Wokół sztucznej inteligencji łatwo wpaść w pułapkę: skoro narzędzia potrafią pisać kod, to lider transformacji powinien zostać programistą. Ja widzę to inaczej. Lider nie musi sam budować każdego rozwiązania. Musi natomiast rozumieć, po co je budujemy, dla kogo, na jakich zasadach i kto odpowie za jego działanie.
To nie jest argument przeciwko technicznemu zrozumieniu. Umiejętność prototypowania pomaga rozmawiać z zespołem i szybciej sprawdzać pomysły. Czym innym jest jednak przygotowanie demonstracji, a czym innym wzięcie odpowiedzialności za narzędzie, z którego korzysta firma.
Lider wybiera problem, nie model
Dobry początek rzadko brzmi: „wdrożymy agenta”. Lepiej zapytać: gdzie ludzie tracą czas, co najczęściej trzeba poprawiać i która informacja jest dziś trudno dostępna? Takie pytanie prowadzi do problemu, który pracownik i jego przełożony potrafią rozpoznać.
W praktyce moja rola polega na łączeniu trzech perspektyw:
- celu firmy: co ma się poprawić i jak poznamy, że zmiana działa;
- pracy zespołu: kto będzie używał rozwiązania i co zmieni się w jego dniu;
- odpowiedzialności: jakie dane i decyzje mogą być objęte automatyzacją, a które wymagają człowieka.
Jeśli nie potrafimy odpowiedzieć na te pytania, kolejny model językowy nie rozwiąże problemu. Może za to sprawić, że problem będzie wyglądał nowocześniej.
Ład AI zaczyna się od prostych zasad
AI Governance brzmi formalnie, ale w codziennej pracy można zacząć od krótkiej, zrozumiałej polityki. Zespół powinien wiedzieć, jakich danych nie wolno wprowadzać do publicznych narzędzi, kto sprawdza ważne wyniki, jak zgłaszać błędy i które decyzje zawsze należą do człowieka.
Pomocnym punktem odniesienia jest ISO/IEC 42001:2023. To standard systemu zarządzania sztuczną inteligencją w organizacji: opisuje sposób ustanawiania, utrzymywania i doskonalenia takiego systemu. Nie jest to certyfikat, który automatycznie potwierdza kompetencje pojedynczego konsultanta ani gwarancja, że każde narzędzie jest bezpieczne. Traktuję go raczej jak mapę tematów, o których firma powinna pamiętać: ryzyko, odpowiedzialność, przejrzystość i ciągłe doskonalenie.
Podobnie szkolenie lub certyfikat konsultanta transformacji AI może pomóc uporządkować metody pracy i słownictwo. Programy określane jako AI Transformation Consultant warto oceniać po programie, praktycznych ćwiczeniach i tym, kto je prowadzi, a nie po samej nazwie. Taki certyfikat nie zastąpi znajomości konkretnej organizacji, jej zasad i ludzi. Ostatecznie to firma ustala politykę, a liderzy pilnują, żeby codzienne decyzje były z nią zgodne.
Narzędzia przyspieszają wykonanie, nie przejmują odpowiedzialności
Asystenci programistyczni, tacy jak GitHub Copilot czy Cline, potrafią pomóc przygotować prototyp, wyjaśnić fragment kodu albo zaproponować zmianę w istniejącym projekcie. To użyteczne wsparcie dla zespołu, ale nie magiczny przycisk „gotowe do produkcji”. Wygenerowany kod nadal wymaga przeglądu, testów, kontroli uprawnień i decyzji osoby odpowiedzialnej za system.
Dlatego lider powinien ustalić zasady egzekucji: gdzie wolno testować, kto zatwierdza wdrożenie, jak wracamy do poprzedniej wersji i kto odbiera zgłoszenia użytkowników. Programiści, analitycy i eksperci dziedzinowi dobierają rozwiązanie; lider dba o kierunek, warunki i sens biznesowy.
Od czego sam bym zaczął?
- Wybrałbym jeden powtarzalny problem, który zespół naprawdę chce rozwiązać.
- Ustaliłbym, jakie dane można wykorzystać i kto sprawdzi wynik.
- Przetestowałbym rozwiązanie na ograniczonej grupie, z prostym sposobem zgłaszania błędów.
- Przed szerszym wdrożeniem porównałbym efekt z punktem wyjścia i zapytał użytkowników, czy nowy sposób pracy im pomaga.
Moim zdaniem skuteczny lider transformacji nie musi być najlepszym programistą w pokoju. Powinien być osobą, która potrafi zadać właściwe pytania, stworzyć przestrzeń do eksperymentu i nie pomylić szybkiego prototypu z odpowiedzialnym wdrożeniem.