Jak sztuczna inteligencja może pomóc w podejmowaniu lepszych decyzji dotyczących projektów

Galen Low: Pod pewnymi względami projekty są po prostu zbiorem decyzji. W rzeczywistości decyzje stanowią dużą część tego, co napędza projekty. Jak jednak możemy oczekiwać od ludzi podejmowania dobrych decyzji, gdy projekty realizowane są w szybkim tempie, a ilość informacji i danych do przeanalizowania jest przytłaczająca? Zdecydowanie sztuczna inteligencja może pomóc, ale nie zawsze ma odpowiedni kontekst, a pociągnięcie jej do odpowiedzialności za decyzje nie jest możliwe.

Tymczasem czasami spontaniczne decyzje oparte na intuicji okazują się najlepsze. Jaki jest więc właściwy balans między podejmowaniem decyzji opartym na danych i wspieranym przez AI a zwykłą rozmową? Gdzie pojawiają się malejące korzyści, a przede wszystkim — jak właściwie podejmujemy decyzje? Aby się temu przyjrzeć, zaprosiłem specjalistkę ds. sztucznej inteligencji i zarządzania wiedzą, której doświadczenie obejmuje psychologię, szacowanie przedsięwzięć, przedsiębiorczość oraz role związane z zarządzaniem produktami w firmach z listy Fortune 50, takich jak Meta i ExxonMobil.

Wspólnie omówimy konkretne przykłady tego, jak AI może wspierać podejmowanie trafnych decyzji, jak możliwość prześledzenia procesu decyzyjnego może pomóc ludziom podejmować lepsze decyzje, jak zmienia się odpowiedzialność przy wykorzystaniu AI oraz jaka przyszłość czeka kierownika projektu, jeśli AI będzie ułatwiać podejmowanie decyzji, które wcześniej trafiały na jego biurko.

Mam nadzieję, że spodoba Ci się ten odcinek.

Witamy w podcaście Digital Project Manager — programie, który pomaga liderom realizacji pracować mądrzej, sprawniej dostarczać rezultaty i z pewnością prowadzić swoje zespoły w epoce AI. Nazywam się Galen i co tydzień omawiamy praktyczne strategie, nowe trendy, sprawdzone modele oraz od czasu do czasu prawdziwą historię z pierwszej linii projektowej.

Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, organizujesz przepływy pracy związane z AI, czy po prostu próbujesz utrzymać chaos pod kontrolą, jesteś we właściwym miejscu. Jeśli podoba Ci się to, czego ostatnio od nas słuchasz lub co oglądasz, rozważ obserwowanie nas na platformie, z której korzystasz, a może także wystawienie nam opinii. Dobrze, przejdźmy do rzeczy.

Dziś rozmawiamy o podejmowaniu decyzji wspieranym przez AI oraz o tym, dlaczego jakość decyzji może przesądzić o sukcesie lub porażce projektu albo inicjatywy. Omówimy, jak niespójne decyzje tworzą ryzyko, jak liderzy projektów mogą poprawiać jakość decyzji w złożonych zespołach oraz jak AI może pomóc nam podejmować lepsze decyzje — i odwrotnie.

Moim gościem jest dziś Cali Collins, współzałożycielka i dyrektorka ds. produktu w firmie Optimality. Cali to doświadczona liderka produktu, której kariera obejmowała infrastrukturę AI, systemy zarządzania wiedzą, transformację przedsiębiorstw oraz realizację dużych projektów kapitałowych. Zanim współzałożyła Optimality, kierowała rozwojem produktów w organizacjach takich jak Meta i ExxonMobil, dzięki czemu ma wyjątkową perspektywę na to, jak podejmuje się decyzje — lub jak się ich nie podejmuje — zarówno w dynamicznych środowiskach technologicznych, jak i w złożonych przedsiębiorstwach z listy Fortune 50.

Obecnie, wraz z Optimality, promuje wartość platformy infrastruktury decyzyjnej stworzonej natywnie dla AI, która pomaga organizacjom strukturyzować, optymalizować i skalować podejmowanie decyzji w czasach przytłaczającej ilości danych i konkurujących ze sobą priorytetów.

Cali, dziękuję, że jesteś dziś ze mną.

Cali Collins: Oczywiście. Bardzo dziękuję za zaproszenie.

Galen Low: Cieszę się, że jesteś z nami. Zacznę od dość kontrowersyjnego pytania i wprowadzę do niego z pewnym rozpędem. Wiele organizacji ma bardzo mało struktury lub dyscypliny w zakresie podejmowania decyzji, a czasami decyzje o poważnych konsekwencjach zapadają w łańcuchu wiadomości e-mail albo ustnie na polu golfowym.

Zazwyczaj zespoły są po prostu zbyt zajęte reagowaniem na te decyzje, aby się zatrzymać i pomyśleć: „Czy to jest dobrze poinformowana decyzja?”. Po prostu jakoś za nimi podążają. Moje pytanie brzmi więc: skoro my, ludzie, nie potrafimy właściwie wyjaśnić sobie nawzajem, jak i dlaczego podejmujemy decyzje, czy nie jest odrobinę urojeniowe myślenie, że AI może nagle poprawić podejmowanie decyzji w organizacji?

Cali Collins: Tak, zdecydowanie. Myślę, że wiele sprowadza się do uprzedzeń. Jeśli zapytasz mnie, dlaczego podjęłam daną decyzję, to odpowiedź, której Ci udzielę, może w rzeczywistości nie wyjaśniać, dlaczego podjęłam ją właśnie w ten sposób. Każdy z nas ma własną perspektywę. Ty masz swoją perspektywę tego, jak odbierzesz moje powtórzenie tej decyzji, i myślę, że rozmawialiśmy o tym również trochę podczas przygotowań.

Wszystko, co robisz, jest decyzją. Nie możesz dokumentować wszystkiego w chwili, gdy to robisz. Podjęłam decyzję, aby zalogować się do tej rozmowy. Czy mam teraz zapisać to na piśmie? Bo muszę podjąć decyzję, kiedy zapiszę decyzję, którą właśnie podjęłam. Nasze życie jest serią decyzji, a coś takiego jak AI może automatycznie rejestrować je w trakcie działania, bez konieczności świadomego dokumentowania. Właśnie w tym może nam pomóc.

Galen Low: Bardzo mi się to podoba, bo zaczynasz od uprzedzeń, a ja należę do osób, które uważają, że uprzedzenia mogą być zarówno dobre, jak i złe. Mamy przecież nieświadome uprzedzenia, które zdecydowanie hamują nas jako gatunek, ale istnieje też uprzedzenie wynikające z wiedzy, którą posiadamy. Dużo mówimy o podejmowaniu decyzji na podstawie intuicji i o tym, czy jest to dobre, czy złe, ale zasadniczo wiele decyzji jest podejmowanych z jakąś logiką w tle, nawet jeśli ludzie nie pokazują swojego toku rozumowania.

Oczywiście istnieją również spontaniczne decyzje, które kończą się źle. Myślę jednak, że pomijamy ten temat, ponieważ nie mamy czasu, aby odtworzyć cały proces i wyjaśnić każdy szczegół. Musimy ufać decydentom, że podejmą dobre decyzje. Wiele czynników wpływa na decyzję i niekoniecznie jest to najgorsza rzecz na świecie.

Cali Collins: To absolutnie prawda. Istnieją badania dotyczące tego, której części mózgu używamy przy różnych rodzajach decyzji. Inna część mózgu odpowiada za szybkie, pochopne decyzje oparte na instynkcie, a inna za decyzje, nad którymi poświęcamy czas na zastanowienie. To interesujące.

Galen Low: Bardzo mi się to podoba. To może być dobre miejsce, aby przyjrzeć się bliżej dwóm trybom podejmowania decyzji. Z jednej strony mamy coś, co może przypominać reakcję walki lub ucieczki — pilność podjęcia szybkiej decyzji może ominąć całą logikę i podstawy, które posiadamy.

Z drugiej strony mamy stan spokoju, w którym możemy podjąć świadomą decyzję, oceniając i analizując sytuację. Dostępność informacji sprowadza nas do tego poziomu i pozwala nie podejmować decyzji impulsywnie, ponieważ wiemy, że możemy poświęcić na nie trochę czasu.

Informacje mogą docierać do nas szybko, a my możemy podejmować decyzje w sposób świadomy. Spójrzmy jednak jeszcze szerzej. Podoba mi się Twoje doświadczenie, ponieważ wywodzisz się z obszaru produktów. Jesteś doświadczoną specjalistką ds. produktu, która wykonała pewien zwrot — od pracy dla organizacji takich jak Meta i ExxonMobil do stworzenia zasadniczo natywnego dla AI systemu operacyjnego do podejmowania decyzji.

Mam nadzieję, że mogę tak go scharakteryzować.

Cali Collins: Tak.

Galen Low: Chciałem zapytać: dlaczego decyzje? Gdzie widziałaś wadliwe podejmowanie decyzji, które doprowadziło do upadku projektu lub planu strategicznego? Jakie były podstawowe przyczyny, które skłoniły Cię do zaprojektowania rozwiązania tego problemu?

Cali Collins: Wszystko, co robisz, opiera się na decyzjach. To problem dotyczący całej ludzkości, a ja chciałam zrobić coś, co rzeczywiście wpłynie na sposób naszej codziennej pracy i przyniesie duże efekty. Istnieją decyzje oparte na danych, nad którymi się zastanawiasz, oraz szybkie decyzje podejmowane natychmiast.

Wspomniałeś o bezpieczeństwie i zaczęłam myśleć o nim nieco inaczej, ponieważ wywodzę się z obszaru projektów i pomyślałam o bezpieczeństwie i higienie pracy, kiedy komuś grozi uraz.

Galen Low: Właśnie.

Cali Collins: Jeśli widzisz niebezpieczne działanie, musisz natychmiast zareagować. Istnieją jednak także decyzje, przy których trzeba się wycofać, przeanalizować sytuację i dłużej się zastanowić.

Przez wiele lat zajmowałam się szacowaniem. Od tego zaczęłam. Zawsze miałam również doświadczenie po stronie produktu, ale szacowanie było moją codzienną pracą. Dzięki temu miałam kontakt z wieloma członkami kadry kierowniczej i liderami. Uczestniczyłam w negocjacjach i rozumiałam, co wpływa na te wielkie decyzje.

Obserwowałam, jak ludzie stawiają tych menedżerów na piedestale i pytają: „Co sądzisz? Co powinniśmy zrobić?”. Kiedy kilka razy mogłam porozmawiać z niektórymi z nich sam na sam, zapytałam: „Skąd wiesz, jaka jest właściwa decyzja? Czy decydują o tym wszystkie dane, które masz? Kiedy pojawiają się malejące korzyści albo moment, w którym dalsze zbieranie danych przestaje się opłacać?”.

Nawet oni odpowiadali: „Wiesz co? Zdradzę Ci sekret. Przez połowę czasu nie wiem. Po prostu improwizuję”. Mówili: „Jestem na tym stanowisku, ponieważ podejmowałem naprawdę dobre decyzje”. Ludzie jednak tego od nich oczekują, choć nie zawsze mają wiedzę i dane potrzebne do podjęcia właściwej decyzji.

Pomyślałam więc: gdybym mogła pomóc osobom podejmującym ogromne decyzje, na przykład czy wydać miliardy dolarów na jedno rozwiązanie czy na inne, jak mogłabym pomóc im zrozumieć, gdzie znajduje się punkt malejących korzyści?

Dokąd doprowadzą ich dane? Jak szybko im je przekazać, aby mogli podejmować szybkie decyzje i jednocześnie polegać na intuicji oraz danych dotyczących decyzji?

Galen Low: Uwielbiam ten moment szczerości. To logiczne, że wielu z nas znajduje się w podobnej sytuacji: „Nie wiem, a jestem pod presją, żeby podjąć decyzję. Wcześniej podejmowałem dobre decyzje. Nie mam gwarancji, że zawsze podejmę właściwą, ale moje prawdopodobieństwo sukcesu jest całkiem dobre i dlatego dotarłem na to stanowisko. Czasami jednak po prostu improwizuję”.

Podoba mi się myśl, że nie musisz się na tym zatrzymywać. Nie chodzi o to, że jakość Twoich decyzji jest już niska, ale czy możemy zwiększyć prawdopodobieństwo podjęcia właściwej decyzji? Nawet sam lęk związany z sytuacją „jestem na tym stanowisku” może być trudny. Może pojawiać się syndrom oszusta, ale z pewnością także presja. Czasami mówimy o miliardach dolarów i myślimy: „Nie wiem. Muszę podjąć decyzję i oprzeć się na tym, co wiem, ale mogę też wesprzeć się innymi danymi”.

Myślę, że właśnie na tym polega obecnie piękno AI — na jej zdolności do gromadzenia ogromnych ilości informacji i danych oraz sprowadzania ich do formy odpowiadającej naszym potrzebom.

Może to dobry moment, aby przejść do Optimality. Czy mogłabyś opowiedzieć nam, czym zajmuje się Optimality, jak pomaga i jakie przypadki użycia ograniczają ryzyko związane z podejmowaniem decyzji albo przynajmniej je minimalizują?

Cali Collins: Oczywiście.

Pracujemy nad Optimality od około dwóch i pół roku, więc rozwiązanie cały czas się zmienia i rozwija. Od początku koncentrowaliśmy się na poprawie podejmowania decyzji, a następnie przeszliśmy do optymalizacji podejmowania decyzji — właśnie stąd wzięła się nazwa Optimality. Istnieje matematyczna teoria optymalizacji, która częściowo dotyczy punktu malejących korzyści.

Jaka decyzja jest optymalną decyzją? Właśnie to podejście przyjęliśmy w naszej pracy. Optimality działa w oparciu o graf kontekstu. Gdy współpracujesz w Optimality, korzystasz z systemu, aby zrozumieć, nad czym powinieneś pracować dzisiaj i co zrobiłeś wczoraj.

To jednak znacznie więcej. Chodzi o rzeczywistą treść i rezultaty, które tworzysz. System obejmuje wszystkie decyzje, nad którymi pracujesz. Właśnie dziś, kilka godzin temu, udostępniliśmy nowy kreator decyzji. Jeśli masz do podjęcia złożoną decyzję, możesz wejść do kreatora, który przeprowadzi Cię krok po kroku przez cały proces.

Podczas pracy z kreatorem obok znajduje się Opti Chat. Możesz zapytać Opti: „Zastanawiam się nad wyborem między tym a tym. Co o tym sądzisz?”. System pomoże Ci uporządkować problem. Następnie zapyta: „Jakie są niepewności związane z decyzją, którą próbuję podjąć? Gdzie pojawiają się moje osobiste uprzedzenia? Kiedy ostatnio podejmowaliśmy podobną decyzję i jaki był jej rezultat?”.

Masz cały czas dostęp do możliwości Opti, aby rozmawiać i rozumieć, kiedy wcześniej pracowałeś nad podobną decyzją. Wprowadzasz do systemu swoją wiedzę organizacyjną i wiedzę dotyczącą realizacji. System stale absorbuje te informacje do swojego zaplecza, aby stawać się coraz mądrzejszy i dostarczać lepszych wskazówek wtedy, gdy musisz wybrać między A i B albo rozważyć opcję C, o której wcześniej nie pomyślałeś.

Galen Low: Podoba mi się nawet sama nazwa, bo jest niezwykle nerdowska. Nie chodzi tylko o optymalizację podejmowania decyzji — istnieje przecież teoria matematyczna określająca, gdzie pojawia się punkt malejących korzyści. To naprawdę ciekawe. Podczas przygotowań wyjaśniłaś mi również ideę grafu kontekstu jako swego rodzaju sieci neuronowej dla części używanych przez nas narzędzi AI.

Użyłaś chyba określenia „kontekst decyzji” i zaczynam rozumieć, co ono oznacza. Opti absorbuje wszystkie informacje po drodze. Nie działa to tak, że mówimy: „Musimy podjąć decyzję. Czy możesz zebrać wszystkie informacje i zapytać tych ludzi?”. Następnie trzeba byłoby stworzyć poradę dla decydenta, co mogłoby zająć kilka dni. Tutaj te informacje są po prostu dostępne.

Zastanawiam się, co kontekst decyzji oznacza poza AI, w środowisku projektowym. Czego zespołom czasami brakuje w procesie podejmowania decyzji, a co może wspierać takie rozwiązanie?

Cali Collins: Ludzki mózg jest świetny w pewnych rzeczach, ale ma też ograniczenia. Nie możesz uczestniczyć w każdym spotkaniu i zbierać wszystkich informacji, o których mówią inni. Wyobraź sobie, że masz delegata obecnego na tych spotkaniach, który również absorbuje przekazywane tam informacje.

Właśnie w tym pomaga AI. Z drugiej strony jako ludzie opieramy się na współpracy i komunikacji. To był ważny czynnik, który przyciągnął mnie do Meta, ponieważ firma próbowała stworzyć platformę współpracy dla całego świata. Ludzie korzystają z niej, aby dzielić się informacjami i stawać się częścią społeczności. To bardzo ważny element bycia człowiekiem, choć dziwnie brzmi to teraz, gdy mówimy o świecie AI kontra ludzie.

Jako człowiek mam możliwość spotykania się z innymi, wymieniania pomysłów i zmieniania swoich poglądów pod wpływem tego, co mówią mi inni. Właśnie dlatego człowiek musi nadal być częścią procesu podejmowania decyzji. Każdy z nas ma własne doświadczenia i musimy móc współpracować, aby wspólnie dojść do najlepszej decyzji.

Galen Low: Bardzo podoba mi się ta współzależność. Nie chodzi o to, że ludzie są źli w podejmowaniu decyzji, ponieważ nie potrafią przyswoić wszystkich informacji i bardzo słabo przewidują przyszłość. To wszystko może być prawdą, ale chodzi o połączenie tego, że jesteśmy istotami, które rozmawiają, odczuwają emocje i podejmują decyzje na ich podstawie, z technologią — dziś przede wszystkim AI — która potrafi zrobić to, czego nasz mózg nie potrafi.

Może ona zebrać rozmowy, które się odbyły, i sprowadzić je do zrozumiałej postaci, dzięki czemu nie musimy siedzieć przed kimś i mówić: „Pamiętasz to piętnastominutowe spotkanie we wtorek w grudniu, kiedy powiedziałeś dokładnie te słowa?”. Nie mamy takiej pamięci ani kultury, która by to wspierała.

Podoba mi się myśl, że AI doradza i dostarcza informacji, ale nie zastępuje rozmowy o tym, jak podejmiemy decyzję. Współpraca między ludźmi jest ważna właśnie dlatego, że możemy porozmawiać i podjąć dobrą decyzję. Jednocześnie możemy wesprzeć się rzeczami, których nasz mózg po prostu nie potrafi zrobić.

Cali Collins: Dokładnie. Cały czas rozmawiam z Opti. W startupie zespół jest niewielki, więc czasami dobrze jest porozmawiać również ze sztuczną inteligencją i pozwolić jej odbijać od nas pomysły.

Opti wie, nad czym pracujesz, ponieważ opiera się na grafie kontekstu. Wie, nad czym pracujesz Ty i wszyscy członkowie Twojego zespołu.

Galen Low: Może przejdźmy do tego tematu, ponieważ dla wielu osób z mojej społeczności AI jest już rzeczywistością. Powiedzmy to wprost: AI jest tutaj. Tak. W pewnym sensie jej wykorzystanie jest wymuszone, ponieważ nie mamy wyboru. Istnieje też aspekt Wielkiego Brata — im więcej kontekstu ma technologia, tym więcej wie i tym lepiej może wykonywać swoje zadania oraz nam pomagać.

Słuchacze mogą pomyśleć: „To przerażające, że Opti po prostu wszystkiego słucha i wszystko rejestruje”. Czy jest to w pewien sposób orwellowskie?

Czy w kontekście decyzji i grafów kontekstu możemy wybrać, jakie informacje udostępniamy AI, aby lepiej nam doradzała? Czy jest to rozwiązanie typu wszystko albo nic? Jeśli nie, to jakie informacje powinniśmy udostępniać AI, nawet jeśli nie chcemy zapewniać jej pełnego dostępu do każdego naciśnięcia klawisza i każdej rozmowy prowadzonej za pomocą komputera?

Jakie informacje warto przekazywać AI, aby mogła lepiej nam doradzać?

Cali Collins: Kiedy zaczynaliśmy budować Optimality, podłączyliśmy przez interfejs API moje wiadomości e-mail i komunikator. Szybko zdaliśmy sobie sprawę, że jeśli chcemy skalować rozwiązanie, może to być przerażające, a ludzie chcą mieć większą kontrolę nad tym, co udostępniają.

To wiąże się również z zarządzaniem AI. Nie chcesz, aby system pobierał Twoje informacje, podejmował decyzje i wysyłał za Ciebie wiadomości. Jeśli ktoś daje Opti albo AI dostęp do menedżera haseł, możliwość wysyłania wiadomości i dostęp do konta bankowego, tworzy ogromny problem.

Jeżeli w takiej wiadomości zostanie ujawniona tajemnica, osoba, która uruchomiła agenta i powiedziała „tak, możesz to zrobić”, ponosi za to odpowiedzialność. Z prawnego punktu widzenia odpowiadasz za to w ramach zarządzania, nawet jeśli nigdy nie zobaczyłeś wiadomości przed jej wysłaniem. Dlatego bardzo ważne jest, aby rozumieć sytuację i zachować kontrolę nad tym, co udostępniasz oraz na co pozwalasz systemowi.

Ustawiliśmy więc rozwiązanie tak, aby użytkownik mógł wybrać: „Po zakończeniu tego spotkania chcę dodać transkrypcję do systemu” albo „nie chcę”. Możesz wybrać, czy chcesz dodać rozmowę e-mailową. Dzięki temu masz większą kontrolę również nad jakością informacji. Kiedy AI jest trenowana na śmieciach z internetu, nie wie, co jest dobre, a co nie.

Jeśli utrzymujesz porządek i przekazujesz jej wyłącznie wartościowe informacje, system zyskuje większą moc. Ponadto zawsze pozostawiamy człowieka w procesie. Optimality może generować dokumenty, przygotowywać szkice wiadomości i aktualizować statusy, ale na końcu nadal znajduje się osoba, która mówi: „Tak właśnie chcę, żeby system to zrobił”. To odróżnia nas od firm, które obiecują stworzenie całego zespołu marketingowego, który będzie działał samodzielnie, publikował w mediach społecznościowych i przejmował całą pracę.

Uważamy, że między ludźmi a AI powinna istnieć współpraca. Jeśli chcesz pracować nad marketingiem, zakładasz „marketingowy kapelusz” i masz przy sobie asystenta marketingowego, który jest ekspertem w tej dziedzinie i prowadzi Cię przez cały proces, ale to Ty nadal podejmujesz decyzje.

Galen Low: Podoba mi się to i myślę, że wielu moim słuchaczom również się spodoba. Ponownie chodzi o połączenie technologii z naszym człowieczeństwem. Chciałbym wrócić później do pomysłu selekcjonowania informacji, które udostępniamy w grafie kontekstu, ponieważ jest to bardzo interesujące z punktu widzenia sposobu, w jaki ludzie podejmują decyzje.

Zanim jednak do tego przejdziemy, przedstawiłaś dobry przypadek użycia. Czy możemy przyjrzeć mu się bliżej? Jak AI, a konkretnie Optimality, może pomóc nam podejmować lepsze decyzje? Podoba mi się pomysł, że musimy zająć się marketingiem i mamy partnera do myślenia, z którym możemy rozmawiać. Czy możemy krok po kroku omówić, jak to działa?

W Twoim przykładzie Optimality działa w tle, gromadzi informacje, a następnie my mówimy: „Musimy opracować kampanię” albo „musimy przygotować cotygodniowy wpis na LinkedIn”. Jak wygląda taka interakcja i jak poprawia pracę w porównaniu z sytuacją, w której nie mielibyśmy wsparcia AI?

Cali Collins: Jednym z obszarów, w które wchodzimy, jest system operacyjny firmy działający w oparciu o Optimality. Możesz myśleć o Optimality jako o platformie umożliwiającej różne zastosowania, podobnie jak Excel. W Excelu możesz robić wiele rzeczy, ale program nie mówi Ci, że musisz użyć konkretnych formuł do przygotowania budżetu.

Excel umożliwia takie działanie. My zapewniamy większą strukturę, ale również pozwalamy na wiele różnych zastosowań. Jednym z ciekawych obszarów, nad którym zaczynamy pracować, jest system operacyjny firmy. Pozwoli on użytkownikowi określić, co chce osiągnąć, a następnie przeprowadzić go przez cały proces.

Wiele osób próbuje zakładać dodatkowe firmy, szczególnie w świecie AI, w którym można stworzyć aplikację za pomocą kodowania opartego na intuicji. Nie musi to jednak oznaczać, że aplikacja powstanie w jeden dzień. Aby była dobra, może być potrzebnych kilka tygodni, a do tego dochodzą kwestie bezpieczeństwa narzędzi zbudowanych w ten sposób.

Założenie własnej firmy jest dziś bardziej dostępne. Możesz dużo wiedzieć o określonym typie aplikacji, ale nie znać się na marketingu, mediach społecznościowych ani tworzeniu biznesplanu. Możesz też świetnie znać marketing, ale nie mieć wystarczającej wiedzy o finansach, podatkach i innych obszarach.

Chcemy więc umożliwić użytkownikowi wejście do Optimality i rozmowę o celach oraz planach. System wykorzysta te informacje, udokumentuje je, stworzy strategię i zapyta: „Czy tego właśnie chcesz?”. Możesz porozmawiać z Opti, odpowiedzieć: „Tak, właśnie o to mi chodzi”, a następnie zapisać wynik. System rozplanuje działania potrzebne do osiągnięcia celów.

Możesz wejść do planu, zmodyfikować go i zrobić z nim, co chcesz, ale system pomoże Ci stworzyć strukturę budowy firmy. To tylko jeden przypadek użycia. Możesz również wykorzystać go do budowy rafinerii. Jednym z naszych klientów jest na przykład Chevron.

Podczas przechodzenia przez kolejne kroki system zapyta: „Czy chcesz, aby Opti pomógł Ci opracować plan marketingowy? Czy chcesz, aby pomógł Ci przygotować treści? Czy chcesz, aby wykonał zadania, które mogą realizować agenci?”. Możesz pracować z AI ramię w ramię.

Wiele osób prowadzi małe lub średnie firmy albo myśli o dodatkowej działalności. Są ciekawe AI, ale nie wiedzą, od czego zacząć. Chcemy to uprościć, bez konieczności otwierania Claude, uczenia się obsługi agentów i zużywania ogromnej liczby tokenów. Sama codziennie korzystam z Claude i bardzo go lubię, ale dojście do odpowiednich rezultatów zajmuje czas i dla przeciętnego użytkownika nie jest szczególnie dostępne.

To jeden z przypadków użycia, nad którymi pracujemy.

Galen Low: To świetne. Dziękuję za wyjaśnienie. Początkowo chciałem powiedzieć: „Oto moment, w którym Cali powie: «Nie krytykuję kodowania opartego na intuicji»”. Naprawdę trafiłaś jednak w sedno. Bariery wejścia, na przykład przy zakładaniu firmy, są znacznie niższe, ale istnieje też przesadny entuzjazm sugerujący, że można w jeden dzień stworzyć cały produkt i platformę.

Nie, nie można. Jest to jednak prawdopodobnie łatwiejsze niż wcześniej. Znajdujemy się gdzieś pośrodku. Excel jest bardzo ogólnym narzędziem, a Optimality układa część działań na wyznaczonych torach. Jeśli Claude jest Excelem, Optimality jest bardziej wyspecjalizowanym narzędziem do określonych zadań.

Niektórzy słuchacze mogą powiedzieć: „Cali, ja już to robię w Claude. Claude pomaga mi w marketingu, po prostu o coś pytam”. Wydaje mi się jednak, że w Optimality rzeczywiście wykonuje się pracę. To nie jest tylko przejście do okna rozmowy, uzyskanie porady, wyeksportowanie dokumentu i pozostawienie sobie pamiętania o terminie, publikacji i kolejnych decyzjach.

Czy tak jest? Czy praca rzeczywiście zostaje wykonana? Czy Optimality jest nie tylko platformą optymalizacji decyzji, ale również platformą pracy i współpracy?

Cali Collins: Tak, zdecydowanie jest platformą współpracy. W tym miejscu widać jej prawdziwą wartość. Kiedy jedna osoba próbuje założyć firmę i nie wie, co robić, możemy zapewnić jej strukturę. Kolejnym ważnym obszarem są małe firmy, które rosną do momentu, gdy nie wiadomo już dokładnie, czym zajmuje się każdy pracownik.

Jeśli pracownicy współpracują w systemie, możesz zobaczyć: „Ta osoba pracuje nad tym obszarem, a te osoby zajmują się czymś innym”. Jednocześnie tworzysz graf kontekstu. Jaka jest wizja firmy? Jaka jest jej misja? Jakie są jej zasady?

Wszystko to staje się częścią wiedzy Opti. Kiedy system proponuje strategię marketingową albo różne działania, opiera się na informacjach przekazanych przez Ciebie. Wie, co jest dla Ciebie ważne i wartościowe.

Czy prowadzisz kwiaciarnię i chcesz, aby była największą kwiaciarnią na świecie, czy też chcesz być najlepszą kwiaciarnią w swoim małym mieście, ponieważ masz tam niszę i pasję? Kontekst pomaga właściwie ukierunkować propozycje.

Oczywiście możesz wejść do Claude i powiedzieć: „Stwórz dla mnie plan marketingowy”. Otrzymasz ogólną odpowiedź. System nie rozumie jednak wszystkich elementów i ruchomych części Twojego ekosystemu.

Galen Low: Bardzo mi się to podoba. Wspomniałaś, że wraz z rozwojem firmy widoczność czasami się zmniejsza. Początkowo działamy spontanicznie, a potem nagle mamy piętnastu albo pięćdziesięciu pracowników i nie wiemy, co się dzieje. Nie znamy nawet niektórych ich drugich imion.

Nie wiemy również, czy procesy nadal działają prawidłowo i czy ludzie postępują zgodnie z naszymi wartościami i misją. Podoba mi się pomysł, aby wrócić do kwestii decydowania, jakie informacje przekazujemy AI, a być może także innym ludziom.

Czy wszyscy muszą wiedzieć, że w ubiegły piątek byłem u dentysty? Prawdopodobnie nie potrzebuję pełnego dostępu do kalendarza. Z drugiej strony uczestniczyłem w spotkaniach, podczas których podejmowano decyzje na podstawie niepełnego obrazu sytuacji, ukrywano informacje i pomijano pewne fakty.

Jeśli nie przekazujemy AI pełnego kontekstu, czy nie ograniczamy jej możliwości? To balans między przekazaniem zbyt wielu informacji a tym, że ludzkie niuanse mogą ją zdezorientować, oraz celowym wpływaniem na wynik poprzez pomijanie informacji.

Jak możemy zapobiegać wykorzystywaniu AI do przechylania decyzji w określoną stronę? Czy istnieją decyzje wymagające ludzkiej wrażliwości, które powinny być podejmowane bardziej po ludzku, zamiast zawsze stosować ten sam schemat: zebrać kontekst, pobrać dane i omówić sprawę?

Cali Collins: Jeśli chodzi o to, jakie informacje przekazywać AI, system nie wie, jak ustalić, co jest ważne. Jeśli wrzucisz do niego absolutnie wszystko, musisz wskazać, że dana transkrypcja pochodziła ze spotkania z ważnym liderem i że wypowiedzi z tego spotkania powinny mieć pierwszeństwo przed innymi.

Trzeba zapewnić systemowi pewne zabezpieczenia, a nie po prostu przekazywać mu wszystko, ponieważ sam nie wie, co jest ważne i dla kogo. Musisz mu to wyjaśnić.

Jeśli chodzi o decyzje podejmowane przez ludzi, chcemy, aby człowiek podejmował ostateczną decyzję. Czy możemy podejmować lepsze decyzje, kiedy otrzymujemy potrzebne dane? Tak, zdecydowanie.

Kiedy pracowałam w ExxonMobil, budowałam centrum doskonałości zarządzania wiedzą oraz natywną dla AI platformę do zarządzania wiedzą i wnioskami. Jednym z ważnych przypadków użycia była sytuacja, w której kierownik produktu lub kierownik projektu budowlanego mówił: „Pracowałem przy pięciu projektach. Za każdym razem to się nie udało. Nie powinniśmy tego robić”.

Może się okazać, że te pięć projektów to jedyne przypadki porażki, a we wszystkich pozostałych sytuacjach rozwiązanie działało. To może być te 2%. Czy winna jest konkretna osoba? Być może, zwłaszcza jeśli pracuje również przy tym projekcie. AI może w tym pomóc.

Wracamy tu do uprzedzeń. AI pomaga część z nich wyeliminować, ale osobista świadomość tej osoby — „to po prostu nie działa” — również ma znaczenie. Ta osoba może wiedzieć coś, czego nie wie nikt inny. Nie można powiedzieć: „To było tylko 2%, odrzućmy to, Twoja opinia się nie liczy”.

Fakt, że był to właśnie ten margines 2%, daje zespołowi możliwość podjęcia bardziej świadomej decyzji.

Galen Low: Podoba mi się to, ponieważ nie chodzi o proste stwierdzenie, kto ma rację, a kto się myli. Jest tu coś, czego można się nauczyć. Możemy uniknąć podejmowania bardzo ogólnych decyzji na podstawie próby liczącej jedną osobę albo pięciu osób z jednego źródła.

Jednocześnie znajdują się tam informacje i wiedza, które należy uwzględnić. Jeśli coś wydarzyło się pięć razy, musi istnieć przyczyna, której warto się przyjrzeć.

To zastosowanie może działać przed decyzją i po niej. Możemy powiedzieć: „Musimy podjąć tę decyzję. Zbierzmy wszystkie dostępne informacje”. Możemy też rozmawiać po ludzku, a następnie sprawdzić fakty i zastosować krytyczne myślenie, aby poprawić jakość decyzji.

Nie chodzi o słuchanie wyłącznie najgłośniejszych osób w pomieszczeniu. Często ignorujemy sprzeciw wobec bardzo doświadczonego kierownika projektu, który widział już wszystko i będzie walczył z każdym, kto się z nim nie zgodzi. Takie zachowanie może prowadzić do lat podejmowania złych decyzji przy bardzo wysokiej stawce.

Cali Collins: Dokładnie. Niektórzy ludzie są lepsi w podejmowaniu pochopnych decyzji. Inni są w tym bardzo słabi i potrzebują czasu, aby się zastanowić, przeanalizować sprawę i rozpisać ją na tablicy. Nie wszyscy podejmujemy decyzje w ten sam sposób i nie wszyscy jesteśmy równie dobrzy w każdym sposobie podejmowania decyzji.

To może nieco wyrównać szanse albo uświadomić Ci, że nie jesteś dobry w podejmowaniu szybkich decyzji i powinieneś się wycofać oraz dłużej pomyśleć.

Galen Low: Podchodziłem do tego z perspektywy technologii i nie pomyślałem, aby zapytać, czego nauczyłaś się o ludzkim podejmowaniu decyzji podczas budowy tego produktu.

Podoba mi się pomysł, że niektórzy są dobrzy w podejmowaniu spontanicznych decyzji, inni są w tym słabi, a jeszcze inni są słabi, ale sądzą, że są dobrzy. Skupmy się na liderach projektów. Czasami odpowiadamy nie tylko za podejmowanie decyzji, ale także za ich ułatwianie. Chcemy, aby decyzje były wysokiej jakości, ale muszą być również podejmowane na czas.

Mamy do czynienia z silnymi osobowościami, interesariuszami i sponsorami wykonawczymi. Niezależnie od tego, czy korzystamy z AI, jakie praktyczne nawyki lub taktyki mogą rozwijać liderzy projektów, aby pomagać uczestnikom projektu podejmować dobre decyzje bez poświęcania szybkości? Jak rozpoznać, że spontaniczna decyzja jest w rzeczywistości bardzo złą decyzją?

Cali Collins: Jest tu kilka różnych tematów. Mam licencjat z psychologii.

Galen Low: Nie wiedziałem o tym.

Cali Collins: Dlatego czasami pojawia się u mnie taka perspektywa. Jestem również uzależniona od książek samopomocowych, obecnie głównie audiobooków. Uwielbiam podcasty i wszystko, co dotyczy ludzkiej psychiki, tego, dlaczego myślimy i dlaczego działamy w określony sposób. Następnie zajęłam się zarządzaniem budową i zdobyłam drugi licencjat, ponieważ nie mogłam zrobić zbyt wiele z pierwszym.

To pomogło mi zrozumieć wszystkie decyzje podejmowane przez ludzi w budownictwie i przyczyny ich podejmowania. Później zrobiłam również MBA, dzięki czemu mogłam spojrzeć na temat z kilku perspektyw.

Jeśli chodzi o ocenę, czy decyzja była dobra, czy zła, trzeba rejestrować wiedzę, rezultat i przyczynę podjęcia decyzji w chwili jej podejmowania. Wtedy AI może później wrócić do tej sytuacji i ją przeanalizować, ponieważ ludzie zwykle nie poświęcają na to czasu, szczególnie jeśli decyzja nie przyniosła dobrego rezultatu.

Kolejnym obszarem jest pochodzenie danych i ich ścieżka. W Meta stworzyłam platformę śledzenia pochodzenia danych AI, która mapowała dane treningowe modeli AI w całej firmie. Część tego podejścia wprowadziliśmy do Optimality.

Jeśli system utworzył dokument, na przykład plan marketingowy, możesz otworzyć go i zobaczyć: „Ten akapit pochodzi z tych transkrypcji, a ten z tego, co powiedziała mi ta osoba”. System nie chce być czarną skrzynką. Pokazuje, skąd pochodzą informacje.

Może to być dla niektórych przerażające, ponieważ jeśli system umieścił w dokumencie coś, co zdecydowałeś, a decyzja okazała się zła, wie, że to Ty ją podjąłeś. Nie możemy poprawić złych decyzji podejmowanych wielokrotnie, jeśli nie uświadomimy sobie, co do nich doprowadziło.

Musimy zmieniać się na lepsze, a to wymaga otwartości i zrozumienia, jak można się poprawić. AI może również wskazywać takie obszary, choć czasami jest to niewygodne.

Galen Low: Zapytałem, jak AI może pomóc nam podejmować lepsze decyzje, i początkowo myślałem: „Dane. To muszą być dane”. Cała koncepcja retrospekcji decyzji, możliwości prześledzenia ich procesu oraz wykorzystania tej widoczności do poprawy jest jednak równie ważna.

Nie mówimy, że AI w końcu będzie podejmować lepsze decyzje niż ludzie i że ludzie przestaną podejmować decyzje. Wręcz przeciwnie — ludzka decyzja staje się coraz ważniejsza. Często zakładamy, że świetni liderzy to ludzie, którzy po prostu podejmują dobre decyzje, ale wielu z nich ma poczucie, że improwizuje i po prostu osiąga przyzwoity odsetek sukcesów.

Cali Collins: Intuicja.

Galen Low: Tak, intuicja. Nawet jeśli czują niepewność wobec wszystkich podejmowanych decyzji, jest to droga do poprawy. Wspomniałaś wcześniej o bezpieczeństwie fizycznym. Chcemy móc analizować takie sytuacje po fakcie i śledzić ich przebieg.

Nie chodzi o wykorzystywanie grafu kontekstu do obwiniania konkretnej osoby. Możemy wykorzystać go do poprawy sposobu, w jaki wszyscy podejmujemy decyzje, ponieważ nie spotkałem człowieka, który zawsze podejmuje świetne decyzje albo zawsze rozumie, dlaczego je podejmuje.

Cali Collins: Tak.

Galen Low: Chciałbym wrócić do kwestii zarządzania i odpowiedzialności. Obecnie człowiek ponosi odpowiedzialność za dobrą lub złą decyzję, nawet jeśli AI ją uruchomiła. AI również cały czas podejmuje decyzje. Jakie zabezpieczenia powinniśmy wprowadzić, aby nie tylko pomagać AI unikać błędów, ale też wzmacniać dobre zachowania i tworzyć sytuację, w której AI sama poprawia podejmowanie decyzji?

Czy kiedykolwiek dojdziemy do momentu, w którym uznamy, że AI jest wystarczająco dobra, aby podejmować decyzje i ponosić za nie odpowiedzialność? Jak wyglądałaby taka przyszłość?

Cali Collins: W tym obszarze prowadzi się wiele badań i rozmów. Jeśli spojrzymy na duże modele językowe, AI sama jest serią decyzji. Decyduje, jakie będzie następne słowo na podstawie tego, które słowo jest najbardziej prawdopodobne. Wykonuje serię decyzji zgodnie z tym, do czego została wytrenowana.

Możesz zacząć od prośby o przygotowywanie szkiców wiadomości. Początkowo system może nie być zbyt dobry, ale z czasem zacznie lepiej tworzyć wiadomości albo odpowiadać na bezpośrednie wiadomości w mediach społecznościowych firmy.

Możesz edytować odpowiedzi i trenować system, dzięki czemu będzie coraz lepszy. W przypadku zadań o niskiej stawce prawdopodobnie można pozwolić mu odpowiadać samodzielnie. Jeśli sprzedajesz koszulki i ktoś pyta, czy dany wzór jest dostępny w określonym rozmiarze, AI prawdopodobnie może sprawdzić informacje i odpowiedzieć.

Może jednak istnieć inny rodzaj wiadomości, na którą nie chcesz, aby AI odpowiadała. Najważniejsze jest zrozumienie zabezpieczeń. Prowadzi się również badania nad tym, czy AI osiągnie granicę poziomu decyzji, które może podejmować.

Nasza filozofia polega na utrzymywaniu człowieka w procesie i stopniowym przekazywaniu AI zadań o niskiej stawce. Jednocześnie człowiek pozostaje ostatecznie odpowiedzialny. Nie chcę przenosić odpowiedzialności prawnej i obowiązku powierniczego na Optimality, które miałoby dostęp do moich wiadomości i mogłoby wysłać komuś informacje szkodliwe dla firmy.

Pozostawię siebie w procesie, a AI pozwolę wykonywać inne zadania, które pomogą mi lepiej organizować dzień.

Galen Low: Mamy przykłady spoza AI, na przykład urządzenia medycznego przekazującego diagnozę w określonym zakresie tolerancji. Nie chodzi o komunikat: „Masz raka w czwartym stadium”, ale o możliwość podjęcia decyzji na pewnym poziomie. Ciekawe jest pytanie, czy odpowiedzialność ponosiłby twórca oprogramowania.

W niektórych przypadkach firma produkująca urządzenie medyczne przyjęła odpowiedzialność za diagnozę. W innych sytuacjach może być inaczej. Wróćmy więc do człowieka w procesie.

Rozmawialiśmy wcześniej o szkoleniu młodszych koordynatorów projektów i zapewnianiu im bezpiecznych scenariuszy, w których mogą popełniać błędy i się poprawiać. Odpowiedź na wiadomość dotyczącą rozmiaru koszulki, terminu albo konkretnego rezultatu może być takim zadaniem. Jeśli odpowiedź nie będzie idealna, nie wydarzy się katastrofa.

Istnieją jednak sprawy, w których nie wolno obiecać nowego terminu bez konsultacji. Jeśli młodszy koordynator obieca coś klientowi lub sponsorowi bez sprawdzenia, przełożony ponosi odpowiedzialność, choć jest to również moment do nauki i poprawy.

Cali Collins: Można myśleć o AI jak o stażyście. Odpowiadasz za działania stażysty na podstawie tego, co mu poleciłeś. AI nie może być odpowiedzialna, ponieważ nie ma poczucia odpowiedzialności. Nie możesz jej zwolnić ani zdegradować za złą decyzję.

Ciekawym zastosowaniem AI jest zgodność z umowami. Możesz nauczyć system wymagań kontraktowych i specyfikacji, a następnie polecić mu obserwowanie działań i ostrzeganie, jeśli możesz potencjalnie naruszyć umowę. AI nie wykonuje tego za Ciebie, ale obserwuje działania, pomaga zachować bezpieczeństwo i zgodność oraz wspiera zarządzanie.

Galen Low: To bardzo interesujące zastosowanie. Podoba mi się pomysł przekazywania informacji zwrotnej, aby modele stawały się lepsze i bardziej zdolne. Być może jeszcze długo nie będą odpowiedzialne, ale możemy wykorzystywać momenty do nauki.

Możemy też korzystać z tego, co AI robi najlepiej. Nie jestem w stanie zapamiętać wszystkich naszych umów o gwarantowanym poziomie usług. Dobrze byłoby, gdyby coś mogło to zrobić.

Porozmawiajmy na koniec o przyszłości. Technologia AI coraz lepiej łączy informacje i określa, co jest ważne. Wpływa to na codzienną pracę oraz wielkie decyzje kierownictwa, czasami dotyczące miliardów dolarów.

Kierownik projektu pomaga ułatwiać podejmowanie decyzji, zarządza ryzykiem i wskazuje problemy. Co stanie się z jego rolą, jeśli AI będzie lepiej wykrywać ryzyka, wskazywać zależności i rekomendować decyzje? Jaki będzie wpływ na role, które pełnimy jako ludzie?

Cali Collins: Rola kierownika projektu stanie się jeszcze ważniejsza. Z mojego doświadczenia w szacowaniu i kontroli projektów wynika, że moim zadaniem było przygotowanie danych i przekazanie ich starszemu menedżerowi, który podejmował na ich podstawie decyzje.

Ten lejek się skróci. Nie oznacza to likwidacji osób zajmujących się kontrolą projektów. Oznacza raczej, że nie będą musiały biegać i pytać: „Czy dziś to ukończyłeś?”. Będą mogły poświęcić czas na analizę danych, wykorzystanie swojej wiedzy i poprawianie procesów, a następnie przekazywanie wniosków kierownikowi produktu.

W branży, szczególnie w oprogramowaniu, liczba programistów przypadających na kierownika produktu spada, ponieważ programiści pracują coraz wydajniej. Potrzeba jednak więcej zarządzania produktem i projektami, ponieważ te osoby wyznaczają kierunek i prowadzą proces podejmowania decyzji.

Dane są dostępne szybciej i w większej ilości, więc potrzebujemy więcej osób, które potrafią wykorzystać je do podejmowania ważnych decyzji. Sama jestem przeciążona pracą nad produktem, ponieważ programiści pracują szybciej i pytają, czy nie chcę zakodować swoich pomysłów za pomocą AI, a oni później zamienią je w prawdziwy kod.

Obniża to próg wejścia do tworzenia własnych rozwiązań, ale sprawia też, że role związane z produktem, projektem i decyzjami strategicznymi stają się znacznie cenniejsze.

Galen Low: To wspaniała odpowiedź. Nie spodziewałem się aż tak optymistycznego podejścia, ale masz rację. Tempo pracy rośnie i czasami mniej osób wykonuje więcej zadań, ale pewne role — związane z produktem, projektem oraz prowadzeniem i ułatwianiem podejmowania decyzji — stają się ważniejsze.

Jeśli praca odbywa się szybciej, być może potrzebujemy więcej takich osób. Podoba mi się także to, że dane nie trafiają bezpośrednio z AI do decydenta. Nadal trzeba je rozumieć, analizować i oceniać. Nadal podejmujemy decyzje poprzez rozmowę.

Można uznać to za ludzką wadę, ale tacy jesteśmy. Nie chcemy, aby maszyna mówiła nam, jak podjąć decyzję. Istnieje element ludzki, perswazja, weryfikacja i rozmowa, która pozwala nam nabrać pewności, że doszliśmy do dobrej decyzji. AI po prostu wzmacnia ten proces.

Cali Collins: Zdecydowanie.

Galen Low: Cali, to była ogromna przyjemność. Dziękuję za poświęcony czas. Gdzie można dowiedzieć się więcej o Tobie i Optimality?

Cali Collins: Oczywiście znajdziesz nas na LinkedIn. Ja również jestem na LinkedIn. Nasza strona to optimalitypro.com. Możesz bezpośrednio zapisać się na czternastodniowy bezpłatny okres próbny Optimality albo sprawdzić, czym się zajmujemy.

Strona jest stale aktualizowana, a wraz z rozwojem kolejnych zastosowań branżowych będziemy dodawać dokumentację i materiały pomocnicze. Możesz je sprawdzić na optimalitypro.com.

Galen Low: Świetnie. Dodam linki do Twojego profilu i strony Optimality w notatkach do odcinka. Jeszcze raz dziękuję za udział. Twoje doświadczenie jest bardzo interesujące. Nie wiedziałem nawet o psychologii. To była świetna i pouczająca rozmowa. Decyzje wprawiają świat w ruch.

Mamy dziś w tym wszystkim AI, ale nadal są w tym również ludzie. To niezwykły czas, aby żyć.

Cali Collins: Zdecydowanie. To ekscytujący moment.

Galen Low: Bardzo Ci dziękuję, Cali.

Cali Collins: Dziękuję.

Galen Low: Dobrze, to wszystko w dzisiejszym odcinku podcastu Digital Project Manager. Jeśli podobała Ci się ta rozmowa, zasubskrybuj podcast na platformie, z której korzystasz. Jeśli chcesz uzyskać jeszcze więcej praktycznych wskazówek, studiów przypadków i poradników, utwórz bezpłatne konto na thedigitalprojectmanager.com. Do usłyszenia następnym razem i dziękuję za słuchanie.