Jak naprawdę mierzyć wpływ sztucznej inteligencji na biznes

Galen Low: Czy w ogóle da się zmierzyć ilościowo wpływ sztucznej inteligencji na organizację?

Michael Domanic: Jeśli usprawniasz część procesu sprzedażowego, chcesz zmierzyć, jak duże usprawnienie to przyniosło. Jaki rezultat osiągnęliśmy? Czy sprzedaliśmy więcej? Czy dzięki wdrożeniu tego rozwiązania do firmy osiągnęliśmy cel przychodowy?

To samo dotyczy marketingu — usprawniamy wiele procesów marketingowych. Świetnie. Jeśli na przykład oszczędzamy czas przy tworzeniu kampanii marketingowych, ile dodatkowych kampanii możemy przygotować i jaka jest wartość tych kampanii? Właśnie wtedy warto bardziej skupić się na mierzeniu wartości.

Galen Low: Jakie sposoby myślenia i zachowania organizacyjne muszą się po drodze zmienić, aby nadążyć za transformacją związaną ze sztuczną inteligencją?

Michael Domanic: Wszyscy będą musieli zaakceptować, że przez dającą się przewidzieć przyszłość będziemy w trybie transformacji i uczenia się. Wiemy, że tempo pojawiania się nowych możliwości nie zwolni. Będzie nadal rosło, więc musimy bardzo elastycznie reagować na wszystkie te zmiany i postępy.

Galen Low: Niedawno opublikowałeś artykuł o swoich przewidywaniach dotyczących AI w 2026 roku. Jedna z twoich hipotez mówiła również, że badacze doświadczeń użytkownika i projektanci staną się jednymi z najważniejszych osób w firmach w 2026 roku. Czy możesz wyjaśnić, co masz na myśli?

Michael Domanic: Tak, więc...

Galen Low: Witajcie w podcaście Menedżer Cyfrowych Projektów — programie, który pomaga liderom dostarczania pracować mądrzej, sprawniej realizować projekty i pewnie prowadzić zespoły w erze AI. Mam na imię Galen i co tydzień omawiamy praktyczne strategie, nowe trendy, sprawdzone metody oraz od czasu do czasu prawdziwe historie z pierwszej linii projektowej. Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, porządkujesz przepływy pracy oparte na AI, czy po prostu próbujesz utrzymać chaos pod kontrolą — jesteś we właściwym miejscu. Zaczynajmy.

Dziś rozmawiamy o obalaniu fałszywych założeń dotyczących AI w kulturze przedsiębiorstw i o zresetowaniu systemu, aby lepiej zrozumieć, jak AI wpływa na podstawową działalność firmy, a nie tylko na próżne wskaźniki. Omówimy właściwe i niewłaściwe sposoby mierzenia wpływu AI, to, jak pogląd organizacji na AI powinien zmieniać się wraz z jej dojrzałością w tym obszarze, oraz kilka przewidywań dotyczących wpływu AI na trendy biznesowe w 2026 roku.

Moim dzisiejszym gościem jest Michael Domanic, dyrektor ds. AI w UserTesting.

Michael ma misję napędzania transformacji całego przedsiębiorstwa dzięki AI, aby uwolnić znaczącą wartość biznesową. Realizuje ją, ściśle współpracując z liderami różnych funkcji, wdrażając AI do kluczowych przepływów pracy, budując kulturę innowacji i rozwijając kompetencje AI w całej organizacji w pragmatyczny sposób skoncentrowany na wpływie.

Michael, dziękuję, że jesteś dziś ze mną.

Michael Domanic: Dzięki, Galen. Naprawdę doceniam zaproszenie.

Galen Low: Cieszę się na tę rozmowę, bo poprzedziły ją bardzo interesujące rozmowy przygotowawcze. Wiem, że będziemy pewnie przeskakiwać między wątkami, ale na wszelki wypadek — bo jestem przecież menedżerem projektu — oto mapa, którą przygotowałem na dziś.

Na początek chciałem poznać twoją opinię na temat jednego wielkiego, trudnego pytania, a potem oddalić perspektywę i najpierw porozmawiać o trzech rzeczach. Chciałem omówić to, jak wdrażacie AI i mierzycie jej wpływ w UserTesting, a także dlaczego podchodzicie do tego właśnie w taki sposób.

Następnie chciałbym sprawdzić, dokąd prowadzi ta królicza nora w miarę dojrzewania organizacji w jej podróży z AI — jakie sposoby myślenia, zachowania i wartości muszą się zmienić, a może nawet zostać całkowicie odrzucone, aby nadal odnosić sukcesy. Na koniec chciałbym przejść do twoich przewidywań dotyczących wpływu AI na nasze życie zawodowe i sposób prowadzenia biznesu w 2026 roku.

Jak ci się to podoba?

Michael Domanic: Brzmi świetnie. Zróbmy trochę przeskoków między tematami.

Galen Low: Zróbmy to. Dobrze, zacznijmy od jednego wielkiego pytania i dodajmy trochę kontekstu. Moim zdaniem większość przedsiębiorstw chce móc mierzyć skuteczność wdrażania AI.

Chodzi o ten wiecznie nieuchwytny zwrot z inwestycji w AI, wykraczający poza prosty podział na porażkę i brak porażki, ale opinie na ten temat są podzielone. Niektórzy mówią, że AI nie trzeba w ogóle mierzyć, bo wyraźnie przynosi poprawę. Inni twierdzą, że organizacje powinny stworzyć zupełnie nowe wskaźniki związane z AI i rygorystycznie je mierzyć.

Moje wielkie pytanie brzmi: czy w ogóle da się zmierzyć ilościowo wpływ AI na organizację, czy na tym etapie myślenie o transformacji w ten sposób jest dla większości organizacji daremnym przedsięwzięciem?

Michael Domanic: To dobre pytanie i często wywołuje gorące dyskusje, szczególnie wśród takich osób jak ja, które kierują AI w organizacjach.

Istnieje szkoła myślenia mówiąca: nie zawracajcie sobie głowy mierzeniem zwrotu z inwestycji w AI, bo jesteśmy dopiero na początku. Dla większości organizacji powinno to być podstawą, prawda? Nie mierzymy zwrotu z inwestycji w elektryczność ani w pocztę elektroniczną, więc po co mierzyć zwrot z inwestycji w to rozwiązanie?

Moje podejście jest trochę inne. Rozumiem te argumenty i częściowo się z nimi zgadzam. Mamy dyrektora finansowego i zarząd. Wydajemy dużo pieniędzy na transformację AI, więc musimy pokazać jakiś zwrot z tych inwestycji. Zamiast próbować stworzyć jedną całościową liczbę określającą zwrot z inwestycji w całej organizacji dzięki wdrożeniu AI, co kwartał przyglądamy się dziesięciu najważniejszym wdrożeniom AI i mierzymy ich rezultaty.

Mierzymy zwrot z inwestycji w te wdrożenia. Jeśli na przykład ktoś w naszej organizacji stworzy niestandardowy GPT, który pomoże w kluczowej części procesu sprzedażowego, będziemy mierzyć jego wpływ. Jaki był rezultat — niekoniecznie ile czasu zaoszczędziliśmy. Ludzie często zbyt mocno koncentrują się na oszczędności czasu. Oszczędność czasu nie jest rezultatem, lecz korzyścią. Rezultatem jest to, co osiągnęliśmy dzięki wdrożeniu rozwiązania AI w danej części firmy.

Jeśli więc usprawniasz fragment procesu sprzedażowego, chcesz zmierzyć, jak duże usprawnienie przyniosło to rozwiązanie. Jaki rezultat osiągnęliśmy? Czy sprzedaliśmy więcej? Czy dzięki wdrożeniu osiągnęliśmy cel przychodowy? To samo dotyczy marketingu — usprawniamy wiele procesów marketingowych.

Jeśli na przykład oszczędzamy czas przy tworzeniu kampanii marketingowych, ile dodatkowych kampanii możemy przygotować i jaka jest wartość tych dodatkowych kampanii? Właśnie wtedy warto bardziej skupić się na mierzeniu wartości.

Galen Low: Podoba mi się ta dokładność — ten poziom, na którym nie schodzimy koniecznie tak głęboko, by liczyć zaoszczędzone godziny, ale też nie wychodzimy daleko poza standardy, by tworzyć nowe wskaźniki i nowy sposób myślenia o firmie.

Ostatecznie chodzi o rezultat. Trafnie zauważyłeś, że nie mierzymy dziś efektywności poczty elektronicznej. To nowe i transformacyjne, ale za dekadę stanie się w pewnym sensie czymś zupełnie zwyczajnym.

Michael Domanic: Zgadzam się. Sądzę, że trzeba mierzyć dwa różne rodzaje rzeczy. Jest tak zwany przeze mnie „miękki” zwrot z inwestycji oraz twardy zwrot z inwestycji. To, co opisałem, to twardy zwrot — coś, co rzeczywiście można zmierzyć. Możemy powiedzieć: w tym kwartale umówiliśmy o 64% więcej rozmów odkrywających dzięki temu rozwiązaniu AI.

Znamy wartość takiej rozmowy. To kluczowa część procesu sprzedażowego w firmie oferującej oprogramowanie jako usługę. Istnieją jednak także miękkie wskaźniki i miary. Jesteśmy organizacją wspieraną przez AI. Wiemy, że ludzie chcą pracować w organizacjach wykorzystujących AI, a zapewnianie wartości i pomoc w rekrutowaniu lepszych talentów są ważne, choć trudniejsze do zmierzenia.

Galen Low: Bardzo mi się to podoba. Ten temat pojawia się teraz w wielu rozmowach. Aby przyciągnąć właściwe talenty, musimy myśleć o tym w ten sposób: ludzie chcą pracować w organizacjach postępowych, wyznaczających kierunek, znajdujących się na ostrzu nowoczesnego biznesu, bo to dobrze wróży.

Michael Domanic: Zdecydowanie. Jedną z rekomendacji, które daję każdemu uczestnikowi rekrutacji, jest zadanie firmie pytania: „Opowiedzcie mi o waszej transformacji AI. Na ile jesteście organizacją wspieraną przez AI?”. Firmy powinny mieć bardzo dobrą odpowiedź, jeśli chcą przyciągać najlepsze talenty.

Galen Low: Chętnie poświęciłbym temu cały odcinek — procesowi rekrutacji, poszukiwaniu pracy i marce organizacji. To świetna wskazówka, bo wiem, że wiele organizacji uważa, że ma solidne podejście i strategię AI, ale podczas rozmowy rekrutacyjnej nie potrafiłoby odpowiedzieć na to pytanie zwięźle.

Ciekawi mnie, czy możemy nieco poszerzyć perspektywę. UserTesting to platforma, z której korzystało wiele moich zespołów projektowych. Zawsze postrzegałem ją jako inteligentną platformę skoncentrowaną na tworzeniu wartościowych doświadczeń użytkowników na podstawie informacji ze świata rzeczywistego — i właśnie to jest mi bliskie.

Interesuje mnie też twoja długa historia z tą organizacją. Zaczynałeś w obszarze sukcesu klienta, potem przeszedłeś do strategii AI, a obecnie jesteś, jak sądzę, wiceprezesem i dyrektorem ds. strategii biznesowej generatywnej AI.

Gratulacje. Z tych wszystkich powodów bardzo chciałbym porozmawiać o AI, mierzeniu jej wpływu na organizację i zmianie kultury organizacyjnej. Na początek możesz podać kilka przykładów, jak zespół UserTesting wykorzystuje dziś AI w swojej pracy?

Rozmawialiśmy o wejściu na rynek i umawianiu rozmów. Dokąd prowadzi was ta królicza nora?

Michael Domanic: AI odgrywa teraz dużą rolę niemal we wszystkim, co robimy, bo wyszliśmy już poza krzywą adopcji i wdrażamy ją wszędzie tam, gdzie naszym zdaniem przyniesie wartość — czyli w większości naszych działań.

Jesteśmy firmą oferującą oprogramowanie jako usługę. Aby odnieść sukces, musimy zwiększać przychody, utrzymywać klientów i zwiększać tempo rozwoju produktu. Na tym staram się koncentrować, bo wiem, że właśnie tam AI może wywrzeć największy wpływ.

W naszym produkcie większość zespołów produktowych prawdopodobnie już to robi albo wie, że powinna. Inżynierowie powinni korzystać z narzędzi takich jak Codex, Copilot czy Cursor, które pomagają rozszerzać proces, zwiększać wydajność i podnosić rygor kodu. Projektanci w zespole produktowym korzystają z narzędzi szybkiego prototypowania i tworzą prototypy znacznie szybciej, co zwiększa tempo rozwoju produktu.

Chcemy tworzyć lepsze produkty i robić to szybciej, więc cały zespół produktowy jest zaangażowany w ten proces. Po stronie wejścia na rynek nasz zespół sprzedaży tworzy niestandardowe GPT-y usprawniające poszczególne elementy procesu sprzedaży. Przedstawiciele rozwoju sprzedaży korzystają z serii GPT-ów, które pomagają im wybierać bardziej odpowiednich potencjalnych klientów, prowadzić z nimi lepsze rozmowy i zachęcać ich do spotkań odkrywających.

Dzięki temu możemy rozpoznać, jakie wyzwania ma dana firma i czy możemy być dla niej rozwiązaniem. Zespół marketingowy wykorzystuje AI do tworzenia lepszych kampanii, szybszego ich przygotowywania, pisania i redagowania tekstów oraz tworzenia obrazów. AI jest więc używana w całej naszej firmie.

Galen Low: Firmy oferujące oprogramowanie jako usługę są świetnym przykładem zastosowania AI. Liczy się tempo, a konkurencja jest ogromna.

Co więcej, bariery wejścia są dziś znacznie niższe. Nie trzeba mieć stusobowego zespołu inżynierów, pięćdziesięciu projektantów interfejsów ani właścicieli produktu z dwudziestoletnim doświadczeniem. Luka się zamyka, konkurencja może jednak znacznie szybciej nadrobić dystans i wszystko porusza się niezwykle szybko.

Michael Domanic: Bariery wejścia do sektora oprogramowania jako usługi szybko spadają, więc wiemy, że musimy być lepsi we wszystkim, co robimy.

Niezależnie od tego, czy jesteś firmą programistyczną, czy właściwie dowolną inną firmą, AI wykorzystuje się w środowisku biznesowym na trzy sposoby. Po pierwsze jako stażystę — do podsumowywania dokumentów czy prowadzenia badań. Sprzedawca może poprosić bardzo inteligentnego stażystę o zebranie informacji o potencjalnych klientach i obecnych klientach.

Po drugie wykorzystujemy AI jako asystenta. To obejmuje działania generatywne: zespół marketingowy może tworzyć teksty, wiadomości e-mail czy wpisy na LinkedIn. Te dwa zastosowania są bardzo wartościowe, ale nic nie dorównuje trzeciemu — używaniu AI jako partnera do myślenia.

AI bardzo dobrze dostarcza strategicznych informacji na temat działań biznesowych. W naszej organizacji zachęcam wszystkich do dwóch pierwszych zastosowań, ale przede wszystkim chcę, aby prowadzili z narzędziem AI strategiczne rozmowy, które pomogą doskonalić strategię i podejście do najważniejszych wyzwań firmy.

Galen Low: To bardzo ciekawe. Zaciekawiła mnie twoja rola. Rozmawiamy o mierzeniu wpływu AI, a twoim zadaniem jest dosłownie prowadzenie transformacji organizacji dzięki AI.

Jak bardzo jesteś zaangażowany? Czy obserwujesz wszystkie zespoły, czy raczej okazjonalnie je szkolisz? Jak zasiewasz te idee i pomagasz ludziom przyjmować sposób myślenia o wykorzystaniu AI, a także krytycznie oceniać jej rezultaty? Nie chodzi tylko o partnera do myślenia ani o kogoś, kto wykona pracę, którą potem skopiujesz i wkleisz, lecz o kwestionowanie wyników i wzbogacanie ich własnym ludzkim osądem.

Michael Domanic: Jest tu wiele wątków. Jeśli chodzi o oczekiwanie transformacji organizacji wokół AI, wiemy, że musimy zapewnić wszystkim narzędzia, szkolenia i wsparcie. Jesteśmy firmą liczącą około 750–800 osób, więc nie mogę być wszędzie jednocześnie ani prowadzić takich rozmów z każdym zespołem co tydzień.

Koncentruję się na tym, co ma największe znaczenie dla organizacji. Poza trzema wspomnianymi obszarami jest wiele wartościowych działań. Kluczowym elementem, który polecam większości organizacji, jest znalezienie osób już eksperymentujących i angażujących się w temat. Staną się one waszym centrum doskonałości.

W UserTesting mamy centrum doskonałości liczące około dwóch tuzinów osób z różnych funkcji: HR, sprzedaży, marketingu, produktu, inżynierii i innych części firmy. Upoważniamy ich do pełnienia roli ekspertów AI w swoich zespołach. Podejmują się misji głębokiego zaangażowania, śledzenia ciągłych zmian w AI i ustalenia, jakie wdrożenia mają największe znaczenie.

Rozmawiają z osobami pełniącymi podobne i pokrewne role, aby wspólnie zrozumieć, co te możliwości AI oznaczają dla ich pracy. To ważny element naszej drogi adopcji i transformacji: umożliwienie centrum doskonałości bycia ekspertami w zespołach i w swoich obszarach działalności.

Galen Low: Bardzo podoba mi się podejście oparte na umożliwianiu działania. Wiele osób czuje, że AI jest im narzucana bez odpowiednich wskazówek. Ten model zapewnia właściwą równowagę. Nie możesz być wszędzie i prawdopodobnie nie masz armii podwładnych zajmujących się transformacją AI.

Podoba mi się model społeczności praktyków, bo uwzględnia fakt, że eksperci w swoich dziedzinach powinni zdobyć wiedzę o AI, ale sami podejmować decyzje, gdzie można uzyskać największą wartość i jak ją wdrożyć.

Michael Domanic: W większości obszarów firmy wiem wystarczająco dużo, by być niebezpieczny, ale nie jestem ekspertem w niemal żadnej funkcji. Ludzie wykonujący daną pracę codziennie są ekspertami. Jeśli rozmawiamy o możliwościach AI, to oni najlepiej rozszyfrują, co te możliwości oznaczają dla ich ról i osób pełniących role pokrewne.

Galen Low: Widzę oczami wyobraźni ludzi zgłaszających się, upoważnianych i otrzymujących sprawczość. Czy spotkałeś się z odwrotnością tego podejścia? Z jakim sprzeciwem albo fałszywymi założeniami dotyczącymi AI zetknąłeś się podczas ułatwiania transformacji firmy i jak sobie z nimi radziłeś?

Michael Domanic: W każdej organizacji są osoby, które świadomie się sprzeciwiają i nie czują się częścią tej zmiany. Podchodzę do nich otwarcie i z szacunkiem. Nie ma twardego nakazu, że absolutnie każdy musi używać AI, ale oczekujemy, że osoby odmawiające eksperymentowania i zmiany sposobu pracy znajdują się dziś w niekorzystnej sytuacji.

Staram się pomagać im to dostrzec, szanując jednocześnie uzasadnione obawy. Wszystko dzieje się bardzo szybko, a potencjalny wpływ środowiskowy może być czymś, na co nie chcemy się godzić.

Uważam, że osoby świadomie sprzeciwiające się AI są często bardziej refleksyjne niż ci, którzy entuzjastycznie się angażują. Zastanawiają się głębiej, co to wszystko oznacza, dlatego bardzo cenię ich perspektywę. Mówię im: szanuję, że chcecie się wycofać, ale chcę, żebyście byli zaangażowani, bo macie ważną perspektywę i głos w tej sprawie.

Galen Low: To bardzo trafne. Osoby świadomie sprzeciwiające się AI intensywnie o tym myślą, oceniają temat w odniesieniu do swoich przekonań, wartości, dobrostanu i źródła utrzymania.

To coś innego niż osoby, które sprzeciwiają się bezrefleksyjnie i nawet nie próbowały się z tym tematem zmierzyć. Być może się boją, odczuwają lęk i nie zastanawiały się nad tym. Podoba mi się, że zapraszasz osoby świadomie sprzeciwiające się AI do stołu.

Z perspektywy zarządzania projektami reprezentują one ryzyko. Myślą o ryzykach, a czasem potrzebujemy kogoś, kto naciśnie hamulec — człowieka pozostającego w pętli, który zakwestionuje i sprawdzi założenia, zamiast przyjmować wszystko bezkrytycznie.

Jeśli przyjmiemy wszystko bezkrytycznie, w tempie, w jakim te zmiany do nas docierają, niekoniecznie doprowadzi to do najlepszego rezultatu dla każdej organizacji.

Michael Domanic: Większość osób, które nie używają AI ani jej nie wdrażają, można podzielić na dwie grupy. Pierwsza po prostu nie jest zainteresowana tym, jak powinna zmienić sposób pracy. Nie chce poświęcać na to energii. Dużo energii chcę natomiast poświęcać osobom, które nie korzystają z AI, bo podchodzą do tego bardzo refleksyjnie. To jest dla nas niezwykle pouczające.

Galen Low: To interesujące i w pewnym sensie jest to właśnie UserTesting. Skoro tak bardzo lubię waszą platformę, muszę zapytać: czy używacie własnego produktu do testowania nowych sposobów pracy z AI?

Michael Domanic: Tak, i to bardzo często. Moja przygoda z UserTesting zaczęła się siedem lat temu. Dziesięć lat temu budowałem rozwiązania AI i testowałem je wewnątrz UserTesting. To był pierwszy cykl popularności AI, który później wygasł. Teraz jesteśmy w drugim, znacznie większym cyklu.

Moim zadaniem jest prowadzenie transformacji organizacji, więc stale korzystam z naszej platformy do zbierania informacji zwrotnych w całej firmie. Może to być odbywające się dwa razy w roku badanie kompetencji AI, w którym pytamy, co ludzie sądzą o AI i jakiego wsparcia potrzebują w swojej transformacji.

Sprawdzamy, jak ludzie korzystają z AI w różnych obszarach organizacji i o jakie narzędzia chcieliby mieć dostęp. To bardzo pouczające i pomaga mi doskonalić wsparcie oferowane całej firmie.

Zbudowaliśmy tu silną kulturę niestandardowych GPT-ów. Stworzyliśmy ich już prawie tysiąc, a firma liczy około 750 osób. Część z nich to eksperymenty, ale wiele GPT-ów jest używanych przez duże grupy pracowników, a czasem przez całą firmę.

GPT-y wykorzystywane przez szerokie grono użytkowników testujemy wewnątrz UserTesting, z grupą testową. Sprawdzamy, czy są intuicyjne i czy rzeczywiście rozwiązują problem, do którego zostały przeznaczone. Nie chcę, aby do ich obsługi potrzebny był zaawansowany inżynier poleceń. Korzystamy więc z naszej platformy, by zbierać informacje zwrotne na temat rozwiązań AI udostępnianych pracownikom.

Galen Low: To świetna praktyka i zapewne znacznie więcej osób powinno ją stosować — z UserTesting albo innym narzędziem.

Widzę obecnie wiele fascynacji pilotażami i eksperymentami, ale znacznie mniej rozmów o optymalizacji, zbieraniu informacji zwrotnych i pytaniu ludzi, jak coś ulepszyć. Wiele osób przechodzi od razu do kolejnego niestandardowego GPT-u, aplikacji stworzonej poprzez programowanie intuicyjne albo kolejnego rozwiązania, zamiast doskonalić organizację.

Niektóre GPT-y są świetne i mogą z czasem stawać się lepsze dzięki opiniom użytkowników. Podoba mi się też kultura, o której opowiadasz — żyjecie zgodnie z wartościami skoncentrowanymi na człowieku. Nie nakazujecie korzystania z narzędzi AI. Znam organizacje mierzące, jak często ktoś loguje się do narzędzia programistycznego, a nawet wpisujące wskaźniki użycia AI do ocen okresowych. Rozumiem to, ale może wydawać się wymuszone.

Podoba mi się obraz organizacji, w której ludzie mają sprawczość i mogą samodzielnie podejmować decyzje. Zachęcacie ich do eksplorowania narzędzi z autentycznej potrzeby. Nie chcecie, by zostali w tyle, i uważacie, że nauka obsługi tych narzędzi leży w ich interesie.

Podoba mi się też, że wasze wskaźniki — zarówno twoje, jak i zespołów — opierają się na podstawowych wskaźnikach biznesowych. Nie mierzycie AI niezależnie, lecz jej rzeczywisty wpływ na firmę.

Ty i ja rozmawialiśmy wcześniej o tym, że nic z tego nie jest statyczne. Wszystko ciągle się zmienia. Transformacja nie polega na staniu w miejscu. W internecie widzę opinie, że nie ma obecnie najlepszych praktyk, bo wszystko się zmienia i nie istnieje jedna uniwersalna recepta na udaną transformację AI.

Organizacja przechodzi przez wiele etapów, osiągając coraz większą dojrzałość AI. Jakie sposoby myślenia i zachowania muszą zmieniać się po drodze, aby nadążyć za transformacją, nawet jeśli organizacja dopiero co wypracowała je w poprzednim etapie?

Michael Domanic: Wszyscy będą musieli zaakceptować, że przez dającą się przewidzieć przyszłość pozostaniemy w trybie transformacji i uczenia się. Może to być kolejnych pięć albo dziesięć lat — nie wiem, jak długo, ale potrwa to długo. Moja rada brzmi: przyzwyczajcie się do tego.

Pomyślcie o całym postępie AI z ostatnich trzech lat. Wyobraźcie sobie, że dziś zatrzymujemy ten postęp i wchodzimy w przyszłość ze wszystkimi możliwościami zbudowanymi przez te trzy lata. Samo zrozumienie, jak wpłyną one na organizacje, zajęłoby co najmniej dziesięć lat, a prawdopodobnie jeszcze więcej.

Wiemy jednak, że tempo pojawiania się nowych możliwości się nie zatrzyma. Będzie nadal rosło, więc musimy bardzo szybko i elastycznie reagować na wszystkie zmiany i postępy. Moja rada dla każdej organizacji jest taka: trzeba nauczyć się bardzo szybko adaptować do całej tej transformacji i zmian.

Galen Low: To fascynujące, ale też onieśmielające i przerażające. Widać organizacje mówiące: „Transformacja AI? Po prostu przeskoczymy tę rzekę”. W rzeczywistości wchodzą jednak do oceanu, który nie ma końca.

Michael Domanic: Myślę, że ta transformacja różni się od wszystkich wcześniejszych. W przeszłości pojawiało się wielkie wyzwanie, do którego trzeba było się dostosować. Mogło to potrwać kilka lat albo dłużej, ale wiedzieliśmy, że po drugiej stronie znajduje się jakiś punkt docelowy.

W przypadku generatywnej AI jej dalsze rozpowszechnianie i możliwość pojawienia się ogólnej lub superinteligencji mogą oznaczać, że transformacja, przez którą przeszliśmy w ciągu ostatnich trzech lat, nie sięga nawet powierzchni tego, z czym będziemy mierzyć się przez następne dziesięć lat.

Galen Low: To niesamowite.

Michael Domanic: Wiem. Brzmi ponuro i trochę przerażająco, ale taka jest rzeczywistość. Musimy się do niej przyzwyczaić.

Galen Low: I właśnie to jest kluczowe: zaakceptowanie, że przestrzeń przed nami jest ogromna. To nie jest coś, co zaczynamy i kończymy. To nowa epoka sposobu myślenia, a jeśli ją zaakceptujemy, będziemy w lepszej sytuacji niż wtedy, gdy uznamy ją za zjawisko tymczasowe.

Michael Domanic: Tak.

Galen Low: Czy mogę na chwilę wrócić do wskaźników i pomiarów? Mówiłeś, że obecnie odnosicie je do podstawowej działalności. Czy to zmieni się w przyszłości, gdy zaczniecie rozumieć głębię zmian i tworzyć modele biznesowe wykraczające poza obecny model podstawowy?

Michael Domanic: Czy to się zmieni? Tak. Jak się zmieni? To mniej jasne. Wchodzimy w 2026 rok. Patrząc na ostatnie 18 miesięcy naszej formalnej transformacji, mierzyliśmy dwie rzeczy.

Pierwszą była adopcja AI w całej organizacji. To trochę próżny wskaźnik, ale kluczowy — nie przeprowadzisz transformacji, jeśli nie używasz narzędzi. Musimy to śledzić. Obecnie jesteśmy, powiedziałbym, na poziomie pełnej adopcji AI. Odsetek tygodniowo i dziennie aktywnych użytkowników narzędzi AI wynosi niemal 100%.

Drugą rzeczą był wpływ na rezultaty biznesowe. Będziemy to kontynuować, prawdopodobnie przykładając mniejszą wagę do wskaźników adopcji. Wchodzimy teraz w drugi etap: autonomiczną, agentową AI i jej wprowadzenie do procesów biznesowych w całej organizacji.

Zaczniemy mierzyć ten obszar. Prowadziliśmy eksperymenty przez ostatnie miesiące, ale gdy rozpoczniemy formalne wdrażanie na większą skalę, będziemy musieli bardzo dokładnie analizować wpływ na procesy i przepływy pracy.

Nie wiem jeszcze dokładnie, jak to będzie wyglądać, ale mam pewien pomysł. Prawdopodobnie znów wrócimy do mierzenia rezultatów biznesowych, choć może w inny sposób. Będziemy to doskonalić w miarę postępów.

Galen Low: Podoba mi się to. Wspominałeś wcześniej o miękkiej stronie — o kulturze. Podoba mi się wasze podejście do korzystania z narzędzi: bez nakazów, ale z obserwowaniem, czy ludzie z nich korzystają. Wchodzicie w drugi etap i pytacie, czy używacie agentów.

Firmy będą musiały same ustalić, jak mierzyć to w odniesieniu do własnej działalności.

Chciałbym zmienić temat i na koniec porozmawiać o przyszłości, zwłaszcza że opublikowałeś interesujący artykuł o swoich przewidywaniach dotyczących AI w 2026 roku. Wśród nich znalazły się role podobne do twojej, które staną się podstawą w średnich i dużych przedsiębiorstwach, agenci AI działający po cichu w tle oraz strategie po pojawieniu się ogólnej sztucznej inteligencji omawiane przez kierownictwo.

Napisałeś też, że nasze kanały i źródła informacji staną się bardziej chaotyczne, bo będzie w nich więcej treści generowanych przez AI. Jednocześnie przewidujesz, że badacze doświadczeń użytkownika i projektanci staną się jednymi z najważniejszych osób w firmach w 2026 roku. Co masz na myśli?

Michael Domanic: Rozmawialiśmy o tym, że bariery wejścia i tworzenia produktów szybko spadają. Nigdy nie było łatwiej tworzyć makiety, prototypy, robić to na dużą skalę, a nawet budować nową firmę.

Organizacje używają narzędzi zwiększających tempo rozwoju produktu. Nadal niezwykle trudno jest jednak tworzyć produkty, których ludzie rzeczywiście chcą używać.

Właśnie tu wkraczają projektanci i badacze doświadczeń użytkownika. Będą ekspertami pomagającymi firmie zrozumieć, które spośród wszystkich produktów tworzonych za pomocą narzędzi programowania intuicyjnego rzeczywiście przemówią do klientów.

Projektanci i badacze UX zawsze odgrywali niezwykle ważną rolę, szczególnie w firmach takich jak nasza. Dotyczy to także produktów konsumenckich. Firmy będą jednak musiały tworzyć te produkty znacznie szybciej.

Tworzenie produktów odpowiadających klientom nie stało się dziś łatwiejsze niż trzy lata temu. Uważam, że osoby zajmujące się UX będą bardzo poszukiwanymi ekspertami, którzy pomogą firmom osiągnąć ten cel.

Jeśli w przyszłym roku wdrożysz dziesięć razy więcej funkcji niż w tym roku, ale funkcje te nie będą odpowiadały klientom, nie przesuniesz wskazówki ani o milimetr. Nie zwiększysz tempa rozwoju produktu.

Galen Low: Jest tu bardzo dużo ciekawych rzeczy. Wieloletni słuchacze wiedzą, że mam szczególne miejsce w sercu dla dobrego projektowania doświadczeń użytkownika, bo wywodzę się z projektowania skoncentrowanego na człowieku.

Michael Domanic: Mamy taką samą słabość.

Galen Low: Właśnie. Kiedy wspomniałeś, że tworzenie makiet, kodowanie i budowanie doświadczeń stają się łatwiejsze, niektórzy mogą zapytać: dlaczego osoba zajmująca się UX miałaby być wartościowa? Czy to nie jest cała jej praca?

I właśnie na tym polega problem. Praca nie polega na samym tworzeniu. Chodzi o to, aby doświadczenie odpowiadało użytkownikom. Myślę też o waszej wewnętrznej transformacji, a nie tylko o produkcie zewnętrznym. Macie użytkowników korzystających z technologii cyfrowej, którą zbudowaliście.

Aby osiągnąć transformację AI, trzeba uwzględnić UX. To są użytkownicy, nie tylko pracownicy korzystający z wewnętrznego narzędzia. Wszyscy zetknęliśmy się z narzędziem wewnętrznym, na które nikt nie zwraca uwagi, bo jest wewnętrzne. Po prostu cierpimy, korzystając z kiepskiego, poskładanego systemu planowania zasobów przedsiębiorstwa.

Nikt nie myśli o jego ulepszeniu. Tymczasem wyzwaniem jest adopcja: zachęcenie ludzi do korzystania z tych narzędzi i stopniowe ich ulepszanie, zamiast stwierdzenia: „Zrobione, mamy nasze niestandardowe GPT-y, koniec”. Chodzi o doświadczenie, które ludzie uznają za wartościowe i będą chcieli wykorzystywać.

To wzmacnia kulturę, poprawia kondycję firmy i pomaga przyciągać talenty, które wykonają dobrą pracę, zachowując tempo oraz poziom innowacji potrzebny w każdej organizacji.

Michael Domanic: Całkowicie się zgadzam.

Galen Low: Tylko rozwijam twoją myśl. Bardzo podobał mi się ten artykuł i zamieszczę do niego link w notatkach. Moglibyśmy omówić każdy punkt, ale jest tu tak wiele do rozwinięcia, że może porozmawiamy o tym innym razem.

Michael Domanic: Myślę, że twoich odbiorców szczególnie zainteresuje kwestia UX, ale także przygotowanie się na apokalipsę treści niskiej jakości, bo ona nadchodzi. Przewiduję, że do końca 2026 roku nastąpi ogromny spadek korzystania z mediów społecznościowych.

Ludzie będą zmęczeni takimi treściami i nie będą wiedzieć, na co patrzą. UX również odgrywa tu rolę. Jeśli jesteś firmą społecznościową, musisz strategicznie pomyśleć, co to oznacza dla twojego biznesu i jakie doświadczenie chcesz zapewnić użytkownikom.

Wszyscy próbujemy uniknąć tej apokalipsy, ale ona nadchodzi.

Galen Low: Bardzo szybko zużywamy dziś nasze kanały. Moja skrzynka odbiorcza? Zapomnij. Poczta elektroniczna to kanał, z którego prawie już nie korzystamy, bo większość wiadomości to spam. Ciekawie będzie zobaczyć, co go zastąpi albo jak się dostosujemy.

Michael Domanic: Zdecydowanie.

Galen Low: Michael, to była świetna rozmowa. Naprawdę to doceniam. Dla zabawy: masz pytanie, które chciałbyś mi zadać?

Michael Domanic: Jakie są twoje przewidywania dotyczące AI w 2026 roku?

Galen Low: Na bardzo wysokim poziomie, z optymistycznej perspektywy, sądzę, że zaczną znikać niektóre mity, zwłaszcza te oparte na straszeniu.

Staną się nieistotne pod wpływem faktycznego korzystania z AI i przekonania się, do czego można jej używać, w czym jest dobra, a w czym nie. Myślę, że w trzecim cyklu popularności AI ludzie powiedzą po prostu: „Dobrze, nie mogę już robić z niej straszydła”.

AI jest technologią — niekoniecznie dobrą ani złą. Mam nadzieję, że mniej oparte na faktach, sensacyjne opinie o AI, transformacji i wpływie działań organizacji na biznes zaczną znikać z debaty. Być może pojawi się więcej treści niskiej jakości, ale mam nadzieję, że zniknie część straszenia prowadzonego przez ludzi z niewiedzy.

Michael Domanic: Interesujące. Czyli przestaniemy czytać osoby takie jak Gary Marcus, które przewidują katastrofę związaną z AI?

Galen Low: Pewnie nadal będą istniały, ale mam nadzieję, że będzie ich mniej. Michael, bardzo ci dziękuję. Gdzie osoby chcące dowiedzieć się więcej o tobie i UserTesting mogą cię znaleźć?

Michael Domanic: Można obserwować mnie na LinkedIn. Publikuję tam wiele treści o AI. Jeśli jesteście zainteresowani informacjami zwrotnymi na temat czegokolwiek, co tworzycie, odwiedźcie UserTesting. Może chodzić o program transformacji AI, produkty, które budujecie, albo treści niskiej jakości, które tworzycie. Jeśli chcecie uzyskać informacje zwrotne, dajcie nam znać.

Galen Low: Podoba mi się tych pięć zastosowań. Świetnie. Michael, jeszcze raz dziękuję. Naprawdę to doceniam.

Michael Domanic: Dzięki, Galen. Świetnie było porozmawiać.

Galen Low: To wszystko w dzisiejszym odcinku podcastu Menedżer Cyfrowych Projektów. Jeśli podobała wam się ta rozmowa, zasubskrybujcie podcast w wybranej aplikacji. Jeśli chcecie poznać więcej praktycznych wskazówek, takich jak studia przypadków i przewodniki, odwiedźcie thedigitalprojectmanager.com.

Do usłyszenia następnym razem. Dziękuję za uwagę.