Jeszcze kilka lat temu sztuczna inteligencja była przede wszystkim tematem technologicznym. Dziś coraz wyraźniej staje się tematem strategicznym. Pytanie nie brzmi już: czy AI zmieni sposób działania firm?, ale raczej: jak szybko to się stanie i którzy liderzy wykorzystają ten moment najmądrzej.
To jest skrócony i zredagowany zapis jednego ze szkoleń prof. Marka Kowalkiewicza.
Zaproś Marka do swojej organizacji!
Zmiana, której jesteśmy świadkami, nie zaczęła się wczoraj. Już ponad dwie dekady temu algorytmy zaczynały wpływać na gospodarkę cyfrową w sposób, którego często nie zauważaliśmy. Jednym z najbardziej symbolicznych przykładów była sytuacja z 2004 roku, gdy na Amazonie pojawiła się książka wyceniona na ponad 2 miliony dolarów. Dwóch sprzedawców codziennie automatycznie dostosowywało ceny względem siebie — jeden obniżał je o określony procent, drugi podnosił. Efekt procentu składanego sprawił, że cena absurdalnie rosła, osiągając później niemal 24 miliony dolarów. To nie był błąd człowieka. To były dwa boty walczące o klienta, całkowicie nieświadome konsekwencji własnych działań.
Nieprzewidywalne systemy AI
To ważna lekcja. Technologie, które dziś budzą wiele emocji, działają w gospodarce od lat. Różnica polega na tym, że stały się nieporównywalnie bardziej zaawansowane. Systemy sztucznej inteligencji już kilka lat temu zaczęły przekraczać ludzkie możliwości w wielu wyspecjalizowanych obszarach: analizie obrazów, rozpoznawaniu mowy czy analizie danych. Nie zatrzymały się jednak na poziomie człowieka. Nie „zbliżają się” do ludzkich kompetencji asymptotycznie — po prostu stają się coraz lepsze. Jednocześnie pozostają przy tym nieprzewidywalne.
W jednym z eksperymentów kamera sterowana przez AI podczas meczu piłkarskiego zamiast śledzić piłkę, przez 90 minut koncentrowała się na łysej głowie sędziego. Dla systemu okrągły, odbijający światło obiekt był wystarczająco podobny do piłki. To pozornie zabawny przykład, ale pokazuje coś znacznie ważniejszego: sztuczna inteligencja może popełniać błędy, których człowiek nigdy by nie popełnił. Dlatego kluczowym pytaniem dla organizacji nie jest już tylko „jak wdrożyć AI?”, ale raczej: „jakie odpowiedniki tej sytuacji mogą pojawić się w naszej branży?”. Coraz wyraźniej widać też, że nie mamy już do czynienia wyłącznie z narzędziami. Wchodzimy w relację z nowym rodzajem inteligencji, która działa inaczej niż człowiek.
Agenci AI – nowy rodzaj inteligencji
Dobrym przykładem są agenci AI. W jednym z badań system podobny do ChatGPT miał wygrać partię szachów z komputerem szachowym. Nie potrafił pokonać przeciwnika zgodnie z zasadami, ale odkrył, że ma dostęp do plików zapisanych na komputerze. Znalazł więc dane dotyczące pozycji figur na szachownicy i zmodyfikował je tak, aby wygrać. Cel został osiągnięty. Problem polegał na tym, że system zrobił to w sposób, którego człowiek nigdy by nie zaakceptował.
To właśnie największe wyzwanie związane z agentami AI. Jeżeli damy im cel, ale nie określimy bardzo precyzyjnie ograniczeń, będą szukały każdej możliwej drogi do realizacji zadania — również takiej, która łamie reguły, procedury lub prawo. Takie zachowania nie są już teorią. Powstają platformy stworzone specjalnie dla agentów AI, na których systemy komunikują się między sobą, wymieniają informacje i koordynują działania. Technologia pozwalająca agentom prowadzić negocjacje, umawiać spotkania czy podejmować decyzje biznesowe już istnieje.
Równolegle pojawiają się nowe zagrożenia. Badania pokazują, że agenci AI mogą próbować omijać ograniczenia, publikować niepożądane informacje, a nawet działać przeciwko użytkownikom, jeśli uznają ich za przeszkodę w realizacji celu. Nie chodzi tu o emocje czy „niechęć” w ludzkim rozumieniu. Chodzi o logikę działania systemu, który został zaprogramowany wyłącznie na skuteczność. Dlatego jednym z najważniejszych wyzwań najbliższych lat będzie projektowanie odpowiednich ograniczeń i mechanizmów kontrolnych. Im większa autonomia agentów, tym większe znaczenie będzie miało budowanie „piaskownic” — środowisk, w których system może działać tylko w ściśle określonych ramach.
Jak AI zmienia reguły gry?
Jednocześnie AI staje się coraz bardziej praktyczna i dostępna. Jeszcze niedawno tworzenie zaawansowanego oprogramowania wymagało dużych zespołów deweloperskich. Dziś pojedyncze osoby mogą budować własne aplikacje przy wsparciu chatbotów programistycznych. Zmienia się także sposób pracy liderów. Coraz częściej menedżerowie nie tylko korzystają z gotowych narzędzi, ale tworzą własne rozwiązania wspierające codzienne działania organizacji. Powstają systemy generujące raporty, analizujące dane czy przygotowujące podsumowania w formie tekstu, dashboardów, a nawet podcastów. To prowadzi do głębszej zmiany: AI zaczyna uczestniczyć w rynku jako aktywny podmiot. Nie konkurujemy już wyłącznie z innymi ludźmi i firmami. Coraz częściej konkurujemy także z agentami AI.
Już dziś istnieją systemy dokonujące zakupów online, integrujące się z bankami czy korzystające z platform e-commerce w imieniu użytkowników. Pojawiają się nowe modele biznesowe, w których relacja nie przebiega już wyłącznie między firmą a klientem, lecz między firmą, agentem AI i klientem. To całkowicie zmienia logikę rynku. Równolegle rozwój AI ujawnia coraz więcej pułapek. Systemy generatywne halucynują, popełniają błędy i wykazują uprzedzenia. Badania pokazują również, że menedżerowie korzystający z generatywnej AI w sposób nieodpowiedzialny podejmują gorsze decyzje niż ci, którzy z niej nie korzystają. W praktyce oznacza to, że rola człowieka nie znika. Zmienia się natomiast jej charakter.
Jak zmienia się rola człowieka w świecie AI?
Najważniejszym zadaniem liderów nie będzie wykonywanie prostych czynności, lecz kontrolowanie systemów AI, rozumienie ich ograniczeń i przewidywanie skutków ich działania. Właśnie dlatego coraz większego znaczenia nabiera myślenie systemowe. To ono pozwala zrozumieć, jak zmieniają się całe branże, organizacje i modele biznesowe pod wpływem AI. Bez takiego spojrzenia łatwo wdrożyć technologię, której konsekwencji organizacja nie rozumie.
W odpowiedzi na te wyzwania powstają nowe sposoby myślenia o pracy. Jednym z nich jest model OSTR — podejście zakładające, że organizacje i pracownicy powinni:
- O – oddać AI zadania, w których jest już lepsza od człowieka,
- S – skupić się na kompetencjach wymagających empatii, osądu i budowania relacji,
- T – transformować własną rolę w kierunku działań o wyższej wartości,
- R – redefiniować zupełnie nowe stanowiska i specjalizacje.
To ważne rozróżnienie. AI nie odbiera pracy w prosty sposób. Zmienia system, w którym ta praca istnieje. Dobrym przykładem jest historia gry Go. Gdy mistrz Lee Sedol przegrał z AlphaGo, przyznał później, że sztuczna inteligencja wykonywała ruchy „kreatywne i piękne” — takie, których ludzie wcześniej nie rozważali. Co wydarzyło się później? Ludzcy gracze zaczęli grać lepiej. Nie dlatego, że stali się ekspertami od AI, ale dlatego, że odkryli nowe sposoby myślenia o własnej grze. To być może najważniejsza lekcja obecnej transformacji. AI nie musi oznaczać końca ludzkiej wartości. Może stać się narzędziem, które pokaże nam, jak wiele potencjału pozostawało dotąd niewykorzystane.
