INTRO

Otwierasz rano komputer i masz całkiem rozsądny plan: kawa, kilka maili, jedno ważne zadanie i może nawet obiad zjedzony zanim stanie się kolacją. Potem trafiasz na nagłówek: "AI zmieni rynek pracy szybciej, niż myślisz". Klikasz. Dziesięć minut później wiesz już, że sztuczna inteligencja pisze teksty, analizuje dane, tworzy prezentacje, programuje, projektuje, tłumaczy, odpowiada klientom i prawdopodobnie za chwilę nauczy się jeszcze robić kawę bez tego charakterystycznego spojrzenia baristy, który właśnie ocenił twoje życiowe wybory na podstawie zamówienia dużego latte.

Patrzysz na swoje stanowisko.

Patrzysz na ekran.

I nagle pojawia się bardzo nieprzyjemne pytanie:

"A właściwie po co oni jeszcze płacą mnie?"

W tym momencie rozsądna część mózgu mogłaby powiedzieć: spokojnie, zobaczmy, które elementy twojej pracy rzeczywiście mogą się zmienić, czego warto się nauczyć i gdzie masz przewagę. Niestety rozsądna część mózgu często pracuje na pół etatu. Zastępuje ją dział kryzysowy, który natychmiast otwiera LinkedIna.

Sprawdzasz oferty pracy.

Potem jeszcze raz.

Minęło osiem minut, więc rynek mógł się przecież zasadniczo zmienić.

Czytasz ogłoszenie. Wymagają doświadczenia w pięciu narzędziach, z których trzy powstały prawdopodobnie w zeszły czwartek. Drugie ogłoszenie brzmi jeszcze lepiej: "Szukamy osoby elastycznej, przedsiębiorczej, odpornej na zmiany i gotowej rozwijać się w dynamicznym środowisku". Czyli kogoś, kto będzie spokojnie siedział w płonącym biurze i mówił: "Świetna okazja do rozwoju".

Zamykasz LinkedIna.

Po siedmiu minutach otwierasz ponownie.

To nie jest przygotowanie do przyszłości.

To jest cyfrowe chodzenie od okna do okna, żeby sprawdzić, czy nadciąga tornado.

Lęk związany z AI ma jedną bardzo skuteczną właściwość: potrafi przebrać się za produktywność. Czytasz artykuły. Oglądasz materiały. Śledzisz ekspertów. Zapisujesz kursy. Pobierasz raport liczący sto trzydzieści stron, którego nigdy nie przeczytasz, ale sam fakt posiadania PDF-u daje chwilowe poczucie strategicznego przygotowania. W pewnym momencie masz pięćdziesiąt zakładek o przyszłości pracy i nadal nie zrobiłeś jednej rzeczy, która realnie poprawiłaby twoją sytuację.

To trochę jak przygotowywanie się do deszczu poprzez oglądanie prognozy pogody co trzy minuty.

Parasola nadal nie masz.

Problem polega na tym, że część obaw jest całkowicie racjonalna. AI naprawdę zmienia sposób wykonywania wielu zawodów. Niektóre czynności stają się szybsze. Niektóre łatwiejsze. Niektóre można częściowo zautomatyzować. Firmy będą eksperymentować, reorganizować pracę, zmieniać zakresy stanowisk i zadawać bardzo biznesowe pytanie: "Czy da się zrobić to samo taniej, szybciej albo mniejszym zespołem?"

To pytanie istniało długo przed sztuczną inteligencją.

AI po prostu dostała dostęp do sali konferencyjnej.

Nie ma więc sensu udawać, że nic się nie dzieje. Pocieszanie się hasłem "AI nigdy nie zastąpi człowieka" jest mniej więcej tak użyteczne jak zapewnienie mieszkańca średniowiecznej wioski, że maszyny nigdy nie wpłyną na rolnictwo. Mogą nie zastąpić wszystkich ludzi. Mogą natomiast bardzo konkretnie zmienić to, czego firmy od ludzi oczekują.

I właśnie tutaj zaczyna się dobra wiadomość.

Nie musisz przewidzieć dokładnie, jak będzie wyglądał rynek pracy za pięć czy dziesięć lat. Nie musisz zgadywać, który model AI wygra, które zawody znikną, które powstaną i czy za trzy lata wszyscy będziemy pracować po cztery godziny dziennie, czy przeciwnie - po czternaście, bo skoro AI zrobiła raport w pięć minut, to przecież możemy przygotować siedem raportów.

Musisz zrobić coś znacznie bardziej przyziemnego.

Zwiększyć swoją zawodową odporność.

To oznacza przede wszystkim zrozumienie, za co naprawdę ktoś ci płaci. Nie za nazwę stanowiska. Nie za podpis w stopce maila. Nie za fakt, że od 2019 roku siedzisz przy tym samym biurku i znasz kod do drukarki.

Płacą ci za wartość.

Czasem wartością jest wiedza. Czasem relacje. Podejmowanie decyzji. Rozwiązywanie problemów. Sprzedaż. Rozumienie klienta. Koordynowanie ludzi. Odpowiedzialność. Ocena ryzyka. Znajomość branży. Umiejętność zauważenia, że raport wygląda pięknie, ale liczby są kompletnie bez sensu.

AI może świetnie pomóc przygotować analizę.

Znacznie trudniej wysłać ją na spotkanie zarządu i powiedzieć: "Tak, biorę odpowiedzialność za tę rekomendację".

To ważne rozróżnienie, ponieważ największym błędem jest zadawanie wyłącznie pytania: "Czy AI potrafi robić moją pracę?"

Lepsze pytanie brzmi:

"Które fragmenty mojej pracy może przejąć, które może przyspieszyć, a które dzięki niej mogę wykonywać lepiej niż wcześniej?"

To już nie brzmi jak początek katastroficznego filmu.

Brzmi jak strategia.

W tej książce nie będziemy więc próbować zgadywać przyszłości z dokładnością do konkretnego wtorku 2031 roku. Nie będziemy też tworzyć listy "dziesięciu zawodów odpornych na AI", bo podobne listy starzeją się szybciej niż hasło do firmowego Wi-Fi po zmianie administratora.

Zrobimy coś praktyczniejszego.

Rozłożymy twoją pracę na części i sprawdzimy, gdzie naprawdę istnieje ryzyko. Oddzielimy zagrożenie dla zawodu od zagrożenia dla pojedynczych zadań, bo to nie jest to samo. Zobaczysz, które kompetencje warto wzmacniać, a których nie ma sensu bronić jak rodzinnego srebra tylko dlatego, że nauczenie się ich zajęło ci kiedyś trzy tygodnie i dwa załamania nerwowe przy Excelu.

Będzie też o tym, jak używać AI tak, żeby nie stać się człowiekiem, który konkuruje z nią wyłącznie szybkością pisania maili. Jeśli narzędzie może wykonać część twojej pracy w trzy minuty, najlepszą strategią zazwyczaj nie jest próba udowodnienia, że ty potrafisz w dwadzieścia siedem.

Trzeba przesunąć swoją wartość wyżej.

Od wykonywania do oceniania.

Od przepisywania do decydowania.

Od tworzenia pierwszej wersji do rozumienia, która wersja ma sens.

Od "umiem zrobić raport" do "wiem, jaki raport należy zrobić i co z niego wynika".

To mniej spektakularne niż nagłówki o końcu pracy.

Ale zdecydowanie bardziej użyteczne.

Porozmawiamy też o zmianie zawodu, zdobywaniu nowych kompetencji, budowaniu widoczności na rynku, tworzeniu planu awaryjnego i sprawdzaniu swojej sytuacji bez zachowania przypominającego człowieka, który obserwuje kurs akcji firmy, choć jedyną inwestycją jest jego własne zatrudnienie.

Nie chodzi o to, żeby przestać się bać.

Strach jest czasem całkiem przydatnym alarmem.

Problem zaczyna się wtedy, gdy alarm wyje od trzech godzin, a ty zamiast wyjść z budynku, analizujesz jego specyfikację techniczną.

Dlatego celem nie będzie magiczne przekonanie cię, że "wszystko będzie dobrze". Nikt uczciwy nie może tego zagwarantować. Rynek pracy się zmieni. Niektórym będzie łatwiej, innym trudniej. Firmy będą popełniać mądre decyzje, głupie decyzje i decyzje przedstawiane na PowerPoincie tak efektownie, że przez chwilę nikt nie zauważy, do której kategorii należą.

Twoim zadaniem jest nie stać nieruchomo.

Nie musisz też biec w panice.

Wystarczy zacząć poruszać się we właściwym kierunku.

Na koniec tej książki powinieneś wiedzieć, które elementy swojej pozycji zawodowej wzmacniać, czego się nauczyć, jak wykorzystać AI jako przewagę zamiast wyłącznie traktować ją jak konkurenta oraz co zrobić, jeśli twoja obecna rola rzeczywiście zacznie się kurczyć.

Bez prorokowania.

Bez zawodowej apokalipsy.

I - co najważniejsze - bez sprawdzania LinkedIna co siedem minut.

Co osiem też nie.

Rozdział 1 - AI nie zabiera stanowisk. Najpierw zabiera zadania

W poniedziałek o 9:12 dostajesz od szefa wiadomość:

"Możesz przygotować krótkie podsumowanie wyników za ostatni miesiąc?"

Jeszcze niedawno oznaczało to otwarcie Excela, przekopiowanie danych, piętnaście minut walki z tabelą przestawną, napisanie sześciu akapitów, poprawienie trzech literówek i obowiązkową chwilę zastanowienia, dlaczego wykres w PowerPoincie właśnie przesunął legendę w miejsce, w którym absolutnie nikt jej nie potrzebuje.

Dzisiaj część tej pracy może wykonać AI.

Wklejasz dane, opisujesz, czego potrzebujesz, dostajesz szkic podsumowania, poprawiasz liczby, zmieniasz kilka zdań i po dwudziestu minutach wysyłasz materiał.

Pierwsza reakcja:

"Super. Zaoszczędziłem godzinę."

Druga, która pojawia się trochę później:

"Chwileczkę. Skoro zaoszczędziłem godzinę, to czy firma właśnie odkryła, że przez ostatnie pięć lat płaciła mi za coś, co teraz trwa dwadzieścia minut?"

I oto jesteśmy.

Jednym z największych błędów w rozmowie o sztucznej inteligencji jest myślenie o pracy jak o jednej rzeczy. "Jestem księgowym", "jestem handlowcem", "jestem marketerem", "jestem analitykiem", "jestem programistą", "jestem menedżerem".

Tymczasem twoja praca nie jest jedną czynnością.

Jest workiem czynności.

Czasem bardzo dziwnym workiem.

Możesz być zatrudniony jako specjalista ds. sprzedaży, ale w ciągu tygodnia negocjujesz z klientem, wypełniasz CRM, odpowiadasz na maile, przygotowujesz prezentację, szukasz danych, bierzesz udział w spotkaniu, aktualizujesz prognozę, wyjaśniasz koledze, gdzie jest plik, którego nazwa brzmi "FINAL_v7_POPRAWIONY_OSTATECZNY2", i przez dziesięć minut próbujesz ustalić, dlaczego system po raz kolejny cię wylogował.

Stanowisko jest etykietą.

Praca jest zbiorem zadań.

I właśnie zadania zmieniają się jako pierwsze.

Zamiast pytać "czy mój zawód zniknie?"

To pytanie jest kuszące, bo obiecuje prostą odpowiedź.

Tak albo nie.

Bezpieczny albo zagrożony.

Niestety rzeczywistość ma paskudny zwyczaj ignorowania wygodnych kategorii.

Znacznie sensowniejsze jest rozłożenie swojej pracy na elementy i sprawdzenie, co właściwie robisz. Możesz odkryć, że trzydzieści procent tygodnia zajmują czynności rutynowe, które da się mocno przyspieszyć. Kolejne dwadzieścia procent wymaga wiedzy firmowej, której AI nie ma bez odpowiednich danych. Następne trzydzieści procent polega na rozmowach, negocjacjach, ocenie sytuacji i podejmowaniu decyzji. Reszta to spotkania, podczas których siedem osób wspólnie ustala termin kolejnego spotkania.

Te ostatnie mogą przetrwać wszystko.

Nawet sztuczną inteligencję.

Nie oznacza to, że każda czynność, którą AI potrafi wykonać, natychmiast zniknie z twojego zakresu. Automatyzacja nie działa jak kosmiczny promień: pyk - raport zniknął, pyk - copywriter zniknął, pyk - dział finansów zamienił się w laptop stojący na pustym krześle.

Firmy mają procedury, systemy, regulacje, ryzyko, klientów, odpowiedzialność, dane, politykę wewnętrzną i ludzi przywiązanych do sposobu pracy z 2014 roku.

Zmiana jest nierówna.

Ale kierunek warto zauważyć.

Jeżeli duża część twojej wartości zawodowej polega wyłącznie na wykonywaniu powtarzalnych, łatwo opisanych i łatwo sprawdzalnych czynności, masz więcej powodów, żeby działać niż ktoś, kto wykorzystuje te czynności tylko jako fragment większego procesu.

To nie wyrok.

To informacja.

A informacja jest znacznie bardziej użyteczna niż panika.

Zrób mapę swojej pracy

Najprostsze ćwiczenie w tej książce możesz wykonać bez kursu, aplikacji i webinaru zatytułowanego "Future-Proof Your Career in the Age of Generative Transformation".

Kartka też działa.

Przez kilka dni zapisuj najważniejsze zadania wykonywane w pracy. Nie nazwy projektów. Konkretne czynności.

Nie:

"Projekt klienta X".

Tylko:

- przygotowanie zestawienia danych, - napisanie podsumowania, - rozmowa z klientem, - ocena oferty, - ustalenie priorytetów zespołu, - przygotowanie prezentacji, - korekta umowy, - analiza reklamacji, - research rynku, - aktualizacja systemu, - szkolenie nowej osoby.

Potem przy każdym zadaniu odpowiedz na cztery pytania:

1. Czy można je dokładnie opisać? Im łatwiej zamknąć czynność w instrukcji "weź A, zrób B, zwróć C", tym łatwiej ją automatyzować lub przynajmniej przyspieszać.

2. Czy wynik łatwo sprawdzić? Przepisanie danych, przygotowanie standardowego zestawienia czy klasyfikacja dokumentów mają dość jasny rezultat. Ocena, czy warto wejść we współpracę z trudnym partnerem strategicznym, trochę mniej.

3. Czy potrzebny jest kontekst, którego nie ma w danych?

"Klient powiedział, że jest zainteresowany" wygląda świetnie w notatce. Ty jednak możesz wiedzieć, że ten klient mówi tak od czterech lat wszystkim i ostatni zakup zrobił wtedy, gdy ludzie jeszcze traktowali QR kody jak ciekawostkę.

4. Kto odpowiada, jeśli decyzja jest błędna? Im większe konsekwencje, ryzyko, odpowiedzialność prawna, finansowa lub biznesowa, tym częściej człowiek pozostaje istotnym elementem procesu, nawet jeśli AI wykonuje część analizy.

Nie chodzi o to, żeby oznaczyć zadania czerwonym, żółtym i zielonym flamastrem, a potem przez godzinę dopracowywać legendę.

Chodzi o zobaczenie struktury własnej pracy.

Cztery rodzaje zadań

W praktyce możesz potraktować swoje czynności jak cztery grupy.

Pierwsza to zadania rutynowe i powtarzalne. Standardowe maile, streszczenia, formatowanie, pierwsze wersje tekstów, proste analizy, wyszukiwanie informacji, dokumentowanie, przepisywanie danych.

Tutaj AI może mocno zmniejszyć ilość ręcznej pracy.

Druga grupa to zadania wspomagane przez AI. Człowiek nadal jest potrzebny, ale dzięki narzędziu pracuje szybciej. Analiza może powstać w pięć minut, ale ktoś musi wiedzieć, czy użyto właściwych danych. Prezentację można przygotować szybciej, ale ktoś musi zdecydować, co powinno znaleźć się na pierwszym slajdzie.

Trzecia to zadania wymagające osądu i kontekstu. Priorytety, negocjacje, decyzje, zarządzanie konfliktem, interpretacja niejednoznacznych sytuacji, wybór między dwiema rozsądnymi opcjami.

AI może pomagać.

Ale "pomagać" nie znaczy "decydować za ciebie".

Czwarta grupa to zadania związane z odpowiedzialnością i relacjami. Ktoś musi przekonać klienta. Ktoś musi zakomunikować niepopularną decyzję. Ktoś musi zauważyć, że członek zespołu mówi "wszystko okej" tonem człowieka, u którego absolutnie nic nie jest okej.

Model może zasugerować zdanie.

Nie poniesie konsekwencji, jeśli użyjesz go w złym momencie.

To nadal twój problem.

Gratulacje.

Masz przewagę konkurencyjną w postaci odpowiedzialności.

Nie broń czynności, których sam nie lubisz

To jeden z bardziej absurdalnych elementów lęku przed automatyzacją.

Przez lata narzekamy:

"Nienawidzę robić tych raportów."

"Po co ja co tydzień przeklejam te dane?"

"Dlaczego muszę pisać piętnaście prawie identycznych maili?"

Potem pojawia się technologia, która mówi:

"Mogę ci z tym pomóc."

A człowiek:

"NIE DOTYKAJ MOICH RAPORTÓW."

Nagle nudne zadanie staje się elementem zawodowej tożsamości narodowej.

Nie warto bronić pracy ręcznej tylko dlatego, że kiedyś była potrzebna. Jeżeli możesz wykonać coś szybciej i zachować jakość, twoją przewagą nie jest już umiejętność mozolnego wykonywania tej czynności.

Przewagą staje się to, co zrobisz z odzyskanym czasem.

I tutaj pojawia się ważny problem.

Firmy niekoniecznie powiedzą:

"Świetnie, Rafał oszczędził dwie godziny. Niech idzie wcześniej do domu i spokojnie poczyta książkę."

Mogą powiedzieć:

"Fantastycznie. Czyli zdążysz zrobić jeszcze dwa projekty."

Technologia podnosi produktywność, ale równocześnie może podnieść oczekiwania.

Dlatego samo nauczenie się AI nie wystarcza.

Trzeba przesuwać się w stronę pracy o większej wartości.

Najważniejsze pytanie tygodnia

Raz w tygodniu spójrz na swoją listę obowiązków i zapytaj:

"Gdybym dzięki AI wykonywał połowę tych czynności dwa razy szybciej, za co chciałbym być ceniony zamiast za samo ich wykonywanie?"

Za trafniejsze decyzje?

Lepsze relacje z klientami?

Znajdowanie szans sprzedażowych?

Rozumienie rynku?

Rozwiązywanie problemów, których nikt inny nie chce dotknąć?

Koordynację?

Pomysły?

Jakość?

Wiedzę ekspercką?

To jest kierunek.

Jeżeli dzisiaj przygotowujesz raport przez trzy godziny, a jutro będziesz robić go przez trzydzieści minut, nie próbuj udowodnić światu, że człowiek ma szczególny talent do ręcznego ustawiania szerokości kolumn.

Naucz się mówić, co z tych liczb wynika.

Raport może zrobić narzędzie.

Problem biznesowy nadal potrzebuje właściciela.

Na dziś wystarczy jedna rzecz: wypisz dziesięć najczęstszych czynności, które wykonujesz w pracy, i zaznacz te, które są powtarzalne, łatwe do opisania oraz łatwe do sprawdzenia. Nie zastanawiaj się jeszcze, czy twoje stanowisko przetrwa.

Najpierw zobacz, z czego naprawdę się składa.

Bo być może nie zniknie twoja praca.

Zniknie tylko ta jej część, której i tak serdecznie nie znosiłeś.

I pierwszy raz w historii możecie się rozstać w zgodzie.

Rozdział 2 - Twoja nazwa stanowiska nie jest strategią kariery

Wyobraź sobie dwie osoby.

Obie mają w stopce maila "Senior Marketing Specialist".

Obie pracują w podobnych firmach.

Obie mają osiem lat doświadczenia.

Pierwsza osoba świetnie zna systemy, potrafi sprawnie przygotować kampanię, robi raporty, prezentacje, zestawienia i od lat wykonuje proces niemal identycznie.

Druga robi to samo, ale dodatkowo rozumie klientów, potrafi połączyć dane sprzedażowe z zachowaniem rynku, zna ludzi z innych działów, wie, komu zadać właściwe pytanie, umie zakwestionować brief, kiedy nie ma sensu, i często zauważa problem dwa tygodnie przed tym, zanim zostaje oficjalnie nazwany "priorytetem strategicznym".

Na LinkedInie wyglądają prawie identycznie.

W rzeczywistości ich odporność zawodowa jest zupełnie inna.

To właśnie dlatego zdanie "pracuję jako X" mówi coraz mniej o bezpieczeństwie kariery.

Nazwa stanowiska jest przydatna działowi HR.

Rynek interesuje się tym, co naprawdę potrafisz zrobić.

Stanowisko jest opakowaniem

Wiele osób buduje zawodowe poczucie bezpieczeństwa na czymś, co jest zaskakująco kruche.

"Jestem project managerem."

"Jestem grafikiem."

"Jestem analitykiem."

"Jestem programistą."

Brzmi stabilnie, dopóki nie zapytasz:

"Co dokładnie robisz lepiej niż przeciętna osoba mająca dostęp do tych samych narzędzi?"

Wtedy robi się ciekawiej.

Czasem odpowiedź brzmi:

"Mam doświadczenie."

Świetnie.

Ale doświadczenie nie jest magicznym zasobem przechowywanym w organizmie jak witamina D.

Liczy się to, co dzięki niemu potrafisz zauważyć, przewidzieć, zrobić lub zdecydować.

Dwudziestoletnie doświadczenie może oznaczać dwadzieścia lat coraz lepszego rozwiązywania problemów.

Może też oznaczać jeden rok doświadczenia powtórzony dwadzieścia razy.

To drugie brzmi mniej efektownie na jubileuszowej kartce.

AI szczególnie mocno uderza w wygodne utożsamianie kompetencji z wykonywaną czynnością. Kiedyś ktoś mógł przez lata budować wartość zawodową dlatego, że potrafił szybko wykonać coś trudnego technicznie. Jeśli narzędzia upraszczają tę czynność, przewaga maleje.

Nie dlatego, że człowiek stał się głupszy.

Po prostu próg wejścia się obniżył.

Kiedy każdy może w kilka minut stworzyć poprawny szkic prezentacji, przewagą nie jest już samo "umiem zrobić prezentację".

Przewagą jest:

"umiem zdecydować, jaka prezentacja przekona tych konkretnych ludzi do tej konkretnej decyzji".

To znacznie wyższy poziom gry.

I niestety nie ma przycisku "Generate".

Pięć warstw zawodowej wartości

Żeby przygotować się na zmiany, warto spojrzeć na swoją karierę jak na pięć warstw.

1. Narzędzia

Excel, Photoshop, CRM, SQL, PowerPoint, konkretne platformy, systemy, języki programowania, aplikacje.

Są potrzebne.

Ale narzędzia starzeją się najszybciej.

Jeżeli cała twoja przewaga brzmi "znam program X", dobrze pamiętać, że pewnego dnia może pojawić się program Y, który robi połowę rzeczy automatycznie, a młodszy kolega nauczy się go w weekend przy pizzy.

Nie przywiązuj tożsamości do narzędzia.

Używaj go.

2. Metody

Analiza danych, prowadzenie projektu, negocjacja, tworzenie kampanii, badanie potrzeb, planowanie finansowe, prowadzenie rozmowy sprzedażowej.

Metody są trwalsze, bo można przenosić je między narzędziami.

Ktoś, kto rozumie analizę, nauczy się kolejnego programu.

Ktoś, kto tylko zna zestaw przycisków, po zmianie programu zaczyna przeżywać małą żałobę.

"W starym systemie było to pod prawym przyciskiem."

Tak.

Stary system odszedł.

Pozwól mu spoczywać w pokoju.

3. Wiedza domenowa

Tu robi się znacznie ciekawiej.

Znajomość branży, klientów, procesów, regulacji, produktów, konkurencji, typowych błędów i realiów.

Możesz poprosić AI o przygotowanie strategii wejścia produktu do sieci detalicznej. Dostaniesz listę rozsądnie brzmiących punktów.

Człowiek mający dziesięć lat doświadczenia może spojrzeć na punkt trzeci i powiedzieć:

"To się nie wydarzy, bo partner nigdy się na to nie zgodzi."

Jedno zdanie.

Dziesięć lat kontekstu.

Oczywiście wiedza branżowa też nie daje nietykalności. Jeśli przechowujesz ją wyłącznie w głowie i używasz jako argumentu przeciwko każdej zmianie, szybko możesz zostać firmowym kustoszem muzeum.

"Tak robimy od 2017."

Dobrze.

2017 przesyła pozdrowienia.

4. Osąd

Tu zaczyna się prawdziwa przewaga.

Nie tylko "mam dane", ale "wiem, które są ważne".

Nie tylko "mam pięć propozycji", ale "umiem wybrać jedną".

Nie tylko "AI przygotowała analizę ryzyka", ale "rozumiem, które ryzyko możemy zaakceptować".

Osąd powstaje przez doświadczenie, informację zwrotną, obserwowanie skutków własnych decyzji i uczenie się na sytuacjach, w których wszystko wyglądało doskonale w Excelu, a potem rzeczywistość weszła do pokoju i wywróciła stół.

To kompetencja, którą warto rozwijać celowo.

5. Zaufanie i odpowiedzialność

Najwyższa warstwa jest bardzo ludzka.

Czy inni chcą z tobą pracować?

Czy ufają twojej ocenie?

Czy dowozisz?

Czy potrafisz powiedzieć "nie wiem", zamiast przez sześć minut improwizować odpowiedź brzmiącą jak komunikat rzecznika prasowego?

Czy przychodzisz z problemem i propozycją rozwiązania?

Czy bierzesz odpowiedzialność?

AI może wygenerować bardzo przekonującego maila.

Nie zbuduje za ciebie pięciu lat reputacji człowieka, którego telefon odbiera klient, kiedy sytuacja naprawdę się komplikuje.

Przynajmniej nie poprzez samo napisanie tego maila.

Najbardziej zagrożony nie musi być najmniej wykwalifikowany

Łatwo sobie wyobrazić, że zmiany dotkną głównie prostych stanowisk.

Rzeczywistość jest bardziej niewygodna.

AI może bardzo mocno wpływać również na dobrze płatną pracę biurową, ponieważ wiele jej elementów polega na przetwarzaniu informacji: czytaniu, pisaniu, analizie, syntezie, tworzeniu dokumentów, kodu, modeli, odpowiedzi i rekomendacji.

Problemem nie jest więc poziom prestiżu zawodu.

Problemem jest struktura wartości.

Możesz mieć świetny tytuł, własne miejsce parkingowe i kubek z logo firmy, a jednocześnie wykonywać głównie zadania, które narzędzia coraz lepiej wspierają.

Tytuł stanowiska nie tworzy pola ochronnego.

Nawet jeśli ma w nazwie "Senior".

Ani "Lead".

Ani najbardziej magiczne zaklęcie korporacyjnego świata:

"Head of".

Zbuduj profil, nie jedną umiejętność

Najlepszą odpowiedzią nie jest gorączkowe nauczenie się jednej "kompetencji przyszłości".

To kolejna pułapka.

Co kilka miesięcy internet wybiera coś, co rzekomo każdy człowiek musi natychmiast opanować. Prompt engineering. Python. Data science. Automatyzacje. Personal branding. No-code. Agentic workflows. Jutro prawdopodobnie będzie to coś, czego nazwa jeszcze nie istnieje, ale konsultant na LinkedInie już przygotowuje o tym karuzelę.

Nie potrzebujesz wszystkiego.

Potrzebujesz sensownego zestawu.

Dobry profil może wyglądać tak:

wiedza branżowa + umiejętność pracy z AI + komunikacja + podejmowanie decyzji + konkretna specjalizacja.

Albo:

sprzedaż + relacje + analiza danych + AI + negocjacje.

Albo:

finanse + automatyzacja + znajomość procesów + umiejętność wyjaśniania skomplikowanych rzeczy ludziom spoza finansów.

Żadna pojedyncza kompetencja nie jest niezwykła.

Połączenie może być.

To jest ważne, bo nie musisz zostać najlepszym programistą, najlepszym sprzedawcą i najlepszym analitykiem jednocześnie.

To byłby nie plan kariery.

To byłby casting do Avengersów.

Wystarczy, że masz kilka kompetencji, które razem tworzą wartość trudniejszą do zastąpienia.

Zrób test "dlaczego właśnie ja?"

Wyobraź sobie, że firma może zatrudnić kogoś z podobnym doświadczeniem za podobne pieniądze.

Dlaczego miałaby wybrać ciebie?

Nie odpowiadaj:

"Jestem pracowity."

Nawet osoby, które wcale nie są pracowite, wpisują to w CV.

"Dobra organizacja pracy" również odpada, szczególnie jeśli odpowiedź wymyślasz, mając na pulpicie 176 plików.

Szukamy dowodów.

Na przykład:

"Potrafię prowadzić trudne negocjacje z dużymi klientami."

"Znam ten rynek i wiem, jak decyzje centrali przekładają się na wykonanie w terenie."

"Łączę analizę danych z praktycznym doświadczeniem sprzedażowym."

"Potrafię szybko uporządkować chaotyczny projekt i doprowadzić go do decyzji."

"Rozumiem proces od technologii do klienta końcowego."

"Umiem używać AI do przyspieszenia analizy, ale potrafię też zweryfikować, kiedy jej wnioski są nietrafione."

To są elementy profilu.

Jeśli nie potrafisz podać trzech takich rzeczy, nie oznacza to, że nie masz wartości.

Być może po prostu nigdy jej nie nazwałeś.

A jeśli naprawdę ich jeszcze nie masz, właśnie znalazłeś coś znacznie cenniejszego niż kolejny artykuł o przyszłości rynku pracy.

Znalazłeś kierunek rozwoju.

Nie próbuj stać się "niezastępowalny"

To popularne hasło, które brzmi świetnie i jest praktycznie niemożliwe.

Każdego można zastąpić.

Prezesa.

Eksperta.

Najlepszego handlowca.

Człowieka, który jako jedyny wie, jak uruchomić ekspres w kuchni.

Firma może sobie przez chwilę nie radzić.

Ale poradzi sobie.

Lepszym celem jest stać się trudnym do zastąpienia bez kosztu.

Kimś, kogo odejście oznacza utratę wiedzy, relacji, jakości, szybkości decyzji albo doświadczenia, którego nie da się skopiować jednym poleceniem.

To zdrowsze i bardziej realistyczne.

Nie budujesz twierdzy.

Budujesz wartość.

Jedna rzecz na najbliższe trzy miesiące

Nie próbuj poprawiać wszystkiego naraz.

Wybierz jedną warstwę swojej wartości zawodowej, która najbardziej potrzebuje wzmocnienia.

Jeżeli znasz branżę, ale słabo używasz nowych narzędzi - naucz się stosować AI w realnych zadaniach.

Jeżeli jesteś świetny technicznie, ale masz niewielki kontakt z biznesem - zacznij rozumieć, jak twoja praca wpływa na pieniądze, klienta i decyzje.

Jeżeli wykonujesz zadania, ale rzadko podejmujesz decyzje - szukaj okazji do rekomendowania, nie tylko raportowania.

Jeżeli masz wiedzę, której nikt nie widzi - naucz się ją komunikować.

Jedna warstwa.

Trzy miesiące.

Konkretny dowód postępu.

Nie "poczytam o AI".

Tylko:

"Do końca miesiąca zautomatyzuję dwa powtarzalne procesy."

Nie:

"Będę bardziej strategiczny."

Tylko:

"W każdym miesięcznym raporcie dodam własną rekomendację i uzasadnię ją danymi."

To się da wykonać.

I sprawdzić.

Przyszłość zawodowa rzadko zmienia się od jednego spektakularnego ruchu.

Częściej buduje się z drobnych przesunięć: mniej czasu na rutynę, więcej na ocenę; mniej wykonywania, więcej rozumienia; mniej przywiązania do narzędzia, więcej wartości, którą potrafisz przenieść gdzie indziej.

Twoje stanowisko może kiedyś zmienić nazwę.

Może nawet zniknąć.

Dobrze, żeby twoja wartość nie zniknęła razem z nim.

Bo kariera to coś więcej niż napis pod zdjęciem profilowym.

Nawet jeśli LinkedIn bardzo chciałby, żebyś uważał inaczej.

Rozdział 3 - Najgorsza strategia: udawać, że nic się nie dzieje

Jest pewien bardzo wygodny sposób radzenia sobie z niepokojącą zmianą.

Można ją zignorować.

Nie czytać. Nie testować. Nie interesować się. Uznać, że "to chwilowa moda", "to jeszcze nie działa", "w naszej branży się nie przyjmie" albo klasyczne: "u nas jest inaczej".

"U nas jest inaczej" to jedno z najbardziej wszechstronnych zdań w biznesie. Można nim przez kilka lat odpierać praktycznie każdą zmianę, aż pewnego dnia okazuje się, że rzeczywiście jest inaczej.

Tylko gorzej.

Pierwsza reakcja na nową technologię często wygląda podobnie. Początkowo jest zachwyt. Potem rozczarowanie. Następnie część ludzi dochodzi do wniosku, że skoro narzędzie nie jest doskonałe, to jest bezużyteczne.

AI popełnia błędy?

Świetnie.

Sprawa zamknięta.

Możemy spokojnie wrócić do ręcznego kopiowania danych między trzema systemami, ponieważ człowiek, jak wiadomo, nigdy nie pomylił kolumny w Excelu.

To oczywiście absurd.

Nie trzeba wierzyć, że sztuczna inteligencja jest idealna, żeby zauważyć, że potrafi być użyteczna. Samochód też nie musi być nieomylny, żeby był szybszy od spaceru. Kalkulator czasem daje błędny wynik, jeśli wpiszesz złe dane. Nikt z tego powodu nie organizuje ruchu oporu pod hasłem "Powrót do liczydeł".

Pytanie nie brzmi:

"Czy AI jest doskonała?"

Brzmi:

"Czy jest wystarczająco dobra, żeby zmienić sposób wykonywania części pracy?"

Bardzo często odpowiedź brzmi: tak.

"To mnie nie dotyczy"

Druga wersja zawodowego uspokojenia polega na znalezieniu powodu, dla którego zmiany dotyczą wszystkich poza tobą.

"Ja pracuję z ludźmi."

"Ja jestem kreatywny."

"Ja mam doświadczenie."

"Ja pracuję w bardzo specyficznej branży."

"U mnie trzeba myśleć."

To ostatnie zawsze brzmi sympatycznie, bo dyskretnie sugeruje, że w pozostałych zawodach ludzie od lat przychodzą do pracy głównie po to, żeby podlewać fikusa.

Oczywiście niektóre role rzeczywiście są mniej podatne na automatyzację niż inne. Praca fizyczna w zmiennym środowisku, opieka, odpowiedzialność za bezpieczeństwo, skomplikowane relacje międzyludzkie czy zadania wymagające obecności człowieka mają inną strukturę niż przygotowywanie standardowego raportu.

Ale prawie każdy zawód zawiera fragmenty podatne na zmianę.

Lekarz może nadal badać pacjenta, ale część dokumentacji powstanie szybciej.

Handlowiec nadal będzie negocjował, ale research klienta może zająć pięć minut zamiast pół godziny.

Menedżer nadal będzie zarządzał ludźmi, ale pierwsza wersja analizy czy prezentacji powstanie automatycznie.

Prawnik nadal będzie oceniał ryzyko, ale część pracy z dokumentami może wyglądać inaczej.

Programista nadal będzie projektował rozwiązania, ale część kodu napisze z pomocą narzędzi.

Zmiana nie musi usuwać zawodu.

Wystarczy, że przesunie granicę między tym, co robi człowiek, a tym, co robi narzędzie.

I wtedy firma zaczyna zadawać kolejne pytanie:

"Skoro każdy wykonuje część pracy szybciej, ilu ludzi potrzebujemy?"

To mniej romantyczna strona produktywności.

Trzy rodzaje zaprzeczania

Jeżeli chcesz sprawdzić, czy nie chowasz głowy w piasek, zobacz, czy rozpoznajesz którąś z trzech reakcji.

1. Wyśmiewanie

"Widziałem, co to napisało. Kompletny bełkot."

Możliwe.

Pytanie brzmi: jakie polecenie dostało, jakie dane otrzymało i do czego próbowano go użyć?

Jeśli poprosisz AI:

"Zrób strategię sprzedaży dla naszej firmy"

i dostaniesz ogólniki, to niekoniecznie dowód na koniec rewolucji technologicznej.

To może być dowód, że polecenie miało mniej kontekstu niż zamówienie kebaba.

Dobre narzędzie użyte źle daje słaby rezultat.

Młotek również nie jest najlepszym sposobem otwierania pliku PDF.

Nie oznacza to, że młotki są przereklamowane.

2. Odkładanie

"Nauczę się tego, jak będzie naprawdę potrzebne."

To brzmi rozsądnie do chwili, gdy "naprawdę potrzebne" oznacza:

"Właśnie wprowadzili nowy proces, połowa zespołu już go używa, a ja pierwszy raz otwieram aplikację."

Wtedy nauka jest nadal możliwa.

Tylko odbywa się trochę bardziej dynamicznie.

To jak uczenie się pływania po wejściu na prom.

3. Fetyszyzowanie własnego doświadczenia

"Mam piętnaście lat doświadczenia. AI tego nie zastąpi."

Być może nie.

Ale piętnaście lat doświadczenia jest przewagą tylko wtedy, kiedy wykorzystujesz je do podejmowania lepszych decyzji.

Jeżeli twoja praca polega głównie na wykonywaniu czynności, których nauczyłeś się piętnaście lat temu, doświadczenie może paradoksalnie stać się ciężarem.

Bo pojawia się silna pokusa:

"Skoro robiłem tak długo, to musi być dobry sposób."

Nie musi.

Może być po prostu znany.

A mózg uwielbia mylić te dwie rzeczy.

Druga skrajność: panika technologiczna

Ignorowanie AI jest nierozsądne.

Ale rzucenie wszystkiego i próba nauczenia się każdej nowej aplikacji jest tylko bardziej nowoczesną odmianą tego samego problemu.

W poniedziałek oglądasz film o agentach AI.

We wtorek zapisujesz się na kurs automatyzacji.

W środę instalujesz pięć narzędzi.

W czwartek ktoś pisze, że "prompt engineering jest martwy", więc zaczynasz interesować się czymś innym.

W piątek masz trzy subskrypcje, dwa konta testowe i nadal wykonujesz swoją pracę dokładnie tak samo jak tydzień wcześniej.

Ale za to czujesz się bardzo przyszłościowo.

To jest technologiczna prokrastynacja.

Nie potrzebujesz znać wszystkiego.

Potrzebujesz znać to, co może poprawić twoją pracę.

Różnica jest ogromna.

Zasada 80/20 dla AI

W większości zawodów niewielka liczba zastosowań przyniesie większą część korzyści.

Nie musisz nauczyć się czterdziestu funkcji.

Znajdź trzy powtarzalne sytuacje.

Na przykład:

- przygotowanie pierwszej wersji dokumentu, - podsumowanie dużej ilości informacji, - analiza lub uporządkowanie danych, - research, - tworzenie wariantów rozwiązania, - przygotowanie materiałów przed spotkaniem, - automatyzacja powtarzalnych komunikatów.

Wybierz jedną.

Przetestuj.

Zmierz, czy oszczędzasz czas albo poprawiasz jakość.

Jeśli tak - wdrażaj.

Jeśli nie - wyrzuć.

AI nie musi być hobby.

Ma być narzędziem.

Nie kupujesz wiertarki po to, żeby przez trzy miesiące oglądać filmy o przyszłości wiercenia.

Chcesz zrobić dziurę.

Jak testować bez robienia rewolucji

Najbezpieczniejsza metoda wygląda niemal nudno.

I właśnie dlatego działa.

Wybierz jedno zadanie, które wykonujesz regularnie. Nie najbardziej krytyczne. Nie takie, którego błąd może kosztować firmę milion złotych albo sprawić, że dział prawny zacznie używać twojego nazwiska w prezentacjach szkoleniowych.

Coś zwyczajnego.

Następnie:

Krok 1: wykonaj je tak jak zwykle.

Zobacz, ile zajmuje.

Krok 2: wykonaj podobne zadanie z pomocą AI.

Nie oddawaj całego procesu. Poproś o szkic, analizę, strukturę, podsumowanie albo wariant.

Krok 3: sprawdź rezultat.

Ile czasu zaoszczędziłeś?

Ile błędów trzeba było poprawić?

Czy wynik był lepszy?

Krok 4: ustal zasadę użycia.

Na przykład:

"AI przygotowuje pierwszą wersję, ja zatwierdzam."

Albo:

"AI porządkuje dane, ale wnioski piszę sam."

Albo:

"AI tworzy pięć wariantów, ja wybieram i przerabiam."

To jest zdrowe wdrażanie.

Nie:

"Od jutra robot robi wszystko."

Ani:

"Nigdy tego nie dotknę."

Dwie skrajności.

Obie wygodne.

Obie słabe.

Uważaj na pułapkę pierwszego efektu "wow"

Istnieje jeszcze jeden problem.

Kiedy zaczynasz korzystać z AI, łatwo zachwycić się tym, że narzędzie zrobiło coś szybko.

"Napisało maila w pięć sekund!"

Świetnie.

Czy mail jest dobry?

"No... jest mail."

To nie to samo.

Szybkość jest kusząca, bo łatwo ją zmierzyć. Jakość jest bardziej niewygodna.

Dlatego w pracy nie oceniaj AI wyłącznie pytaniem:

"Jak szybko to zrobiła?"

Dodaj:

"Czy wynik jest prawidłowy?"

"Czy pasuje do kontekstu?"

"Czy coś pominęła?"

"Czy rozumie ograniczenia?"

"Czy można to wysłać pod moim nazwiskiem?"

Ostatnie pytanie jest szczególnie dobre.

Wyobraź sobie, że efekt zostanie pokazany prezesowi, klientowi albo regulatorowi z podpisem:

"Autor: ty."

Nagle kontrola jakości staje się znacznie bardziej interesująca.

Twój minimalny obowiązek wobec przyszłości

Nie musisz zostać entuzjastą AI.

Możesz uważać połowę szumu wokół niej za przesadzoną.

Często będziesz miał rację.

Ale rozsądnym minimum jest znać narzędzia wpływające na twoją pracę na tyle, żeby samemu ocenić ich możliwości.

Nie z memów.

Nie z katastroficznych nagłówków.

Nie z komentarza kolegi, który raz spróbował wygenerować prezentację i dostał slajd z sześciopalczastym człowiekiem.

Przetestuj.

Na własnych zadaniach.

Potem wyrób sobie opinię.

Jeżeli okaże się, że AI nie daje ci obecnie prawie żadnej wartości - świetnie. Przynajmniej wiesz to na podstawie doświadczenia.

Jeśli daje - zacznij jej używać.

Najgorsza sytuacja nie polega na tym, że nie jesteś pierwszy.

Nie musisz być.

Najgorsza sytuacja to odkryć za dwa lata, że sposób wykonywania twojej pracy zmienił się dawno temu, a ty bardzo konsekwentnie tego nie zauważałeś.

Technologia nie wymaga zachwytu.

Wymaga uwagi.

A jeśli okaże się przereklamowana, zawsze możesz wrócić do Excela.

On będzie czekał.

Z otwartymi ramionami i błędem #ARG!.

Rozdział 4 - Nie konkuruj z maszyną w tym, w czym maszyna jest maszyną

Masz do przygotowania notatkę ze spotkania.

Spotkanie trwało godzinę.

Na rozmowie było osiem osób.

Trzy mówiły konkretnie, dwie mówiły długo, jedna mówiła długo i niekonkretnie, jedna była na mute przez połowę czasu, a ósma wypowiedziała najważniejsze zdanie dokładnie wtedy, gdy wszyscy zaczęli kończyć rozmowę.

Kiedyś po spotkaniu otwierałeś notatki i przez dwadzieścia minut próbowałeś ustalić, co właściwie zostało ustalone.

Dzisiaj transkrypcja może zostać przeanalizowana automatycznie.

Decyzje.

Zadania.

Terminy.

Ryzyka.

Gotowe.

Możesz oczywiście uznać:

"Pokażę, że człowiek robi to lepiej."

I spędzić pół godziny na ręcznym przepisywaniu.

Technicznie wygrałeś.

Tylko nie wiadomo z kim.

To jest jedna z najważniejszych zasad przygotowania się na przyszłość:

nie konkuruj z technologią w obszarach, w których jej przewagą jest dokładnie to, że jest technologią.

Jeżeli narzędzie może przejrzeć sto stron w minutę, nie próbuj zostać człowiekiem czytającym sto stron w pięćdziesiąt osiem sekund.

To nie rozwój zawodowy.

To początek bardzo dziwnych zawodów sportowych.

Szybciej nie znaczy cenniej

Przez lata wiele kompetencji zawodowych było cennych częściowo dlatego, że wykonanie pracy wymagało czasu.

Dobry pracownik potrafił przygotować raport w dwie godziny.

Jeszcze lepszy w godzinę.

Ekspert znał skróty, szablony, formuły i małe zaklęcia pozwalające zrobić coś szybciej.

AI zmienia ekonomię takich zadań.

Jeżeli czas przygotowania pierwszej wersji spada z dwóch godzin do dziesięciu minut, przewaga "robię to szybciej niż inni" traci część wartości.

Ale pojawia się nowa:

"Potrafię szybko ocenić, czy to ma sens."

To ogromna różnica.

Generowanie staje się tańsze.

Ocena staje się cenniejsza.

Można wygenerować pięćdziesiąt nazw kampanii.

Problemem nie jest już brak nazw.

Problemem jest wybór jednej, która nie brzmi jak suplement diety albo firma transportowa z Radomia.

Można wygenerować trzydzieści pomysłów biznesowych.

Problemem nie jest już brak pomysłów.

Problemem jest rozpoznanie, które mają szansę działać.

Można stworzyć dziesięć wersji prezentacji.

Niestety nadal trzeba wiedzieć, po co powstaje prezentacja.

PowerPoint również nie odkrył tego sam przez ostatnie trzydzieści lat.

Przesuń się o jeden poziom wyżej

Dobrym sposobem myślenia jest zadanie sobie pytania:

"Jeśli AI wykonuje moje obecne zadanie, co znajduje się poziom wyżej?"

Jeżeli piszesz tekst - wyżej jest określenie przekazu, odbiorcy i celu.

Jeżeli analizujesz dane - wyżej jest wybór właściwych danych i decyzja, która z nich wynika.

Jeżeli programujesz - wyżej jest architektura, wymagania, testowanie i rozumienie problemu.

Jeżeli tworzysz prezentacje - wyżej jest narracja i decyzja biznesowa.

Jeżeli odpowiadasz klientom - wyżej jest rozwiązywanie trudnych przypadków i budowanie relacji.

Jeżeli rekrutujesz - wyżej jest ocena potencjału, potrzeb zespołu i jakości dopasowania.

Nie oznacza to, że "wyżej" zawsze oznacza zarządzanie ludźmi.

Na szczęście.

Świat nie potrzebuje sytuacji, w której każdy specjalista ucieka od automatyzacji poprzez zostanie menedżerem. Ktoś musi jeszcze wykonywać sensowną pracę.

Chodzi o przesunięcie z czynności łatwej do wygenerowania w stronę decyzji, interpretacji, integracji i odpowiedzialności.

Najbardziej wartościowe pytanie może brzmieć "po co?"

AI świetnie odpowiada na pytanie:

"Jak?"

Jak napisać?

Jak uporządkować?

Jak policzyć?

Jak streścić?

Jak przygotować?

Człowiek powinien coraz częściej pilnować pytania:

"Po co?"

Po co tworzymy ten raport?

Po co klientowi ta funkcja?

Po co robimy kolejne spotkanie?

To ostatnie pytanie samo w sobie może uratować gospodarkę.

W wielu organizacjach ogrom pracy powstaje nie dlatego, że jest potrzebna, tylko dlatego, że ktoś kiedyś wpisał ją do procesu.

Raport wysyła się co tydzień.

Nikt już go nie czyta.

Ale jest.

Jak rodzinny kredens.

Nie wiadomo dokładnie po co, jednak trochę strach wyrzucić.

AI może sprawić, że produkowanie takiej pracy stanie się tańsze.

Co paradoksalnie może doprowadzić do produkowania jej jeszcze więcej.

Jeśli prezentację można stworzyć w dziesięć minut, ktoś może dojść do wniosku, że potrzebujemy siedmiu prezentacji.

Twoją wartością może być wtedy nie umiejętność robienia ich wszystkich.

Tylko powiedzenie:

"Potrzebujemy jednej."

To jest produktywność na wyższym poziomie.

Cztery kompetencje, które zyskują na znaczeniu

Nie ma listy zawodów odpornych na każdą przyszłą zmianę.

Można jednak wskazać kompetencje, które stają się bardziej użyteczne, gdy generowanie informacji jest tanie.

1. Formułowanie problemu

Źle zdefiniowany problem daje świetnie przygotowane rozwiązanie niewłaściwej rzeczy.

To korporacyjny klasyk.

"Spadła sprzedaż. Potrzebujemy nowej kampanii."

Może.

A może produktu nie ma w sklepach.

Może cena jest zła.

Może oferta jest niezrozumiała.

Może konkurencja zrobiła coś lepiej.

Może klient nie wie, że produkt istnieje.

Jeśli źle nazwiesz problem, AI może pomóc ci bardzo efektywnie pobiec w złym kierunku.

Z niezwykłą prędkością.

2. Ocena jakości

Czy wynik jest dobry?

To trudniejsze pytanie niż wygląda.

Musisz mieć punkt odniesienia.

Wiedzę.

Doświadczenie.

Standard.

Jeśli AI napisze przeciętny tekst, osoba bez doświadczenia może uznać go za świetny.

Ekspert zobaczy, że jest poprawny, ale nijaki.

To samo dotyczy kodu, analizy, projektu, rekomendacji czy umowy.

Im łatwiej coś wygenerować, tym ważniejsza staje się zdolność odróżnienia:

"jest"

od:

"jest dobre".

To dwie różne kategorie.

Internet od lat próbuje nas przekonać, że nie.

3. Łączenie informacji

AI może dostarczyć elementy.

Człowiek często tworzy wartość przez połączenie ich z kontekstem.

Sprzedaż spadła o dziesięć procent.

Samo w sobie mówi niewiele.

Może miesiąc miał mniej dni handlowych.

Może rok wcześniej była promocja.

Może zmieniła się dostępność.

Może konkurent miał premierę.

Może jeden duży klient przesunął zamówienie.

Osoba znająca biznes potrafi połączyć liczby z rzeczywistością.

Model widzi dane, które dostał.

Ty powinieneś wiedzieć, czego mu nie dostał.

To często najważniejsza informacja.

4. Podejmowanie decyzji przy niepełnych danych

W świecie idealnym każda decyzja miałaby komplet danych, jasne kryteria i piękną tabelę.

W świecie rzeczywistym:

"Musimy zdecydować do jutra."

"Brakuje wyników."

"Klient jeszcze nie odpowiedział."

"Finanse mają inne dane."

"System pokazuje coś dziwnego."

"A Marek jest na urlopie."

I trzeba zdecydować.

AI może pomóc zbudować warianty.

Ale nie usunie niepewności.

Umiejętność działania mimo niej pozostaje niezwykle cenna.

Nie chodzi o zgadywanie.

Chodzi o ocenę ryzyka i wybór przy niepełnej informacji.

Biznes robi to codziennie.

Często z dodatkiem kawy.

Błąd: "muszę być bardziej ludzki"

Kiedy ludzie słyszą, że AI przejmuje część zadań poznawczych, czasem wpadają w kolejną skrajność:

"W takim razie liczą się tylko kompetencje miękkie."

Niekoniecznie.

Nie chodzi o ucieczkę od technologii w kierunku przytulania współpracowników.

Po pierwsze, dział HR może mieć pytania.

Po drugie, największą przewagę często daje połączenie.

Technologia plus domena.

Dane plus komunikacja.

AI plus osąd.

Ekspertyza plus relacje.

Automatyzacja plus zrozumienie procesu.

Człowiek, który zna biznes, ale ignoruje technologię, może być wolniejszy.

Człowiek, który świetnie zna narzędzia, ale nie rozumie biznesu, może szybko produkować rzeczy niepotrzebne.

Najciekawszy jest ktoś pomiędzy.

Potrafi użyć AI.

A potem wie, kiedy jej nie słuchać.

Używaj AI jako juniora, nie wyroczni

Bardzo praktyczny model pracy wygląda tak:

traktuj AI jak niezwykle szybkiego, bardzo oczytanego współpracownika, który nie zna całego kontekstu, czasem zmyśla i nigdy nie czuje zakłopotania, gdy robi to z pełnym przekonaniem.

Czyli jak juniora po sześciu espresso.

Możesz mu zlecić research.

Pierwszą wersję.

Porządkowanie.

Porównanie.

Listę wariantów.

Krytykę pomysłu.

Ale kluczowe rezultaty sprawdzasz.

Ważne decyzje podejmujesz sam.

Wrażliwe informacje traktujesz zgodnie z zasadami bezpieczeństwa firmy i narzędzia.

Odpowiedzialności nie delegujesz do okna czatu.

To podejście daje korzyść bez udawania, że system jest wszechwiedzący.

Ćwiczenie: awansuj własne zadanie

Wybierz trzy obowiązki, które AI może przyspieszyć.

Przy każdym dopisz:

"Co jest poziom wyżej?"

Przykład:

"Przygotowuję tygodniowy raport sprzedaży."

Poziom wyżej:

"Wyciągam z raportu trzy decyzje dla zespołu."

"Piszę opisy produktów."

Poziom wyżej:

"Określam, jakie korzyści są najważniejsze dla konkretnego klienta."

"Tworzę harmonogram projektu."

Poziom wyżej:

"Rozpoznaję zależności i ryzyka, które mogą rozwalić harmonogram."

"Przygotowuję research konkurencji."

Poziom wyżej:

"Oceniam, które działania konkurencji naprawdę mają znaczenie dla naszej strategii."

To jest kierunek rozwoju.

Nie porzucasz obecnej kompetencji.

Dodajesz nad nią kolejną warstwę.

Minimalna wersja na słabszy dzień

Jeśli na samą myśl o "budowaniu kompetencji przyszłości" masz ochotę zamknąć laptop i zostać hodowcą pomidorów, zrób wersję minimalną.

Przy następnym zadaniu wykonywanym z pomocą AI nie poprzestawaj na wyniku.

Dodaj jedną rzecz od siebie:

rekomendację,

ocenę,

ryzyko,

decyzję,

kontekst,

albo pytanie, którego narzędzie samo nie zadało.

Jedną.

To wystarczy, żeby zacząć zmieniać sposób pracy.

Nie musisz od jutra stać się "strategicznym liderem ery AI".

Brzmi to zresztą jak tytuł konferencji, na której kawa kosztuje trzydzieści dwa złote.

Masz po prostu stopniowo przesuwać swoją wartość z wykonywania tego, co łatwo wygenerować, w stronę tego, co wymaga zrozumienia.

Maszyna będzie szybsza.

Nie próbuj jej pokonać szybkością.

Spraw, żeby szybkość była twoim narzędziem.

A potem zajmij się rzeczą, której nadal najbardziej brakuje w wielu firmach.

Sensowną decyzją.

Rozdział 5 - Nie ucz się wszystkiego. Naucz się tego, co ci się przyda

W niedzielę wieczorem wpadasz na film zatytułowany mniej więcej:

"12 kompetencji, bez których NIE PRZETRWASZ ery AI".

Nie brzmi zachęcająco.

Otwierasz.

Po dwudziestu minutach dowiadujesz się, że powinieneś znać automatyzacje, analizę danych, programowanie, modele językowe, agentów AI, cyberbezpieczeństwo, no-code, prompt engineering, zarządzanie zmianą, storytelling, sprzedaż, negocjacje i najlepiej jeszcze mówić płynnie po mandaryńsku, bo "Azja będzie kluczowym rynkiem".

Patrzysz na zegarek.

Jest 22:47.

Jutro masz spotkanie o ósmej.

Rozsądna reakcja brzmiałaby:

"Wybiorę jedną rzecz."

Mózg odpowiada:

"Kupmy sześć kursów."

Tak właśnie powstaje jedna z najskuteczniejszych pułapek zawodowego lęku: uczenie się wszystkiego naraz.

Wygląda odpowiedzialnie.

Daje poczucie działania.

I bardzo często nie prowadzi do niczego poza folderem "KURSY", w którym spoczywają materiały kupione z wielką nadzieją między styczniem a listopadem.

Nie potrzebujesz całej przyszłości.

Potrzebujesz następnego sensownego kroku.

Nauka może być kolejną formą unikania

To brzmi paradoksalnie, ale bardzo łatwo używać rozwoju zawodowego jako sposobu na odkładanie prawdziwego działania.

Jeszcze jeden webinar.

Jeszcze jedna książka.

Jeszcze jeden certyfikat.

Jeszcze jedna seria filmów.

Potem będę gotowy.

Tyle że gotowość ma dziwny charakter.

Nigdy nie przychodzi z kwiatami i zaświadczeniem.

W pewnym momencie musisz po prostu zrobić coś w rzeczywistej pracy.

Możesz przez trzy miesiące oglądać materiały o automatyzacji raportów, a nadal co poniedziałek przygotowywać raport ręcznie.

Wtedy nauczyłeś się dużo o automatyzacji.

Nie zautomatyzowałeś niczego.

To różnica podobna do tej między czytaniem instrukcji pływania a wejściem do basenu.

Pierwsze jest bardziej suche.

Drugie trochę bardziej użyteczne.

Zasada: ucz się od problemu, nie od narzędzia

Najlepszy punkt startu nie brzmi:

"Jakiego narzędzia powinienem się nauczyć?"

Tylko:

"Jaki problem w mojej pracy chcę rozwiązać?"

To zmienia wszystko.

Załóżmy, że co tydzień spędzasz dwie godziny na przygotowaniu podsumowania sprzedaży.

Wtedy warto nauczyć się narzędzia lub procesu, który skróci to zadanie.

Jeśli natomiast nigdy nie analizujesz dużych zbiorów danych, uczenie się zaawansowanej analityki tylko dlatego, że ktoś napisał "to kompetencja przyszłości", może być mniej sensowne.

Nie każda dobra kompetencja jest dobrą kompetencją dla ciebie teraz.

To ważne.

Internet uwielbia uniwersalne recepty.

Kariera jest znacznie bardziej lokalna.

Twoja branża.

Twoja rola.

Twój poziom.

Twoje cele.

Twoje luki.

To z nich powinien powstać plan.

Nie z listy przygotowanej przez człowieka, który nie wie, czym się zajmujesz, ale za to bardzo dobrze zna przycisk "Subscribe".

Trzy filtry przed rozpoczęciem nauki

Zanim zapiszesz się na kolejne szkolenie, odpowiedz sobie na trzy pytania.

Czy wykorzystam to w ciągu trzydziestu dni?

Jeżeli nie jesteś w stanie wskazać konkretnego zastosowania w najbliższym czasie, wiedza ma dużą szansę wyparować.

Nie dlatego, że jesteś leniwy.

Tak działa pamięć.

Mózg lubi rzeczy używane.

Resztę traktuje jak instrukcję obsługi drukarki kupionej w 2016 roku.

Może kiedyś się przyda.

Ale nie wiadomo gdzie jest.

Jeżeli uczysz się narzędzia AI, zaplanuj od razu zadanie, na którym je wykorzystasz.

Nie "kiedyś".

W przyszłym tygodniu.

Czy ta kompetencja zwiększa moją wartość, czy tylko liczbę odznak?

Certyfikat może być przydatny.

Czasem bardzo.

Ale sam w sobie nie jest kompetencją.

Możesz mieć certyfikat z narzędzia i nadal nie umieć rozwiązać przy jego pomocy żadnego problemu biznesowego.

Na rozmowie kwalifikacyjnej znacznie ciekawiej brzmi:

"Automatyzacja skróciła czas przygotowania raportu z dwóch godzin do dwudziestu pięciu minut"

niż:

"Ukończyłem kurs Advanced AI Productivity Foundations Professional Practitioner Level 2."

To drugie brzmi za to imponująco, jeśli wypowiesz je bez zaczerpnięcia powietrza.

Czy ta umiejętność pasuje do tego, co już potrafię?

Największą wartość często daje dokładanie nowej warstwy do istniejących kompetencji.

Jeżeli jesteś dobry w sprzedaży, AI może pomóc ci w researchu, analizie klientów, przygotowaniu spotkań i personalizacji komunikacji.

Jeżeli pracujesz w finansach, może przyspieszyć analizę, dokumentację i przygotowanie wariantów.

Jeśli zarządzasz zespołem, może pomóc porządkować informacje, przygotować scenariusze rozmów, analizować ryzyka czy planować komunikację.

To ma większy sens niż przypadkowe rozpoczęcie nauki programowania tylko dlatego, że przez tydzień internet informował cię, że "każdy powinien kodować".

Nie każdy powinien.

Tak jak nie każdy powinien piec chleb.

Przeżyliśmy ten okres.

Wiemy, czym się kończy.

Kompetencja kotwica i kompetencja wzmacniająca

Prosty model rozwoju wygląda tak:

Masz kompetencję kotwicę.

To coś, w czym już jesteś dobry i co ma wartość na rynku.

Sprzedaż.

Finanse.

Logistyka.

Marketing.

Prawo.

Programowanie.

Zarządzanie projektami.

Obsługa klienta.

Projektowanie.

Inżynieria.

Następnie dodajesz kompetencję wzmacniającą.

Na przykład AI.

Analizę danych.

Komunikację.

Automatyzację.

Negocjacje.

Znajomość konkretnej technologii.

Nie porzucasz tego, co już masz.

Zwiększasz siłę zestawu.

Handlowiec plus analiza danych może być cenniejszy niż handlowiec, który opiera się wyłącznie na intuicji.

Analityk plus komunikacja może być cenniejszy niż analityk tworzący świetne modele, których nikt poza nim nie rozumie.

Ekspert branżowy plus AI może być cenniejszy niż ekspert branżowy, który każdą analizę zaczyna od ręcznego przeklejania dwunastu arkuszy.

To właśnie są sensowne kombinacje.

Nie musisz zostać nowym człowiekiem.

Możesz po prostu ulepszyć obecnego.

Brzmi mniej dramatycznie.

I dużo łatwiej zmieścić to w kalendarzu.

Nie ścigaj każdej nowości

Nowe narzędzia pojawiają się szybciej, niż większość ludzi jest w stanie je sensownie przetestować.

Jeśli próbujesz śledzić wszystko, kończysz z ciekawą wiedzą ogólną i chronicznym poczuciem, że zawsze jesteś spóźniony.

Bo jesteś.

Wszyscy są.

Narzędzie, które odkryłeś dzisiaj, ma już trzy alternatywy, dwa porównania na YouTube i jednego eksperta, który ogłosił jego śmierć.

Nie wygrasz tego wyścigu.

Na szczęście nie musisz.

Dobrą zasadą jest obserwowanie kategorii, nie każdej aplikacji.

Czyli zamiast:

"Muszę znać wszystkie modele AI."

Pomyśl:

"Muszę wiedzieć, jak AI może wspierać analizę."

Zamiast:

"Muszę przetestować dziesięć systemów automatyzacji."

"Chcę zautomatyzować jeden proces."

Zamiast:

"Muszę znać najnowszego agenta."

"Chcę sprawdzić, czy można delegować powtarzalny research."

Problem pozostaje stabilniejszy niż nazwa narzędzia.

To daje ci szansę nie zwariować.

Plan 30-30-30

Jeżeli kompletnie nie wiesz, jak zacząć, użyj prostego schematu.

Pierwsze 30 minut: znajdź jeden problem.

Co regularnie zabiera ci czas?

Co jest powtarzalne?

Co wymaga dużo ręcznej pracy?

Co często poprawiasz?

Nie rób audytu życia zawodowego.

Jedna rzecz.

Drugie 30 minut: znajdź sposób, który może ją poprawić.

Narzędzie.

Funkcję.

Automatyzację.

Prosty workflow.

Nie studiuj całej platformy.

Potrzebujesz rozwiązania problemu, nie doktoratu z interfejsu.

Trzecie 30 minut: przetestuj na prawdziwym zadaniu.

Nie przykładzie z kursu.

Nie danych o sprzedaży fikcyjnej firmy "ABC Corp".

Na swojej pracy, oczywiście z zachowaniem zasad bezpieczeństwa danych i polityk organizacji.

Po półtorej godziny powinieneś mieć odpowiedź:

"To działa."

Albo:

"To nie działa."

Obie są wartościowe.

Znacznie bardziej niż dziewięć godzin oglądania materiałów zatytułowanych "AI Changed EVERYTHING".

W takich filmach wszystko zmienia się średnio trzy razy w tygodniu.

Jak rozpoznać, że uczysz się źle

Jest kilka sygnałów ostrzegawczych:

- potrafisz dużo opowiedzieć o narzędziu, ale nie używasz go w pracy; - rozpoczynasz więcej kursów, niż kończysz; - regularnie zmieniasz temat nauki, ponieważ pojawiła się nowa moda; - zbierasz certyfikaty, ale nie masz przykładów efektów; - uczysz się rzeczy całkowicie oderwanych od swoich celów; - więcej czasu poświęcasz na planowanie nauki niż na praktykę.

Jeśli rozpoznajesz trzy punkty, nie potrzebujesz kolejnego kursu.

Potrzebujesz zastosowania.

To mniej ekscytujące.

Ale kariera ma tę niewygodną cechę, że lubi rezultaty.

Wersja minimum: jedna godzina tygodniowo

Nie każdy ma dziesięć godzin tygodniowo na rozwój.

Część ludzi ma dzieci.

Dojazdy.

Pracę.

Dom.

Życie.

I tę jedną szufladę, którą od pół roku trzeba uporządkować.

Jedna godzina tygodniowo może wystarczyć, jeśli jest dobrze użyta.

Dwadzieścia minut nauki.

Trzydzieści minut praktyki.

Dziesięć minut na zapisanie:

"Co z tego faktycznie działa?"

Po kilku miesiącach masz serię małych wdrożeń zamiast jednego wielkiego planu, który rozpoczniesz, gdy życie nareszcie się uspokoi.

Czyli prawdopodobnie nigdy.

Zbuduj dowody, nie tylko wiedzę

Najlepszym rezultatem nauki zawodowej nie jest:

"Wiem więcej."

Tylko:

"Potrafię zrobić coś, czego wcześniej nie potrafiłem."

Jeszcze lepiej:

"Mam wynik."

Skróciłem proces.

Poprawiłem jakość.

Przygotowałem lepszą analizę.

Zautomatyzowałem czynność.

Zwiększyłem sprzedaż.

Przejąłem odpowiedzialność za nowy obszar.

Rozwiązałem problem.

Takie dowody zostają z tobą niezależnie od nazwy narzędzia.

Możesz wpisać je do CV.

Opowiedzieć o nich na rozmowie.

Wykorzystać przy negocjacji wynagrodzenia.

Pokazać przełożonemu.

Albo po prostu wiedzieć, że potrafisz dostosowywać się do zmian.

To ostatnie jest bardzo niedoceniane.

Zwłaszcza kiedy mózg próbuje ci powiedzieć, że wszyscy inni już dawno opanowali przyszłość.

Nie opanowali.

Część po prostu publikuje o tym częściej.

Na najbliższy miesiąc wybierz jedną kompetencję, która realnie wzmacnia twoją obecną wartość, i jedno zastosowanie w prawdziwej pracy.

Tyle.

Nie dwanaście kompetencji przyszłości.

Jedną.

Przyszłość naprawdę nie obrazi się, jeśli nie nauczysz się jej całej do piątku.