Kiedy firma wdraża AI i idzie jej opornie, diagnoza prawie zawsze brzmi tak samo: „opór kulturowy”, „ludzie się boją”, „potrzebujemy szkoleń”. Po czym zamawia się warsztaty z ambasadorami zmiany i piętnaście plakatów. A przyczyna często siedzi gdzie indziej, w miejscu, do którego nikt nie zagląda, bo należy do innego działu. W arkuszu celów premiowych.
Systemy MBO budowałem w czasach, kiedy zarządzałem rozwojem organizacji obsługującej tysiące aptek. Wiem o nich jedno: działają. Ludzie naprawdę robią to, za co im się płaci, i naprawdę nie robią tego, co obniża ich wynik. To nie cynizm, to racjonalność. Problem w tym, że większość systemów premiowych zaprojektowano w świecie, w którym praca własna człowieka była jedynym źródłem wyniku. I te systemy dziś cichutko karzą za używanie AI.
Trzy przykłady. Zanonimizowane i złożone z powtarzalnych mechanizmów, nie z jednej konkretnej firmy.
Stary KPI: osobista produkcja
Analityk ma cele powiązane z liczbą i terminowością raportów, które osobiście przygotowuje. Jeżeli nauczy agenta robić połowę tej pracy, powstaje pytanie, którego nikt głośno nie zadaje: po co wtedy analityk w obecnym wymiarze? Racjonalny analityk używa więc AI po cichu, wydajność konsumuje sam, a oficjalnie „narzędzie się nie sprawdziło”. Firma płaci za licencje i dostaje teatr.
Lepszy miernik patrzy na proces, nie na klawiaturę: czy raport jest na czas, dobry i używany. Kto go fizycznie wyprodukował, przestaje być miarą wartości człowieka.
Stary KPI: wielkość zespołu
Pozycja kierownika bywa mierzona, oficjalnie albo zwyczajowo, liczbą etatów i budżetem. Automatyzacja, która pozwala zrobić to samo w sześć osób zamiast dziesięciu, jest dla niego degradacją. Będzie ją sabotował uprzejmie i skutecznie: „u nas specyfika”, „to się nie nadaje do naszych procesów”. Słyszałem te zdania przy każdej technologii ostatnich dwudziestu lat.
Nowy cel powinien premiować wynik jednostki, rozwój ludzi i jakość automatyzacji, z ambitniejszym zakresem w zamian za uwolniony czas.
Stary KPI: bezbłędność bez przestrzeni na naukę
Tam, gdzie każdy błąd obniża premię, nikt rozsądny nie eksperymentuje z nowym narzędziem, bo eksperyment z definicji oznacza okres podwyższonego ryzyka pomyłek. Kara za błędy w okresie nauki to podatek od adopcji. Kto go nie zniesie, zamraża status quo. Nie chodzi o zawieszenie odpowiedzialności: chodzi o oddzielenie środowiska eksperymentu od procesu produkcyjnego, z limitami ryzyka i jasnym warunkiem przejścia do normalnej pracy.
Dźwignia leży na biurku zarządu
Co robić? Przebudować zachęty, zanim zamówi się kolejne szkolenie. Mierzyć wynik procesu, nie osobistą produkcję. Nagradzać udokumentowane oddanie powtarzalnej pracy maszynie, zamiast je karać: człowiek, który zautomatyzował pół swojej roboty, powinien być bohaterem kwartału, nie kandydatem do zwolnienia. Dać jawny budżet na eksperymenty z prawem do porażki. I powiedzieć wprost, na co firma przeznaczy uwolniony czas, bo ludzie i tak zadają sobie to pytanie, tylko odpowiadają sobie sami, najgorszym możliwym scenariuszem.
Jest w tym wszystkim jedna dobra wiadomość. Kultury organizacyjnej nie zmienisz w kwartał, ale arkusz celów premiowych owszem. To dźwignia, która leży na biurku zarządu i której prawie nikt nie używa, bo wszyscy szukają przyczyn oporu piętro niżej, wśród ludzi. A ludzie są w porządku. Robią dokładnie to, za co im płacicie.
