Zaufanie operacyjne jako wąskie gardło: dlaczego pracownicy naprawdę opierają się AI w pracy

AI jest dominującą siłą w ostatnich latach, zmieniającą podstawy, w jaki sposób wykonywana jest praca. Patrząc w przyszłość, menedżerowie pozostają bardzo optymistyczni, a 92% firm planuje zwiększyć inwestycje w AI do 2028 roku. Wśród pracowników jednak odczucia wobec AI są znacznie bardziej zróżnicowane.

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 powszechną, ale trwałą 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 podsycaniu oporu wobec AI. Prawdziwe źródło problemu tkwi jednak w zaufaniu operacyjnym.

Gdzie naprawdę tkwią źródła oporu wobec AI i ryzyka?

Opór jest objawem niepewności – co do tego, jak AI zmieni podejmowanie decyzji, kto poniesie odpowiedzialność, gdy coś pójdzie nie tak, lub jakie mechanizmy kontroli i zabezpieczenia są wdrożone. Ten rozpad zaufania operacyjnego nie dotyka tylko pracowników. Pracodawcy również nie są na to odporni.

Deloitte niedawno stwierdził, że chociaż 42% firm uważa, że ich strategia biznesowa jest bardzo dobrze przygotowana do adopcji AI, czują się mniej przygotowane pod względem infrastruktury, danych, ryzyka i talentów. Niezależnie od szczebla stanowiska, brak kontroli nad danymi lub ich utrata, 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 istniejące błędy wykonawcze. Przecież zły system jest nadal zły, nawet jeśli jest wspierany przez AI. AI nie naprawia złych systemów. Jedynie szybciej realizuje ich procesy. 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. To podejście jest przepisem na przyspieszenie samych problemów, które organizacja próbuje rozwiązać.

AI wbudowana w procesy i rola ludzkiego osądu

AI jest najlepsze, gdy nie usuwa ludzkiej oceny z równania, ale zmienia to, gdzie wykorzystuje się ludzki osąd i jak się go wspiera. 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 skuteczniej i wydajniej.

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 szybko dostarcza analizy i kontekst oparte 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, koordynując, jak informacje są przekazywane, od góry do dołu.

Jasność 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, jak ocenia się ich wyniki oraz jakie mają perspektywy zatrudnienia, niepewność nie jest zaskakująca, ale nie można pozwolić, by utrzymywała się bez końca. Firmy muszą zdobyć poparcie pracowników, a szkolenia nie mogą samodzielnie ponieść ciężaru. Jasność operacyjna jest kluczem.

Pracownicy muszą zrozumieć, gdzie AI przyczynia się do rekomendacji i gdzie ostateczny głos należy do człowieka — i wiedzieć to od samego początku. Muszą również wiedzieć, kto jest odpowiedzialny za decyzję, gdy uczestniczy w niej AI. Widoczność ułatwia weryfikację niezawodności danych wyjściowych AI i ustanawia poczucie kontroli i odpowiedzialności, tak jak wyraźnie ustalone procedury pozwalające ludziom zmieniać lub uchylać decyzje systemu. 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 raczej zakłóca pracę, niż zwiększa możliwości ludzi.

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, traktują ją 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 wnoszą, każdy, inny kawałek układanki. Wyzwaniem nie jest wiedza specjalistyczna, lecz zgodność działań. 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 praktyczne doświadczenie we 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 problemów najmocniej wpływających na ich pracę i stania się aktywnymi współpracownikami w określaniu, jak AI jest stosowane na co dzień.

Rzeczywiste rezultaty zawsze będą silniej przemawiać niż obietnice odciążenia. Jeśli pracownicy widzą namacalne dowody, że AI poprawia ich życie zawodowe – czy to eliminując nużącą pracę, czy pomagając im zagłębić się w pracę wymagającą wysokich kwalifikacji, która ich pasjonuje – są bardziej skłonni do zaangażowania się w nią. W rzeczywistości, gdy zaufanie do AI jest wysokie, prawdopodobieństwo codziennego korzystania z tej technologii przez pracowników jest 2,8 razy większe, a pracownicy 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 między różnymi działami w całej firmie i gotowości do adaptacji oraz przemyślenia długotrwałych procesów. Gdy wewnętrzne systemy są zoptymalizowane, aby dopasować się do sposobu, w jaki faktycznie pracują ludzie, którzy z nich korzystają, zaufanie, poparcie i trwałe wdrożenie następują naturalnie.