Povzetek vsebine
AI naj v projektnem delu pomaga odkleniti problem, ne pa ustvarjati 100 zlatih ključev, da potem vsi skupaj iščemo pravo ključavnico.
Zdaj že dobro vemo, da je AI v poslovnem okolju postal zelo uporaben pripomoček. Pomaga pri pisanju, raziskovanju, strukturiranju idej, pripravi predstavitev, analizi podatkov in še marsičem. Sam v tem vidim ogromno vrednosti. Problem pa nastane, ko AI ne služi več kot orodje za boljše delo, ampak kot bližnjica brez mučnega pridobivanja pravega razumevanja vsebine.
V zadnjem času opažam zanimiv pojav. Ljudje z AI ustvarijo zelo obsežne, urejene in na videz skoraj perfektne izdelke. Spolirane dokumente, strategije, predloge, infografike PowerPointe, analize, načrte. Nekaj, za kar bi prej porabili več dni ali celo tednov, zdaj nastane v nekaj urah ali celo par minutah. In potem s temi izdelki tudi precej samozavestno nastopijo, kot da je to rezultat njihovega globokega dela, razmišljanja in izkušenj.
Ampak v projektih ni dovolj, da nekaj izgleda dobro. Pomembno je, ali to dejansko pomaga ekipi za narediti korak naprej. Ali rešuje pravi problem? Ali človek razume, kaj je pripravil? Ali zna odgovoriti na praktična podvprašanja? Ali je bil v stiku z realnostjo problema, ali pa je samo dobro “napromptal” AI in dobil ličen izdelek?
Lažna produktivnost
AI zelo hitro ustvari občutek izjemne produktivnosti. Človek, ki je prej potreboval en teden za pripravo gradiva, zdaj čez noč pripravi dokument, ki izgleda kot delo cele svetovalne ekipe tipa McKinsey. To je lahko koristno, če je zaposleni že prej razumel problem in je AI uporabil kot pospeševalnik. Ni pa koristno, če je AI prevzel tudi tisti del, kjer bi človek moral sam razmišljati, planirati, koncipirati, preverjati, izločati in razumeti. Kritično razmisliti.
V projektih se vrednost ne meri samo po količini ustvarjene vsebine. Vrednost se meri po tem, ali izdelek pomaga sprejeti odločitev, zmanjšati nejasnost ali premakniti delo naprej. Deset strani urejenega besedila lahko izgleda kot velik prispevek, ampak če nihče ne ve, kaj je iz tega dejansko treba narediti, je to bolj breme kot pomoč.
Tu se pojavi problem navidezne presežne produktivnosti. Nekdo hitro dostavi nekaj zelo obsežnega in s tem ustvari občutek, da je naredil veliko in pomembno delo. Ekipa takšen izdelek prevzame, mora pa potem šele presoditi, kaj od tega je uporabno, kaj je generično, kaj je napačno, kaj je odveč in kaj sploh sodi v kontekst.
| Kaj izgleda kot produktivnost | Kaj je dejanska vrednost |
|---|---|
| 10 strani elaborata | Jasna odločitev ali naslednji korak |
| Popolno strukturiran dokument | Razumevanje problema in omejitev |
| Veliko idej in možnosti | Izbor prave možnosti za konkreten primer |
| Hitro pripravljena prezentacija z bogatimi infografikami | Uporabna podlaga za izvedbo, tudi če je na 2 črno-belih slajdih |
| Samozavesten nastop brez samo-presojanja | Sposobnost pojasniti logiko in trade-offe |
Če avtor ne zna razložiti svojega izdelka brez ponovnega vprašanja AI-ju, potem to ni več samo vprašanje produktivnosti. To je vprašanje odgovornosti. V timskem delu ni dovolj, da nekaj prineseš na mizo. Moraš tudi razumeti, kaj si prinesel. Ter kako se to vklopi v izgradnjo rezultatov, na podlagi katerih projekt napreduje.
Sto ZLATIH ključev namesto enega PRAVEGA
Veliko AI izdelkov ima isti problem. Pripravijo sto ključev za eno ključavnico (izziv, nalogo). Dokument pokrije vse možne vidike problema, našteje različne pristope, pripravi scenarije, tabele, matrike, okvirje, tveganja in priporočila. Na prvi pogled izgleda odlično. Ampak ekipa še vedno ne ve, kateri ključ dejansko odklene vrata.
To je pogost problem pri projektih. Pogosto imamo informacij na projektu skoraj preveč (ne nujno pravih) in dodatno obilje novih informacij ne daje nobenega zagotovila za uspeh. Manjka nam presoja, konkreten fit med problemom in rešitvijo ter občutek, kaj je v tem trenutku dovolj dobro, izvedljivo in smiselno.
AI zelo rad širi prostor možnega. To je lahko koristno v začetni fazi razmišljanja, brainstorming, odkrivanje neznanih neznank (t.i. “unkonwn unknowns” – stvari, ki bi jih na zčetku nismo poznali pa so nas kasneje na projektu kruto presenetile). Ampak projektno delo zahteva tudi zapiranje možnosti. Treba je nekaj izbrati, nekaj zavrniti in nekaj narediti. Če nekdo pride z dokumentom, ki vse obravnava na dolgo in široko, ni nujno pomagal. Morda je samo povečal kompleksnost.
Dober projektni prispevek bi moral odgovoriti predvsem na nekaj zelo praktičnih vprašanj:
- kaj je pravi problem,
- kaj je najkrajša uporabna pot naprej,
- kaj moramo vedeti zdaj in česa še ni treba reševati,
- kdo mora kaj narediti,
- kaj je dovolj dobro za naslednji korak.
To je bistvena razlika med AI-generirano širino in projektno uporabnostjo. AI izdelki niso nujno tudi projektni deliverabli. Vrednost je šele v tem, da znaš iz širine izbrati tisto, kar ima stik z realnim problemom.
AI samozavest brez realne kompetence
Velika razpoka se pokaže pri podvprašanjih. Nekdo pripravi dober dokument. V njem so pametne formulacije, urejena struktura in pravilno zveneči koncepti. Potem pa od projektne ekipe ponavadi dobi konkretna vprašanja: zakaj ravno ta rešitev? Kaj če ta predpostavka ne drži? Kako bi to izvedli v našem sistemu? Kaj bi bil prvi test? Kje se lahko zalomi?
Takrat se hitro vidi, ali je član projekta res razumel zadevo ali je samo outsourcal razmišljanje na AI. Če odgovori postanejo generični, če se sklicuje na to, da “vse piše v dokumentu”, ali če mora vsako podvprašanje spet vreči v AI, potem kompetenca ni tam, kjer izgleda, da je.
To ne pomeni, da AI ne bi smeli uporabljati. Ravno obratno. Dobro uporabljena AI orodja so lahko velika prednost. Ampak AI ne sme zamenjati procesa, kjer si človek umaže roke (sooči, pridobi izkušnje) z realnim delom: z raziskovanjem, testiranjem, pogovorom z uporabniki, branjem dokumentacije, preverjanjem predpostavk, poskusi, napakami in učenjem.
V timskem delu je ta razlika zelo pomembna. Član ekipe, ki razume problem, lahko sodeluje. Tisti, ki pa ima samo AI-generiran izdelek, pogosto postane notranji dobavitelj vsebine. Prinese dokument, ga odloži na mizo in pričakuje, da bo ekipa iz njega nekaj naredila. Za projekt so takšni izdelki prej motnja kot “enabler”.
Osebni AI vrtički znotraj podjetij
V podjetjih se danes pogosto dogaja, da AI uporaba ni vodena kot skupna organizacijska kompetenca. Vsak posameznik uporablja svoja orodja, svoje prompte, svoje načine dela, svoje mini sisteme in svoje osebne bližnjice. Na površini to izgleda kot napredek. V resnici pa lahko nastanejo otočki AI produktivnosti.
Namesto da bi AI izboljšal sodelovanje, lahko začne razbijati skupno razumevanje. Eden pripravi AI dokument. Drugi ga povzame z AI. Tretji iz tega naredi prezentacijo z AI. Četrti jo ponovno interpretira z AI. Vsaka iteracija izgleda bolj urejena, ampak vsebina se postopoma oddaljuje od realnosti. Kot pri avtomatiziranem sistemu stohastičnih agentov, kjer ima vsak člen 95 % uspešnost, skupni rezultat pa z vsako dodatno iteracijo izgublja zanesljivost.
| Način uporabe AI | Možna korist | Skrito tveganje |
|---|---|---|
| Posameznik uporablja AI za lastno delo | Hitrejša priprava osnutkov | Razumevanje ostane zasebno |
| Ekipa izmenjuje AI-generirane dokumente | Več vsebine v krajšem času | Manj skupnega pogovora |
| AI se uporablja za preverjanje sodelavcev | Hitrejši review | Lažen občutek objektivnosti |
| Vsak uporablja svoj AI proces | Lokalna učinkovitost | Organizacijska razdrobljenost |
| AI pripravi strateške predloge | Več idej | Premalo stika z izvedbo |
Tu nastane še ena asimetrija. Tisti, ki AI uporabljajo kot škarje ali kladivo, ohranjajo sebe v središču dela. AI jim pomaga, ampak oni še vedno nosijo razumevanje. Drugi pa z AI odprejo kreativno turbo verzijo sebe in začnejo nastopati kot mini McKinsey svetovalci. Veliko besed, veliko struktur, veliko PowerPointov, malo občutka za detajle.
Problem za vodje in ekipe je, da se ta razlika ne vidi takoj. Na začetku so AI izdelki impresivni. Hitri so. Obsežni so. Dobro izgledajo. Šele skozi čas se pokaže, da ekipa težje sodeluje, da se ljudje pogovarjajo čez dokumente namesto čez razumevanje in da se razpoke v logiki odkrivajo pozno.
Zato podjetja ne potrebujejo samo več AI uporabe. Potrebujejo boljšo AI kulturo. To pomeni vsaj nekaj osnovnih pravil:
- AI naj pospeši delo, ne pa nadomesti razumevanja.
- Vsak AI izdelek mora imeti človeka, ki ga zna razložiti.
- Krajši uporaben output je pogosto boljši kot dolg generičen elaborat.
- Ekipa mora imeti skupna pravila, kaj je osnutek, kaj je odločitev in kaj je preverjena rešitev.
- AI ne sme postati orodje za osebno superiornost znotraj ekipe.
AI bo v projektih ostal. To ni vprašanje. Vprašanje je, ali ga bomo uporabljali kot orodje za boljše delo ali kot orodje za ustvarjanje navidezne kompetence. Razlika med tema dvema možnostma je ogromna.
Kot projektni vodja vidim največjo vrednost AI tam, kjer pomaga zmanjšati šum, razjasniti problem, pripraviti boljši osnutek in pospešiti izvedbo. Največje tveganje pa tam, kjer začne človek z AI preskakovati lastno razumevanje in potem od ekipe pričakuje, da bo njegov “preperfekten” izdelek sprejela kot pravo delo.
V projektih ne potrebujemo več ljudi, ki znajo ustvariti deset strani pametnega besedila. Rabimo ljudi, ki razumejo problem, znajo sodelovati in znajo iz vsega možnega izbrati tisto, kar dejansko deluje.
Razmišljate o AI pristopu za svoje podjetje?
Napredni prodajni pristop lahko zelo hitro pokažemo v obliki delujočega prototipa, ki ga preizkusijo v živo tudi vaši sodelavci in po dgovoru tudi stranke. Delujoč prototip je nadalje dobra osnova za razširitev AI podprtih procesov v realno uporabo, kjer že tečejo sistemi kot so CRM, ERP in ostali specifični poslovni in tehnološki sistemi – odvisno od vrste poslovanja.
Pri kompleksnih projektih vključimo ekspertno ekipo AIVAAS, ki strateško pristopi k top-down metodologiji in vključuje change management uvedbe novih procesov in podpre dejansko AI transformacijo poslovanja. Ključna razlika je v tem, da AIVAAS ne uvaja zgolj orodja, ampak nov način dela in strateškega razmišljanja.
