Dlaczego sztuczna inteligencja niszczy współpracę w zespole (i jak to naprawić)

Galen Low: Burza mózgów z deklaratywną, pochlebczą i wszechwiedzącą sztuczną inteligencją może być frustrująca. Robienie tego zespołowo brzmi jak koszmar. Gdybyśmy jednak odłożyli na bok uprzedzenia, pozostawili za sobą nasze obsesje i naprawdę zrozumieli, kto w czym jest lepszy, sztuczna inteligencja mogłaby stać się jednym z najsilniejszych czynników wspierających kreatywność zespołową od czasu wynalezienia, no nie wiem, samoprzylepnych karteczek w rozmiarze plakatu.

Jak więc przejść od chęci uduszenia naszych modeli językowych podczas prywatnych rozmów do sytuacji, w której sztuczna inteligencja znajduje się w pomieszczeniu razem z naszymi zespołami i wnosi wartość w całym procesie współpracy? Aby to zbadać, zaprosiłem byłego szefa działu sztucznej inteligencji w agencji oraz lidera kreatywnego, który ma misję rozwiązania zagadki współpracy z AI.

Porozmawiamy o tym, jak kształtować nastawienie zespołu do pracy wspieranej przez sztuczną inteligencję, aby współpraca przebiegała płynniej, jak może wyglądać obecność AI podczas wspólnego generowania pomysłów oraz jak już teraz możemy zacząć korzystać ze sztucznej inteligencji w bardziej zespołowy sposób. Mam nadzieję, że ten odcinek się Wam spodoba.

Witamy w podcaście Digital Project Manager — programie, który pomaga liderom odpowiedzialnym za realizację pracować mądrzej, sprawniej dostarczać rezultaty i z pewnością prowadzić zespoły w erze sztucznej inteligencji. Nazywam się Galen i co tydzień zagłębiamy się w strategie z prawdziwego świata, nowe trendy, sprawdzone ramy działania oraz okazjonalne historie z pierwszej linii projektów. Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, zarządzasz przepływami pracy opartymi na AI, czy po prostu próbujesz utrzymać chaos pod kontrolą — jesteś we właściwym miejscu.

A jeśli podoba Wam się to, co ostatnio od nas słyszycie, rozważcie obserwowanie nas w miejscu, w którym nas znaleźliście, a może także wystawienie nam opinii. Dobrze, przejdźmy do rozmowy.

Moim dzisiejszym gościem jest Luke Alexander, założyciel Supervenient oraz były dyrektor ds. cyfrowych i sztucznej inteligencji w Four Agency. Luke przez całą karierę był pełnym pasji cyfrowym generalistą, skupionym na przecięciu ludzi, technologii i kreatywności. W Four kierował wdrażaniem AI wśród setek pracowników i pomagał badać, w jaki sposób generatywna sztuczna inteligencja może tworzyć wartość nie tylko dzięki efektywności, lecz także poprzez nowe sposoby myślenia i pracy.

Obecnie, w ramach Supervenient, bada to, co nadejdzie później, przenosząc sztuczną inteligencję od samotnych zastosowań w chatbotach w kierunku doświadczenia, które przypomina raczej wspólną i demokratyczną pracę.

Luke, dziękuję, że spędzasz dziś ze mną czas.

Luke Alexander: Galen, bardzo dziękuję za zaproszenie.

Galen Low: Bardzo się cieszę, że jesteś z nami.

Mamy wspólnego znajomego, Harva Nagrę, który prowadzi niesamowity podcast „The Handbook”. Jeśli jeszcze go nie znacie, koniecznie go sprawdźcie. Umieszczę link w notatkach do odcinka. To on nas ze sobą skontaktował i szczerze mówiąc, kiedy przeglądałem Twoje doświadczenie, pomyślałem: „Muszę porozmawiać z Lukiem. Muszę zaprosić Luke’a do programu”.

Muszę chyba mieć Luke’a z tyłu głowy przez cały czas. Jesteś kimś, kogo — mam nadzieję, że nie masz nic przeciwko takiej charakterystyce — postrzegam jako osobę kreatywną, która bardzo mocno zaangażowała się w sztuczną inteligencję. Myślę, że to interesujące połączenie, nie wspominając już o doświadczeniu zdobytym w agencjach takich jak Four i innych miejscach, gdzie zajmowałeś się tym tematem w kontekście dużych marek.

Pomyślałem więc: „Dobrze, prawdopodobnie masz jakieś historie i chcę ich posłuchać”. Na początek chciałem zadać Ci nieco kontrowersyjne pytanie, na które moi słuchacze z pewnością będą ciekawi Twojej odpowiedzi. Następnie chciałbym wykorzystać je jako soczewkę i przyjrzeć się trzem kwestiom.

Po pierwsze, chciałbym porozmawiać o Twojej wizji hybrydowej współpracy ludzi ze sztuczną inteligencją i o tym, jakie możliwości ona otwiera. Następnie chciałbym przyjrzeć się trudnym aspektom, które pojawiają się, gdy AI i ludzkie ego zderzają się ze sobą. Na koniec chętnie omówiłbym rzeczy, które każdy może zacząć robić od razu, aby uczynić sztuczną inteligencję bardziej zespołową, zamiast korzystać z niej wyłącznie w izolacji.

Jak Ci się to podoba?

Luke Alexander: Tak, brzmi bardzo dobrze.

Galen Low: Dla wielu osób z mojej społeczności i zespołów, z którymi pracują, ich modele językowe stały się głównymi współpracownikami. Czasami wolą nawet uzyskać odpowiedź od AI, niż zwrócić się do kolegów, co często ma sens w przypadku zdobywania faktów lub gromadzenia informacji.

Jednak w sytuacjach, gdy tworzymy nowe pomysły, większość rozmów z chatbotami, które widziałem, przypomina funkcjonowanie w komorze echa. Dlatego chciałem zapytać Cię — jako osobę kreatywną i zwolennika sztucznej inteligencji — czy obecny sposób korzystania z AI sprawia, że jesteśmy mniej kreatywni?

Luke Alexander: To świetne pytanie i zdecydowanie można zrozumieć, dlaczego jest tak gorącym tematem.

To kontrowersyjny temat, prawda? Z jednej strony cofnijmy się o mniej więcej rok, kiedy ludzie tworzyli obrazy osób z sześcioma palcami i tym podobne rzeczy, sądząc, że znajdują się na czele kreatywności. Łatwo spojrzeć na tamten okres i pomyśleć: „O mój Boże, sztuczna inteligencja zderzyła się z kreatywnością i stworzyła coś w rodzaju wybuchu nuklearnego”.

Z drugiej strony pozytywne jest dla mnie to, że widzieliśmy ludzi, którzy niekoniecznie mieli określone umiejętności, zaczynających wyrażać swoją kreatywność na różne sposoby. Niedawno kilka osób z MIT przeprowadziło interesujący przegląd badań dotyczących kreatywności.

Nosi on tytuł „Ukryty koszt kreatywności wspomaganej przez AI”, jeśli chcecie go znaleźć. To bardzo dobre opracowanie. Przeanalizowano w nim cztery badania i znaleziono wiele dowodów na to, że sztuczna inteligencja zwiększa indywidualną kreatywność. Jeśli powierzysz ludziom zadanie kreatywne i pozwolisz im omówić je z AI, przeprowadzić burzę mózgów albo zacząć szkicować pomysły wizualnie, nawet jeśli nie potrafią dobrze rysować, uzyskasz naprawdę interesujące efekty.

Zdecydowanie to widziałem. Z drugiej strony, gdy tylko opuszcza to poziom pojedynczej osoby i trafia do miejsca pracy lub projektu, w którym kreatywność nie istnieje dla niej samej, lecz ma służyć jako wkład lub część projektu bądź rezultatu, pojawiają się bardzo negatywne efekty.

Pojawia się więc produkcyjny bałagan. Jestem pewien, że wszyscy Twoi słuchacze słyszeli to określenie. Chodzi o sytuację, w której ktoś mówi: „Cześć, potrzebuję jednego pomysłu na burzę mózgów” albo jednego pomysłu na jakiś projekt kreatywny, a zamiast przedstawić jeden pomysł, odpowiada: „Oto 700 pomysłów wygenerowanych przeze mnie za pomocą AI”, a do każdego dodaje 20 stron materiałów wizualnych.

Wcześniej powiedzielibyśmy: „Wow, włożyłeś w to mnóstwo pracy”. W tym przypadku pokazuje to jednak, że ludzie nie poświęcają czasu i nie stosują filtrów kreatywnych, które należy stosować. Niezależnie od tego, jaki jest Twój proces zarządzania kreatywnością, większość osób zarządzających procesami kreatywnymi ma wbudowany jakiś filtr — na przykład model podwójnego diamentu.

To wszystko znika, ponieważ pojawia się tak duża prędkość i możliwość generowania. Jest też kwestia, do której wcześniej nawiązałeś. W poprzednim życiu, jako konsultant ds. AI, często widziałem w organizacjach coś w rodzaju psychozy związanej ze sztuczną inteligencją. Najbardziej podatne bywają na nią osoby na najwyższych stanowiskach.

Rozmawiają z AI, a sztuczna inteligencja odpowiada: „To niesamowite. To sprytne. To genialne. Idź dalej”. Wchodzą w coraz głębsze ślepe uliczki. Myślę, że indywidualnie wiedzą, iż niekoniecznie wykonują najlepszą pracę, ale to uzależnia. Kiedy później przynoszą rezultat grupie, pojawia się poczucie dyskomfortu i niezadowolenia, bo wiedzą, że nie zrobili tego właściwie.

W efekcie stają się bardzo defensywni. Otrzymujemy więc fatalny skutek: ktoś zabiera zadanie, wykonuje je, odchodzi w zupełnie innym kierunku i może zrobić coś, co jest pewny tylko w 50 procentach. Kiedy wraca do grupy, tak bardzo chce pokazać, że to nadal jego praca, że zaczyna przesadnie jej bronić.

Jeśli nie budujesz przestrzeni współpracy z uwzględnieniem sposobu, w jaki ludzie pracują z AI, ostatecznie tylko niszczysz zespoły. Niestety widziałem kilka prawdziwych przypadków, w których zespoły wcześniej świetnie ze sobą współpracowały, a później wyglądało to jak rozwód.

Sztuczna inteligencja zniszczyła ich proces kreatywny. Właśnie dlatego próbujemy rozwiązać ten problem w ramach Amble, produktu, który budujemy. Chcemy powiedzieć: „Musimy zacząć myśleć o współpracy w inny sposób, a to może działać dobrze”.

Na koniec wspomnę jeszcze o badaniu „Cybernetic Teammate”. Myślę, że wiele osób je widziało. Było to chyba badanie Harvard Business School. Naukowcy udali się do Procter & Gamble i zapytali: „Czy możemy zbadać Wasze zespoły?”.

Zbadali osoby pracujące indywidualnie bez AI, osoby pracujące indywidualnie z AI, zespoły bez AI oraz zespoły z AI. Okazało się, że indywidualne wyniki osób korzystających z AI nagle wzrosły w zadaniach opartych na wiedzy — częściowo kreatywnych, ale przede wszystkim związanych z wiedzą.

Zespoły korzystające z elementów AI osiągały najbardziej zróżnicowane rezultaty i odnotowywały największą poprawę w najwyższych 10 procentach pod względem jakości pracy. Istnieją więc dowody na to, że jeśli właściwie zorganizujesz współpracę zespołów ze sztuczną inteligencją, możesz stworzyć pracę, której wartość jest większa niż suma jej części.

To tylko kwestia sposobu działania i trzeba podejść do tego bardzo świadomie oraz celowo.

Galen Low: Bardzo mi się to podoba. Jest tu naprawdę wiele rzeczy, które chciałbym przeanalizować. Pierwszą z nich jest motyw demokratyzacji i powody, dla których musimy włożyć w nią trochę wysiłku.

Podoba mi się myśl, że teraz każdy ma możliwość bycia kreatywnym. Jeśli spojrzeć na to z perspektywy demokratyzacji, widać to w sporcie. Osoby, które jako pierwsze dobrze radziły sobie w hokeju, musiały najpierw móc sobie pozwolić na sprzęt hokejowy.

Teraz wszyscy możemy grać w hokeja, ale nie oznacza to, że od razu wszyscy jesteśmy w tym dobrzy. Nadal musimy rozwijać własny gust i zdolność selekcjonowania tego, co powstaje, gdy nagle możemy grać na poziomie NHL.

To zupełnie inna sprawa.

Luke Alexander: Masz całkowitą rację. Jestem niezwykle zaangażowany w sztuczną inteligencję jako technologię umożliwiającą działanie. Podejrzewam, że wiele osób słuchających tego podcastu, pracujących w obszarze kreatywnym, ma wokół siebie ludzi, którzy naprawdę nie lubią pomysłu AI.

Muszę więc zawsze mieć tego świadomość. Wierzę, że sztuczna inteligencja wyrównuje szanse na wiele różnych sposobów. Analogia do hokeja jest idealna. Zawsze zwracam uwagę nie na to, czy ktoś miał być świetny w konkretnej dziedzinie, lecz na moment w procesie, gdy ktoś mówi: „Pokażę Ci, co mam na myśli”.

Jeśli naturalnie dobrze rysujesz, składasz rzeczy w całość albo dobierasz słowa, możesz przekonać ludzi, że Twój pomysł jest lepszy, niż jest w rzeczywistości. Możesz być bardzo przekonującą osobą albo pięknie rysować, więc szkice wyglądają niesamowicie, nawet jeśli sam pomysł nie był najlepszy.

To jest w porządku, ma swoje miejsce i jest częścią kreatywności. Oznacza jednak, że ktoś z doskonałym pomysłem, kto nie potrafił dobrać właściwych słów, albo osoba neuroróżnorodna czy mówiąca w drugim języku, napotykała barierę.

Właśnie wtedy można powiedzieć: „To wyrównuje szanse”. Jeśli w pomieszczeniu znajduje się 10 osób i dasz im wszystkim możliwość wypowiedzenia się, ogólnie rzecz biorąc, wzrasta prawdopodobieństwo, że zespół wypracuje świetny pomysł.

Galen Low: Myślę, że to właśnie optymistyczna szansa, o której mówisz. Nadal musimy jednak dojść do punktu, w którym korzystanie ze sztucznej inteligencji nie sprawia, że ktoś staje się nadmiernie defensywny, a zespół nie zaczyna funkcjonować jak podczas rozwodu.

Nie chcemy też sytuacji, w której ktoś przedstawia 700 pomysłów, ale nie posuwamy się ani trochę do przodu. Widzę to często również w miejscu, w którym obecnie pracuję. Pojawia się napięcie, nawet wśród osób, które nauczyły swoje modele językowe mówić i myśleć jak one.

Wkładają wiele energii w to, aby ich pomysły wiernie przechodziły przez model językowy, a potem wszyscy patrzą na rezultat i mówią: „Ta osoba nigdy nie pisałaby pełnych akapitów, a teraz dostaję pełne akapity brzmiące jak ona, ale wyraźnie wygenerowane przez AI. Jestem zirytowany, bo czuję, że nie chciało jej się poświęcić czasu na przekazanie mi informacji zwrotnej”.

Tymczasem być może ta osoba po prostu nie potrafiła dobrze sformułować informacji zwrotnej i AI jej w tym pomogła. To może być dobre rozwiązanie. Nie chodzi tylko o przezwyciężenie ukłucia, że ktoś wrzucił mój rezultat do modelu językowego, zapytał „Co o tym sądzisz?”, a potem skopiował odpowiedź i mi ją wysłał.

Jeśli pomyślimy o wysiłku i okażemy empatię osobie, która to robi, być może rzeczywiście jest bardzo zapracowana. Otrzymałem informację zwrotną zamiast żadnej. A może jest po prostu niepewna sposobu, w jaki się komunikuje, i uważa, że tak będzie lepiej.

Nawet jeśli rezultat nie brzmi dokładnie jak ona, pomyślała: „To jest poprawa. Ludzie powinni to docenić”. Intencja jest dobra: zależy mi na tyle, aby przekazać informację zwrotną, i chcę zrobić to w formacie, który można zrozumieć i wykorzystać.

Powiedzenie „Popraw to, proszę. Dodaj temu energii” prawdopodobnie również nie jest tym, co ktoś chciałby usłyszeć. To bardzo interesujący etap ludzkiej dynamiki wywołanej przez AI, niekoniecznie dynamiki samej sztucznej inteligencji.

Wspomniałeś o Amble i wyraźnie widać, że bardzo Ci zależy na przeniesieniu doświadczenia AI z lokalnego, indywidualnego narzędzia wzmacniającego pojedynczą osobę na poziom zespołu, gdzie ludzie pracują razem, sztuczna inteligencja jest obecna, a nikt nie czuje się skrępowany korzystaniem z niej, ponieważ po prostu znajduje się w pomieszczeniu.

Jest obecna i pomaga. Wspomniałeś o tym wcześniej, ale chciałbym zapytać: co skierowało Cię na drogę budowania całej platformy współpracy z AI i czym różni się ona od prywatnych rozmów ze sztuczną inteligencją? Czy chodzi o coś w rodzaju czatu grupowego z AI albo spotkania z AI?

Luke Alexander: Budujemy Amble — firmę, którą założyliśmy kilka miesięcy temu. Tworzymy ją ja i kilku dawnych przyjaciół, z którymi pracowałem przez około 20 lat. Im więcej rozmawialiśmy, tym wyraźniej widzieliśmy, że obserwujemy to samo.

Chodzi o psychozę związaną ze sztuczną inteligencją: osoby naprawdę dobre w swojej pracy wpadają w złe nawyki, a demokratyzacja, która miała nastąpić w miejscu pracy i pozwolić każdemu wnosić nieco więcej, wcale się nie pojawiała.

Zaczęliśmy się temu przyglądać i zastanawiać, co mogłoby działać dla nas. Próbowaliśmy kilku rozwiązań. Jednym z najbardziej skutecznych okazało się umieszczenie AI w centrum, tak aby wszyscy mogli ją widzieć.

Jeśli usiądziesz obok kogoś i będziesz obserwować, jak korzysta ze zwykłego ChatGPT, Claude'a lub podobnego narzędzia, szybko zauważysz, że osoby bardzo dobre w swojej pracy używają go w bardziej zaawansowany sposób.

To oczywiste. Sposób pisania poleceń, pytania, które zadajesz, oraz rzeczy, na których Ci zależy, mają ogromne znaczenie. Właśnie dlatego sztuczna inteligencja tak dobrze radzi sobie z programowaniem. Do pewnego stopnia samo pisanie kodu jest już rozwiązanym problemem.

Nie musisz siedzieć i ręcznie pisać każdej linii kodu. Różnica między osobą, która nigdy nie programowała, a kimś, kto od 20 lat buduje oprogramowanie, jest jednak ogromna. Te osoby będą formułować zupełnie inne polecenia. Korzystają z tego samego narzędzia na tak różne sposoby, że równie dobrze mogłyby używać dwóch różnych narzędzi.

To samo dotyczy kreatywności i wielu innych obszarów, w których ludzie używają AI. Jeśli umieścisz sztuczną inteligencję w centrum, zyskujesz dzięki temu, że ludzie wnoszą różne elementy i współpracują ze sobą.

W uproszczeniu wspólnie tworzą polecenia. Jedna osoba mówi: „Chcę, żebyś zrobił to”, a druga odpowiada: „Zaczekaj, upewnij się, że zrobisz także to”. To automatycznie podnosi poziom.

Ponieważ wszyscy widzą, co się dzieje, nikt nie staje się defensywny. Wszyscy widzieli, jak użyto AI, i akceptują to, bo właśnie do tego ona służy. W niektórych sytuacjach można również powiedzieć: „Nie sądzę, aby AI była odpowiednia do tego zadania”.

Na przykład gdy chcemy napisać coś własnym głosem. To decyzja, którą można przedstawić w użyteczny, zespołowy sposób, zamiast po prostu zachowywać się uparcie.

Kiedy zaczęliśmy się temu przyglądać, zauważyliśmy również tendencję do pośredniczenia ludzi między modelami językowymi. To okropne określenie, ale chodzi o sytuację, w której ludzie stają się jedynie posłańcami między LLM-ami. Pomyśleliśmy: „To absurdalny sposób budowania organizacji”.

Tworzysz ścianę ludzi, którzy tylko przekazują rzeczy dalej. Można to wyeliminować, umieszczając AI w centrum. To był punkt wyjścia, ale czy rozwiązuje cały problem? Nie.

Pojawiło się kilka kolejnych kwestii. Sztuczna inteligencja musi być proaktywna. Powinna znać projekt, wiedzieć, co wszyscy powinni wiedzieć, oraz móc powiedzieć: „Możesz spędzić następne sześć miesięcy na uczeniu się, jak wykorzystać AI w tym projekcie, albo mogę od razu przekazać Ci kilka przydatnych rzeczy”.

Jeśli realizowałeś trzy ostatnie projekty, zawsze zostawiasz pisanie tekstów na stronę na trzy dni przed terminem. Zawsze powoduje to problemy w kolejnych etapach. AI może przygotować wersję roboczą sześć miesięcy wcześniej, a Ty możesz stopniowo ją rozwijać.

Zamiast samodzielnie zastanawiać się „Wykorzystam AI do tego zadania”, otrzymujesz sugestię: „Wiem dużo o zarządzaniu projektami i o budowaniu rzeczy, które próbujesz zbudować. Nie będę wykonywać tego za Ciebie, bo to nie jest właściwa droga, ale mogę przekazywać pomocne sugestie w trakcie procesu”.

Kolejnym elementem jest demokratyzacja doświadczenia związanego z programowaniem. Możliwość generowania interfejsów, z których zespoły mogą korzystać bez kupowania dodatkowego oprogramowania, może ogromnie zwiększyć możliwości każdego członka zespołu.

Możesz stworzyć interfejs, którego ludzie nie muszą uczyć się tak jak Excela czy Photoshopa. Wystarczy ograniczyć go do tego, czego potrzebuje zespół, udostępnić wszystkim i uczynić proces współpracą. Ponownie przełamujesz bariery i demokratyzujesz proces.

Galen Low: Bardzo mi się to podoba. To niesamowite. Początkowo wyobrażałem sobie urządzenie Polycom stojące na środku stołu konferencyjnego. AI byłaby pośrodku i od czasu do czasu zabierałaby głos.

Pytalibyśmy ją o różne rzeczy, ale zasadniczo byłaby narzędziem, które słucha. Później pomyślałem: „Chwileczkę, to coś zupełnie innego”. Podoba mi się sposób myślenia oparty na programowaniu w parach.

Jeśli wspólnie formułujemy polecenia, pytania i tworzymy rozwiązania, uczymy się od siebie nawzajem jako ludzie. Odpada również warstwa konieczności samodzielnego rozpracowywania AI.

Czasami mówię, że sztuczna inteligencja jest obecnie najważniejszym tematem, ale w końcu stanie się tak powszechna jak pisanie na klawiaturze. Wtedy zastanawiam się: „Co, jeśli jestem najwolniejszą osobą piszącą na klawiaturze? Czy pokazuję, że źle formułuję polecenia i wzmacniam tę psychozę?”.

Podoba mi się jednak myśl, że AI nie jest tylko kolejnym członkiem zespołu. Zdecydowanie nie jest wyłącznie narzędziem. Wspomniałeś o interfejsach — to naprawdę niesamowite.

Ile razy spędzałem 15 minut na przeglądaniu menu w programie do edycji wideo? Korzystam z DaVinci Resolve, który umożliwia znacznie bardziej zaawansowaną edycję, a ja szukam tylko jednej funkcji, na przykład przycięcia koła. Myślę wtedy: „Gdyby ten interfejs ograniczał się do tego, czego potrzebuję, mógłbym po prostu przejść do pracy”.

Podoba mi się pomysł, że właśnie tym mogłoby się to stać. Czy możesz opisać, jak wygląda doświadczenie uczestnictwa AI w sesji współpracy zespołu?

Przedstawiłeś obraz tego, jak mogłaby pomagać lub interweniować, ale chciałbym wiedzieć, w jakiej sytuacji może wspierać przepływ generowania pomysłów, zamiast go zakłócać.

Luke Alexander: Może go również zakłócać. Trzeba być wobec tego uczciwym. Nie ma takiej sytuacji, w której wystarczy wstawić AI do procesu, a wszystko magicznie stanie się lepsze.

Jeśli spojrzysz na narzędzia takie jak OpenClaw, Hermes i Claude Tag, zauważysz podobną zasadę: mamy AI, którą można umieścić w określonym miejscu. W surowej formie może jednak rozpraszać ludzi.

Wstępne testy przeprowadzaliśmy między innymi podczas burz mózgów. Jeśli powiesz: „Wprowadźmy AI do burzy mózgów” i poprosisz ją po prostu, aby została partnerem w burzy mózgów, ludzie zaczynają się jej podporządkowywać. To dokładnie odwrotność tego, czego chcesz podczas burzy mózgów.

Częściowo wynika to z automatycznego podporządkowania się autorytetowi. Ludzie zaczynają ustępować sztucznej inteligencji. Jest to również kwestia złego doświadczenia użytkownika. Gdy AI działa głosowo, nadal występuje opóźnienie. Pojawia się niepewność: „Czy robię to właściwie? Czy to zadziała? Czy mnie zrozumiała?”.

Zastanawialiśmy się więc, jak to powinno działać. Początkowo mówiliśmy: „Chodzi o usuwanie tarcia ze współpracy”. Po chwili uznaliśmy, że to błędne podejście.

Nie chodzi o całkowite usunięcie tarcia. Oczywiście istnieje wiele rodzajów tarcia, które chcemy usunąć, na przykład znalezienie terminu w kalendarzach. Jednak wiele kreatywności powstaje właśnie dzięki pewnej dozie tarcia.

Ludzie nie zgadzają się ze sobą, a z tej niezgody powstaje świetny pomysł. Ktoś popełnia błąd i okazuje się, że błędny kierunek był właśnie tym, czego potrzebowaliśmy. Wykorzystanie AI wyłącznie do wygładzania procesu i usuwania tarcia koordynacyjnego okazało się błędną drogą.

Uznaliśmy więc, że podczas współpracy AI musi redukować tarcie wtedy, gdy jest to potrzebne, ale powinna też zwiększać tarcie albo przekształcać je w coś użytecznego.

Weźmy burzę mózgów. Zbudowaliśmy kilka narzędzi do burzy mózgów i przeprowadziliśmy eksperymenty. Odkryliśmy, że ludzie podporządkowują się AI, a także że mają często błędne wyobrażenie o tym, czym jest burza mózgów i do czego służy.

Jednym z wniosków było to, że istnieje wiele dowodów na to, iż burze mózgów nie są szczególnie skuteczne. Lepsze rezultaty uzyskuje się, gdy ludzie najpierw samodzielnie tworzą pomysły, a dopiero później spotykają się, aby je omówić.

Jeśli sztuczna inteligencja obserwuje, nad czym wszyscy pracowali przez ostatnie tygodnie lub miesiące, może wyłowić z tego dobre pomysły i wprowadzić je do burzy mózgów, aby rozpocząć rozmowę.

Później przeanalizowaliśmy zasadę „nie ma złych pomysłów”. Okazało się, że to bardzo zły sposób prowadzenia burzy mózgów. Wszyscy zaczynają się zgadzać i brakuje różnorodności.

Cathy Peach z organizacji Nesta w Wielkiej Brytanii opowiadała kiedyś, że rozpoczyna sesje od pytań, które dzielą salę. Są to pytania, przy których wiadomo, że uczestnicy zajmą różne stanowiska. Jeśli pojawia się konsensus, pytanie zostaje usunięte, bo nie ma sensu prosić grupy o zgodę.

Warto pytać o rzeczy, które wywołują różnorodność myślenia. Ważne jest więc doprowadzenie do sytuacji, w której sala się dzieli i pojawiają się także złe pomysły.

Jednym ze sposobów wykorzystania AI jest wprowadzenie odbiorców projektu. Jeśli projektujesz etykietę dla nowego mleka owsianego, wiesz, kim są odbiorcy. Możesz zaprosić ich cyfrowe odpowiedniki lub persony i pozwolić im delikatnie głosować na pomysły.

Jeśli żadna z trzech person nie polubi tego, o czym rozmawiacie, AI nie przerywa spotkania ani nie uruchamia alarmu, ale możecie zobaczyć, że pomysł otrzymuje negatywne głosy. Ponieważ robi to AI, ludzie nie odbierają tego tak osobiście.

To ważny wniosek: nawet jeśli trzy osoby rozmawiają o nazwie firmy, obecność AI jako nie sędziego, lecz osoby ułatwiającej proces i śledzącej ustalenia sprawia, że uczestnicy rzadziej się obrażają.

Nie chodzi o całkowite unikanie urazy, lecz o ograniczenie ryzyka w rozmowie. Próbowaliśmy wykorzystać w ten sposób bezpieczeństwo psychologiczne.

Istnieje również coś, co nazywa się maszyną Habermasa. To eksperyment, w którym podczas negocjacji lub rozmowy o kontrowersyjnej kwestii AI przepisuje tę samą wypowiedź tak, aby uwzględnić różne osoby w pomieszczeniu. Okazuje się znacznie skuteczniejsza od człowieka w osiąganiu konsensusu.

To prawdopodobnie kwestia ludzkiej natury i psychologii. Można jednak wykorzystać AI jako swego rodzaju psychologa, aby pomóc grupie dojść do porozumienia.

Narzędzie do burzy mózgów, które zbudowaliśmy, wykorzystuje wszystkie te pomysły. Dołączasz do sesji i rozmawiasz, a AI nie odzywa się ani razu. Zamiast tego umieszcza karteczki z pomysłami, które wypowiadasz, i przypisuje je do kategorii.

Wykonuje zadania, które normalnie musiałaby wykonywać osoba prowadząca proces. Pomaga wszystkim skupić się na zadaniu, a czasami informuje: „Macie tylko trzy pomysły, trzeba przejść dalej”. Takie podejście okazało się bardzo skuteczne i przyjemne. Ludzie je lubią.

Galen Low: Podoba mi się to. To paradoks roli ludzkiego moderatora. Próbujesz być neutralny i względnie obiektywny, sprawiać, aby ludzie czuli się wysłuchani, a jednocześnie pilnować, aby nie każdy pomysł trafiał do ostatecznej wersji.

To jest polityczne. Mówiliśmy o różnych warstwach psychozy: o pytaniu, czy dobrze korzystam z AI, o tym, że sztuczna inteligencja powiedziała mi, iż wszystkie 700 pomysłów jest świetnych, oraz o pracy zespołowej, podczas której staramy się nie ranić swoich uczuć w nieproduktywny sposób, ale nadal wprowadzać wystarczająco dużo tarcia, aby nie przytakiwać wszystkiemu.

Podoba mi się myśl, że badania oraz Wasze doświadczenia pokazują, iż w roli moderatora AI może być bardzo skuteczna w utrzymywaniu koncentracji i formułowaniu pomysłów bez usuwania tarcia i bez dodawania go więcej, niż jest to konieczne.

Luke Alexander: Dokładnie. Warto jednak powiedzieć, że ludzie nadal odgrywają w tym procesie bardzo ważną rolę. W większości codziennych miejsc pracy nie ma jednak wyszkolonych moderatorów, którzy potrafiliby skutecznie prowadzić taki proces.

Technologia może więc dostarczyć niektórych korzyści bez konieczności całkowitego przeprojektowywania procesów, co prawdopodobnie nigdy by się nie wydarzyło.

Galen Low: To ważne również dla mojej społeczności. Wśród cyfrowych kierowników projektów często mówimy, że umiejętności facylitacyjne będą teraz bardzo istotne. To typowo ludzka zdolność, która pomaga dążyć do celu.

W pewnym sensie jest to zarządzanie projektem i prowadzenie ludzi przez proces. Musimy jednak zachować względną neutralność. Nie jesteśmy decydentami na poziomie projektu. W pomieszczeniu są interesariusze i powinniśmy dobrze radzić sobie z taką sytuacją.

Podoba mi się jednak odwrócenie tej perspektywy: jeśli ktoś zajmuje się moderowaniem procesu, reszta może wnosić wkład na zupełnie inny sposób. Dotyczy to każdego rzemiosła. Jeśli nie sporządzasz notatek, możesz aktywnie uczestniczyć. Pojawia się pytanie, co wnosisz do zespołu, gdy uczestniczysz, ale nie robisz notatek.

To interesujące pytanie dotyczące współpracy zespołowej i sposobu, w jaki każdy może być bardziej obecny.

Wspomniałeś, że w obecnej wersji Waszej platformy do burzy mózgów AI nie mówi. Wcześniej rozmawialiśmy o tym, że mogłaby przedstawiać sugestie. Słusznie zauważyłeś, że ton wielu modeli językowych jest wystarczająco przekonujący lub autorytatywny, abyśmy zaczęli się im podporządkowywać.

Czy podczas budowania tych doświadczeń zauważyłeś, że mówienie AI na głos wprowadza więcej tarcia? Czy ktoś pokłócił się ze sztuczną inteligencją? Jak to wyglądało i kto wygrał?

Luke Alexander: Zdecydowanie tak. W obecnej wersji narzędzia do burzy mózgów AI nie mówi. Mamy jednak inne narzędzie w naszym produkcie, które dotyczy tworzenia briefów.

Twoi słuchacze doskonale wiedzą, jak ważny jest dobry brief w procesie kreatywnym. Pomyśleliśmy więc: „To niezwykle ważne. Pracujemy w tych branżach od lat i wiemy, jak istotne jest tworzenie briefów. Ludzie często robią to źle. Pozwólmy AI przeprowadzić proces tworzenia briefu”.

Skonfigurowaliśmy narzędzie tak, aby rozmawiało z użytkownikiem, zadawało mu pytania i jednocześnie tworzyło mapę myśli, którą można było łatwo obserwować i korygować.

Działało to całkiem dobrze, ale sztuczna inteligencja była niewiarygodnie irytująca. Sposób, w jaki zadawała pytania, przeszkadzał użytkownikom. Nie była agresywna, być może była zbyt mało asertywna, ale skupiała się na punktach, które nie miały znaczenia.

Pytała: „Co robi ta osoba?”. Użytkownik odpowiadał: „Nie chcę Ci o tym mówić”. Ludzie mieli poczucie, że AI nimi kieruje, podczas gdy powinno być odwrotnie.

Umiejętność tworzenia dobrego briefu jest umiejętnością. Mieliśmy więc kilka sytuacji, w których ludzie nie krzyczeli na AI, ale byli bardzo zirytowani tym, że marnuje ich czas.

Ludzie bardzo szybko przechodzą od zachwytu: „To magia”, do pytań: „Dlaczego to nie potrafi zrobić tego? Dlaczego trzy razy pyta mnie o to samo? Dlaczego ciągle błędnie zapisuje imię tej osoby?”.

Obserwowanie ludzi korzystających z takich narzędzi jest interesujące. Podczas wdrożeń widziałem dwie osoby pracujące w biurze: dyrektorkę finansową Catherine i dyrektora Patricka.

Catherine zawsze była uprzejma wobec AI. Mówiła: „Dziękuję. Dobrze”, a przed pierwszym pytaniem prowadziła z nią pełną rozmowę. Pytała, jak się ma i co u niej słychać.

Patrick był zupełnym przeciwieństwem. Mówił: „Głupia maszyna, znowu się pomyliłaś”. Obserwowałem ich i pomyślałem, że to świetny test. Kto otrzymuje lepsze odpowiedzi?

Co ciekawe, zależało to od sytuacji. Czasami agresywne podejście sprawiało, że osoba była bezpośrednia, jasna i pokazywała, że to ona kontroluje sytuację. W innych przypadkach przyjazny i łagodny ton prowadził do bardziej ludzkiej odpowiedzi, zwłaszcza przy pisaniu tekstów.

Możliwe więc, że okazjonalna kłótnia z AI nie jest złym pomysłem.

Galen Low: To ma sens. Kiedy zaczynałem korzystać z modeli językowych w codziennej pracy, przełomem było dla mnie podejście: „Udawaj, że rozmawiasz ze swoim współpracownikiem na Slacku”.

Nie do końca tak jak Catherine — nie pytałem AI o pogodę — ale zwracałem się do niej jak do członka zespołu. Współpraca między ludźmi nie zawsze jest przyjemna. Czasami trzeba być bardziej bezpośrednim wobec pracownika, aby pozostał na właściwej ścieżce i nie dał się rozproszyć.

Ludzie mają różne style. Ktoś może być bezpośredni, ale nie oznacza to, że każda rozmowa będzie brzmiała jak krzyk. Ludzkie doświadczenie jest pełne niuansów, a podczas szkolenia AI nie zawsze uwzględniamy te niuanse.

AI mówi: „Nauczyłem się czegoś o Tobie i umieściłem Cię w określonej kategorii. Teraz będę zawsze odpowiadać Ci w ten sposób”.

Dobre briefowanie jest sztuką. Widziałem ludzi i AI, którzy zadawali zbyt rozwlekłe pytania i schodzili na boczne tory. Dobrze działający człowiek potrafi odczytać sytuację i powiedzieć: „Idę w złym kierunku, wróćmy do tego później”.

Ciekawe jest to, że w przypadku AI myślimy o wszystkim bardzo binarnie. Nie chodzi nawet o pytanie, czy AI ma świadomość i uczucia, lecz o to, że interakcja z nią również ma swoje niuanse.

Luke Alexander: To bardzo dobry punkt. Umiejętność zatrzymania się i złapania oddechu jest czymś, co potrafią ludzie, ale nie AI.

Jeśli powiesz koledze: „Myślę, że powinniśmy zrobić to”, a on się nie zgodzi, oboje możecie się wycofać, ponownie ocenić swoje myśli i wrócić do rozmowy. Możecie się zgodzić, nie zgodzić albo znaleźć trzecią drogę.

AI tego nie robi, ale zachowuje się tak, jakby mogła. Niebezpieczne może być przekonanie, że rozmowa z AI jest rozmową z człowiekiem.

W najnowszych modelach antropicznych pojawia się interesująca tendencja. Wcześniej, podczas programowania, można było powiedzieć: „Nie chcę tego robić. Wybierzmy inną drogę”, a mniej zaawansowany model odpowiadał: „Dobrze, zrobimy to”.

Nowsze modele potrafią się zgodzić, a następnie i tak wykonać wcześniejsze polecenie albo powiedzieć: „Mylisz się, więc wybiorę trzecią drogę, której nie uzgodniliśmy”.

Dawniej radzono, aby traktować AI jak stażystę lub współpracownika dopiero wdrażającego się w projekt. Nie sądzę, aby to podejście nadal działało równie dobrze. Musimy opracować nowy sposób rozmawiania z AI i rozumienia, czego posłucha, a do czego trzeba ją bardziej przekonać.

Galen Low: To bardzo ważne, bo sytuacja ciągle się zmienia. Zajmuje nam dużo czasu ustalenie, jak powinniśmy korzystać z AI, a kiedy już to zrobimy, modele są siedem kroków dalej i nasze zasady przestają obowiązywać.

W tym samym czasie zespoły próbują kulturowo ustalić, jak czują się ze sztuczną inteligencją, co o niej myślą i jak chcą z nią pracować. Kiedy już zgodzimy się na zasady i spiszemy je w modelu lub karcie, okazuje się, że narzędzie znowu się zmieniło.

Musimy pamiętać, że sztuczna inteligencja będzie się nadal zmieniać i prawdopodobnie zyska więcej cech przypominających ludzkie.

Ile razy prosiliśmy kogoś o wykonanie zadania, mówiliśmy: „Nie, nie, pójdźmy w tym kierunku”, a ta osoba odpowiadała: „Dobrze”, po czym wybierała trzecią opcję, której nie omawialiśmy, bo była przekonana, że tak będzie najlepiej?

Podobnie mogą działać nasze narzędzia. Czy są narzędziem, członkiem zespołu, stażystą, ekspertem? Bardzo łatwo wpaść w pułapkę myślenia: „Chyba lepiej w to uwierzyć, bo może AI wie więcej”.

Luke Alexander: Być może wie więcej. To właśnie jest trudność. W programowaniu jest to obecnie najbardziej oczywiste. Duża część pracy programisty polega na rozumieniu kompromisów między możliwościami a ryzykiem.

AI może doradzać otwarcie określonej powierzchni systemu, co zapewnia dodatkowe możliwości, ale również tworzy nową przestrzeń potencjalnych ataków. Widzimy osoby, które wcześniej nie tworzyły oprogramowania, a teraz programują intuicyjnie z pomocą AI.

Sztuczna inteligencja może przekonać je do niezwykle zaawansowanych zabezpieczeń, nawet jeśli projekt nigdy nie wyjdzie poza ich komputer. Z jednej strony jest to przesada i strata czasu. Z drugiej — gdy projekt zostanie opublikowany, AI może mieć rację.

Nie chcemy całkowicie zamykać się na jej sugestie i twierdzić, że to my zawsze mamy kontrolę. Jedną z zalet tych systemów jest ogromna wiedza, którą zgromadziły, a która może być naprawdę użyteczna.

Galen Low: Myślę, że chodzi o kontekst i osąd. Czasami mówię: „AI, nie znasz całego kontekstu. Znam tę osobę od 10 lat i nie będę Ci tego wszystkiego przekazywać, bo zajęłoby to zbyt długo”.

W takiej sytuacji mam więcej kontekstu potrzebnego do podjęcia decyzji. Jeśli jednak nie jestem ekspertem ds. cyberbezpieczeństwa, mogę uznać, że sugestia AI jest prawdopodobnie słuszna.

To samo robimy z ludźmi. Mówimy: „Ty jesteś osobą kreatywną, a Ty kierownikiem projektu. Nie masz całego kontekstu”. Być może rzeczywiście go nie mamy.

Musimy umieć się wycofać w zależności od poziomu wiedzy i jakości osądu osoby podejmującej decyzję. Nie zawsze się z nią zgodzimy i sytuacja nadal może pójść źle, ale jeśli ktoś ma duże doświadczenie w danym obszarze, możemy zaufać jego osądowi.

AI również ma ogromne doświadczenie, ponieważ została wytrenowana na dużej ilości informacji. Bezpieczeństwo jest dobrym przykładem, podczas gdy polityka interesariuszy może być dla niej znacznie trudniejsza.

Podoba mi się jednak pomysł syntetycznej grupy odbiorców lub awatarów interesariuszy, które pokazują, co mogliby powiedzieć. To po prostu dobre doświadczenie klienta i myślenie skoncentrowane na użytkowniku.

Skoro rozmawiamy o sztucznej inteligencji jako moderatorze, warto też zapytać, co dzieje się, gdy moderuje człowiek, a AI uczestniczy w spotkaniu. Czy ludzcy moderatorzy potrzebują innych umiejętności, aby prowadzić sesję, w której AI jest uczestnikiem?

Luke Alexander: Myślę, że tak. Najbardziej oczywista rzecz to rozproszenie. Gdy ludzie siedzą w grupie i mają dostęp do laptopów, są bardziej rozpraszani przez możliwość wykonywania działań lub zadawania pytań w trakcie spotkania.

Wcześniej również wyszukiwali informacje w Google, ale obecnie mogą naprawdę angażować innego uczestnika, który nie znajduje się fizycznie w pomieszczeniu.

Moderator ma trudne zadanie. Nie chce nikogo umniejszać, a jednocześnie w grupie może istnieć polityka, która uniemożliwia sprzeciwienie się osobom wyżej postawionym. Trzeba jednak przypominać, że wszyscy spotkali się w tym cennym czasie po to, aby przede wszystkim przeprowadzić rozmowę.

Jeśli coś można zrobić poza spotkaniem, należy zrobić to poza spotkaniem. Jednocześnie czasami AI może przedstawić bardzo użyteczne spostrzeżenia. Można uruchomić Claude'a na początku sesji, pozwolić mu analizować materiały, a w połowie spotkania otrzymać sugestię, która zmieni ton rozmowy.

Trzeba po prostu włączyć to w proces i zrozumieć, że mamy dostęp do różnych rodzajów inteligencji, które służą konkretnym celom.

Widziałem ostatnio osoby siedzące na sesji kreatywnej, które usłyszały pomysł, polubiły go, a następnie od razu zaczęły go budować i projektować. To może wyglądać świetnie, ale niszczy sens procesu, jego etapy i możliwość wniesienia wkładu przez innych.

Weźmy klasyczny projekt strony internetowej. Zwykle masz osobę kreatywną lub projektanta, który bardzo dba o doświadczenie użytkownika, oraz programistów, którzy dbają o sposób budowy strony.

Teraz te role mogą częściowo pełnić te same osoby. Ktoś bez formalnego szkolenia z projektowania lub UX może powiedzieć: „Myślę, że powinniśmy zrobić to”, a projektant UX może odpowiedzieć: „Dobrze, zamienię to w stronę internetową”.

Jeśli nie ma skutecznego moderatora, ludzie szybko zaczynają wchodzić sobie w drogę i denerwować się nawzajem. Nie korzystają też z zalet zespołu.

Częścią podejścia moderatora w nowej erze jest bycie rzecznikiem człowieka. Trzeba zadać pytanie: „Który element tej osoby, która fizycznie znajduje się tutaj, będzie szczególnie wartościowy dla projektu?”.

W wielu branżach pozorna wartość danej osoby była związana z 300-stronicowym raportem, który przygotowała. Prawdziwa wartość tkwiła jednak w tym, co wiedziała i umieściła w raporcie, oraz w pytaniach, które zadawała.

Jeśli można zrezygnować z ogromnej części pracy i przez pięć minut w pełni zaangażować mózg tej osoby w problem, rezultat może być znacznie cenniejszy.

To bardzo interesujący czas dla kierowników projektów, ale również dla wszystkich pracujących z ludźmi znajdującymi się na różnych etapach korzystania z AI.

Galen Low: Właśnie wywróciłeś mi sposób myślenia do góry nogami. Jeśli doprowadzimy kompetencje ludzi do określonego poziomu, nie będą musieli pracować razem nad jednym projektem — możemy przenieść ich do innych projektów.

Nie oznacza to pozbywania się miejsc pracy. Możemy prowadzić szkolenia krzyżowe. Gdy pracujesz z kimś, kto programuje od dekady, a Ty dopiero zaczynasz, oboje macie dostęp do tego samego narzędzia, ale korzystacie z niego inaczej.

Jeśli doświadczona osoba powie: „W takiej sytuacji zadałbym to pytanie i dodałbym ten szczegół, ponieważ…”, nagle otrzymujesz kontekst od kogoś, kto od dekady myśli o programowaniu, aplikacjach lub infrastrukturze.

Można dojść do momentu, w którym ta osoba będzie mogła zbudować aplikację w innym projekcie. To interesujący model zatrudnienia, który może sprawiać ludziom przyjemność i pozwalać im dobrze wykonywać pracę.

Luke Alexander: W agencjach, szczególnie tych pracujących z klientami, zawsze chcieliśmy, aby osoby najlepiej rozumiejące klienta znajdowały się jak najbliżej pracy. Teraz ta sama osoba może jednocześnie rozumieć klienta i wykonywać pracę.

Nie mówię, aby zwalniać programistów — wręcz przeciwnie. Dobrym przykładem są agencje marketingowe, które przez lata nie potrafią zbudować własnej strony internetowej.

Nie dlatego, że jest to szczególnie trudny problem. Gdyby chodziło o klienta, rozwiązałyby go od razu. Problemem są priorytety oraz potrzeba wykorzystania wszystkich umiejętności firmy i osiągnięcia perfekcji.

Kilka lat temu zasugerowałem jednej agencji, aby powierzyła projekt strony najmłodszej osobie w firmie i powiedziała, że nie będzie krytykować rezultatu. Chciałem zobaczyć, co ta osoba potrafi.

Stworzyła całkiem przyzwoitą, trzystronicową stronę internetową. Okazało się, że nie jest to aż tak trudne. Czasami sami sobie przeszkadzamy.

Wracając do współpracy, jest to przykład tego, jak mogła ona nie działać jeszcze przed pojawieniem się AI. Ludzie przeceniali wszystkie elementy procesu i nie doceniali jego rezultatów.

Sztuczna inteligencja może pomóc, ponieważ sprawia, że rezultaty stają się darmowe lub bardzo tanie. Można powiedzieć: „Sprawdźmy, co się stanie, jeśli zbudujemy stronę agencji w taki sposób”. Możesz ją naszkicować i zobaczyć rezultat, zamiast mieć poczucie, że zmarnowano czas wszystkich osób.

Galen Low: Bardzo mi się to podoba. Sam nie zauważam literówki, dopóki czegoś nie wydrukuję. Dopiero gdy rezultat jest prawdziwy, potrafię przekazać właściwą informację zwrotną.

Z makietami jest podobnie. Patrzysz na nie i myślisz: „Chyba tak”. W głowie zakładasz, że później się to zmieni. Jeśli można szybciej zbudować działającą rzecz i przekazać informację zwrotną, rozmowa staje się o wiele lepsza.

Doświadczenie Amble brzmi niesamowicie i bardzo chciałbym je wypróbować. Co mogą zrobić od razu zespoły, które z jakiegoś powodu nie mogą jeszcze skorzystać z Amble, aby korzystać ze sztucznej inteligencji bardziej zespołowo, a nie prywatnie?

Luke Alexander: Wiele osób chce po prostu umieścić AI na Slacku. Zwykle odradzam to, dopóki wszyscy użytkownicy nie zrozumieją narzędzia i nie będą mieli podobnego poziomu wiedzy.

Zamiast tego proponuję proste ćwiczenie. Połączcie się na rozmowie i udostępnijcie ekran. Nikt nie może edytować dokumentu Word, prezentacji PowerPoint ani innego tworzonego artefaktu.

Możecie jedynie przekazywać informacje do AI, a jedna osoba może je wpisywać. Wszyscy mogą formułować polecenia, ale nikt nie trzyma wyłącznie pióra.

W ten sposób rozmawiacie o artefakcie jako o czymś, na czym wszystkim zależy, zamiast irytować się, że ktoś pisze zbyt wolno albo formułuje zdanie inaczej niż Wy.

Może to być wersja robocza. Nikt nie musi się przejmować ostatecznym rezultatem. Możecie ją później poprawić i przekazać osobie, która zajmie się dalszą pracą.

Podczas takiej współpracy pojawią się rozmowy, których wcześniej nie dałoby się przeprowadzić. W półgodzinnej rozmowie nie sposób napisać 30-stronicowego dokumentu, ale obecnie można go tworzyć na bieżąco.

Ponieważ wszyscy widzą ekran, mogą powiedzieć: „To nie jest właściwe. Rejestr ryzyk pomija te elementy”, „Nie uwzględniliśmy potrzeb klienta” albo „Nikt nie wspomniał o bezpieczeństwie”.

Od tego warto zacząć. To łatwy sposób na rozpoczęcie pracy z zespołową AI. Nie zaczynałbym od umieszczania Claude'a w centrum i tworzenia dla niego briefu bez ram projektu, bo otrzymacie bardzo dziwne rezultaty, a jedna osoba będzie prowadzić całość, podczas gdy reszta pozostanie z boku i nie będzie wiedziała, co się dzieje.

Galen Low: Podoba mi się to, bo nie zrobilibyśmy tego również człowiekowi. Może stażyście albo studentowi na praktykach w agencji, ale nie celowo — raczej z konieczności.

Zwykle wprowadzamy kogoś do projektu, przekazujemy mu kontekst, wyjaśniamy jego specjalizację, wdrażamy go i stopniowo dostarczamy informacje.

W tym modelu wszyscy zaczynają od wspólnego poziomu, uczą się, że nie muszą trzymać pióra, i dzielą się kontekstem, z którego AI może się uczyć.

Nie można po prostu powiedzieć: „Pomożesz nam napisać ten brief”, a potem co chwilę odbierać AI pióro i nie wyjaśniać, dlaczego wprowadziło się zmianę. W takim przypadku nigdy nie zrozumie, co się wydarzyło.

Luke Alexander: Kwestia kontekstu jest niezwykle ważna. Gdy ludzie pracują nad wspólnym projektem, zawsze negocjują kontekst — ustalają, co jest istotne, a co nie.

Ludzie robią to bez zastanowienia. Ustalają ton spotkania, mówią, co robimy, a czego nie robimy, i wprowadzają innych w temat. Są bardzo szybcy w identyfikowaniu tego, co z ogromnego zasobu wiedzy i historii projektu jest istotne w danym momencie.

To dar, który możemy przekazać AI. Sztuczna inteligencja słabo radzi sobie z filtrowaniem kontekstu. Copilot firmy Microsoft może przeglądać wszystkie informacje dotyczące projektu oraz wiadomości e-mail, które kiedykolwiek wysłałeś.

Większość osób mówi jednak, że spędza mnóstwo czasu na wyjaśnianiu mu: „To nie jest istotne. Ten budżet dotyczy innego klienta”. Wykorzystujmy więc ludzką zdolność do filtrowania kontekstu na samym początku.

Galen Low: Luke, bardzo dziękuję. Dla zabawy: czy masz pytanie, które chciałbyś mi zadać?

Luke Alexander: Tak. Fascynuje mnie zarządzanie projektami, szczególnie cyfrowe zarządzanie projektami i to, jak bardzo się zmieniło.

Obserwowałem ten obszar z boku i nigdy sam nie byłem kierownikiem projektu. Zawsze interesował mnie jednak problem zespołów, które nie chcą być zarządzane. Czy sztuczna inteligencja w czymkolwiek tu pomogła?

Myślę na przykład o Asanie, która jest bardzo dobrym doświadczeniem i pięknie zbudowanym produktem. Widziałem ją w kilku agencjach, ale ludzie często z niej rezygnowali, a zarządzanie nią stawało się czyimś obowiązkiem.

Czy komuś udało się rozwiązać problem zarządzania zespołem, który nie chce być zarządzany, za pomocą AI?

Galen Low: Możliwe, że tylko przenieśliśmy problem w inne miejsce. Najczęściej słyszę, że kierownik projektu ma pełnić funkcję agenta wykonującego działania następcze.

Nie musisz być osobą, która przypomina o ewidencji czasu pracy albo pyta, czy zadanie zostanie ukończone do piątku. To jednak bardziej złożone. Kiedy kontaktuję się z kimś, nie tylko nim zarządzam. Próbuję także pozyskać informacje, aby lepiej rozumieć kontekst, podejmować decyzje i działać na różne sposoby.

Widziałem, że systemowe przypomnienia łagodzą reakcję: „Kierownik projektu znowu mnie naciska. Jest dopiero środa, termin jest w piątek, daj mi spokój”.

Kilka lat temu byłem na konferencji poświęconej Agile. Scrum miał być metodą, w której szybko działamy i nie potrzebujemy kierownika projektu. Zespół miał zarządzać się samodzielnie.

Nawet tam pojawił się ruch przeciwko samej konferencji: „Nie zabierajcie mnie na konferencję. Zostawcie mnie w spokoju i pozwólcie mi pracować”.

System bez kierownika projektu nie rozwiązał problemu poczucia bycia zarządzanym. Ludzie zaczęli mówić, że nie chcą nawet uczestniczyć w codziennych spotkaniach, bo one również przeszkadzają im w pracy.

Ludzie, którzy nie chcą być zarządzani, prawdopodobnie naprawdę nie chcą być zarządzani. Nie wiem, czy istnieje rozwiązanie tego problemu.

Widziałem również sytuacje, w których wszystkie przypomnienia od agentów AI były ignorowane albo stawały się jeszcze bardziej irytujące, a część kontekstu w ogóle nie była udostępniana.

Nie sądzę więc, aby problem został już rozwiązany. Zastanawiam się też, czy tarcie związane z zarządzaniem nie jest czasami częścią procesu. Sam nie lubię być zarządzany i próbuję zrozumieć jego wartość.

Nie wszyscy chcemy tego samego, nie wszyscy się zgadzamy, nie pracujemy w taki sam sposób i mamy różne priorytety. Napięcie wynikające z poczucia bycia ponaglanym, sprawdzanym i wywierania na nas presji może być po prostu częścią procesu.

Luke Alexander: Podoba mi się ta odpowiedź. Słuchałem kiedyś trenera negocjacji, który mówił o sytuacji, gdy w pomieszczeniu znajduje się grupa osób, które nigdy nie zgodzą się co do rozwiązania.

Można wtedy znaleźć coś innego, co wszyscy zaakceptują. Możecie zgodzić się co do procesu albo co do tego, czego nie uwzględniacie. Tworzy to środowisko, w którym ludzie czują, że robią postępy.

Podoba mi się też pomysł zespołu, którym nie da się zarządzać. Trzeba znaleźć coś, wokół czego wszyscy mogą się zjednoczyć — nawet jeśli jest to wspólna zgoda co do tego, jak irytujące jest zarządzanie.

Galen Low: Zdecydowanie. To trudne. Wiem, że jestem irytujący, ale przejdziemy przez to razem. Możemy się co do tego zgodzić.

Luke, bardzo dziękuję za dzisiejszy czas. Świetnie się bawiłem i wiele się nauczyłem.

Luke Alexander: Ja również.

Galen Low: Gdzie można dowiedzieć się więcej o Tobie, Supervenient i Amble?

Luke Alexander: Wejdźcie na www.supervenient.ai — to nasza strona internetowa, na której znajdziecie więcej informacji. Jesteśmy na etapie MVP i prowadzimy listę oczekujących.

Jeśli ktoś słucha tego odcinka i chce dowiedzieć się więcej, rekrutujemy niewielką liczbę użytkowników alfa. Możecie korzystać z produktu bezpłatnie przez kilka miesięcy, przekazywać nam opinie i mówić, jak bardzo jest użyteczny.

Pokrywamy koszt tokenów, więc otrzymacie także darmowy dostęp. Możecie również obserwować mnie na LinkedIn i śledzić dalszy rozwój projektu.

Galen Low: Luke, jeszcze raz dziękuję.

Luke Alexander: Bardzo dziękuję, Galen. To była świetna rozmowa.

Galen Low: Dobrze, drodzy słuchacze. To wszystko w tym odcinku podcastu Digital Project Manager. Jeśli podobała Wam się ta rozmowa, zasubskrybujcie podcast w miejscu, w którym go słuchacie.

Jeśli chcecie poznać jeszcze więcej praktycznych spostrzeżeń, studiów przypadku i podręczników działania, załóżcie bezpłatne konto na thedigitalprojectmanager.com. Do usłyszenia następnym razem. Dziękuję za uwagę.