Czy AI to tylko narzędzie, czy partner w zmianie? Malwina Szopa rozmawia z Beatą Mosór o pierwszych doświadczeniach z technologią, barierach transformacji w organizacjach i roli liderów w erze AI.
Wielu liderów wciąż definiuje sztuczną inteligencję jako „narzędzie”. Jakie było Twoje pierwsze doświadczenie z AI w praktyce biznesowej, czy AI dla Ciebie to rzeczywiście tylko narzędzie?
Moje pierwsze doświadczenie z AI w praktyce biznesowej było już około dziesięciu lat temu i miało charakter innowacji, podczas której badano możliwości realnej, użytecznej aplikacji. Miałam okazję brać np. w 2014 roku w testach okularów AI, czy w 2015 roku w programach, które zakładały wykorzystanie AI w detekcji chorób z wykorzystaniem image recognition czy wykorzystanie AI w hardwarze np. IoT/Smart devices.
Na przestrzeni lat trafiały do mnie projekty, w których AI wykorzystywano do dobrych celów (np. równowaga płci na rynku pracy), ale też złych (systemy, które umożliwiały wyświetlanie komunikacji na urządzeniach bez zgody użytkownika w dowolnym momencie, czy systemy rozpoznawania obywateli na ulicach na podstawie nagrań video). Dlatego patrzę na AI nie tylko jak na narzędzie, ale jak na partnera we wprowadzaniu zmiany.
Nie chodzi jednak o humanizację technologii. Podejście partnerskie w relacjach zakłada kilka filarów takich jak uważność, zaufanie, transparencja, otwartość. Możliwości technologii AI jako narzędzia mogą być przerażające i budzić strach czy opór. Dlatego ważne jest jej zrozumienie, co w przypadku AI nie jest do końca możliwe (tzw. black box problem), a podejście partnerskie oswaja ten proces i pozwala na przejście przez niego z mniejszym oporem.
Materiały własne Beata Mosór
Tworzysz operacyjne modele oparte na AI wspierające transformację dużych organizacji. Jakie są najczęstsze bariery, które napotykają firmy przy ich wdrażaniu?
Myślę, że najprościej będzie wytłumaczyć bariery, jak podzielę je na trzy kategorie:
Pierwszą, o której ci opowiem to TECH-RELATED. Innymi słowy związane z technologią. Stanowią one ważną, ale nie najważniejszą część. Firmy często zmagają się z długiem technologicznym na poziomie hardware i software, który wymaga odświeżenia lub oczyszczenia przed wdrożeniem nowych narzędzi. Decyzja o takiej inwestycji, bez pewności dotyczącej rezultatów, jest bardzo trudna. Problemem jest również niespójność wynikająca z używania zbyt wielu różnych narzędzi przez różne działy oraz brak wewnętrznych procedur, np. w zakresie MLOps czy polityk bezpieczeństwa. Często brakuje podstawowych procesów porządkujących pracę w zakresie technologii, takich jak zasady nazewnictwa plików, toolboxu technologicznego, agregacji danych czy struktury katalogów.
Druga to: HUMAN-RELATED, czyli deficyt wiedzy i kompetencji. Istnieje wyraźny brak podstawowej wiedzy na temat różnic między poszczególnymi technologiami i ich możliwościami np. kiedy stosujemy AI, ML, RPA, a kiedy tradycyjne programowanie. Organizacje nie znają wymagań niezbędnych do sprawnego wdrożenia chmury i AI, a skomplikowana terminologia i żargon dodatkowo utrudniają zrozumienie tematu. Kluczowym hamulcem jest strach przed technologią i obawa przed oceną. Poważną przeszkodą jest brak zaufania na linii menedżerowie–zespoły oraz kultura wstydu, dumy, która nie pozwala pracownikom przyznać się do problemów lub niewiedzy. Problemem jest również zmiana pokoleniowa – liderzy często nie są gotowi na wyzwania technologiczne, a firmy nie rozumieją potrzeb młodszych generacji wchodzących na rynek pracy. Warto też wspomnieć, że w firmach panują stare nawyki i schematy myślowe, a także brak zaufania między menedżerami a zespołami. Często występuje też opór przed przyznaniem się do problemów, co blokuje prośby o pomoc.
Trzecią jest ORGANIZATION-RELATED. Wiele firm szuka szybkich sztuczek zamiast głębokiej transformacji procesów, traktując AI jedynie jako element wizerunkowy lub dodatkową nową warstwę technologiczną. Problemem jest też traktowanie AI jako kosztownego obowiązku, a nie szansy na optymalizację kosztów. Na poziomie zarządczym widoczny jest brak decyzyjności, zwłaszcza w kwestii kosztownych zmian w infrastrukturze. Decyzje podejmowane są często intuicyjnie, w oparciu o osobiste poglądy lub lęki, a nie na podstawie obiektywnych danych.
JAKUB ZAK PIX AGENCY Materiały własne Beata Mosór
W jaki sposób wspierasz firmy w pokonywaniu tych barier?
Moje podejście w ramach CIRCmodel.com zakłada kilka kręgów działania i cyrkularność, iteracyjność wprowadzania zmiany. Moje doświadczenie pokazuje, że radykalne zmiany, choć nie ukrywam, że często bardzo skuteczne, są odrzucane przez liderów. Dlatego proponuję podejście iteracyjne, które pozwala przy każdej iteracji pogłębiać zmianę, regularnie wracać do poszczególnych obszarów biznesowych i technologicznych, oraz przeprowadzać proces w sposób, który jest frictionless, czyli nie budzi oporu, a bazuje na wartościach organizacji i jej liderów. Model CIRC (Circular & AI Transformation) pozwala na holistyczne podejście do transformacji, które nie ogranicza się tylko do technologii, ale obejmuje strukturę, strategię, procesy, produkty oraz edukację ludzi. Każdy z pięciu filarów modelu adresuje konkretne bariery organizacyjne i psychologiczne. I idąc po kolei: to przebudowa struktury i ról, czyli CIRC 1 versus chaos organizacyjny, który skupia uwagę na tym, żeorganizacje zmagają się z brakiem odpowiednich zasobów ludzkich, niejasnymi rolami oraz brakiem dedykowanych działów technologicznych. Model CIRC odpowiada na to wyzwanie poprzez transformację struktury organizacyjnej w kierunku modeli płaskich, hybrydowych lub cyrkularnych. Kluczowym elementem jest tutaj redefinicja ról na poziomie zarządczym (C-level) oraz formalne zdefiniowanie roli agentów AI w strukturze firmy. Wiesz co dla mnie, jest najważniejsze? Że takie podejście pozwala uporządkować relacje między ludźmi, a technologią i włączyć AI jako integralny zasób, a nie traktować je jak zewnętrzne narzędzie.
Kolejną kwestią, na jakiej skupiam swoją uwagę, jest przejrzysta strategia i model biznesowy. Formułuję ten punkt jako: CIRC 2 versus brak decyzyjności i intuicje. CIRC 2 narzuca sformatowanie modelu biznesowego w oparciu o dane tak, aby był przejrzysty, wykonalny i łatwy do walidacji zarówno dla ludzi, jak i w przyszłości dla zespołów AI. Eliminuje to uznaniowość i pozwala na obiektywną ocenę celów biznesowych.
Trzecim elementem są żywe i uporządkowane procesy, czyli CIRC 3 versus brak lub nadmiar standardów. Powiem ci tak z doświadczenia pracy projektowej, że naprawdęfirmy cierpią na brak podstawowych procedur, standardów oraz chaos komunikacyjny, co utrudnia wdrażanie optymalizacji. Ten model zakłada, że w organizacji przyszłości przetrwają tylko procesy, które są jasne, wykonalne i…żywe – czyli zaprogramowane na ciągłe doskonalenie, czyli continuous improvement. Jest to bezpośrednia odpowiedź na problem zastałych nawyków i braku higieny pracy z danymi.
Nie zapominam też o nowoczesnych produktach dla ludzi i maszyn, które nazywam: CIRC 4 versus przestarzały tech stack.Niestety problemem firm jest przestarzała technologia oraz oferowanie produktów niedostosowanych do nowych realiów. CIRC 4 proponuje przeprojektowanie produktów tak, aby służyły zarówno ludziom, jak i systemom AI, łącząc bezproblemowo świat cyfrowy z fizycznym, czyli podejście Agile Hardware. Zamiast szukać powierzchownych nowinek wizerunkowych, model stawia na głęboką integrację AI z rozwojem produktu.
I ostatni: edukacja i zmiana mentalności, czyli CIRC 5 versus strach i luka kompetencyjna. Niestety zmianapostaw to najtrudniejsza część transformacji. Model odpowiada na to poprzez facylitowaną, regularną, znów: continous improvement, pod kątem edukacji, szkoleń i mentoringu, które mają na celu zaangażowanie zespołów i przełamanie barier psychologicznych, zamiast tylko narzucać nowe narzędzia z góry.
Materiały własne Beata Mosór Materiały własne Beata Mosór
Oj tak, nie lubimy jak ktoś nam narzuca swoje nowe procesy i narzędzia. Na koniec, coś co mnie interesuje jako mamę dwójki nastolatków, wykładałaś i tworzyłaś programy akademickie związane z AI i technologią. Jak Twoim zdaniem powinno wyglądać kształcenie przyszłych liderów w erze digital transformation? Czy etap akademicki jest wystarczający?
Na przestrzeni ostatnich czterech lat zaprojektowałam cztery programy akademickie: “Strategy in Tech”, “AI & Cloud for Business Leaders”, “AI Marketing” i “Marketing in Tech”. Wszystkie mają charakter studiów podyplomowych lub kursów praktycznych dla uczelni wyższych. Uważam, że tworząc jakiekolwiek nowe kierunki studiów, powinny one mieć komponent technologiczny – nawet jeśli jest to Filozofia Polska, to powinna ona zawierać komponent LLMów do analizy i researchu lub wykorzystywać potencjał lokalnych modeli dedykowanych językom regionalnym do nauki literatur poszczególnych krajów. Podam ci przykład: francuski Le Chat/Mistral AI do literatury francuskiej, Bielik lub PLLuM do literatury polskiej, studentów matematyki od pierwszego roku powinno się uczyć R czy Pythona, i mogłabym wymieniać takich przykładów więcej i więcej.
Tak mówiąc wprost, wydaje mi się, że akademicki sektor edukacyjny wymaga całkowitej transformacji. Nie tylko pod względem programów, ale również struktury. Studia po ukończeniu liceum nie mają sensu. Wiesz, że w programach Petera Thiela, Thiel Fellowship młodym ludziom poniżej 22 roku życia oferuje się grant 100,000 dolarów, żeby rzucili studia i zaczęli budować swoje firmy? Podobnie jak twórcy tego programu wierzę, że solo ekonomia, ekonomia kreatorów, to przyszłość i edukacja wyższa ma sens dopiero po zdobyciu doświadczenia biznesowego, technologicznego, jak również życiowego. Sama jestem przykładem takiej ścieżki – rzuciłam studia informatyczne, by pracować. Licencjat zrobiłam dopiero w wieku 30 lat. Taki cykl nauczania jest zgodny z cyklem Kolba stosowanym w edukacji dorosłych, gdzie wiedza teoretyczna jest potrzebna po doświadczeniu i refleksji, do przejścia do kolejnego etapu rozwoju.
Materiały własne Beata Mosór Materiały własne Beata Mosór
Bardzo dziękuję Beatko za inspirującą rozmowę!
Praca to jej pasja, nie wyobraża sobie, że mogłaby zmienić rolę i nie być IT Project Managerem. Realizuje projekty w branży IT dla dużych klientów enterprise. Dodatkowo, stara się ogarniać bieżące zagadnienia kreatywnego chaosu panującego na jej podwórku. Z zarządzaniem projektami jest związana 24 godziny na dobę, 7 dni w tygodniu, 365 dni w roku. Po godzinach uwielbia spędzać czas z dzieciakami, jazdę na rowerze i dobry film.
Work is her passion—she can’t imagine changing roles and not being an IT Project Manager. She delivers IT projects for large enterprise clients and constantly navigates the creative chaos in her field. Project management is a 24/7, 365-day-a-year commitment for her. In her free time, she loves spending time with her kids, cycling, and watching a good movie.
Beata jest serial entrepreneurką, współzałożycielką i managing partnerką w Project: People i Project: Values, jednocześnie jest prezesem 2 spółdzielni Hermes & Partner. Dodatkowo jest współautorką książki The LiGHT Book (z m.in. Robertem Cialdini czy Phillipem Zimbardo) oraz autorką różnorodnych narzędzi biznesowych (m.in. Values Poker czy Lean Marketing Sprint). Beata jest strategiem, marketingowcem i konsultantem lean z ponad 14 letnim doświadczeniem na międzynarodowym rynku. Współpracowała m.in. z takimi firmami jak Sabre, T-Mobile czy Google. Dzieli się wiedzą i doświadczeniem jako mentor w programach akceleracyjnych (np. Google LaunchPad Warsaw, EIT Digital) oraz jako wykładowca na Wyższej Szkole Europejskiej oraz Wyższej Szkole Bankowej w Gdańsku. Więcej na: www.mosor.pl