Sztuczna inteligencja realnie skraca czas zadań, jednak wiele organizacji odkrywa, że „więcej” nie znaczy „lepiej”. Bez przeprojektowania współpracy AI potrafi zwiększać chaos, dublowanie działań i tarcia między zespołami.
Szybciej nie znaczy lepiej
Sztuczna inteligencja na dobre weszła do codzienności pracy biurowej: w badaniu obejmującym ponad dwa tysiące brytyjskich pracowników aż 84% deklaruje, że korzysta z AI w pracy. Wśród użytkowników 71% mówi wprost, że dzięki niej działa szybciej. To twardy sygnał, że automatyzacja i generowanie treści przestały być ciekawostką, a stały się narzędziem pierwszego wyboru.
Jednocześnie niemal połowa pracowników w Wielkiej Brytanii (47%) widzi w AI wymianę: tempo rośnie, ale jakość spada. Ten paradoks nie musi oznaczać, że technologia „psuje” pracę z definicji. Częściej pokazuje, że organizacje mierzą produktywność liczbą wytworzonych artefaktów (maili, dokumentów, analiz), zamiast tym, czy praca faktycznie przesuwa cele do przodu.
Procesy nie nadążają za narzędziami
Najbardziej krytyczny wniosek dotyczy nie samej AI, lecz otoczenia, w jakim jest wdrażana. 70% badanych ocenia procesy i workflowy swojej organizacji pod kątem efektywnego użycia AI jako „przeciętne” lub „słabe”. Innymi słowy: firmy doklejają AI do starych sposobów działania, które nie były projektowane pod pracę z asystentami, automatyzacją i generowaniem treści.
W praktyce prowadzi to do sytuacji, w której jednostka produkuje szybciej, ale zespół nie potrafi zamienić tej nadprodukcji w skoordynowany postęp. Pojawia się więcej wersji dokumentów, więcej „szybkich” decyzji bez kontekstu i więcej pracy wtórnej: doprecyzowań, poprawek, uzgodnień. AI skraca pierwszy kilometr, ale wydłuża ostatni.
Wąskie gardła współpracy
Badanie pokazuje, że największym hamulcem nie jest brak kompetencji technicznych, tylko tarcia organizacyjne. Aż 83% pracowników wskazuje niejasne lub sprzeczne cele i priorytety jako przeszkodę w skutecznej współpracy między zespołami. To klasyczny problem zarządzania, który AI może co najwyżej uwidocznić — bo szybciej wytwarza „dowody” rozjazdu.
Do tego dochodzi deficyt widoczności pracy: 79% badanych nie wie, nad czym pracują inne zespoły. Gdy informacja nie krąży, AI może niechcący wzmacniać silosy — generując materiały „na własny użytek”, bez wspólnej mapy zależności. A gdy 86% osób mówi, że nie ma czasu ani przepustowości na koordynację, organizacja wpada w tryb permanentnego wykonywania zadań, w którym nikt nie ma przestrzeni na uzgadnianie sensu.
Koszt chaosu i złudzenie ROI
Skala strat wynikających z rozłączonych workflowów bywa liczona w miliardach: oszacowano, że nieefektywności związane z brakiem spójności procesów kosztują największe amerykańskie firmy setki miliardów dolarów rocznie (w przybliżeniu 161 mld). To ważny kontekst dla dyskusji o zwrocie z inwestycji w AI: jeśli organizacja nie naprawi przepływu pracy, technologia może jedynie przyspieszyć marnowanie czasu.
W tym sensie AI staje się testem dojrzałości zarządzania. Tam, gdzie cele są rozmyte, odpowiedzialności nieostre, a komunikacja przypadkowa, „przyspieszenie” bywa tylko szybszym generowaniem niepotrzebnych wytworów. W efekcie rośnie frustracja: praca jest intensywniejsza, ale mniej satysfakcjonująca i mniej przewidywalna.
Od narzędzia osobistego do warstwy koordynacji
Ciekawy jest sposób, w jaki pracownicy postrzegają AI. Najczęściej traktują ją jak narzędzie (36%) lub asystenta (30%), a tylko 13% widzi w niej „teammate”, czyli partnera w pracy zespołowej. To pokazuje, że dominują wdrożenia skoncentrowane na produktywności indywidualnej: szybciej napisać, szybciej podsumować, szybciej przygotować.
Tymczasem największe korzyści mają osiągać te organizacje, które używają AI do usprawnienia przekazywania pracy między ludźmi: budowania wspólnego kontekstu, porządkowania decyzji, ujednolicania informacji i zmniejszania tarć na styku zespołów. Na razie to mniejszość: tylko 14% firm deklaruje, że zasadniczo przebudowało procesy współpracy, zamiast jedynie „dodać AI” do istniejących praktyk.
Co powinno się zmienić w praktyce
Jeśli AI ma poprawiać jakość, a nie tylko tempo, potrzebne są trzy elementy: wspólny kontekst na poziomie zespołu, jasny podział ról między ludźmi i automatyzacją oraz kultura eksperymentowania. Wspólny kontekst oznacza jedno źródło prawdy o priorytetach, statusach i zależnościach — tak, by AI nie generowała treści w próżni, tylko w ramach uzgodnionych celów.
Jasny podział ról jest równie ważny: kiedy AI ma przygotować szkic, a kiedy człowiek ma podjąć decyzję; kto odpowiada za weryfikację, a kto za publikację; jakie są kryteria jakości. Bez tego „przyspieszenie” kończy się przerzucaniem odpowiedzialności i rosnącą liczbą poprawek. Kultura eksperymentowania natomiast pozwala poprawiać procesy iteracyjnie, zamiast wdrażać AI jako jednorazowy projekt.
Wnioski dla menedżerów i działów HR
Z perspektywy zarządzania ludźmi kluczowe jest, by nie mylić adopcji narzędzi z transformacją pracy. Wysoki odsetek użytkowników AI nie oznacza jeszcze, że organizacja działa lepiej — może oznaczać jedynie, że szybciej produkuje. Jeśli pracownicy mówią o spadku jakości, to sygnał ostrzegawczy: rośnie ryzyko błędów, wypalenia i konfliktów o priorytety.
Najbardziej pragmatyczna lekcja brzmi: AI nie zastąpi koordynacji. Może ją wspierać, ale tylko wtedy, gdy firma przestanie traktować ją jak dopalacz dla jednostek, a zacznie budować z niej „warstwę” porządkującą współpracę. W przeciwnym razie organizacje dostaną więcej pracy w krótszym czasie — i mniej realnego postępu.
Oryginalny tekst: Half of UK workers say AI is speeding up work, but making it worse, says Atlassian.
