jest nadal bardzo silna, z 92% firm planujących zwiększyć inwestycje w AI do 2028 roku. Wśród pracowników jednak uczucie wobec AI jest znacznie bardziej mieszane.

Zgodnie z niedawnym raportem, 52% pracowników obawia się, jak AI wpłynie na miejsce pracy, a kolejne 32% uważa, że doprowadzi to do mniejszej liczby możliwości zatrudnienia. Ten opór wobec AI w miejscu pracy jest powszechnym, ale wytrwałym barierą dla udanej adopcji AI. Jest to również bariera, która jest często przypisywana lukom w umiejętnościach pracowników lub technicznej gotowości organizacji. Prawdą jest, że oba czynniki odgrywają rolę w podsyconym oporze wobec AI. Prawdziwe źródło problemu tkwi jednak w zaufaniu operacyjnym.

Gdzie tkwi opór i ryzyko wobec AI

Opór jest objawem niepewności – co do tego, jak AI zmieni podejmowanie decyzji, kto poniesie odpowiedzialność, gdy coś pójdzie nie tak, lub jakie kontrolki i zabezpieczenia są w miejscu. Ten rozpad zaufania operacyjnego nie dotyka tylko pracowników. Pracodawcy również nie są immuni.

Deloitte niedawno stwierdził, że chociaż 42% firm uważa, że ich strategia biznesowa jest bardzo przygotowana do adopcji AI, czują się mniej przygotowani pod względem infrastruktury, danych, ryzyka i talentów. Niezależnie od poziomu seniority, brak kontroli nad danymi, utrzymanie zgodności z normami branżowymi oraz potencjalne zakłócenia ustalonych procesów roboczych są na pierwszym miejscu. Te obawy są szczególnie ważne w branżach wysoko regulowanych, gdzie błędna decyzja AI może mieć znacznie większe konsekwencje.

Istnieje również prawdziwe ryzyko związane z automatyzacją procesów roboczych, które są już wadliwe lub nie mają wyraźnej struktury zarządzania. W takich scenariuszach AI staje się punktem skupienia niepowodzenia, często tworząc więcej tarcia i wzmacniając błędy wykonawcze. Przecież zły system jest nadal zły, nawet jeśli jest wspierany przez AI. AI nie naprawia złych systemów. Wykonuje je szybciej. To jest miejsce, w którym firmy mają tendencję do napotkania prawdziwego problemu.

Wiele osób uważa, że same narzędzia AI są głównym źródłem ryzyka. W rzeczywistości ryzyko tkwi w modelu operacyjnym, do którego wprowadzane są te narzędzia. W praktyce większe zagrożenie pochodzi z nakładania AI na modele operacyjne, które nie zostały zaprojektowane do obsługi zaawansowanej automatyzacji. Szczególnie w skali. Ten podejście jest przepisem na przyspieszenie samych problemów, których organizacja próbuje rozwiązać.

AI wbudowany i czynnik ludzkiej oceny

AI jest najlepsze, gdy nie usuwa ludzkiej oceny z równania, ale ponownie dystrybuuje, gdzie żyje ocena i jak jest wspierana. Z tym podejściem, granice decyzji są wyraźniejsze, bardziej spójne i bardziej skalowalne, z AI działającym jako narzędzie, które pomaga organizacjom rozprzestrzeniać bogactwo ich ludzkiej ekspertyzy w sposób bardziej efektywny.

Jesteśmy daleko od ery AI, w której ludzki wkład nie jest już potrzebny. Jednak branża dotarła do punktu, w którym ludzka ocena musi być stosowana inaczej, bardziej przemyślanie, aby w pełni wykorzystać AI. Złoty standard relacji człowiek-AI jest taki, w którym technologia zapewnia wgląd i kontekst z prędkością opartą na danych, aby prowadzić pracowników w podejmowaniu decyzji na wyższym poziomie i zwalniać czas na pracę, która naprawdę ma znaczenie.

Gdy AI jest wdrożone jako samodzielna inicjatywa, ulepszenia są stopniowe. Prawdopodobnie przyspieszy powtarzalne zadania lub zmniejszy wysiłek ręczny w obszarach takich jak praca administracyjna, ale to tylko powierzchowne wykorzystanie potencjału AI. Prawdziwa transformacja następuje, gdy AI jest wbudowane bezpośrednio w procesy robocze, orchestrując, jak informacje są przekazywane, od góry do dołu.

Czystość jest kluczem do zrównoważonej adopcji AI

Tylko 41% ludzi w Stanach Zjednoczonych jest skłonnych zaufać AI. Biorąc pod uwagę, że te systemy wpływają na to, jak pracownicy pracują, ich wyniki są oceniane, a ich przyszłe perspektywy pracy, niepewność nie jest zaskakująca, ale nie może być tolerowana. Firmy muszą budować zaufanie pracowników, a szkolenia nie mogą samodzielnie ponieść ciężaru. Czystość operacyjna jest kluczem.

Pracownicy muszą zrozumieć, gdzie AI przyczynia się do rekomendacji i gdzie ludzka ocena pozostaje autorytatywna od samego początku. Muszą również wiedzieć, kto jest odpowiedzialny za decyzję, gdy AI jest zaangażowany. Widoczność ułatwia weryfikację niezawodności danych wyjściowych AI i ustanawia poczucie kontroli i odpowiedzialności, tak jak wyraźnie ustalone protokoły zastępowania. Te elementy są podstawą silnego zaufania operacyjnego. Bez nich nawet dobrze zaprojektowane systemy mogą mieć trudności, z pracownikami, którzy kwestionują rekomendacje lub nawet porzucają technologię całkowicie na rzecz oryginalnych procesów ręcznych. To tylko zmniejsza ogólną wartość inwestycji w AI i wzmacnia postrzeganie, że AI jest bardziej burzycielskie niż empowerning.

Rozwiązanie tego dynamicznego problemu na wczesnym etapie wdrożenia jest niezbędne. Organizacje, które odnoszą największy sukces w adopcji AI, nie traktują AI jako jednorazowego wdrożenia lub izolowanego projektu IT. Zamiast tego, podejmują je jako ewolucję modelu operacyjnego – rozpoczynając od przemyślenia procesów roboczych, ponownego zdefiniowania ról i ustanowienia wspólnej odpowiedzialności w całym biznesie.

Liderzy biznesu, zespoły techniczne i partnerzy platformowi każdy przynoszą inny kawałek układanki. Wyzwaniem nie jest ekspertyza, ale wyrównanie. Liderzy biznesu rozumieją, które wyniki są najważniejsze i jak są one związane z długoterminową strategią. Inżynierowie i liderzy IT rozumieją możliwości i ograniczenia technologiczne. Partnerzy platformowi przynoszą doświadczenie w wdrażaniu AI w środowiskach produkcyjnych. Gdy te grupy wspólnie projektują procesy robocze, AI staje się wykonalne. Gdy nie, pozostaje teoretyczne.

Poczucie, że AI jest czymś, co jest narzucane, a nie pomocnym narzędziem, które zostało opracowane z udziałem ludzi, którzy będą z niego korzystać, jest kolejnym znaczącym czynnikiem stojącym za oporem w miejscu pracy. Włączanie zespołów pierwszej linii do przebudowy procesów roboczych odwraca ten scenariusz. Pracownicy otrzymują możliwość zidentyfikowania swoich najbardziej wpływowych punktów bólu i stać się aktywnymi współpracownikami w określaniu, jak AI jest stosowane na co dzień.

Prawdziwe wyniki zawsze będą bardziej potężne niż obiecane ulgi. Jeśli pracownicy widzą namacalne dowody, że AI poprawia ich życie zawodowe – czy to eliminując nużącą pracę, czy pomagając im zagłębić się w wysoko wykwalifikowaną pracę, którą są pasjonowani – są bardziej skłonni do zaangażowania się w nią. W rzeczywistości, gdy zaufanie do AI jest wysokie, pracownicy są 2,8 razy bardziej skłonni do korzystania z tej technologii codziennie i oszczędzają średnio 2 godziny tygodniowo, według Deloitte.

Opór wobec AI jest ostatecznie wyzwaniem operacyjnym. Organizacje, które przekroczą ten opór, nie będą tymi, które mają najbardziej zaawansowane modele, ale tymi, które przebudują, jak praca jest naprawdę wykonywana, i uczynią tę pracę wykonalną, odpowiedzialną i klarowną.

Ta zmiana nie następuje w izolacji. Wymaga zobowiązania do współpracy międzyfunkcyjnej w całej firmie i gotowości do adaptacji oraz przemyślenia długotrwałych procesów. Gdy wewnętrzne systemy są zoptymalizowane, aby dopasować się do sposobu, w jaki ludzie żyją w nich, zaufanie, zaangażowanie i zrównoważona adopcja następują naturalnie.