Od eksperymentów z AI do wpływu na agencję: przekształcanie ciekawości w wymierne rezultaty

Galen Low: Jaki jest Święty Graal sztucznej inteligencji, do którego dążą osoby zarządzające agencjami, dając swoim pracownikom czas i przestrzeń na eksperymentowanie z AI?

Kelly Vega: Zwykle poświęcałam około 30% tygodnia na coś, co teraz zajmuje mi mniej niż 5% — bez dwóch zdań.

Harv Nagra: To było kilka lat temu. Podczas naszych comiesięcznych spotkań całej firmy tworzyliśmy przestrzeń dla każdego, kto chciał dobrowolnie zaprezentować swoje eksperymenty i podzielić się tą wiedzą z innymi.

Melissa Morris: Nie rzucajcie tego po prostu zespołowi. „Hej, zrobimy X, Y i Z. Zrealizujmy to”. Kiedy wszyscy są odpowiedzialni, nikt nie jest odpowiedzialny. Traktujcie to jak projekt dla klienta albo po prostu nie zostanie wykonane.

Kelly Vega: Właściwie ustaliliśmy standardowo, że wszystko będzie transkrybowane, i wszyscy mówili: „Tak, proszę, właśnie tego potrzebujemy — odpowiedzialność”.

Galen Low: Dobrze. Dzisiejsza sesja dotyczy przejścia od stanu, w którym agencja po prostu eksperymentuje z AI, do sytuacji, w której naprawdę czerpie korzyści z operacji wspieranych przez AI na dużą skalę. Poznajmy więc naszych panelistów.

Melissa Morris jest założycielką Agency Authority, a także niezwykle aktywną autorką filmów na LinkedInie. Publikujesz bardzo dużo materiałów wideo. Wszystkie są świetne i wartościowe. Muszę cię zapytać, Melissa: oprócz publikowania niemal codziennie wartościowych treści związanych z agencjami widziałem też twoje nazwisko w podcastach obok takich osób jak Sharon Tarrick czy Robert McPhee. Jaki jest twój sposób na utrzymywanie tak zaraźliwej energii wszędzie tam, gdzie się pojawiasz?

Melissa Morris: Tak, piję naprawdę dużo kofeiny, Galen. Nie, żartuję.

Myślę, że składa się na to kilka rzeczy. Robię to od dawna. Naprawdę czuję, że doskonale rozumiem właścicieli agencji, z którymi pracuję. Jestem bardzo zaangażowana we wspieranie ich, więc moja ekstrawertyczna natura cieszy się, że może dzielić się dużą ilością dobrych informacji i spędzać z nimi czas.

Mam też świetny zespół, który mnie wspiera. Mamy bardzo sprawny system zarządzania treścią i przepływ pracy, dzięki czemu łatwo jest mi po prostu włączyć kamerę, porozmawiać i spędzić z kimś czas, a potem się wyłączyć — oni zajmują się całą trudną częścią pracy.

Galen Low: Bardzo mi się to podoba. Na kogo powinienem teraz zwrócić uwagę?

Może na panią Kelly Vegę, dyrektorkę programu w VML, a także komiczkę TikTokową, która zdobyła ogromną popularność. Kelly, niedawno wróciłaś do znanego klienta w znanej agencji po krótkiej podróży zawodowej do zupełnie innej niszy i rzeczywistości. Czy czujesz się tak, jakbyś obudziła się w wymarzonym świecie równoległym?

Co różni sposób działania twojej agencji wcześniej i teraz?

Kelly Vega: Przede wszystkim perspektywa. Czasami, niezależnie od tego, czy postrzegasz to jako sytuację, w której trawa po drugiej stronie jest bardziej zielona, nie chodziło o to, że było tam lepiej lub gorzej — to było po prostu inne doświadczenie. Kiedy to doświadczenie dobiegło końca, pomyślałam: „Dobrze, co dalej?”.

A dalej oznaczało powrót, czego wcześniej nigdy nie robiłam. Nigdy nie wracałam do wcześniejszego pracodawcy. To było więc wspaniałe doświadczenie. Zajmuję się operacjami agencyjnymi i realizacją projektów dla dużych klientów. Przyszłam z nową perspektywą i doświadczeniem, które mogę wykorzystać, dlatego bardzo się cieszę, że tu jestem i mogę rozmawiać o AI oraz operacjach agencyjnych.

Galen Low: To także urok pracy w agencji. Znasz różnorodność, prawda? Możesz poruszać się między różnymi pionami i branżami, wracać z lekcjami wyniesionymi z sąsiednich obszarów i wnosić tę perspektywę.

Kelly Vega: Tak. Możliwość obserwowania tego na małą i dużą skalę oraz posiadania tak szerokiej perspektywy daje naprawdę wiele. To świetne.

Galen Low: Dzisiaj wykorzystam część tych perspektyw, więc dziękuję, że bierzesz udział w tym spotkaniu.

Na koniec, ale zdecydowanie nie mniej ważny, jest Harv Nagra, dyrektor ds. komunikacji marki w Scoro i prowadzący podcast „The Handbook: Agency Ops”. Harv, niedawno zdradziłeś mi, że zadebiutowałeś jako aktor w filmowym studium przypadku, gdy byłeś klientem Scoro.

Teraz pracujesz w Scoro, wykorzystując swoje doświadczenie w operacjach agencyjnych i aktorskie umiejętności godne Oscara w nowej serii filmów na LinkedInie zatytułowanej „Ops Quickies”. Najważniejsze pytanie brzmi więc: ile czasu minie, zanim zobaczymy „The Handbook” jako pełnometrażowy film, a przynajmniej więcej materiałów wideo z twoim udziałem?

Harv Nagra: Myślę, że produkcja już się rozpoczęła. Horror: zespół klienta nie wypełnia ewidencji czasu pracy, a ChatGPT przestaje działać. Myślę, że ci się spodoba.

Galen Low: Obejrzałbym to. Thriller. Zdecydowanie.

Harv Nagra: Tak. Koszmar na jawie. Mieszkam w Londynie w Wielkiej Brytanii, ale pochodzę z Vancouver w Kanadzie. Miło widzieć tu kilka osób z Kolumbii Brytyjskiej.

Galen Low: Harv i ja pochodzimy z tego samego miasta. Ja również pochodzę z Vancouver w Kolumbii Brytyjskiej. Nie znaliśmy się wtedy, gdy mieszkaliśmy w Vancouver, ale cieszę się, że znamy się teraz i że mogę namówić cię na udział w dyskusji panelowej online z Wielkiej Brytanii.

Dobrze, przejdźmy do tematu. Od wielu osób pracujących w agencjach słyszę, że ich firmy proszą pracowników o przeznaczanie od dwóch do czterech godzin tygodniowo na obowiązkowe eksperymentowanie i badanie możliwości AI.

Nie uważam tego za szczególnie zaskakujące, biorąc pod uwagę obiecywany potencjał AI, ale jeszcze niedawno nie było wystarczająco dużo przestrzeni, by poświęcać od dwóch do czterech godzin tygodniowo i jednocześnie osiągać 80-procentowy poziom wykorzystania. Liderzy agencji prawdopodobnie mają nadzieję, że te eksperymenty doprowadzą do przełomowych innowacji, które zwiększą ich biznes dziesięciokrotnie, ale rzeczywistość jest taka, że samo eksperymentowanie z AI niekoniecznie ich tam doprowadzi.

Eksperymenty potrzebują ram działania. Potrzebują kryteriów sukcesu. Co więcej, udane eksperymenty trzeba przenieść do etapu wdrożenia, aby cała organizacja mogła odnieść z nich korzyści. Pytanie brzmi więc: jaki jest najlepszy sposób przejścia od nieformalnych eksperymentów z AI do wspieranych przez AI usprawnień operacyjnych w całej agencji i co jest zagrożone, jeśli osoby pracujące w agencjach nie będą w stanie tego osiągnąć?

Narysujmy ten obraz. Rozmawiamy o AI, o rozwijaniu agencji lub dowolnego rodzaju organizacji, ale czasami nie jest jasne, jak wygląda cel tej podróży. Pomyślałem więc, że zapytam panelistów: jaki jest Święty Graal AI, do którego dążą osoby zarządzające agencjami, dając pracownikom czas i przestrzeń na eksperymentowanie z AI?

Czy chodzi tylko o zapewnienie pracownikom kontaktu z technologią, czy o przyspieszenie przejścia do swego rodzaju hybrydowego modelu biznesowego łączącego ludzi i AI? A jeśli chodzi o to drugie, jak miałoby to wyglądać? Kelly, chcesz zacząć?

Kelly Vega: Z przyjemnością. Myślę, że czas przeznaczany na badanie AI i zagłębianie się w jego możliwości, szczególnie z perspektywy zarządzania projektami i operacji, dotyczy przede wszystkim wydajności.

Chodzi o usprawnienie zadań administracyjnych i ograniczenie paraliżu analitycznego. Kiedy tracisz czas na podsumowania spotkań i ustalanie, kto co powiedział, możesz wykorzystać transkrypcję do przygotowania podsumowania, które następnie trzeba przeczytać, sprawdzić poprawność imion i nazwisk oraz upewnić się, że nie zawiera na przykład zdania o czyjejś frustracji, którego nie chciałeś umieszczać.

Chodzi o usunięcie dużej części pracy dodatkowej, na którą w innym przypadku poświęcasz czas. Zwykle spędzałam około 30% tygodnia na czymś, co teraz zajmuje mi mniej niż 5%. Bez dwóch zdań. Myślę więc, że to domyślnie jest główny obszar zainteresowania, ponieważ właśnie tak myślę — o procesach operacyjnych i ich standaryzacji. Mogłabym podać wiele przykładów, ale właśnie tam kierują się moje myśli. To także obszar, na którym koncentruje się wiele osób zarządzających projektami.

Galen Low: Podoba mi się idea człowieka pozostającego w pętli decyzyjnej.

To nie jest automatyzacja do zera. Z drugiej strony nie myślałem wcześniej o tym, jak bolesne może być dla przełożonych obserwowanie, jak najlepsi pracownicy przygotowują doskonałe protokoły i notatki ze spotkań — z poprawnie zapisanymi imionami i nazwiskami. Mogą wtedy pomyśleć: „Doceniam twoje talenty, ale nie za to, że robisz właśnie to”.

Chcę, żebyś zajmował się innymi rzeczami. To nie jest bolesne wyłącznie dla osób wykonujących część zadań administracyjnych, ale także dla wspierających liderów, którzy chcą, aby pracownicy nie poświęcali na nie 30% czasu, ponieważ są lepsi w czymś innym.

Kelly Vega: Dokładnie.

To wspiera realizację projektów, ale z pewnością nie zastępuje talentu ani strategii, które są niezbędne i na których skupienie wymaga przestrzeni w głowie. Wypalenie zawodowe jest u mnie mniejsze, ponieważ nie zużywam energii na zadania administracyjne, które nie przyczyniają się do realizacji strategii.

Galen Low: Podoba mi się, że Święty Graal nie polega na ciągłym przeciążeniu, które prowadzi do stosowania skrótów i rozpraszania się.

Melissa, współpracujesz z wieloma agencjami i analizujesz ich operacje. Wyobrażam sobie, że masz na ten temat dobrą perspektywę — szczególnie jeśli chodzi o to, co osoby, z którymi rozmawiasz, uważają za swój Święty Graal i wizję przyszłości.

Co słyszysz najczęściej?

Melissa Morris: Myślę, że jest to dość podobne do tego, o czym mówi Kelly, czyli bardzo praktyczne pytanie: jak wygląda to na co dzień? Myślę jednak, że poziom wyżej chodzi przede wszystkim o zwiększenie rentowności. Agencje często działają na bardzo niskich marżach, szczególnie te kreatywne.

Są znane z wychodzenia poza zakres projektu: trzy rundy poprawek zamieniają się w dziesięć, a potem klient zmienia kierunek i wracamy do punktu wyjścia. Agencje zawsze chcą więc wracać do pytania: co możemy uprościć, usprawnić i gdzie możemy stworzyć więcej przestrzeni — w marżach i harmonogramach?

W niektórych obszarach kreatywnych jest to szczególnie trudne. Gdzie możemy mocniej wykorzystać AI do zadań administracyjnych, takich jak notatki ze spotkań, tworzenie prezentacji czy inne czynności typowe dla danej agencji, aby zwiększyć marżę i dać sobie więcej przestrzeni? Od lat zmagamy się z próbą uporządkowania tych procesów.

Galen Low: Bardzo mi się to podoba. Podczas jednego z naszych wcześniejszych wydarzeń, chyba w lipcu, koncentrowaliśmy się na projektach kreatywnych. Uderzyło mnie wtedy, że nie musi to być jednolity proces. Być może nim jest, ale dla kierownika projektu odpowiedzialnego za realizację lub operacje chodzi o codzienną wydajność operacyjną.

Z perspektywy zespołów projektowych istnieje jednak czas i miejsce, w którym rzeczywiście chcemy poświęcać dużo czasu i ludzkiej energii na tworzenie. Kiedy patrzysz na zmianę rozmiaru obrazów, pojawia się moment, w którym myślisz: „Wolałbym, żeby najlepsi projektanci i pracownicy kreatywni nie zmieniali rozmiaru obrazów ani nie przygotowywali lokalnych wersji tekstów kampanii”.

Są obszary, w których po prostu trudno patrzeć, jak najlepsi ludzie wykonują takie czynności, i być może AI może pomóc. Nie chodzi o podkręcenie AI do 110% we wszystkich obszarach, ale o znalezienie miejsc, w których naprawdę przyniesie różnicę.

Kelly Vega: Tworzenie zgłoszenia w Jira może wydawać się czymś administracyjnym.

Podobnie jak podsumowanie spotkania czy streszczanie wiadomości e-mail. W rzeczywistości może zawierać wiele informacji technicznych. Jeśli otrzymujesz długą odpowiedź od programisty lub osoby bardziej technicznej, możesz przekazać ją AI i powiedzieć: „Hej, potrzebuję na tej podstawie zgłoszenia w Jira”.

Następnie czytasz wynik i poprawiasz go. Jeśli uwzględnisz platformę, której dotyczy zgłoszenie, AI może rozbudować treść, a ty ją skracasz, dostosowujesz i dopasowujesz do zgłoszenia. AI może zaproponować etykiety, z których części być może nie będziesz potrzebować.

Zaoszczędziło to kierownikom projektów bardzo dużo czasu. Kiedy ktoś słyszy: „Utwórz zgłoszenie w Jira”, czasami po prostu zastyga albo zgłoszenie nie powstaje przez cały dzień, bo trzeba znaleźć czas na przemyślenie tematu.

Galen Low: Jestem właśnie taką osobą. Utworzenie zgłoszenia w Jira zajmuje mi kilka dni. Gdybym tylko mógł zacząć wcześniej.

Jestem też osobą, dla której ważny jest ten ludzki element. Muszę mieć uporządkowane informacje, aby właściwie przekazać zespołowi, co powinniśmy robić, ponieważ błędy w tym obszarze mają konsekwencje. Jednocześnie nie doceniamy ogromnej ilości czasu traconego na klikanie przycisków, kopiowanie i wklejanie oraz wyszukiwanie informacji w różnych narzędziach.

Jeśli można to usprawnić, jest to wspaniała rzecz. Chciałem trochę oddalić perspektywę i uczynić tę dyskusję bardziej konkretną. Dla osób, które słyszą o tym po raz pierwszy, może nie być jasne, jak miałoby to wyglądać w ich organizacji. Mogą myśleć: „Chciałbym mieć codzienną przerwę na AI”. Brzmi świetnie, ale jak wygląda to w organizacjach, z którymi pracujecie?

Harv, rozmawiasz z wieloma osobami w swojej roli w Scoro. Czy często o tym słyszysz?

Harv Nagra: Tak. Przypomniała mi się sytuacja sprzed kilku lat, gdy pracowałem w poprzedniej agencji.

Podczas comiesięcznych spotkań całej firmy zachęcaliśmy ludzi do eksperymentowania z narzędziami. Nie był to obowiązkowy czas, ale w ramach spotkania tworzyliśmy przestrzeń, aby każdy mógł dobrowolnie zaprezentować swoje eksperymenty lub opowiedzieć, czego się nauczył.

Dzięki temu wszyscy mogli się z tym zapoznać. Niedawno byłem na śniadaniu poświęconym AI i marketingowi. Ktoś powiedział coś bardzo ciekawego: nie pamiętam dokładnej nazwy, ale chodziło o grupę roboczą, do której ludzie dobrowolnie dołączali.

Spotykali się co miesiąc i musieli coś zaprezentować. Mogła to być interesująca i aktualna wiadomość dotycząca AI albo eksperyment, który przeprowadzili. Fakt, że odbywało się to co miesiąc i wymagało podzielenia się czymś, sprawiał, że zadanie było realizowane, zamiast pozostawać czymś, do czego „może kiedyś wrócę”, ale nigdy nie znajdę na to czasu.

Kolejną korzyścią było dzielenie się wiedzą z innymi. W miejscu, w którym obecnie pracuję, czyli w Koro, mamy kilka podobnych inicjatyw. Istnieje kanał AI na Slacku, gdzie dzielimy się wiadomościami i eksperymentami. Niedawno przeprowadziliśmy również badanie umiejętności związanych z AI w całej firmie, aby sprawdzić, z czego ludzie korzystają.

Mamy bardzo rygorystyczne zasady korzystania z AI, więc wiemy, jakich narzędzi ludzie używają i co jest zatwierdzone pod kątem danych. Polecam właśnie takie rozwiązania: regularne uczenie się, prezentowanie i dzielenie się wiedzą.

Galen Low: To świetne narzędzie analityczne, szczególnie w tak optymistycznym ujęciu. Widziałem rozwiązania, które wydają się bardzo chłodne i bezosobowe, jakby od odpowiedzi na pytanie zależało, czy zachowasz pracę. Tutaj chodzi o edukację, a to jest najważniejszy element. Motyw dzielenia się informacjami jest ogromnie istotny.

Podoba mi się funkcja wymuszająca działanie. Nie musi odpowiadać każdemu. Jestem pewien, że niektórzy kulturowo przewracaliby oczami i mówili: „Naprawdę muszę robić to całe AI i jeszcze o nim prezentować? W jakiej jestem klasie?”.

Jednocześnie zmusza to do dzielenia się wiedzą. Jeśli tej wiedzy nie udostępniamy, nic nie może się skalować ani rozprzestrzeniać. Jedna osoba może zgromadzić doskonałe sposoby pracy, ale korzysta z nich wyłącznie ona, przez co wpływ na projekty pozostaje niewielki, zamiast stać się znaczący. Oczywiście później pojawiają się kolejne wyzwania.

Porozmawiamy o nich. Czy ktoś ma jeszcze przykład tego, jak organizacja lub agencja strukturyzuje takie eksperymenty?

Kelly Vega: Mamy własne narzędzie. Jest bardzo rozbudowane i podzielone na potrzeby kreatywne, operacyjne i strategiczne. Można w nim znaleźć gotowe polecenia, typy plików i inne elementy, które trzeba utworzyć. Mimo to często po prostu przechodzę do funkcji czatu, z której od dawna korzystam gdzie indziej.

Nie oznacza to, że rozbudowane rozwiązanie nie jest przydatne, gdy potrzebujesz czegoś konkretnego, ale częściej korzystam po prostu z czatu. Samo posiadanie tego narzędzia naturalnie tworzy zasadę: „Używaj go, jest do twojej dyspozycji. Jeśli masz uwagi, przekaż je tutaj”. Klienci również wiedzą o jego istnieniu i z niego korzystają.

Nie chodzi więc tak bardzo o wyznaczony czas na eksperymentowanie z AI, lecz o zachętę do pokazania, jak skutecznie z niego korzystasz. Dotyczy to każdego zadania. Mogę na przykład przeanalizować eksport z Jira dotyczący czasu pracy. Raporty w Jira są bardzo rozbudowane, ale jeśli szukam czegoś konkretnego i nie mam czasu przekopywać się przez filtry, korzystam z eksportu — oczywiście pod warunkiem przestrzegania zasad bezpieczeństwa i wszystkich wytycznych.

Mogę powiedzieć: „Powiedz mi, jak wygląda ten trend” albo „Jak to się zmienia?”. Pomaga mi to zacząć myśleć, a potem wracam do Jira i sprawdzam, jak mogę coś zoptymalizować. Narzędzie nie tylko udziela odpowiedzi, ale pomaga mi myśleć.

Coraz częściej z niego korzystam, ponieważ stało się naszym domyślnym narzędziem. Nie pytamy już, czy go używamy, tylko jak go używamy.

Galen Low: Czy możesz wpływać na to własne narzędzie? Czy jest ono trenowane na wszystkim, co ludzie robią na co dzień? Czy poświęcacie czas na pokazanie: „Tak wykonuję dane zadanie, prześlę to i wytrenuję na tym model”?

Kelly Vega: Zastanawiam się nad tym. Narzędzie jest powiązane z moim kontem, więc otrzymuje informacje na temat mojego zachowania i działań. Zauważyłam, że sposób formułowania podsumowań coraz bardziej przypomina mój styl.

Nie kopiuję jednak tych treści bezpośrednio do wiadomości e-mail. Korzystam raczej z wypunktowanych informacji lub opisanych procesów, a następnie dopracowuję je i nadaję im własny charakter.

Potrzebne są poprawki. Gdybym miała to określić liczbowo, powiedziałabym, że poprawiam od 10 do 30% podsumowań albo dodaję odnośniki. Chcę pokazać, że rzeczywiście zależy mi na podsumowaniu, które przekazuję, a odbiorca nie dostaje tekstu wygenerowanego bez zmian, z tymi samymi emoji i półpauzami w tych samych miejscach.

Galen Low: Albo półpauzie.

Kelly Vega: Właśnie. Naprawdę ich używałam, ale teraz nie mogę, bo ludzie powiedzieliby: „Dobrze, po pierwsze wszyscy wiemy, że używasz AI, a po drugie — półpauza”.

Galen Low: Przed wysłaniem wiadomości dodam kilka literówek.

Kelly Vega: Dokładnie.

Galen Low: Utopia jest zbyt czysta, by ludzie w nią uwierzyli, więc trzeba ją trochę zepsuć.

Kelly Vega: Za każdym razem błędnie zapisać słowo „zdecydowanie”.

Galen Low: Zastanawiam się, czy możemy połączyć to z tematem, do którego nawiązuję: z tym, co nazywam eksperymentowaniem. Chodzi o oswajanie się z technologią i jej możliwościami.

Mamy pomaganie sobie w zwiększaniu osobistej produktywności. Osobiście doceniam fakt, że organizacja taka jak agencja, oparta na projektach i rozliczanych godzinach, jest gotowa inwestować niebillowalny czas w eksperymentowanie pracowników z AI.

Nawet najlepsze eksperymenty mogą jednak skończyć na półce i pokryć się kurzem, podobnie jak hackathony organizowane przez ostatnią dekadę. Potrzebna jest pewna struktura i formalizacja. Nie chodzi tylko o eksperymentowanie.

Jak osoby odpowiedzialne za operacje mogą stworzyć strukturę, która oceni dobre pomysły, włączy je do strategii, a następnie przeniesie do wdrożenia, aby stały się częścią firmy, a nie tylko narzędziem używanym gdzieś w jednym zakątku?

Jak uniknąć sytuacji, w której takie projekty stają się znienawidzonymi projektami wewnętrznymi o najniższym priorytecie w porównaniu z pracą dla klientów? Narzędzie jest niemal gotowe. Poświęciliśmy czas na eksperymentowanie i stworzyliśmy coś świetnego, ale za każdym razem, gdy próbujemy to wdrożyć, pojawia się duży projekt dla klienta.

Jak się przed tym zabezpieczyć?

Melissa Morris: Dużo rozmawiam o tym z naszymi klientami, ponieważ w obszarze operacji projekty i działania — tworzenie standardowych procedur operacyjnych, praca z narzędziem do zarządzania projektami i tym podobne — nie zawsze są najciekawszymi zadaniami.

Kiedy pojawia się praca dla klienta, te elementy są nieuchronnie odkładane na bok. Dlatego zawsze przypominam właścicielom agencji: jeśli masz projekt wewnętrzny, który musi zostać zrealizowany, zapewnij mu zasoby tak samo jak projektowi klienta.

Nie mów po prostu zespołowi: „Hej, zrobimy X, Y i Z. Zajmijmy się tym”. Kiedy wszyscy są odpowiedzialni, nikt nie jest odpowiedzialny. Wszyscy to rozumiemy.

Nie przydzielaj też takiego zadania osobie, która ma już napięty termin i jest w pełni zajęta realizacją zobowiązań wobec klientów. W przeciwnym razie projekt prawdopodobnie nie zostanie ukończony.

Traktujmy go jak projekt dla klienta i ustalmy prawdziwe kamienie milowe. Czy potrzebujemy briefu kreatywnego? Jaki problem chcemy rozwiązać? Nie można powiedzieć: „Sprawdź, jak możemy wykorzystać AI, aby uczynić agencję większą, szybszą i silniejszą”. To zbyt ogólne.

Można natomiast powiedzieć: „Tworzenie zgłoszeń w Jira wymaga ogromnego nakładu pracy i czasu. Jak możemy wykorzystać AI, aby sobie z tym pomóc?”. Trzeba bardzo konkretnie określić, co chcemy osiągnąć.

Trzeba też jasno ustalić oczekiwania. Można przez trzy miesiące powtarzać: „Przyglądam się temu”, ale jakie są pierwsze kroki? Jak ma wyglądać to „przyglądanie się”? Ile czasu ma zostać poświęcone? Chcesz, żeby ktoś spędził dziesięć godzin na analizie określonego typu narzędzi.

Trzeba określić budżet. Nie chcemy, aby ktoś znalazł świetne narzędzie, które kosztuje 800 dolarów miesięcznie, bez wcześniejszego uzgodnienia. Należy zbudować parametry i wyjaśnić osobie eksperymentującej, czego oczekujesz.

Następnie trzeba prowadzić projekt tak jak realizację dla klienta. Pojawiać się na cotygodniowym spotkaniu, przedstawiać aktualizacje, omawiać przeszkody i wyzwania. Kiedy projekt otrzymuje zasoby i jest traktowany jak realizacja dla klienta, zostaje ukończony — tak jak projekty dla klientów.

Galen Low: Podoba mi się to. Wspomniałaś o zapewnieniu zasobów, ale w mojej głowie pojawia się także myśl: dodajmy do tego wartość pieniężną.

Czasami wszystko sprowadza się do uzasadnienia biznesowego. Zakładam, że większość tych agencji i organizacji inwestuje czas, aby poprawić swoją działalność, operacje i jakość życia pracowników. Musi więc istnieć zwrot z inwestycji.

Podoba mi się idea, że nawet na poziomie eksperymentu powinna istnieć hipoteza. Carrie napisała na czacie, że wdrożenie AI musi być zgodne z celami biznesowymi. To bardzo ważne.

Rozmawialiśmy niedawno o naszych doświadczeniach z pomysłami wrzucanymi do skrzynki. W zależności od kultury organizacyjnej można otrzymać wiele pomysłów dobrze dopasowanych do celów — na przykład zwiększenia marży lub wydajności operacyjnej — albo pomysły tak oderwane od rzeczywistości, że nikt nie chce już zaglądać do tej skrzynki.

Trzeba więc wykonać pracę, aby dostosować kulturę organizacji do szerszych celów. Same eksperymenty powinny mieć hipotezę lub cel. Podoba mi się także idea ustalania priorytetów tak jak w portfelu projektów: gdzie uzyskamy największy zwrot? Temu projektowi powinniśmy zapewnić zasoby, zainwestować w niego i potraktować go jak prawdziwy projekt.

Nie chcemy powiedzieć: „Tamten klient ma projekt wart 20 tysięcy dolarów, możemy go przyjąć jutro”, jeśli inny projekt może przynieść 4 miliony dolarów zwrotu przy zasobach wartych 30 tysięcy dolarów. Taka perspektywa daje motywację do ukończenia projektu zamiast pozostawienia go na półce.

Melissa Morris: Dodałabym jeszcze, że trzeba ocenić znaczenie pomysłu i ustalić priorytety. Chodzi o zwrot z inwestycji.

Można powiedzieć: „Spójrz, możemy stworzyć prezentację w pięć minut na podstawie tej transkrypcji”. To świetne, ale jeśli tworzymy jedną prezentację co 18 miesięcy, nie będziemy wdrażać rozwiązania i szkolić całego zespołu tylko po to, by świętować ten sukces. Kiedy za półtora roku będę potrzebować prezentacji, poświęcę kilka godzin i ją przygotuję.

Trzeba więc dopasować nakład pracy i zasoby do uzyskiwanego zwrotu.

Galen Low: Podoba mi się takie ustalanie priorytetów.

Kelly Vega: Ważne jest również zaangażowanie zespołu.

Entuzjazm części osób nie zawsze oznacza pełną zgodę i poparcie wszystkich. Jeśli wyjaśnisz cele biznesowe oraz wskaźniki efektywności lub usprawnienia, które chcesz osiągnąć, ludzie mogą szybko się zaangażować. Zaczynają rozumieć: „Dobrze, teraz to jest priorytet”.

Galen Low: To element zarządzania zmianą. Zastanawiam się, czy istnieje tu pewien niuans. Kiedy realizujesz projekt, którego wcześniej nie wykonywałeś, nie wiesz, ile czasu zajmie.

Wiele inicjatyw związanych z AI jest nowych. Osoby oporne mogą powiedzieć: „Świetnie, zatrudnijcie mnie do wyszkolenia mojego następcy. Dziękuję”. Inne mogą uznać, że to absurd i nie wiedzieć, ile czasu zajmie operacjonalizacja rozwiązania.

Jak organizacje, a szczególnie agencje, mogą poradzić sobie z tym, aby projekty zmieściły się w zaplanowanych ograniczeniach? Czy jest w porządku, jeśli wewnętrzny projekt zaczyna się rozszerzać i okazuje się, że zajmie więcej czasu? Czy należy traktować go tak samo jak każdy inny projekt, czy AI wprowadza dodatkową złożoność?

Harv Nagra: Niezależnie od tego, co robisz, warto mieć przybliżenie lub szacunek czasu. Ograniczenie czasu na wykonanie zadania jest bardzo przydatne.

Nie masz 40 godzin tygodniowo na eksperymenty jednej osoby. Być może masz tylko kilka godzin. Możesz więc powiedzieć: „Poświęcimy temu 10 godzin w ciągu trzech tygodni, a następnie ocenimy sytuację”. Jeśli projekt nie przyniesie rezultatów, zdecydujecie, czy go kontynuować, odłożyć czy zakończyć, ponieważ okazał się zbyt skomplikowany albo nie rozwija się zgodnie z oczekiwaniami.

Myślę więc, że chodzi o ograniczenie czasu i powrót do oceny, czy projekt zmierza w użytecznym kierunku.

Galen Low: Podoba mi się to, ponieważ przypomina sposób finansowania kolejnych etapów. Dajemy trochę pieniędzy, aby osiągnąć pierwszy etap, a następnie dokładamy więcej, jeśli zostanie osiągnięty kolejny. Jeśli nie, możemy nie zapewnić dodatkowych środków.

Jakie kamienie milowe pozwalają stopniowo zmierzać do wartości? Potrzebna jest możliwość zatrzymania się i sprawdzenia, czy projekt zmierza we właściwym kierunku. Kultura organizacyjna powinna pozwalać powiedzieć: „Wydaliśmy już sporo pieniędzy, ale to naprawdę nie działa. Możemy zakończyć projekt teraz, zanim straty będą większe”.

Kelly Vega: W projektach i inicjatywach związanych z AI często obowiązuje zasada: to, że możemy coś zrobić, nie oznacza, że powinniśmy. Klienci mogą prosić o rozwiązania, nie znając najlepszych praktyk ani właściwych zastosowań.

W pewnym momencie trzeba umieć powiedzieć: „Skoro możemy to zrobić, czy powinniśmy, biorąc pod uwagę pozostały wysiłek i dotychczasowe rezultaty?”.

Galen Low: Zastanawiałem się, czy wejść w rolę adwokata diabła, ale chyba to zrobię. Eksperymentujemy z rozwiązaniami, które trzeba mierzyć. Wdrożenie może wymagać planu i zasobów jak projekt, ale powinno też być iteracyjne.

Adwokat diabła we mnie mówi: może zróbmy to, co prawdopodobnie większość organizacji chce robić dzisiaj. Pomińmy planowanie, skoro i tak będziemy iterować. Weźmy wszystkie dobre pomysły z kolejnych tygodni i zacznijmy pierwszy etap każdego z nich.

To powinno wystarczyć, prawda? Możemy mierzyć rezultaty, nie inwestujemy dużo, a później uporządkujemy działania. Dlaczego nie iterować nad wszystkim jednocześnie? Planowanie jest przecież sprzed ery AI.

Dlaczego to może być dobry albo zły pomysł?

Melissa Morris: Za każdym razem, gdy wdrażamy coś nowego, niezależnie od tego, czy jest to AI, musimy pamiętać o różnym poziomie zaangażowania, umiejętności technicznych i komfortu pracy zespołu.

Trzeba uważać, aby nie zostawić części osób bez wsparcia. Tak samo postępujemy przy wdrażaniu nowych systemów ewidencji czasu, narzędzi do zarządzania projektami czy systemów CRM.

Mamy szczegółowy plan: kiedy angażujemy zespół, czy ludzie rozumieją, dlaczego to robimy, jaki jest plan szkolenia i jak będzie wyglądało wsparcie dla osób potrzebujących dodatkowej pomocy.

Niektórzy bardzo interesują się technologią, są podekscytowani AI i chcą od razu zaangażować się w pełni. Inni są bardziej ostrożni, mniej zainteresowani technologią albo nie widzą jej wartości.

Warto wspomnieć o obawach. Niektórzy mogą myśleć: „Czy tworzę materiały, które pokażą, jak zastąpić mnie botem AI?”. Inni mogą obawiać się, że teraz będą musieli wykonywać dwa razy więcej pracy, bo skoro AI pracuje dwa razy szybciej, to oni również powinni.

Może się okazać, że zamiast pracy na pełny etat otrzymają pół etatu, ponieważ AI poradzi sobie z zadaniami. AI budzi inne emocje niż wcześniejsze postępy technologiczne, ponieważ może wywoływać prawdziwy lęk o bezpieczeństwo zatrudnienia.

Trzeba więc jasno wyjaśnić, co robimy, dlaczego to wdrażamy, jakie zapewniamy szkolenia i wsparcie oraz stworzyć przestrzeń do dzielenia się opiniami i obawami.

Galen Low: Bardzo mi się to podoba. To właśnie ten element, którego nie można przyspieszyć. Technicznie moglibyśmy jutro rozpocząć wdrażanie stu nowych pomysłów, ale co zrobiłoby to z naszymi umysłami i emocjami? Jak mielibyśmy śledzić wszystkie sto celów i wskaźników efektywności, które próbujemy osiągnąć?

Być może wszystkie prowadzą do jednego nadrzędnego celu, a być może nie. To prawdopodobnie obszar, w którym wiele wdrożeń się załamuje.

Kelly Vega: Obecnie nie mam zespołu kierowników projektów, który by mi podlegał, ale z perspektywy operacji projektowych podzieliłabym zadania według poziomu doświadczenia.

Młodsi pracownicy mogliby pracować nad wykorzystaniem AI do tworzenia podsumowań i opracowania standardowych poleceń: najlepszego polecenia po udoskonaleniu rejestru zadań, po planowaniu sprintu i tak dalej.

Osoby na średnim poziomie mogłyby analizować dokumentację w Confluence i — jeśli jest to bezpieczne — sprawdzać, jak standaryzować procesy i dokumentację.

Starsze osoby mogłyby spojrzeć na rok 2026 z perspektywy kierownika projektu i opracować strategię dotyczącą inicjatyw i projektów. Zakres może stopniowo rosnąć.

Można więc prowadzić kilka inicjatyw jednocześnie. Jeśli istnieje duża inicjatywa związana z AI, można podzielić ją na mniejsze kroki. Myślę, że może to przynieść wartość.

Galen Low: Podoba mi się dopasowanie skali eksperymentu. Nie powierzysz nowemu stażyście zmiany sposobu, w jaki prowadzimy listę płac.

W operacjach potrzebujesz kierowników projektów, którzy poprowadzą takie działania. Są to projekty, przez które będziemy iterować i w ramach których trzeba będzie podejmować decyzje.

To program lub portfel projektów i inicjatyw wymagających przywództwa. Być może są równie wartościowe jak praca dla klientów. Zwykle zespół kierowników projektów prowadzi kilka projektów jednocześnie, a jeden z nich mógłby być projektem wewnętrznym.

Kelly z działu operacji byłaby sponsorem projektu, nadzorując jego wdrożenie, zgodność z celami i przekształcenie w standardowe procedury operacyjne. To zupełnie coś innego niż podejście „niech każdy po prostu coś zrobi”.

Kelly Vega: Rezultatem może być na przykład nagranie ekranu pokazujące, jak tworzysz zgłoszenie od podstaw, a następnie jak tworzysz je przy użyciu czatu. W ten sposób powstaje konkretny materiał.

Jednocześnie, jak zauważyła Melissa, może pojawić się ryzyko: „Świetnie, więc zrób jeszcze dwa projekty”. Trzeba chronić czas przeznaczony na strategię i realizację innych zadań. Jeśli masz dwie godziny na skupienie się na strategii albo przygotowanie zgłoszeń dla klienta, musisz zachować tę przestrzeń.

Galen Low: Ważne jest także zaufanie. Trzeba ufać ludziom, którzy nagrywają, jak wykonują swoją pracę. Obiecuję, że nie będę oceniać. Właściwie oceniam.

Kelly Vega: Być może chodzi również o uzyskanie zgody na korzystanie z narzędzia AI. Niektórzy mogą nie być przekonani lub mieć uzasadnione wątpliwości, dlatego potrzebna jest edukacja.

Galen Low: Wspomniałaś o bezpieczeństwie danych i zgodności z przepisami. Harv mówił o narzędziach, które zostały sprawdzone w ramach ogólnego programu zarządzania narzędziami AI.

Czy bezpieczeństwo danych, prywatność i zgodność z przepisami są pomijane, niedostatecznie uwzględniane czy też w pełni brane pod uwagę podczas wdrażania wewnętrznych procesów AI?

Harv Nagra: Zależy to od organizacji i jej dojrzałości. W ciągu ostatnich kilku lat, od początku wyścigu AI, było wiele eksperymentów i obaw — szczególnie na początku, gdy ludzie przesyłali dane klientów.

Podejrzewam, że nadal się to zdarza. Obecnie mamy jednak jasne wytyczne określające, co wolno robić, a czego nie. Problem nieautoryzowanego korzystania z narzędzi zawsze istniał. Osoby odpowiedzialne za operacje i finanse musiały martwić się tym, że pracownicy znajdują narzędzia, pobierają je, instalują i proszą o zgodę na subskrypcje.

Po pierwsze można w ten sposób płacić za zbyt wiele narzędzi, nad którymi nie ma się kontroli. Po drugie nie wszyscy korzystają z tych platform ani nie mają dostępu do wiedzy i możliwości, które oferują.

Dlatego ważne są kontrole operacyjne określające, jak wybieramy produkty, jak zapewniamy ich bezpieczeństwo oraz do czego wolno i czego nie wolno wykorzystywać danej platformy.

Melissa Morris: Dodałabym, że dużo rozmawialiśmy o korzystaniu z AI wewnątrz agencji lub firmy, ale warto również zapewnić klientom jasność i możliwość sprawdzenia, jak korzystamy z AI, gdy jest to istotne i właściwe.

Współpracujemy z firmą, w której prowadzone są rozmowy o bardzo wrażliwym charakterze. Gdyby sprawa trafiła do sądu, nagle mogłaby istnieć transkrypcja spotkania, które nie powinno być rejestrowane.

Są sytuacje, w których trzeba zachować szczególną ostrożność i upewnić się, że klient wie o nagrywaniu. Czy można wykorzystać nagranie do przygotowania transkrypcji i zapisać ją w dokumencie Google, aby łatwo wrócić do rozmowy? Klient powinien o tym wiedzieć i wyrazić zgodę.

Trzeba także rozumieć, jaką dokumentację przechowujemy i jakie może to mieć konsekwencje w przyszłości.

Kelly Vega: Ustaliliśmy standardowo, że wszystko będzie transkrybowane, a każda osoba uczestnicząca w rozmowie może w dowolnym momencie ją transkrybować lub nagrywać. Wszyscy bardzo to poparli, ponieważ zapewniało odpowiedzialność. Nie trzeba za każdym razem przerywać rozmowy i pytać o zgodę. Oczywiście nie jest to rozwiązanie dla każdego, ale nam bardzo pomogło.

Galen Low: Pracowałaś również w silnie regulowanych branżach, więc wyobrażam sobie, że niektórzy klienci mogliby powiedzieć: „Nie, dziękuję”. Czy zaskoczyło cię, że zareagowali pozytywnie?

Kelly Vega: W moim przypadku było raczej odwrotnie. Nagrywanie było preferowane ze względów związanych z odpowiedzialnością.

Informacje można łatwo błędnie przypisać, a przy licznych kwestiach technicznych, regulacyjnych i dotyczących uprawnień nagranie było domyślnie uznawane za przydatne.

Galen Low: To ma sens. Ze względu na regulacje chcemy mieć zapis tego, że coś się wydarzyło.

Kelly Vega: Tak. Jeśli jednak chcę, aby spotkanie miało bardziej swobodny charakter, mówię na początku, że nie będę go nagrywać. Każdy może oczywiście nagrywać, jeśli uzna to za konieczne, ale nagrywanie może zmienić atmosferę rozmowy.

Nie nagrywam indywidualnych spotkań z kierownikami projektów. Nie chcę, aby wyglądało to tak, jakbyśmy formalnie zbierali wymagania i włączali czerwony przycisk nagrywania.

Galen Low: Uwielbiam to.

Bardzo dziękuję naszym panelistom za poświęcenie dziś czasu. Wiem, że często spędzamy razem czas, ale to spotkanie było świetną zabawą. Wspaniale było zebrać was troje w jednym pokoju.

Dziękuję za wszystkie spostrzeżenia.

Kelly Vega: Dziękuję za zaproszenie.

Melissa Morris: Dziękuję.