Scott Ernst, dyrektor generalny Vyond – cykl wywiadów

Wielokrotnie prowadził Pan firmy technologiczne przez ważne zmiany — od pomocy w rozwijaniu Compete, począwszy od startupu na wczesnym etapie, aż do jego przejęcia, przez doprowadzenie Macromill do pierwszej oferty publicznej, po późniejsze przeorientowanie Drift na AI przed przejęciem firmy przez Salesloft. Obejmując stery w Vyond w czasie kolejnej wielkiej zmiany technologicznej, jakie wnioski z tych doświadczeń wpływają na Pana podejście do ery AI?

W każdej z tych zmian dostrzegam ten sam schemat: zmiana technologiczna rzadko jest najtrudniejsza. Najtrudniej sprawić, by cała organizacja ruszyła w tym samym kierunku, gdy zmiana staje się oczywista. W Compete najważniejsza była dyscyplina: zbudowanie lidera kategorii od skromnych początków wymaga nieustannego skupienia na kilku działaniach, które naprawdę napędzają firmę, zamiast pogoni za każdą okazją. W Macromill rozwój na skalę globalną i wejście spółki na giełdę nauczyły mnie, że wzrost bez rygoru operacyjnego prędzej czy później prowadzi do kryzysu… Potrzebne są procesy raportowania, prognozowania i nadzoru, które pozwolą rozwijać się w takim tempie jak firma.

To, co wydarzyło się w Drift, najściślej wiąże się z obecną sytuacją. Gdy zadebiutował ChatGPT, mieliśmy już własny, autorski produkt AI i pierwszym odruchem była chęć jego ochrony. Zamiast tego podjęliśmy trudniejszą decyzję: otworzyliśmy się i przeorientowaliśmy całą firmę na generatywną AI, bo uznaliśmy, że rynek zmienia się szybciej, niż byliśmy w stanie bronić naszej przewagi. Nie była to decyzja produktowa, lecz przywódcza — wymagała przekonania i wyczucia czasu.

Wniosek, który wyniosłem z tych doświadczeń i zabrałem ze sobą do Vyond, jest taki: podczas prawdziwej zmiany platformy wygrywają nie firmy najbardziej ostrożne ani najbardziej ryzykowne, lecz te, które szybko jednoczą całą organizację wokół jasnej wizji, a następnie działają z prawdziwą determinacją. Właśnie tak teraz postępujemy: ustalamy, co jest prawdą dziś, budujemy mocne przekonanie co do kierunku, w którym zmierza rynek, i sprawiamy, że cała firma podąża w tym samym kierunku, zanim zamknie się okno możliwości.

Generatywna AI znacznie ułatwiła przedsiębiorstwom tworzenie treści, ale twierdzi Pan, że większym wyzwaniem jest teraz wykorzystanie wiedzy w praktyce. Co to oznacza i dlaczego uważa Pan, że samo generowanie treści rozwiązuje tylko niewielką część problemu?

Generatywna AI rozwiązała najtrudniejsze, od dawna istniejące ograniczenie w tworzeniu treści: wcześniej potrzebni byli specjalista, proces produkcyjny i odpowiednio dużo czasu. Teraz niemal każdy w organizacji może przygotować coś w kilka minut. To prawdziwy przełom, ale oznacza też, że każdy dział — od marketingu, HR, sprzedaży i IT po L&D — tworzy teraz treści niezależnie od pozostałych, często dotyczące tej samej wiedzy, przy użyciu różnych narzędzi i bez wspólnego systemu będącego wiarygodnym źródłem informacji.

Wykorzystanie wiedzy w praktyce polega nie tyle na tworzeniu większej liczby treści, ile na upewnieniu się, że ludzie mogą znaleźć i wykorzystać właściwe informacje. Chodzi o to, by wiedzieć, gdzie znajduje się zaufana, aktualna wersja danego materiału, kto za nią odpowiada, czy została zatwierdzona i jak trafia do procesów, w których jest naprawdę potrzebna: do systemu LMS, CRM, listy kontrolnej wdrażania pracowników i narzędzia do monitorowania zgodności z przepisami. Bez tego pojawia się to, co nazwałbym chaosem komunikacyjnym: treści się powielają, standardy marki przestają być spójne, zespoły od nowa wykonują już wykonaną pracę, a nikt nie potrafi z przekonaniem wskazać, która wersja jest właściwa. Wiele z tych problemów zaczyna się jeszcze wcześniej, niż ludzie sądzą — zanim powstanie choćby jeden materiał, gdy nikt tak naprawdę nie określił odbiorców, celu ani źródeł, na których miało się opierać zlecenie.

Generowanie treści odpowiada na pytanie: „Czy możemy szybko to przygotować?” — to rzeczywisty problem, który AI w dużej mierze już rozwiązała. Wykorzystanie wiedzy w praktyce odpowiada na pytanie: „Czy właściwa osoba może znaleźć właściwą, zaufaną wersję tego materiału wtedy, gdy jej potrzebuje, w narzędziu, z którego już korzysta?”. Ten drugi problem jest większy, ma bardziej strukturalny charakter i wciąż daleko nam do jego rozwiązania w skali całej branży. To właśnie szansa, która się przed nami otwiera.

Firmy gromadzą ogromne ilości dokumentów, danych, podsumowań generowanych przez AI i wiedzy organizacyjnej. Gdzie, twoim zdaniem, najczęściej pojawia się problem między dostępem do tych informacji a przekazywaniem ich w sposób, który pracownicy mogą zrozumieć i wykorzystać w działaniu?

Problemem nie jest dostęp… większość firm ma już więcej informacji, niż jedna osoba jest w stanie przetworzyć. Chodzi o ich przekształcanie i zaufanie. Wiedza jest przechowywana w obszernych, statycznych formatach, takich jak pliki PDF, prezentacje, wiki i dokumenty zawierające zasady, przygotowanych z myślą o przechowywaniu i wyszukiwaniu, a nie szybkim zrozumieniu. Przekształcenie jej w coś, co można przyswoić i wykorzystać w działaniu, wymaga dodatkowego etapu, w który większość organizacji nie inwestuje w sposób systematyczny.

Wyraźnie dostrzegłem to podczas rozmowy z wiceprezesem ds. technologii marketingowej dla przedsiębiorstw u jednego z naszych klientów, firmy technologicznej z listy Fortune 100. Problemem nie był brak informacji, lecz to, że różne części bardzo dużej organizacji rozwiązywały te same problemy komunikacyjne w odizolowany i niespójny sposób. W efekcie wiedza, która istniała gdzieś w firmie, nie docierała niezawodnie do osób, które jej potrzebowały, ani w formie, którą mogły wykorzystać. Jak to ujął, w tak dużej firmie prawa ręka po prostu nie wie, co robi lewa.

Na tym polega prawdziwa luka: firmom nie brakuje danych, lecz wniosków. Rozwiązaniem nie jest więcej treści ani więcej miejsca na ich przechowywanie, lecz wypracowanie metody, a coraz częściej także stworzenie systemu, który przekształca surową wiedzę organizacyjną w jasną, wizualną i godną zaufania komunikację, a następnie włącza ją w obieg pracy, w którym faktycznie podejmuje się decyzje.

W miarę jak agenci AI zyskują zdolność do samodzielnego przekształcania wiedzy firmowej w materiały szkoleniowe, materiały wspierające sprzedaż, treści dotyczące zgodności lub komunikację wewnętrzną, co powinno pozostać pod kontrolą człowieka, a w jakich obszarach firmy mogą bezpiecznie pozwolić agentom działać niezależnie?

Moja ogólna zasada jest taka, że agenci powinni wykonywać pracę, a ludzie odpowiadać za osąd — zwłaszcza tam, gdzie błąd może mieć poważne konsekwencje. W przypadku zadań o mniejszej wadze, wykonywanych na dużą skalę i powtarzalnych, takich jak przygotowywanie pierwszych wersji tekstów, przekształcanie wiedzy do nowego formatu, dostosowywanie zatwierdzonych już treści do nowego języka lub regionu czy aktualizowanie modułu szkoleniowego po zmianie dokumentu źródłowego, agenci mogą i powinni działać z dużą autonomią. Właśnie tego rodzaju praca pochłania dziś ogromne ilości czasu, przynosząc niewielką wartość strategiczną.

Ścisła kontrola człowieka musi pozostać wszędzie tam, gdzie treści wiążą się z ryzykiem prawnym, regulacyjnym, dotyczącym bezpieczeństwa lub marki. W takich przypadkach człowiek musi ostatecznie zatwierdzić każdą treść przed jej publikacją, a materiały źródłowe muszą być w pełni identyfikowalne.

Bezpośrednio przekonaliśmy się o tym we współpracy z klientem z sektora obronnego. Ze względu na wrażliwy charakter swojej pracy jego zespół ds. bezpieczeństwa początkowo w ogóle nie chciał dopuścić AI do stosowanych procesów. Rozwiązaniem nie było przyznanie agentowi większej autonomii, lecz wprowadzenie odpowiednich zabezpieczeń: specjalnej umowy gwarantującej, że dane klienta nigdy nie posłużą do trenowania zewnętrznych modeli, oraz jasno określonych punktów kontrolnych, w których jego zespoły zachowały prawo do zatwierdzania. Tę zasadę można uogólnić: autonomia agenta powinna rosnąć wraz z odwracalnością działania i spadkiem ryzyka, a kontrola człowieka — wraz ze wzrostem stawki związanej z zaufaniem, zgodnością lub wizerunkiem marki.

Zarządzanie marką staje się znacznie bardziej skomplikowane, gdy automatycznie można generować tysiące treści. Jakich zabezpieczeń technicznych i organizacyjnych potrzebują firmy, aby komunikacja tworzona przez AI pozostawała rzetelna i spójna oraz zgodna z zasadami obowiązującymi w firmie?

Z technicznego punktu widzenia najważniejsze są zabezpieczenia, które sprawiają, że treści generowane przez AI opierają się na zatwierdzonych materiałach źródłowych firmy i jej systemie identyfikacji marki, zamiast pozwalać AI na swobodne generowanie treści. Wytyczne dotyczące stylu, zasoby marki i zabezpieczenia związane z dostosowywaniem treści musi egzekwować sama platforma, a nie pozostawiać ich przestrzegania poszczególnym użytkownikom. Oznacza to, że zatwierdzone logo, kolory, szablony i referencyjne materiały wideo muszą znajdować się na samej platformie, aby każda wygenerowana treść korzystała z tych samych źródeł, a nie z wersji, która akurat znajduje się w danym tygodniu na czyimś komputerze. Równie ważne są kontrola wersji i ścieżki audytu: firma musi mieć możliwość sprawdzenia, kto zlecił przygotowanie treści, z jakiego źródła ona pochodzi i kto ją zatwierdził — zarówno gdy została wygenerowana, jak i edytowana lub zatwierdzona. Trzeba też umożliwić recenzentom i interesariuszom, nie tylko osobie obsługującej narzędzie, dodawanie uwag i zatwierdzanie treści w ramach tego samego procesu. Dzięki temu zatwierdzanie nie odbywa się w osobnym wątku mailowym, który zrywałby właśnie budowaną ścieżkę audytu.

Z perspektywy organizacyjnej kluczowe jest jasne określenie odpowiedzialności. Firmy, z którymi współpracujemy i które dobrze zarządzają tym obszarem, odchodzą od sytuacji, w której każdy zespół niezależnie wdraża własne narzędzia i procesy. Zamiast tego traktują platformę komunikacyjną tak, jak traktowałyby system będący źródłem prawdy: dostęp jest przyznawany w przemyślany sposób, wykorzystanie monitoruje się zbiorczo, a niewielki zespół ds. zarządzania odpowiada za standardy, zgodnie z którymi działają wszyscy. Widzieliśmy, jak duże organizacje wprost oceniają, czy dana platforma może stać się ich standardowym systemem w całej firmie — właśnie dlatego, że tylko w ten sposób można zapewnić spójność na dużą skalę, zamiast tworzyć tysiące niezależnych treści, które są „wystarczająco dobre”, ale w rzeczywistości nie są ze sobą zgodne.

Podstawowa zasada pozostaje taka sama jak zawsze w przypadku zarządzania marką, zmieniła się jedynie skala i tempo działania, co oznacza, że zabezpieczenia muszą być wbudowane w system, a nie egzekwowane dopiero po fakcie.

Halucynacje są niepokojące w przypadku chatbota, ale mogą mieć znacznie poważniejsze konsekwencje, gdy nieprawdziwe informacje trafiają do wyglądającego wiarygodnie materiału szkoleniowego lub filmu dotyczącego zgodności z przepisami. Jak przedsiębiorstwa powinny zadbać o oparcie treści na źródłach, weryfikację i możliwość ustalenia ich pochodzenia, w miarę jak komunikacja tworzona przez AI staje się coraz bardziej zautomatyzowana?

To prawda, stawka jest inna. Zmyśloną odpowiedź w oknie czatu kwestionuje się od razu. Zmyślony fakt zawarty w dopracowanym, profesjonalnie zrealizowanym filmie szkoleniowym dotyczącym zgodności z przepisami zyskuje autorytet, przez który odbiorcy rzadziej go podważają — a przecież właśnie wtedy kontrola powinna być najdokładniejsza.

Pierwszą zasadą musi być oparcie treści na źródłach: komunikacja tworzona przez AI powinna bazować wyłącznie na materiałach dostarczonych przez przedsiębiorstwo… jego własnych dokumentach, politykach i zatwierdzonych danych, a nie na ogólnej wiedzy modelu.

Druga zasada to możliwość ustalenia pochodzenia: każdy wygenerowany materiał powinien dać się powiązać z konkretnym źródłem, na którym go oparto. Dzięki temu, jeśli coś jest nieprawidłowe, można dokładnie ustalić, skąd pochodzi błąd, i naprawić go u źródła, zamiast jedynie poprawiać gotowy materiał.

Trzecia zasada to weryfikacja: punkty kontrolne powinny być wbudowane w sam proces pracy, a nie dodawane dopiero później. Człowiek weryfikujący materiał powinien widzieć etapy pośrednie, a nie tylko gotowy, dopracowany film, ponieważ to właśnie dopracowana forma utrudnia wychwycenie błędów. W praktyce oznacza to sprawdzenie kompletnego konspektu lub roboczej wersji filmu scena po scenie, zanim zleci się ostateczne, droższe renderowanie. Dzięki temu błędne informacje lub niezgodne z marką stwierdzenia można wychwycić, gdy ich poprawienie jest jeszcze tanie i łatwe. W tej kwestii przedsiębiorstwa słusznie zachowują ostrożność. Dlatego zaufanie firm zdobędą nie najszybsze platformy, lecz te, które uczynią oparcie treści na źródłach, możliwość śledzenia ich pochodzenia i weryfikację integralną częścią działania systemu, a nie opcjonalnym ustawieniem

Czwartym elementem jest ciągła ocena, a nie tylko końcowa weryfikacja. W systemie agentowym sprawdzenie gotowego filmu nie wystarczy. Chcemy wiedzieć, jak agent doszedł do rezultatu. Nieustannie monitorujemy jego wyniki i podejmowane po drodze decyzje, sprawdzając, czy pozostają zgodne z dokumentami źródłowymi klienta, jego bazą wiedzy i pierwotnymi założeniami. Dzięki temu możemy wychwycić odejście od założeń lub spadek jakości materiału, gdy film jest jeszcze generowany, zamiast odkrywać problem dopiero po zakończeniu pracy.

Systemy AI są coraz częściej bezpośrednio łączone z bazami wiedzy przedsiębiorstw i procesami biznesowymi. Czy spodziewa się Pan, że kolejna generacja platform komunikacyjnych stanie się interfejsem łączącym dane przedsiębiorstwa, agentów AI i pracowników, zamiast być jedynie narzędziami do tworzenia treści?

Tak i myślę, że ta zmiana już się dokonuje. Tworzenie treści było pierwszym i najbardziej oczywistym problemem, który AI miała rozwiązać, ponieważ stanowiło najbardziej widoczne wąskie gardło. Gdy jednak samo tworzenie przestaje być ograniczeniem, cenniejszą pozycję zajmuje się pomiędzy zasobami wiedzy przedsiębiorstwa… jego systemem CRM, LMS, systemami zarządzania politykami wewnętrznymi i wewnętrznymi wiki a ludźmi, którzy potrzebują, by tę wiedzę przełożyć na coś, z czego mogą rzeczywiście skorzystać.

To zasadniczo inna rola niż rola narzędzia do tworzenia treści. Takie narzędzie czeka, aż ktoś zgłosi prośbę. Warstwa interfejsu działa w ramach procesów, w których wiedza już jest dostępna, rozumie, co się zmieniło, i pomaga skierować odpowiednią komunikację do właściwej osoby bez konieczności każdorazowego inicjowania tego procesu przez kogoś.

Już teraz dostrzegamy pierwsze oznaki tego, że przedsiębiorstwa właśnie tego oczekują. Duzi klienci coraz częściej nie pytają, czy możemy dostarczyć narzędzie wideo dla jednego zespołu, lecz czy możemy stać się standardowym systemem w całej ich organizacji. Przekształcanie wiedzy instytucjonalnej w komunikację pozwoliłoby pracownikom spoza głównego zespołu kreatywnego — między innymi z działów prawnych, ds. zgodności, zespołów regionalnych i kadr kierowniczych pierwszej linii — wnosić swój wkład bez konieczności posiadania pełnej licencji ani przechodzenia długiego procesu nauki. To przejście od tworzenia treści do infrastruktury komunikacyjnej i właśnie w tym kierunku, moim zdaniem, będzie zmierzać cała branża.

Tę zmianę przyspieszają również powstające otwarte protokoły, takie jak MCP i A2A. MCP zapewnia agentom AI ustandaryzowany sposób pobierania zaufanego kontekstu z własnych narzędzi przedsiębiorstwa i systemów będących źródłem wiarygodnych danych, a A2A umożliwia współpracę wyspecjalizowanych agentów z różnych platform. W praktyce oznacza to, że platforma taka jak nasza nie musi obsługiwać każdego procesu ani posiadać wszystkich danych przedsiębiorstwa, by być użyteczna. Może łączyć się z systemami, którym firma już ufa, współpracować z innymi agentami tam, gdzie ma to sens, i skupić się na tym, co robimy najlepiej: przekształcaniu tego kontekstu w komunikację, którą ludzie mogą rzeczywiście zrozumieć i wykorzystać. To przejście od tworzenia treści do infrastruktury komunikacyjnej i właśnie w tym kierunku, moim zdaniem, będzie zmierzać cała branża.

Vyond obsługuje już organizacje z obszarów rozwoju pracowników, HR, wsparcia sprzedaży, zgodności z przepisami i komunikacji wewnętrznej. Który z tych obszarów, Pana zdaniem, zmieni się najbardziej za sprawą agentowej AI i jak mogą wyglądać te procesy, gdy agenci będą już bardziej zaawansowani?

Wskazałbym obszary zgodności i rozwoju pracowników jako te, które mają największy potencjał do zmian, właśnie dlatego, że dziś najbardziej dotyka je problem nieaktualnych treści. Szkolenia z zakresu zgodności zazwyczaj przygotowuje się raz, a następnie aktualizuje powoli, w cyklu rocznym lub półrocznym, mimo że polityki, przepisy i zagrożenia nieustannie się zmieniają. Gdy agenci będą potrafili niezawodnie monitorować źródłowy dokument zawierający zasady i rozumieć, co się w nim zmieniło, tworzenie treści dotyczących zgodności może przestać być okresowym projektem, a stać się procesem ich ciągłego aktualizowania. To rzeczywiste ograniczenie ryzyka dla przedsiębiorstwa, a nie tylko wzrost efektywności. Coraz częściej oznacza to również, że sama treść musi zawierać jasny, możliwy do skontrolowania zapis informujący, że powstała przy wsparciu AI, ponieważ zarówno organy regulacyjne, jak i klienci korporacyjni zaczynają oczekiwać takiego ujawnienia jako standardowej praktyki, a nie czegoś, o czym przypomina się na końcu.

W przypadku L&D mechanizm jest podobny, ale szansą jest tu personalizacja, a nie tylko aktualność: zamiast jednego modułu szkoleniowego przygotowanego z myślą o przeciętnym uczestniku agenci mogą pomóc dostosować tempo, przykłady, a nawet format do stanowiska i konkretnej osoby, przy zachowaniu zgodności z tymi samymi zatwierdzonymi materiałami źródłowymi i standardami projektowania szkoleń. W przypadku globalnych organizacji coraz częściej dotyczy to również języka i głosu, dzięki czemu to samo szkolenie może trafić do pracowników zakładu w Brazylii lub zespołu sprzedaży w Japonii w formie, która rzeczywiście odpowiada lokalnym realiom, a nie jest jedynie opatrzona napisami.

Zmiany obejmą także wsparcie sprzedaży i komunikację wewnętrzną, ale określiłbym je raczej jako wzrost szybkości i trafności przekazu niż transformację strukturalną… Chodzi o to, by właściwa wiadomość szybciej trafiała do odpowiedniego handlowca lub zespołu, w formacie dostosowanym do tego, jak faktycznie przyswajają informacje. Wszystkie te obszary łączy jedno: AI oparta na agentach nie tylko przyspiesza każdy z tych procesów, ale też pozwala im zachować aktualność w sposób, który przy dzisiejszych ręcznych cyklach tworzenia treści jest po prostu nierealny.

Patrząc dalej w przyszłość: jeśli przedsiębiorstwa będą potrafiły nieustannie przekształcać wiedzę wewnętrzną w spersonalizowaną, aktualną komunikację dla każdego pracownika, jak może to zmienić sposób szkolenia ludzi, dzielenia się wiedzą i, ostatecznie, funkcjonowania organizacji?

Jeśli to stanie się rzeczywistością — a wierzę, że tak będzie — zmieni rytm działania firmy, a nie tylko jej funkcję szkoleniową. Obecnie większość organizacji komunikuje się partiami: prowadzi coroczny cykl szkoleń z zakresu zgodności, organizuje kwartalne spotkanie dla całej firmy, przygotowuje pakiet wdrożeniowy, który powstaje raz i jest wykorzystywany przez lata. Wynika to z tego, że tworzenie komunikacji było dotąd kosztowne i powolne, a nie z tempa, w jakim faktycznie zmienia się firma.

W świecie, w którym wiedza jest nieustannie przekształcana w spersonalizowaną, aktualną komunikację dla każdego pracownika, szkolenie przestaje być jednorazowym wydarzeniem i staje się stałym, adaptacyjnym strumieniem… Pracownik otrzymuje aktualizację w formacie i zakresie odpowiednim do jego roli, dokładnie wtedy, gdy jest mu potrzebna, a nie wiele miesięcy później, w ramach zbiorczej komunikacji. Wiedza przestaje być zamknięta w umysłach osób, które akurat ją posiadają, i staje się czymś, co organizacja może systematycznie rozpowszechniać i stale aktualizować.

Najważniejszym rezultatem, do którego wciąż wracam, jest oszczędność czasu. Każda minuta, którą organizacja poświęca dziś na szukanie potrzebnych informacji, odtwarzanie czegoś, co już istnieje, lub poprawianie nieaktualnej albo niespójnej wiadomości, to czas, którego nie przeznacza na realizację zadań. Jeśli przedsiębiorstwa będą w stanie rzeczywiście i na dużą skalę, w sposób ciągły, zniwelować różnicę między wiedzą a zrozumieniem, te, które zrobią to jako pierwsze, nie tylko będą lepiej się komunikować — po prostu będą działać szybciej niż te, które nadal funkcjonują w cyklach.

Dziękuję za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej, mogą odwiedzić stronę Vyond.