Po tekście o ryzyku utraty krytycznych kompetencji zostało ze mną jedno pytanie, które wydaje mi się coraz ważniejsze: Czy my naprawdę projektujemy pracę z AI, czy tylko dokładamy AI do tego, co już robimy? To rozróżnienie jest bardzo istotne. Bo coraz częściej widzę, że organizacje zachęcają pracowników do korzystania z AI, kupują dostęp do nowych narzędzi, organizują szkolenia i pokazują przykłady zastosowań. To wszystko jest potrzebne, ale mam wrażenie, że w wielu przypadkach nadal brakuje jednego kroku.
Brakuje świadomego zaprojektowania współpracy człowieka z AI.
Nie chodzi tylko o to, żeby pracownik wiedział, z jakiego narzędzia może skorzystać. Chodzi o to, żeby wiedział, w którym momencie procesu AI ma pomóc, jaką rolę ma pełnić, kto weryfikuje jej odpowiedź i kto ostatecznie odpowiada za decyzję. To jest zupełnie inny poziom rozmowy.
W poprzednim artykule odwoływałam się do analizy BCG Henderson Institute When Everyone Uses AI, Companies Risk Losing Critical Skills. Autorzy zwracają uwagę na ryzyko, że jeśli AI będzie wspierać wszystkich, we wszystkim i przez cały czas, organizacje mogą stopniowo tracić krytyczne kompetencje ludzi, takie jak osąd, rozumienie problemu, krytyczne myślenie czy zdolność podejmowania decyzji. BCG określa to zjawisko jako distributed de-skilling, czyli rozproszone osłabianie kompetencji w całej organizacji.
Dla mnie najważniejszy wniosek z tej analizy nie brzmi: „uważajmy na AI”. Brzmi raczej:
projektujmy pracę z AI tak, żeby ludzie nadal myśleli, uczyli się i rozwijali kompetencje, których nie chcemy utracić.
To bardzo bliskie myśleniu Lean. W Lean nie chodzi przecież tylko o to, żeby proces był szybszy. Chodzi również o to, żeby ludzie lepiej rozumieli pracę, widzieli problemy, potrafili analizować przyczyny i uczyć się poprzez działanie. Jeżeli AI ma stać się częścią pracy, to powinna wspierać właśnie ten sposób uczenia się, a nie go zastępować.
Inteligentny dodatek
Coraz częściej myślę, że jednym z największych błędów we wdrażaniu AI będzie traktowanie jej jak „inteligentnego dodatku” do każdego zadania.
Pracownik pisze raport — może użyć AI.
Menedżer przygotowuje decyzję — może użyć AI.
Zespół analizuje problem — może użyć AI.
Ktoś tworzy prezentację — może użyć AI.
To brzmi rozsądnie, ale niesie pewne ryzyko. Jeśli nie określimy roli AI w procesie, to każdy będzie korzystał z niej trochę inaczej, czasem bardzo dobrze, a czasem w sposób, który osłabia jakość myślenia, odpowiedzialność albo uczenie się.
Dlatego zamiast pytać wyłącznie: Do czego możemy użyć AI? zapytałabym: „Jaką rolę AI ma pełnić w tej pracy?”
To może być rola asystenta, który porządkuje informacje. Może to być rola recenzenta, który wskazuje luki w rozumowaniu. Może to być rola krytyka, który szuka ryzyk. Może to być rola tutora, który pomaga mniej doświadczonej osobie zrozumieć problem. Może to być rola symulowanego klienta, który pokazuje inną perspektywę. Każda z tych ról jest inna. I każda wymaga innego sposobu współpracy.
Pionierskie firmy
Microsoft w raporcie 2025 Work Trend Index opisuje powstawanie tzw. Frontier Firms, czyli organizacji, w których ludzie i agenci AI zaczynają współpracować jako część codziennej pracy. To ważne, bo pokazuje, że AI coraz częściej przestaje być pojedynczym narzędziem, a zaczyna być elementem nowej architektury pracy. Taka zmiana nie wydarzy się jednak sama. Jeśli w organizacji pojawiają się agenci AI, automatyzacje i narzędzia wspierające decyzje, trzeba odpowiedzieć na bardzo konkretne pytania: które zadania pozostają po stronie człowieka, które można delegować AI, które powinny być wykonywane wspólnie, a które wymagają dodatkowej weryfikacji. Bez tego bardzo łatwo stworzyć pozorną współpracę:
Człowiek zadaje pytanie – AI odpowiada – Człowiek przyjmuje odpowiedź.
Praca idzie szybciej, ale czy jest lepsza? Nie zawsze.
Współpracą ludzi z agentami AI
Bardzo ciekawe są również wyniki badań nad współpracą ludzi z agentami AI. W jednym z eksperymentów terenowych dotyczących pracy zespołowej z AI agentami wykazano, że zespoły człowiek–AI mogą osiągać wyższą produktywność, ale jednocześnie zmienia się sposób komunikacji, podział pracy i charakter zaangażowania człowieka w proces tworzenia. To pokazuje, że AI nie tylko przyspiesza zadania, ale realnie przeprojektowuje sposób pracy zespołów.
To dla mnie bardzo ważny wniosek.
Bo jeśli AI zmienia sposób pracy, to nie wystarczy nauczyć ludzi obsługi narzędzia. Trzeba nauczyć organizację projektowania nowego układu pracy.
- Kto inicjuje analizę?
- Kto formułuje problem?
- Kto generuje warianty?
- Kto ocenia jakość?
- Kto bierze odpowiedzialność?
- Kto uczy się na podstawie wyniku?
To są pytania organizacyjne, nie technologiczne.
Gdybym miała dziś zaproponować prosty model projektowania pracy człowiek–AI, zaczęłabym od pięciu pytań.
- Co w tej pracy powinien zrobić człowiek samodzielnie?
To pytanie może wydawać się zaskakujące, bo w rozmowie o AI zwykle pytamy, co można zautomatyzować albo przyspieszyć.
A ja zaczęłabym odwrotnie.
Zapytałabym, które elementy pracy są tak ważne dla rozumienia, odpowiedzialności albo rozwoju kompetencji, że człowiek powinien wykonać je samodzielnie przynajmniej na początku.
Może to być zdefiniowanie problemu.
Może to być pierwsza interpretacja danych.
Może to być określenie kryteriów decyzji.
Może to być rozmowa z klientem.
Może to być refleksja po zakończeniu projektu.
Nie wszystko, co AI może zrobić, powinna robić od razu.
Czasem warto zostawić człowiekowi pierwszy krok właśnie po to, żeby nie utracić kontaktu z istotą problemu. - W czym AI ma człowieka wesprzeć?
Dopiero drugie pytanie dotyczy tego, co może zrobić AI. Ale tutaj też warto być precyzyjnym. AI może porządkować informacje, wskazywać wzorce, generować warianty, streszczać dokumenty, porównywać argumenty, symulować perspektywę klienta albo pomagać przygotować pierwszą wersję materiału. Problem zaczyna się wtedy, gdy mówimy ogólnie: „użyj AI”. Dużo lepiej powiedzieć: „użyj AI jako recenzenta”, „użyj AI jako krytyka”, „użyj AI jako partnera do generowania alternatyw”, „użyj AI jako tutora, który pomoże Ci zrozumieć temat”.
Rola AI powinna być nazwana. Wtedy łatwiej ocenić, czy rzeczywiście wspiera pracę, czy zaczyna przejmować coś, co powinno pozostać po stronie człowieka. - W którym momencie procesu AI powinna się pojawić?
To pytanie jest często pomijane. Tymczasem moment użycia AI ma ogromne znaczenie. Jeśli AI pojawi się zbyt wcześnie, może narzucić sposób myślenia i zawęzić perspektywę zespołu. Jeśli pojawi się zbyt późno, może nie wykorzystać swojego potencjału do porządkowania, sprawdzania i poszerzania analizy.
W pracy koncepcyjnej czasem warto najpierw pozwolić ludziom samodzielnie zdefiniować problem, a dopiero potem poprosić AI o alternatywne interpretacje.
W pracy analitycznej można najpierw samodzielnie określić kryteria oceny, a następnie użyć AI do porównania wariantów.
W pracy rozwojowej AI może pojawić się jako tutor albo recenzent, ale nie jako ktoś, kto wykonuje całe zadanie za człowieka.
Projektowanie pracy z AI to nie tylko pytanie „czy użyć AI?”, ale również „kiedy użyć AI?”. - Jak sprawdzimy odpowiedź AI?
To jest jeden z najważniejszych elementów projektowania współpracy. Jeśli AI ma realnie wspierać decyzje, musimy zaplanować sposób weryfikacji jej odpowiedzi.
Kto ją sprawdzi? Według jakich kryteriów? Na podstawie jakich danych? Czy potrzebna jest druga opinia? Czy wynik AI trzeba porównać z doświadczeniem zespołu, danymi źródłowymi, standardem pracy albo wymaganiami klienta? W badaniach nad agentami AI zwraca się uwagę, że systemy te mogą wykonywać zadania bardzo szybko, ale jakość ich wyników nie zawsze dorównuje pracy człowieka, a błędy mogą być ukryte za profesjonalnie wyglądającą formą.
To bardzo praktyczna przestroga. Im bardziej przekonująco wygląda odpowiedź AI, tym bardziej potrzebujemy świadomej weryfikacji. - Czego człowiek ma się nauczyć dzięki tej współpracy?
To pytanie jest dla mnie kluczowe. Jeśli AI ma być tylko sposobem na przyspieszenie pracy, możemy bardzo łatwo przeoczyć jej wpływ na rozwój kompetencji ludzi.
Dlatego przy ważniejszych zastosowaniach AI warto zapytać: czego człowiek ma się nauczyć w tym procesie? Czy ma lepiej rozumieć problem? Czy ma rozwinąć umiejętność zadawania pytań? Czy ma nauczyć się oceniać jakość argumentacji? Czy ma zobaczyć więcej perspektyw? Czy ma lepiej rozumieć dane? Czy ma doskonalić decyzje? Jeśli nie zaprojektujemy elementu uczenia się, AI może zwiększyć produktywność, ale osłabić rozwój ludzi. A przecież w długiej perspektywie organizacja potrzebuje jednego i drugiego.
Rola liderów
Mam wrażenie, że właśnie tutaj pojawia się bardzo ważna rola liderów.
Lider w erze AI nie będzie tylko osobą, która zachęca zespół do korzystania z nowych narzędzi. Będzie kimś, kto projektuje warunki mądrej współpracy człowieka z AI.
To lider powinien pomagać zespołowi ustalić, gdzie AI może odciążać ludzi, gdzie powinna poszerzać perspektywę, gdzie musi być kontrolowana, a gdzie lepiej, żeby człowiek najpierw pomyślał samodzielnie.
To lider powinien też chronić te kompetencje, które są zbyt ważne, aby oddać je w pełni narzędziu:
- Osąd.
- Rozumienie klienta.
- Definiowanie problemu.
- Myślenie przyczynowo-skutkowe.
- Odpowiedzialność za decyzję.
- Zdolność uczenia się na podstawie doświadczenia.
Dlatego coraz bardziej przekonuję się, że Human–AI Work Design stanie się jedną z ważniejszych kompetencji organizacyjnych najbliższych lat. Nie wystarczy mieć AI i nie wystarczy z niej korzystać.
Trzeba umieć zaprojektować pracę tak, aby było jasne, co robi człowiek, co robi AI, co robią wspólnie, kto podejmuje decyzję i jak organizacja uczy się z tego procesu.
To może brzmieć jak temat przyszłości, ale moim zdaniem to jest bardzo praktyczne pytanie na dziś. Bo już teraz ludzie korzystają z AI w codziennej pracy. Już teraz podejmują decyzje o tym, kiedy zapytać AI, co jej zlecić, jak potraktować odpowiedź i czy ją zweryfikować. Różnica polega na tym, czy te decyzje są przypadkowe, czy zaprojektowane.
Pierwszy krok
Gdybym miała zaproponować pierwszy krok dla firmy, byłby bardzo prosty. Wybierzcie jeden proces albo jeden typ zadania, w którym ludzie już korzystają z AI. Nie oceniajcie od razu, czy robią to dobrze czy źle. Najpierw narysujcie przepływ pracy i zaznaczcie miejsca, w których pojawia się AI.
Potem zadajcie pięć pytań:
- Co człowiek powinien zrobić samodzielnie?
- W czym AI ma go wesprzeć?
- W którym momencie procesu AI powinna się pojawić?
- Jak sprawdzimy odpowiedź AI?
- Czego człowiek ma się nauczyć dzięki tej współpracy?
To może być początek bardzo ważnej rozmowy nie o narzędziu, nie o automatyzacji, ale o tym, jak zaprojektować pracę, w której AI wzmacnia człowieka, a nie zastępuje jego myślenie. I mam poczucie, że właśnie od takich rozmów będzie zależało, czy organizacje naprawdę staną się AI Ready.
Źródła wykorzystane w artykule
- BCG Henderson Institute, When Everyone Uses AI, Companies Risk Losing Critical Skills, 2026.
- Microsoft, 2025 Work Trend Index: The year the Frontier Firm is born, 2025.
- Harang Ju, Sinan Aral, Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance, 2025.
- Zora Zhiruo Wang, Yijia Shao, Omar Shaikh, Daniel Fried, Graham Neubig, Diyi Yang, How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations, 2025.
