Nie wystarczy dodać AI do zespołu. Trzeba zaprojektować, jak zespół ma z nią pracować Od pewnego czasu coraz częściej zastanawiam się, co właściwie oznacza zdanie: „AI będzie członkiem zespołu”. Brzmi atrakcyjnie, trochę futurystycznie, trochę jak hasło z prezentacji o przyszłości pracy. Ale kiedy zaczniemy traktować je naprawdę poważnie, pojawia się bardzo praktyczne pytanie:

Jeśli AI staje się częścią zespołu, to jak właściwie powinniśmy zaprojektować tę współpracę?

Bo przecież zespołu nie tworzy się tylko przez dodanie kolejnej osoby do kalendarza spotkań. Zespół potrzebuje ról, zasad, odpowiedzialności, sposobu komunikacji, kryteriów jakości i jasności, kto podejmuje decyzję. Jeśli więc do zespołu dokładamy agenta AI, to nie wystarczy powiedzieć: „korzystajcie z niego”. Trzeba zapytać dużo konkretniej:

Co AI ma robić, czego nie ma robić, kiedy ma się włączać, jak ma komunikować się z ludźmi i kto odpowiada za efekt końcowy?

Bardzo mocno wróciło to do mnie po lekturze artykułu Harang Ju i Sinana Arala „Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance”. To jedno z ciekawszych badań, jakie ostatnio czytałam, bo autorzy nie analizują AI jako indywidualnego narzędzia produktywności. Interesuje ich coś znacznie bliższego praktyce organizacyjnej: Co dzieje się z pracą zespołową, kiedy jednym z partnerów pracy staje się agent AI.

Badanie przeprowadzono w obszarze marketingu. Uczestnicy tworzyli reklamy dla dużego think tanku, pracując albo w zespołach człowiek–człowiek, albo w zespołach człowiek–AI. Eksperyment objął 2310 uczestników, ponad 183 tysiące wiadomości, ponad 11 tysięcy reklam i późniejsze testy części kampanii na około 5 milionach wyświetleń.To nie było więc proste ćwiczenie laboratoryjne, w którym ktoś przez kilka minut rozmawia z chatbotem. To była próba uchwycenia, jak AI zmienia realny przepływ pracy, komunikację, produktywność i jakość efektów.

Najbardziej oczywisty wniosek jest taki, że zespoły człowiek–AI osiągnęły wyższą produktywność na pracownika. Autorzy wskazują wzrost produktywności o 60% w porównaniu z zespołami człowiek–człowiek.

To brzmi imponująco i łatwo byłoby na tym zakończyć refleksję. Można by powiedzieć: skoro jest szybciej, to wdrażajmy agentów AI. Ale dla mnie najciekawsze w tym badaniu nie jest samo „szybciej”. Najciekawsze jest to, jak zmieniła się praca człowieka?

W zespołach człowiek–AI ludzie mniej czasu poświęcali na bezpośrednie edytowanie tekstu, a więcej na komunikację dotyczącą generowania treści tekstowych i wizualnych. Innymi słowy, człowiek przesuwał się z roli wykonawcy w stronę osoby, która kieruje, doprecyzowuje, komunikuje oczekiwania, ocenia i prowadzi proces.

To jest bardzo ważny sygnał dla firm. AI nie tylko przyspiesza zadania. AI zmienia charakter pracy. A jeśli zmienia charakter pracy, to musi zmienić się również sposób projektowania ról, odpowiedzialności i kompetencji. Wiele organizacji zaczyna dziś bardzo praktycznie: udostępnia pracownikom narzędzia AI, tworzy krótkie instrukcje, organizuje szkolenia z promptowania i pokazuje przykłady zastosowań. To potrzebny etap. Ale mam poczucie, że po nim powinien nastąpić kolejny krok.

Jak zaprojektować pracę z AI?

Bo jeśli człowiek zaczyna mniej „robić ręcznie”, a bardziej kierować pracą agenta, to potrzebuje innych kompetencji niż wcześniej:

  • Musi umieć dobrze zdefiniować zadanie.
  • Musi wiedzieć, jakie kryteria jakości zastosować.
  • Musi umieć rozpoznać, kiedy odpowiedź AI wygląda dobrze, ale jest powierzchowna.
  • Musi potrafić zadać kolejne pytanie.
  • Musi umieć zakwestionować wynik.
  • Musi wiedzieć, kiedy zatrzymać automatyczne generowanie i wrócić do samodzielnego rozumienia problemu.

To nie jest już zwykła obsługa narzędzia. To jest projektowanie współpracy. Bardzo ciekawy w badaniu Ju i Arala jest także wniosek dotyczący jakości. Zespoły człowiek–AI tworzyły lepszy tekst reklamowy, ale zespoły człowiek–człowiek osiągały lepszą jakość obrazów. To bardzo dobrze pokazuje, że AI nie jest uniwersalnym wzmacniaczem wszystkiego. Może świetnie wspierać jeden fragment procesu, ale w innym obszarze człowiek albo zespół ludzki nadal może wnosić więcej.

W praktyce oznacza to, że nie powinniśmy zadawać ogólnego pytania: „Czy AI poprawia pracę?” Powinniśmy raczej pytać: „Który fragment pracy AI poprawia, który tylko przyspiesza, a który może pogorszyć, jeśli źle zaprojektujemy jej rolę?”

To jest szczególnie ważne w procesach złożonych, w których efekt końcowy zależy nie tylko od szybkości, ale także od trafności osądu, jakości danych, znajomości klienta, doświadczenia, kontekstu i umiejętności zauważenia niuansów. Jeszcze jeden wynik tego badania bardzo mnie zaciekawił. Autorzy sprawdzali, czy „osobowość” agenta AI wpływa na współpracę z człowiekiem. Agenci byli projektowani tak, aby przejawiać różne cechy, a następnie analizowano, jak ich styl współpracy łączy się z cechami ludzi.

Okazało się, że to dopasowanie ma znaczenie. Niektóre kombinacje cech człowieka i agenta poprawiały jakość efektów, inne ją obniżały. To jest dla mnie bardzo ważny wniosek, bo pokazuje, że agent AI nie jest neutralnym dodatkiem do procesu. Sposób, w jaki agent komunikuje się z człowiekiem, jak zadaje pytania, jak proponuje rozwiązania, czy jest bardziej krytyczny, wspierający, uporządkowany czy otwarty, może realnie wpływać na efekt pracy.

W języku zarządzania powiedziałabym:

AI agent ma swoją rolę w systemie pracy, a rola ta powinna być projektowana równie świadomie jak rola człowieka w zespole.

Podobne wnioski pojawiają się w innych badaniach. W eksperymencie przeprowadzonym z udziałem 776 specjalistów Procter & Gamble, opisanym jako „The Cybernetic Teammate”, osoby pracujące z AI osiągały wyniki porównywalne z zespołami ludzkimi bez AI, a zespoły wspierane AI uzyskiwały najlepsze rezultaty. Autorzy pokazali też, że AI może pomagać przełamywać silosy funkcjonalne, bo specjaliści z różnych obszarów zaczynali generować bardziej zrównoważone rozwiązania. To kolejny sygnał, że AI może działać nie tylko jak narzędzie przyspieszające pracę, ale także jak partner poszerzający perspektywę człowieka. Jednocześnie badanie nad personality pairing przeprowadzone przez Harang Ju, Sinan Aral pokazuje, że dopasowanie stylu agenta AI do człowieka i zadania może wpływać na jakość współpracy, produktywność i wyniki. Inne eksperymenty sugerują, że zespoły wspierane generatywną AI mogą osiągać lepsze wyniki niż zespoły bez AI, ale jednocześnie nie każde zwiększanie liczby AI w zespole daje kolejne korzyści. To ważna przestroga przed prostym myśleniem, że „więcej AI” automatycznie oznacza „lepszą pracę”.

Wszystkie te badania prowadzą mnie do podobnej refleksji: najważniejsze pytanie nie brzmi, czy AI może wspierać pracę zespołów, ale jak tę współpracę zaprojektować, żeby tworzyła wartość.

Gdybym miała przełożyć wnioski z tych badań na praktykę firm, zaczęłabym od bardzo prostego modelu rozmowy. Nie pytałabym zespołu tylko: „Do czego używacie AI?” Zapytałabym raczej: „Jaką rolę AI pełni w waszej pracy?”

  • Czy jest wykonawcą?
  • Czy jest asystentem?
  • Czy jest recenzentem?
  • Czy jest krytykiem?
  • Czy jest tutorem dla mniej doświadczonej osoby?
  • Czy jest partnerem do generowania wariantów?
  • Czy jest symulowanym klientem?
  • Czy jest audytorem zgodności z kryteriami?

Każda z tych ról oznacza coś innego.

Jeśli AI jest wykonawcą, potrzebujemy kontroli jakości. Jeśli jest recenzentem, potrzebujemy jasnych kryteriów. Jeśli jest krytykiem, musimy zadbać, aby nie blokowała twórczości. Jeśli jest tutorem, nie może po prostu podawać gotowych odpowiedzi. Jeśli jest partnerem do generowania wariantów, człowiek nadal musi umieć ocenić, które warianty mają sens.

Drugie pytanie, które warto zadać, brzmi: „Co człowiek powinien zrobić zanim zapyta AI?”

To pytanie wydaje mi się szczególnie ważne po lekturze badań o de-skillingu i współpracy człowieka z AI. Jeśli człowiek od razu oddaje AI zdefiniowanie problemu, wygenerowanie wariantów, ocenę ryzyk i napisanie rekomendacji, to być może dostanie szybki wynik, ale niekoniecznie rozwinie własne rozumienie sytuacji. Dlatego w wielu zadaniach warto zaprojektować pierwszy krok bez AI.

  • Najpierw człowiek definiuje problem.
  • Najpierw zespół ustala kryteria.
  • Najpierw lider zapisuje swoje hipotezy.
  • Najpierw młodszy pracownik przygotowuje własną próbę analizy.

Dopiero potem AI wchodzi jako partner, który poszerza, porządkuje, recenzuje albo podważa. To drobna różnica w procesie, ale bardzo duża różnica w uczeniu się.

Trzecie pytanie dotyczy odpowiedzialności: „Kto odpowiada za wynik pracy zespołu człowiek–AI?” To pytanie może wydawać się oczywiste, ale w praktyce wcale takie nie jest. Jeśli AI przygotowała analizę, człowiek ją lekko poprawił, menedżer zaakceptował, a klient otrzymał rekomendację, to kto właściwie odpowiada za jej jakość? Moim zdaniem odpowiedź musi być jednoznaczna:

AI może wspierać, ale odpowiedzialność zostaje po stronie człowieka i organizacji.

Dlatego w projektowaniu pracy z AI potrzebujemy punktów kontroli, kryteriów oceny i jasnego wskazania, kto podejmuje decyzję. Bez tego łatwo wpaść w pułapkę pozornej efektywności. Wszystko wygląda profesjonalnie, raport jest ładny, wnioski brzmią przekonująco, ale … nikt do końca nie wie, kto naprawdę sprawdził sensowność rekomendacji.

Czwarte pytanie brzmi: „Jak AI zmienia komunikację w zespole?”

Badanie Ju i Arala pokazało, że w zespołach człowiek–AI zmienia się sposób komunikowania i organizacji pracy. Ludzie zaczynają rzadziej wykonywać niektóre czynności ręcznie, a więcej czasu poświęcają na komunikowanie intencji, kierowanie generowaniem i pracę na wynikach AI.

To oznacza, że kompetencją przyszłości może być nie tylko „umiejętność używania AI”, ale także umiejętność prowadzenia pracy z udziałem AI.

  • Jak formułować zadanie?
  • Jak doprecyzowywać oczekiwania?
  • Jak nie przyjmować pierwszej odpowiedzi?
  • Jak rozmawiać z zespołem o wyniku wygenerowanym przez AI?
  • Jak porównać perspektywę człowieka i AI?
  • Jak zdecydować, co przyjmujemy, a co odrzucamy?
  • To są bardzo praktyczne kompetencje menedżerskie I mam wrażenie, że będziemy musieli zacząć je rozwijać dużo bardziej świadomie.

Piąte pytanie jest dla mnie chyba najważniejsze: „Czego człowiek ma się nauczyć dzięki tej współpracy?”

Jeżeli AI w zespole ma tylko zwiększać liczbę wykonanych zadań, to szybko możemy zachwycić się produktywnością i przeoczyć rozwój kompetencji. A przecież dobra organizacja nie tylko realizuje zadania. Dobra organizacja uczy się poprzez ich realizację. Dlatego projektując pracę człowiek–AI, warto zapytać, czy ta współpraca pomaga ludziom lepiej rozumieć klientów, procesy, dane, problemy i konsekwencje decyzji. Jeżeli tak, AI może być świetnym wsparciem rozwoju. Jeżeli nie, może stać się narzędziem, które przyspiesza pracę, ale po cichu osłabia myślenie. Coraz bardziej przekonuję się, że firmy będą potrzebowały nowej kompetencji organizacyjnej. Nazwałabym ją roboczo Human–AI Work Design, czyli projektowaniem pracy człowieka z AI. Nie chodzi w niej o to, żeby każdy pracownik znał listę najlepszych promptów. Chodzi o to, żeby organizacja potrafiła odpowiedzieć na kilka prostych, ale fundamentalnych pytań:

  • gdzie AI ma wspierać człowieka,
  • gdzie człowiek powinien najpierw pomyśleć samodzielnie,
  • gdzie potrzebna jest weryfikacja,
  • gdzie AI może poszerzyć perspektywę,
  • gdzie może osłabić kompetencje,
  • kto odpowiada za decyzję,
  • i czego ludzie mają się nauczyć w trakcie współpracy z AI.

To nie jest temat dla działu IT. To jest temat dla zarządów, liderów procesów, menedżerów, HR, ekspertów i zespołów operacyjnych.

Gdybym miała zaproponować firmom pierwszy bardzo prosty krok, wybrałabym jeden proces, w którym ludzie już korzystają z AI. Nie zaczynałabym od wielkiej strategii, Zaczęłabym od mapy pracy.

Zaznaczyłabym miejsca, w których pojawia się AI, a potem zadałabym zespołowi pięć pytań:

  1. Jaką rolę AI pełni w tym fragmencie pracy?
  2. Co człowiek powinien zrobić zanim zapyta AI?
  3. Kto i jak weryfikuje wynik AI?
  4. Jak AI zmienia komunikację i podział pracy w zespole?
  5. Czego ludzie mają się nauczyć dzięki tej współpracy?

Mam poczucie, że taka rozmowa może być dla organizacji dużo cenniejsza niż kolejne szkolenie z listy promptów. Bo nie chodzi tylko o to, żeby korzystać z AI, Chodzi o to, żeby projektować pracę tak, aby AI wzmacniała ludzi, procesy i decyzje.

I właśnie tutaj, moim zdaniem, zaczyna się prawdziwa gotowość organizacji na AI.

Źródła wykorzystane w artykule

  • Harang Ju, Sinan Aral, Collaborating with AI Agents: Field Experiments on Teamwork, Productivity, and Performance, 2025.
  • Fabrizio Dell’Acqua i in., The Cybernetic Teammate: A Field Experiment on Generative AI Reshaping Teamwork and Expertise, 2025.
  • Harang Ju, Sinan Aral, Personality Pairing Improves Human-AI Collaboration, 2025.
  • Ning Li, Huaikang Zhou, Kris Mikel-Hong, Generative AI Enhances Team Performance and Reduces Need for Traditional Teams, 2024.