Pojęcie · Gotowość na AI
Czym jest gotowość H2H i H2M?
Rama robocza do badania współpracy między ludźmi i wykorzystania AI w procesach pracy.
W naszej ramie H2H dotyczy współpracy między ludźmi: celów, przepływu wiedzy i bezpieczeństwa psychologicznego. H2M obejmuje włączenie AI w pracę i adekwatne poleganie na jej wynikach. To uzupełniające się obszary diagnozy, nie jednolita zwalidowana skala ani warunek osiągnięcia określonego wyniku przed uzyskaniem wartości z AI.
Ograniczenia organizacyjne mogą mieć znaczenie obok jakości modelu, danych, zadań i zasobów. To rozróżnienie pomaga formułować hipotezy, nie przesądza przyczyny niepowodzenia.
Czym jest gotowość H2H (człowiek–człowiek)?
Gotowość H2H mierzy jakość współpracy między ludźmi, zanim pojawi się AI. Koordynacja to jeszcze nie współpraca. Polega na synchronizowaniu działań: ludzie wykonują swoje odrębne zadania po kolei. Współpraca jest trudniejsza. Wymaga zgodnych celów, rzeczywistej współzależności i zaufania, które pozwala otwarcie się nie zgadzać i przyznawać do błędów.
Gotowość H2H ocenia się w czterech wymiarach:
- Zgodność celów na wszystkich poziomach — czy cele osób, zespołów i organizacji są zgodne, zamiast po cichu ze sobą konkurować.
- Działanie ponad granicami — czy działy dzielą się wiedzą i koordynują pracę, zamiast działać w silosach.
- Różnorodność poznawcza — czy w zespole są różne perspektywy i czy naprawdę służą lepszym decyzjom.
- Bezpieczeństwo psychologiczne — czy ludzie mogą bez obaw głośno się nie zgadzać, przyznawać do błędów i proponować nietypowe pomysły.
Te wymiary pomagają formułować hipotezy obok danych o zadaniu, modelu i procesie; żaden wynik nie jest uniwersalnym warunkiem ani gwarancją wartości z AI.
Czym jest gotowość H2M (człowiek–maszyna)?
Gotowość H2M mierzy, jak dobrze ludzie pracują z AI, a nie tylko to, czy mają do niej dostęp. Dwie organizacje mogą używać tych samych narzędzi i osiągać zupełnie inne wyniki, zależnie od dojrzałości H2M.
Gotowość H2M ocenia się między innymi w tych wymiarach:
- Włączenie AI w pracę — czy AI jest częścią codziennej pracy i podejmowania decyzji, czy pozostaje tylko ciekawostką.
- Wymiana wiedzy między ludźmi a AI — czy ludzie dają AI właściwy kontekst i czy to, co AI wytworzy, trafia z powrotem do wiedzy zespołu.
- Skalibrowane zaufanie — czy ludzie ufają wynikom AI w odpowiednim stopniu: nie polegają na niej nadmiernie tam, gdzie potrzebny jest ludzki osąd, i nie odrzucają jej tam, gdzie naprawdę pomaga.
Źle skalibrowane zaufanie ogranicza wartość z AI. Przy nadmiernym zaufaniu błędy przechodzą bez kontroli, a przy zbyt małym możliwości pozostają niewykorzystane. Dobra gotowość H2M oznacza, że ludzie wiedzą, gdzie AI pomaga, a gdzie muszą decydować sami.
Dlaczego warto badać H2H i H2M?
Badaj warunki społeczne i techniczne łącznie. Zgodne cele i możliwość zgłaszania wątpliwości mogą pomagać, ale nie gwarantują wartości ani nie zastępują jakości modelu i danych.
Rozpoczęcie od H2H to jeden z zalecanych przez nas sposobów pracy, nie uniwersalne prawo. Eksperymenty dotyczące określonych zadań wspieranych przez AI nie dowodzą, że każda organizacja potrzebuje tej samej kolejności.
Diagnoza, pilotaż z partnerem i pomiar to niezależne formy współpracy. Wykorzystaj istniejące dane; audyt nie jest warunkiem rozpoczęcia pilotażu.