Polska uprząż AI. Jak przyspieszyć pracę i zachować kompetencje zespołu
Seria · część 2 z 3: ludzie
Autor: Andrzej Okoński, szef rozwoju oprogramowania
Wdrożenie AI zmienia podział pracy, sposób uczenia się i relacje w zespole. Dobra uprząż powinna dawać pracownikowi wpływ na te zmiany: możliwość sprawdzenia odpowiedzi, zakwestionowania rekomendacji i rozwijania własnych kompetencji. O jej jakości świadczy również to, jak organizacja traktuje ludzi, których zadania przejmuje technologia.
W pierwszej części serii opisaliśmy handlowca przygotowującego ofertę z pomocą AI. Wróćmy do tego hipotetycznego przykładu. Asystent znajduje cennik, porządkuje ustalenia i tworzy projekt. Handlowiec kończy zadanie szybciej. Po kilku tygodniach kierownik zwiększa jednak oczekiwaną liczbę ofert, czas na sprawdzenie treści znika, a młodsza osoba w zespole zaczyna zatwierdzać propozycje, których nie potrafi samodzielnie wyjaśnić.
Techniczny pomiar nadal może pokazywać sukces. Organizacja powinna dostrzec również narastającą zależność od systemu i obciążenie osób, które odpowiadają za jego wyniki. Dlatego projekt uprzęży obejmuje także sposób zarządzania pracą.
Zostawić człowiekowi ocenę i decyzję
Uprząż wyznacza granice działania technologii: dostęp do danych, samodzielność i możliwość wykonywania operacji. Asystent pomaga opracować informacje, a pracownicy rozmawiają, porównują materiały i kierują pracą. Człowiek zachowuje przestrzeń do własnej oceny i podejmowania decyzji.
Podmiotowość ma tu bardzo praktyczne znaczenie. Pracownik wie, kiedy korzysta z AI, rozumie swoją rolę i może odmówić zatwierdzenia błędnej propozycji. Ma też możliwość zgłoszenia problemu bez obawy, że zostanie uznany za przeciwnika postępu. Te warunki trzeba uwzględnić w procedurach, szkoleniach i celach kierowników.
Niepokój o zatrudnienie, frustracja technologią, wycofanie z relacji czy ograniczenie wysiłku poznawczego to różne zjawiska, a ich związek z technologią zależy także od warunków pracy. WHO wskazuje między innymi niepewność zatrudnienia, nadmierne obciążenie i małą kontrolę nad pracą jako zagrożenia dla zdrowia psychicznego. Dobrze zaprojektowane wdrożenie AI może te zagrożenia zmniejszać.
Rozmawiać uczciwie o przyszłości pracy
Zapowiedź „AI uwolni was od rutyny” pozostawia bez odpowiedzi najważniejsze pytanie: co stanie się z osobami, których praca składała się głównie z tej rutyny? Zarząd powinien wyjaśnić, jakie zadania chce zmienić, jakie decyzje już podjął i które kwestie pozostają otwarte.
Wspólne badanie ILO i NASK opisuje ekspozycję zawodów na generatywną AI, czyli potencjał zmiany zadań. Sama ekspozycja nie jest prognozą utraty konkretnej liczby miejsc pracy. O wyniku decydują również sposób wdrożenia i możliwości dostosowania kompetencji. To ważny argument za analizą rzeczywistego procesu w firmie, zamiast przenoszenia nagłówków o rynku pracy na los konkretnego zespołu.
Proponujemy, aby każdemu pilotażowi towarzyszył plan zmiany pracy. Powinien wskazywać zadania przejmowane przez system, nowe obowiązki ludzi, czas przeznaczony na naukę i sposób oceny obciążenia. W naszym przykładzie część odzyskanego czasu można przeznaczyć na rozmowy z klientami oraz przygotowanie do trudniejszych negocjacji. Taką decyzję trzeba jednak podjąć i uwzględnić w planie zespołu.
Jeżeli redukcja zatrudnienia jest realnym scenariuszem, trzeba to uczciwie powiedzieć i dać osobom, których dotyczy zmiana, konkretną pomoc w przejściu do nowej roli.
Ograniczać frustrację przez dobry projekt pracy
Źle dopasowany asystent, który raz odpowiada trafnie, a innym razem nie rozpoznaje dokumentu, zamiast oszczędzać czas, zabiera uwagę. Do tego dochodzą niejasne blokady, powtarzane pytania i konieczność przepisywania danych między aplikacjami.
Warto zacząć od obserwacji kilku zwykłych zadań. Gdzie pracownik traci wątek? Którego komunikatu nie rozumie? Czy może odzyskać rozpoczętą pracę? Jak zgłasza brak wiedzy lub błąd? Takie informacje powinny trafiać do osoby odpowiedzialnej za poprawę procesu.
W naszym ekosystemie SAIE środowiskiem pracy z asystentami i firmowymi dokumentami jest TWIN:DESK. Cytat z konkretnego fragmentu źródła pozwala od razu sprawdzić odpowiedź. PROXY:AI porządkuje dostęp do modeli i stosowanie polityk. Podczas wdrożenia dbamy o to, aby użytkownik otrzymywał zrozumiały powód ograniczenia i wiedział, jak kontynuować zadanie. Nowych użytkowników prowadzi po TWIN:DESK przewodnik dopasowany do ich roli.
Potrzebna jest również ścieżka pracy na wypadek awarii. Handlowiec powinien wiedzieć, gdzie znaleźć cennik i kto pomoże mu przygotować ofertę, gdy asystent jest niedostępny. Tę umiejętność warto zachować nawet wtedy, gdy większość zadań przebiega automatycznie.
Zachować zdolność samodzielnego myślenia
Gotowa odpowiedź zachęca do szybkiej akceptacji, zwłaszcza pod presją czasu. Ryzyko polega na tym, że pracownik stopniowo przestaje ćwiczyć czynności potrzebne do rozpoznania błędu. Dotyczy to szczególnie osób, które dopiero poznają zawód.
W badaniu opublikowanym na CHI 2025, obejmującym 319 pracowników wiedzy, większe zaufanie do generatywnej AI wiązało się z mniejszym deklarowanym wysiłkiem krytycznego myślenia. Było to badanie ankietowe, więc nie dowodzi trwałego spadku zdolności poznawczych ani związku przyczynowego. Wskazuje jednak problem, który warto uwzględnić w projektowaniu pracy.
W procesie ofertowania można wymagać od handlowca sprawdzenia ceny i warunków odstępstwa od standardu. Przy trudniejszej sprawie warto najpierw poprosić go o własną ocenę, a następnie porównać ją z propozycją asystenta. Na szkoleniach przydają się przykłady zawierające celowe błędy: nieaktualny rabat, brak załącznika albo niewłaściwego odbiorcę.
Zakres kontroli powinien odpowiadać skutkom decyzji. Przepisywanie każdego akapitu lub rozwiązywanie testu przed każdą drobną czynnością szybko zamieniłoby nadzór w uciążliwość. Przy decyzjach krytycznych potrzebne jest natomiast sprawdzenie, czy osoba zatwierdzająca rozumie najważniejsze przesłanki i potrafi wskazać powód odrzucenia rekomendacji.
W naszej metodyce CDF tę intencję wyraża bramka kompetencji człowieka. Jej konkretną postać projektujemy dla danego procesu, a zatwierdzenie działa w samej aplikacji: w TWIN:DESK agent przedstawia plan do akceptacji, zanim cokolwiek wykona.
Utrzymać relacje i wymianę wiedzy
W firmach wiele umiejętności rozwija się podczas wspólnego rozwiązywania problemów. Młodszy pracownik słyszy, dlaczego doświadczona osoba odrzuciła pozornie korzystny wariant. Zespół poznaje wyjątki, których nie zapisano jeszcze w instrukcji.
Jeśli każde pytanie trafia wyłącznie do asystenta, warto sprawdzić, czy nadal istnieją okazje do takich rozmów. Proponujemy krótkie przeglądy trudnych przypadków, pracę w parach przy nowych zadaniach i wyraźne wskazanie osób, do których można skierować wątpliwość. AI może przygotować materiał do spotkania i pomóc utrwalić uzgodnienia.
Firmowy asystent powinien także jasno komunikować swoją rolę. Przy sprawach dotyczących konfliktu, oceny pracy lub przeciążenia potrzebny jest kontakt z uprawnionym człowiekiem. Dostęp do rozmowy z modelem nie powinien być jedyną dostępną formą wsparcia.
Mierzyć dobrostan bez tworzenia kolejnego nadzoru
Wynik pilotażu warto oceniać razem z użytkownikami. Obok czasu przygotowania oferty i liczby poprawek proponujemy sprawdzać, czy pracownicy rozumieją odpowiedzialność, potrafią wskazać błąd i wiedzą, jak przerwać zadanie. Trzeba też ustalić, czy oszczędność czasu utrzymuje się po doliczeniu weryfikacji.
Informacje o doświadczeniu pracy można zbierać podczas rozmów i krótkich, dobrowolnych ankiet. Wyniki dla zespołu powinny być agregowane tak, aby nie ujawniać odpowiedzi pojedynczych osób, zwłaszcza w małych grupach. Przed pomiarem należy wyjaśnić jego cel, dostęp do danych i sposób wykorzystania wyników.
Liczba rozmów z AI nie opisuje jakości pracy człowieka. Podobnie zgłoszenie wielu błędów może świadczyć o starannej kontroli. Projektując wskaźniki, warto premiować wykrywanie problemów i dzielenie się wiedzą, zamiast samej intensywności używania narzędzia.
System AI nie powinien samodzielnie diagnozować pracowników na podstawie ich rozmów służbowych. W poważnych sprawach rolą organizacji jest zapewnienie wsparcia ze strony ludzi i pomocy specjalistycznej.
Przełożyć zasady na wdrożenie SAIE
Nasza metodyka CDF daje miejsce na te ustalenia w całym cyklu wdrożenia: od rozpoznania gotowości i potrzeb, przez przygotowanie ludzi, po ocenę pilotażu i późniejsze przeglądy. Właściciel procesu powinien uzgodnić z zespołem, jakie korzyści chce uzyskać i po jakich sygnałach pozna, że sposób pracy wymaga korekty.
CDF Platform wspiera prowadzenie etapów, gromadzenie dokumentów i odnotowywanie decyzji. Metodyka określa, co trzeba uzgodnić i ocenić; platforma pomaga tę pracę uporządkować. Na co dzień ludzi wspierają kierownicy, HR, osoby odpowiedzialne za BHP i same zespoły.
TWIN:DESK oraz PROXY:AI dostarczają środowiska i mechanizmów technicznych, które konfigurujemy zgodnie z tymi ustaleniami. Przykładem jest proces, w którym asystent przygotowuje szkic, pracownik otwiera źródła i poprawia treść, a wysyłka wymaga jego świadomej decyzji. Działanie całego rozwiązania sprawdzamy razem z zespołem w pilotażu.
Zacząć od rozmowy o jednym zadaniu
Przed rozszerzeniem wdrożenia warto usiąść z zespołem nad konkretnym procesem i uzgodnić: co przejmie AI, czego ludzie nadal będą się uczyć, na co przeznaczą odzyskany czas oraz kto zareaguje na zgłoszone trudności. Te ustalenia powinny mieć właściciela i termin przeglądu.
W naszym przykładzie sukcesem będzie sprawniejsze przygotowanie rzetelnej oferty przez pracownika, który rozumie jej warunki i ma czas je sprawdzić. Jeżeli jednocześnie potrafi poradzić sobie z wyjątkiem i korzysta ze wsparcia zespołu, organizacja zachowuje kompetencje potrzebne do dalszego rozwoju.
W trzeciej części przejdziemy do obowiązków prawnych: klasyfikacji zastosowań AI, ochrony danych i udokumentowanej odpowiedzialności za decyzje.