Sam Jenkins, Partner Zarządzający w Punchcard Systems – Wywiad

Sam Jenkins, Partner Zarządzający w Punchcard Systems, spędził ponad dwie dekady pracując na styku technologii, przedsiębiorczości i transformacji organizacyjnej. Od momentu założenia Punchcard Systems w 2016 roku, pomógł on w rozwoju firmy, jednocześnie doradzając organizacjom w zakresie strategii cyfrowego miejsca pracy, oprogramowania na zamówienie, sztucznej inteligencji i technologii wschodzących. Jego wcześniejsze doświadczenie obejmuje założenie Startup Edmonton i Wellnext, kierowanie rozwojem biznesu i inicjatyw technologicznych Microsoft (MSFT ) w iomer internet solutions, oraz pełnienie funkcji kierowniczych i członkowskich w radach nadzorczych w branży technologicznej, ochrony zdrowia, bezpieczeństwa publicznego i organizacjach społecznych. To doświadczenie dało mu szeroką perspektywę na to, jak technologia zmienia sposób, w jaki ludzie współpracują, podejmują decyzje i wykonują swoją pracę.

Punchcard Systems to kanadyjski partner technologiczny, który współpracuje ze skalowalnymi i średnimi przedsiębiorstwami w celu projektowania, tworzenia i wdrażania cyfrowych rozwiązań związanych z wymiernymi celami biznesowymi. Świadcząc usługi dla ponad 150 klientów w Kanadzie i Stanach Zjednoczonych, firma oferuje możliwości takie jak oprogramowanie na zamówienie, sztuczna inteligencja, chmura obliczeniowa, dane i analiza, projektowanie user experience oraz technologie miejsca pracy, takie jak Microsoft 365, Azure, Copilot, Teams, SharePoint i Power Platform. Punchcard koncentruje się na pomocy organizacjom w modernizacji operacji, poprawie doświadczeń pracowników i klientów oraz integracji nowych technologii w praktyczne procesy biznesowe.

Twoja kariera przebiegała wraz z ewolucją technologii miejsca pracy, od platform opartych na Microsoft SharePoint do założenia Startup Edmonton, budowy Wellnext i ostatecznie Punchcard Systems. Jak to doświadczenie ukształtowało twoje spojrzenie na zmianę od oprogramowania, które pracownicy obsługują sami, do agentów AI, które wykonują pracę w ich imieniu?

Kiedy po raz pierwszy zacząłem pracować z cyfrowymi technologiami miejsca pracy, takimi jak SharePoint (już w 2003 roku!), koncentrowałem się na tworzeniu lepszych sposobów dla pracowników, aby znaleźć informacje, udostępnić wiedzę i współpracować. Na końcu dnia pracownik wykonywał pracę: nawigował systemami, produkował wyniki. Dziś przechodzimy od AI jako narzędzia produktywności indywidualnej do nowej ery agentów AI, które mogą wykonywać bardziej złożone, wieloetapowe zadania w imieniu pracowników.

To jest ta część, która się zmienia. Jako ekosystem, przechodzimy od AI jako narzędzia produktywności do systemów agenci, które podejmują bardziej złożone prace w imieniu prawdziwych ludzi. Claude Cowork i ChatGPT Work sprawiają, że ten agenciowy podejście staje się dość powszechne.

Obserwowałem kilka takich zmian technologicznych i wzorzec zawsze się powtarza. Organizacje, które wygrywają, nie traktują nowej technologii jedynie jako wdrożenia. Traktują ją jako okazję do przemyślenia, jak ludzie, procesy i technologia współpracują.

ChatGPT Work może gromadzić informacje z połączonych aplikacji i plików, wykonywać zadania wieloetapowe i produkować gotowe dokumenty, arkusze kalkulacyjne i prezentacje. Jak to zmieni codzienne odpowiedzialności pracowników wiedzy, którzy wcześniej sami tworzyli te materiały?

Myślę, że praca zmienia się od “produkcji wyników” do “zarządzania efektami”. To fundamentalnie zmienia rolę pracowników wiedzy, ale nie zastępuje potrzeby ludzkiej wiedzy i nadzoru. Zamiast tego pracownicy będą coraz częściej przechodzić od tworzenia każdego kawałka pracy samodzielnie do zarządzania, przeglądania i koordynowania wyników wygenerowanych przez AI.

Większość powtarzalnej pracy zostanie przeniesiona na agenta: gromadzenie informacji, tworzenie prezentacji lub dokumentów, czy podsumowywanie danych. To uwalnia ludzi do pracy, która naprawdę potrzebuje osoby: strategii, kreatywności, myślenia krytycznego i współpracy.

Umiejętność, która staje się coraz bardziej cenna, to wiedza, jak dobrze kierować AI, dając mu odpowiedni kontekst i rozpoznając, kiedy odpowiedź wygląda prawidłowo, ale nie jest.

Opisano rosnącą potrzebę “menedżerów AI”. Co to role obejmuje w praktyce i jak różnią się one od odpowiedzialności administratora IT, menedżera produktu czy tradycyjnego menedżera?

Menedżerowie AI będą odgrywać ważną rolę w pomaganiu organizacjom w przyjęciu AI w sposób odpowiedzialny i efektywny. Ich odpowiedzialność będzie polegać na zarządzaniu i nadzorowaniu wyników AI, zapewniając, że praca wygenerowana przez AI jest dokładna, niezawodna i zgodna z celami biznesowymi.

To jest inna praca niż tradycyjne IT, które zarządza infrastrukturą i systemami technicznymi, lub menedżer produktu, który koncentruje się na rozwoju i udoskonaleniu produktów. Każdy dział będzie potrzebował kogoś, kto rozumie, jak AI stosuje się do ich konkretnych obszarów, czy to finansów, prawa, HR, czy operacji.

Prawdziwa zmiana dotyczy własności. Obecnie większość organizacji nie wyznaczyła jeszcze osoby, która jest wyraźnie odpowiedzialna za to, czy te systemy dostarczają wartości i pozostają w ramach akceptowalnego ryzyka. To luka, jeśli chodzi o identyfikację osób bezpośrednio odpowiedzialnych, to właśnie te role będą wypełniać.

KPMG Canada stwierdziło, że agenci AI już wpływają na to, jak organizacje zatrudniają pracowników na stanowiskach podstawowych i doświadczonych. Jakie umiejętności staną się bardziej cenne, gdy pracodawcy zaczną oceniać kandydatów pod kątem ich zdolności do delegowania pracy do AI, oceniania jej wyników i interweniowania, gdy jest to konieczne?

Umiejętności, które staną się coraz bardziej cenne, to te, które pozostają wyjątkowo ludzkimi, takie jak myślenie krytyczne, osąd, komunikacja, kreatywność, rozwiązywanie problemów i przywództwo.

Techniczna literatura AI będzie nadal mieć znaczenie, ale pracodawcy szukają ludzi, którzy rozumieją, jak AI wpisuje się w szersze środowisko biznesowe. To obejmuje umiejętności takie jak zarządzanie zmianą, zarządzanie ryzykiem i myślenie strategiczne.

Granica między rolami technicznymi a nietechnicznymi zaczyna się zacierać. Organizacje przechodzą od zatrudniania tylko za umiejętności, które ktoś już posiada, do zatrudniania ludzi, którzy są gotowi uczyć się, adaptować i ciągle rozwijać swoje umiejętności. Najcenniejsi pracownicy będą tymi, którzy potrafią wykorzystywać możliwości AI, rozumiejąc, gdzie ludzka wiedza pozostaje niezbędna.

Wielu pracowników tradycyjnie rozwijało profesjonalną wiedzę, wykonując powtarzalne zadania na stanowiskach podstawowych. Jeśli agenci AI pochłoną większość tej podstawowej pracy, jak organizacje mogą przebudować szkolenia i rozwój kariery, aby młodsi pracownicy nadal zdobywali doświadczenie niezbędne do zostania skutecznymi decydentami?

To jest prawda, która nieco mnie martwi. Ludzie budowali wiedzę i doświadczenie, przechodząc przez zadania podstawowe. Jeśli agenci wykonują tę pracę, drabina traci kilka szczebli.

Organizacje muszą być bardziej celowe niż kiedykolwiek wcześniej w budowaniu talentów juniorów poprzez mentorstwo, coaching, ćwiczenia decyzyjne i wcześniejszy dostęp do projektów o wyższej wartości w karierze.

Istnieje również okazja do odwrotnego mentorstwa, gdzie młodsi pracownicy, którzy są bardziej zaznajomieni z narzędziami AI, mogą pomóc zespołom zrozumieć, jak te technologie mogą być stosowane, podczas gdy doświadczeni pracownicy nadal zapewniają kontekst biznesowy i wiedzę, której AI nie może powielić.

Celem powinno być przebudowanie procesu uczenia się dla miejsca pracy, w którym ludzie i AI współpracują.

Punchcard ma obszerną wiedzę na temat wdrażania Microsoft 365 i pokrewnych technologii miejsca pracy. Jak ChatGPT Work zmienia krajobraz konkurencyjny dla Microsoft Copilot i Google Gemini, oraz jakie czynniki organizacje powinny brać pod uwagę przy wyborze platformy AI do codziennej pracy?

Krajobraz ewoluuje szybko, a organizacje mają więcej opcji niż kiedykolwiek wcześniej. Decyzja powinna opierać się na tym, które rozwiązanie najlepiej odpowiada istniejącemu środowisku technologicznemu, przepływom pracy, wymogom bezpieczeństwa i celom biznesowym organizacji.

Dla organizacji, które już inwestują w Microsoft 365, narzędzia takie jak Copilot mogą zapewnić przewagę dzięki integracji z istniejącymi aplikacjami i danymi. Inni mogą znaleźć inne platformy lepiej dostosowane do ich potrzeb.

Myślę, że kluczowe pytanie, które liderzy powinni zadawać, nie brzmi “jakie narzędzie?”, ale “jaki problem rozwiązuje i która platforma pomaga w jego rozwiązaniu w sposób odpowiedzialny?”

To, czego się nauczyliśmy, jest takie, że udane wdrożenie to coś więcej niż samo narzędzie. Wdrożyliśmy firmowe platformy AI z modelem dostosowanym do tego, jak naprawdę pracujemy. Każdy pracownik z niej korzysta, ale to nie wynikało z wyboru odpowiedniego produktu, a z silnych fundamentów danych, zarządzania i budowania AI w sposób, w jaki firma działa.

Wydajność modelu często dominuje rozmowy o AI w miejscu pracy, ale organizacje muszą również brać pod uwagę uprawnienia, dostęp do danych, audytowalność i odpowiedzialność. Jakie mechanizmy zarządzania powinny zostać ustanowione przed dopuszczeniem agenta AI do działania w całym firmie, w tym w e-mail, dokumentach, bazach danych i aplikacjach biznesowych?

Jednym z największych błędów, które organizacje popełniają, jest traktowanie zarządzania AI jako rzeczy, które można zrobić później. Gdy systemy AI stają się bardziej zdolne i połączone z danymi biznesowymi, organizacje muszą ustanowić jasne zasady dotyczące ich wykorzystania przed ich szerokim wdrożeniem.

To zaczyna się od zrozumienia, jakie informacje systemy AI mogą uzyskać, zapewnienia, że uprawnienia są odpowiednio określone, oraz ustanowienia kontroli wokół monitorowania i odpowiedzialności.

Organizacje również muszą mieć jasne wytyczne dotyczące tego, gdzie AI może działać niezależnie i gdzie nadzór ludzki jest wymagany.

Poprzez budowanie odpowiednich fundamentów wokół danych i bezpieczeństwa na etapie początkowym, firmy mogą odblokować wartość AI, zarządzając jednocześnie ryzykiem, które pojawia się wraz ze coraz bardziej autonomicznymi systemami.

Gdy agenci AI podejmują działania, a nie tylko dostarczają odpowiedzi, błędy mogą mieć konsekwencje operacyjne. Jak firmy powinny walidować pracę wygenerowaną przez agentów, określać, które działania wymagają zatwierdzenia przez człowieka, i przypisać odpowiedzialność, gdy agent produkuje niedokładny wynik lub podejmuje niezamierzone działanie?

Gdy AI przechodzi od odpowiadania do działania, profil ryzyka się zmienia. Nie każde zadanie niesie ze sobą te same konsekwencje, więc poprzeczka dla zatwierdzenia przez człowieka powinna skalować się wraz z tym, co jest stawką.

Prosto mówiąc, wymaga to jasnej własności. AI powinno wspierać podejmowanie decyzji, a nie zastępować odpowiedzialność. Organizacje muszą określić, kto monitoruje wydajność AI, waliduje wyniki i jest ostatecznie odpowiedzialny za rezultaty. Celem jest połączenie efektywności AI z ludzkim osądem, tworząc systemy, które są zarówno skalowalne, jak i godne zaufania.

Wiele organizacji eksperymentuje z AI bez połączenia jej z wymiernymi wynikami biznesowymi. Jak liderzy powinni identyfikować wartościowe przypadki użycia agentów AI, mierzyć zwrot z inwestycji i określać, czy pilotaż jest gotowy do wdrożenia w całej firmie?

Przeważnie luka ta wynika z sekwencjonowania. Zespoły wybierają technologię jako pierwszą, a potem szukają miejsca, gdzie ją zastosować, kiedy trwałe zwycięstwa pochodzą z rozpoczęcia od przepływu pracy, który jest już bolesny i kosztowny, i pytania, czy agent jest naprawdę odpowiednim narzędziem.

Najlepszym filtrem jest zmiennność. Jeśli proces jest wystarczająco przewidywalny dla silnika reguł, nie potrzebujesz agenta. Jeśli jest tak otwarty, że nikt nie może opisać dobrego wyniku, agent będzie miał trudności i nie będziesz mógł mu zaufać. Wartość leży pomiędzy, w pracy, która wymaga osądu w kilku systemach, ale nadal działa w ramach ograniczonych, audytowalnych reguł.

Dodałbym jedno pytanie wstępne, który zmienia profil ryzyka bardziej niż cokolwiek innego. Czy koszt niewłaściwej akcji jest ograniczony i odwracalny? Gdzie tak, pozwól agentowi działać i ruszaj szybko. Gdzie pomyłka jest droga lub trudna do odwrócenia, trzymaj człowieka w decyzji.

Co do zwrotu, powszechnym błędem jest mierzenie czegoś, co nie jest istotne, za późno. Oszczędność godzin jest domyślnym metrykiem, ale to zaniża wpływ. Większe zwroty pojawiają się jako kompresja czasu cyklu, niższe wskaźniki błędów i pojemność, która wcześniej była racjonowana, staje się dostępna. Zespół wsparcia, który mógł dotrzeć tylko do połowy zgłoszeń, staje się innym biznesem, gdy może dotrzeć do wszystkich. Zapisz czystą bazę przed rozpoczęciem pilotażu, bo bez niej zostaniesz zmuszony do dyskusji nad anegdotami. A gdy liczysz koszty, uwzględnij pełen obraz. Praca integracyjna i czas nadzoru ludzkiego są prawdziwymi pozycjami, a nadzór jest chronicznie niedoceniany.

Decyzja o wdrożeniu jest tym, gdzie dyscyplina ma największe znaczenie, i to jest krok, który zespoły spieszą. Demo na czystych danych mówi ci niewiele. Pilotaż jest gotowy, gdy wytrzymuje on na długim ogonie rzeczywistych, nieładnych danych, gdy tryby awaryjne są zrozumiane i ograniczone, gdy obserwowalność jest na miejscu, aby cicha awaria została wykryta, a nie odkryta przez klienta, i gdy osoba jest odpowiedzialna w produkcji.

Uruchom sprawdzanie ekonomii jednostkowej, ponieważ koszty agenta skalują się z użyciem w sposób, w jaki miejsca w oprogramowaniu nie robią.

Systemy agenciowe zawodzą inaczej niż tradycyjne oprogramowanie. Zawodzą prawdopodobnie i często cicho, więc organizacje, które wygrywają, budują ocenę i monitoring od samego początku, zamiast montować je później, gdy coś pójdzie nie tak.

Punchcard Systems pomaga organizacjom przechodzić od eksperymentowania z AI do integracji jej w prawdziwe procesy biznesowe. Jak oceniasz gotowość organizacji do AI, identyfikujesz przepływy pracy, w których może dostarczyć wymierną wartość, i pomagasz zespołom wdrożyć te systemy w sposób odpowiedzialny, nie zakłócając istniejących operacji?

Ważne jest, aby zacząć od zrozumienia bieżącego stanu organizacji. Jednym z największych mitów jest to, że przyjęcie AI jest po prostu kwestią wyboru odpowiedniego narzędzia. W rzeczywistości, udane wdrożenie zależy od posiadania silnych fundamentów: jakości danych, jasnych procesów i określonej własności.

Następnie pomagamy organizacjom wskazać, gdzie AI może stworzyć największą wartość, często w przepływach pracy, które pochłaniają nieproporcjonalnie dużo czasu w stosunku do ich wpływu, lub w decyzjach podejmowanych bez odpowiednich informacji.

Organizacje muszą myśleć o tym, jak role i podejmowanie decyzji będą ewoluować wraz z technologią. Poprzez łączenie odpowiedniej technologii z przyjęciem przez pracowników i zarządzaniem zmianą, firmy mogą integrować AI w sposób, który tworzy wymierną wartość, nie niszcząc tego, co już działa.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Punchcard Systems.