Technosymbioza i dane. Automaty nie zastąpią menedżerów, ale skrócą czas decyzji

W przestrzeni publicznej coraz częściej pojawiają się prognozy sugerujące, że sztuczna inteligencja w niedalekiej przyszłości przejmie stery w największych korporacjach. Jednym z przykładów są tzw. „szokujące prognozy” publikowane cyklicznie przez Saxo Bank – scenariusze o niskim prawdopodobieństwie, ale mające wskazywać kierunki przełomowych zmian w gospodarce.

Zmianę podejścia do zarządzania dobrze ilustruje przykład Shopify. Wiosną ubiegłego roku prezes spółki, Tobias Lütke, poinstruował menedżerów, by przed zgłoszeniem zapotrzebowania na nowe etaty udowodnili, że dana praca nie może zostać wykonana przez algorytm.

Zdaniem Marcina Demkiwa z SAP Polska takie podejście wymaga jednak dużej ostrożności. Jego zdaniem bezkrytyczne oddawanie kluczowych decyzji maszynom niesie ze sobą realne ryzyko.

– Jako ludzkość jesteśmy gatunkiem technosymbiotycznym – od momentu okiełznania ognia funkcjonujemy w ścisłej relacji z technologią. Ale adaptacja nowych narzędzi zawsze wymaga czasu i zrozumienia ich ograniczeń. Człowiek w procesie decyzyjnym pozostaje kluczowy, bo działa w kontekście. A tego kontekstu sztuczna inteligencja często po prostu nie zna – podkreśla Marcin Demkiw.

Krzywa adopcji i iluzja natychmiastowej zmiany

Choć entuzjaści technologii często przekonują, że nowe rozwiązania adaptują się niemal natychmiast, historia gospodarcza uczy raczej ostrożności. Każda technologia o charakterze przełomowym potrzebuje czasu, by realnie zmienić sposób funkcjonowania firm i społeczeństw. Wymaga bowiem nie tylko samego wynalazku, lecz także całego ekosystemu technologii towarzyszących, odpowiedniej infrastruktury oraz ram prawnych.

To zjawisko dobrze opisuje tzw. krzywa J (J-Curve). Na jej początku inwestycje gwałtownie rosną, podczas gdy efekty są ograniczone. Dopiero po pewnym czasie pojawiają się wymierne korzyści ekonomiczne i organizacyjne.

Każda nowa technologia transformacyjna potrzebuje zaplecza.

– Każda technologia transformacyjna, czyli tzw. General Purpose Technology, potrzebuje zaplecza. Weźmy internet: gdybyśmy pozostali na etapie ARPANET-u z lat 60., niewiele by się zmieniło. Dopiero rozwój protokołów, urządzeń i infrastruktury sprawił, że stał się on fundamentem współczesnej gospodarki – tłumaczy Marcin Demkiw.

Pułapka 80 proc. i rola cyfrowych agentów

Współczesny biznes coraz częściej fascynuje się ideą agentyzacji, czyli delegowania zadań autonomicznym systemom. Wizja organizacji, w której pracownicy jedynie zatwierdzają decyzje podejmowane przez algorytmy, brzmi atrakcyjnie – ale zdaniem Marcina Demkiwa jest mało realistyczna.

– Dzisiejsze modele sprawdzają się świetnie w zadaniach, które ludziom zajmują do 30 minut, osiągając skuteczność na poziomie 80 proc. Z perspektywy dużej organizacji, margines 20 proc. błędu jest jednak ryzykowny i może generować straty liczone w miliardach, jeśli proces zostanie pozbawiony ludzkiej weryfikacji. To jest ogromna przestrzeń do popełniania błędów – uważa dyrektor ds. wsparcia sprzedaży w SAP Polska.

Przeczytaj: Nowy poligon biznesu. Jak polskie firmy uczą się żyć z AI i automatyzacją?

Prawdziwym wyzwaniem dla menedżerów nie jest dziś sama obecność sztucznej inteligencji, lecz takie zaprojektowanie procesów, by AI stanowiła realne wsparcie, a nie narzędzie prowadzące do wykluczenia zawodowego.

Dane jako fundament i bariera

Jedną z kluczowych przeszkód we wdrażaniu AI pozostaje jakość i struktura danych. W wielu organizacjach są one gromadzone w sposób chaotyczny, niespójny i silosowy.

– Sztuczna inteligencja potrzebuje danych. W mojej ocenie cały czas nie jesteśmy na to przygotowani jako gospodarka. Firmy mają w dalszym ciągu podejście silosowe, co zresztą jest ogólnoświatowym wyzwaniem. Przedsiębiorstwa w większości przypadków rosną organicznie, więc i rozwiązania upraszczające procesy stosowane są tylko fragmentarycznie – w poszczególnych działach firmy czy zespołach. Uporządkowanie tego chaosu może dać olbrzymią przewagę konkurencyjną – zaznacza Marcin Demkiw.

Główne wnioski

1. Zdaniem dyrektora ds. wsparcia sprzedaży SAP Polska sztuczna inteligencja nie zastąpi menedżerów w dającej się przewidzieć przyszłości. Bez kontekstu biznesowego i ludzkiego nadzoru ryzyko błędnych decyzji – zwłaszcza w dużych organizacjach – pozostaje zbyt wysokie.
2. Transformacja technologiczna wymaga czasu, zaplecza organizacyjnego oraz infrastruktury danych. Dopiero spełnienie tych warunków pozwala osiągnąć realne korzyści biznesowe, zgodnie z mechanizmem opisanym przez krzywą J.
3. W tym sensie dane są jednocześnie największym potencjałem i główną barierą rozwoju AI. Organizacje, które uporządkują swoje zasoby informacyjne i przełamią silosowość, zyskają trwałą przewagę konkurencyjną – znacznie wcześniej niż te, które ograniczą się do wdrażania kolejnych narzędzi bez zmiany sposobu działania.

Artykuł powstał na zlecenie SAP Polska.