AI

AI – drugi mózg lidera

Napisz komentarz / AI, Kompetencje menedżerskie, Zwinność /

W teorii lider zmiany powinien mieć jasność, spokój, empatię, plan, gotowość do rozmowy, odporność na napięcie i jeszcze twarz człowieka, który właśnie wrócił z urlopu.

W praktyce często ma 17 spotkań, 43 maile, trzy wersje prezentacji, jeden niedokończony harmonogram i pytanie od zespołu:

„Ale po co my to właściwie robimy?”

I wtedy zaczyna się prawdziwe zarządzanie zmianą.

Nie w PowerPoincie.
Nie w harmonogramie.
Nie w tabelce z kamieniami milowymi.

Tylko w rozmowach, niejasnościach, emocjach, pytaniach, oporze, interpretacjach i codziennym przekładaniu dużej decyzji organizacyjnej na bardzo konkretne zachowania ludzi.

Właśnie tutaj AI może być naprawdę pomocne.

Nie jako lider zmiany.
Nie jako zastępca menedżera.
Nie jako magiczna aplikacja, która „zrobi transformację”.

Raczej jako drugi mózg lidera zmiany — narzędzie, które pomaga porządkować chaos, przygotowywać komunikację, analizować ryzyka i szybciej przechodzić od ogólnych deklaracji do konkretnych działań.

Lider zmiany jest często w najtrudniejszym miejscu organizacji

W wielu zmianach menedżerowie średniego szczebla pełnią rolę organizacyjnego adaptera.

Z góry dostają strategię, decyzje, cele, terminy i slajdy.
Z dołu dostają pytania, emocje, wątpliwości, frustrację i bardzo praktyczne „a co to oznacza dla mnie?”.

A pośrodku mają jeszcze dowieźć wynik.

To jest miejsce, w którym łatwo o przeciążenie. Lider zmiany musi jednocześnie rozumieć sens zmiany, tłumaczyć ją ludziom, słuchać ich reakcji, reagować na ryzyka, wyłapywać opór, utrzymywać energię i pilnować realizacji.

Brzmi jak opis stanowiska dla człowieka i trzech półetatowych ośmiornic.

Dlatego AI może tu odegrać bardzo sensowną rolę. Nie po to, żeby zabrać liderowi odpowiedzialność, ale po to, żeby zdjąć z niego część poznawczego bałaganu.

AI może pomóc uporządkować zmianę, zanim zaczniemy ją komunikować

Jednym z częstych błędów we wdrażaniu zmian jest zbyt szybkie przejście do komunikacji.

Organizacja mówi:

„Musimy to dobrze zakomunikować”.

I zaczyna produkować komunikaty.

Tymczasem wcześniej warto zadać kilka innych pytań:

  • Czy sami dobrze rozumiemy sens tej zmiany?
  • Co dokładnie ma się zmienić w pracy ludzi?
  • Kto najbardziej odczuje zmianę?
  • Jakie pytania mogą się pojawić?
  • Jakie obawy są prawdopodobne?
  • Co w tej zmianie jest jasne, a co może być różnie interpretowane?
  • Jakie wcześniejsze doświadczenia organizacji mogą wpłynąć na odbiór tej zmiany?

To jest moment, w którym AI może pomóc liderowi przygotować się do wdrożenia. Można potraktować je jak partnera do myślenia, który pomaga rozpakować temat.

Przykładowo, lider może opisać zmianę i poprosić AI o analizę:

„Pomóż mi przeanalizować tę zmianę z perspektywy pracowników. Wypisz możliwe obawy, pytania, ryzyka komunikacyjne i elementy, które mogą wymagać doprecyzowania.”

To nie zastąpi doświadczenia lidera. Ale może bardzo szybko pokazać obszary, o których zespół projektowy jeszcze nie pomyślał.

A to już dużo.

Bo w zmianie często nie potykamy się o to, co trudne. Potykamy się o to, co uznaliśmy za oczywiste.

Jeden komunikat nie wystarczy

Kolejny obszar, w którym AI może pomóc, to komunikacja.

W wielu organizacjach komunikacja zmiany wygląda tak, jakby wszyscy odbiorcy byli jedną osobą. Powstaje jeden komunikat, najczęściej napisany językiem zarządu, prawnika albo działu komunikacji. Czasem wszystkich naraz. Wtedy robi się szczególnie ciekawie.

Problem polega na tym, że różne grupy potrzebują różnych odpowiedzi.

Zarząd chce wiedzieć, jak zmiana wspiera strategię.
Menedżerowie chcą wiedzieć, jak ją przeprowadzić.
Pracownicy chcą wiedzieć, co konkretnie zmieni się w ich codziennej pracy.
HR chce wiedzieć, jak wesprzeć ludzi.
Klienci mogą chcieć wiedzieć, czy zmiana wpłynie na jakość obsługi.

AI może pomóc przygotować różne wersje komunikatu dla różnych grup, zachowując spójność głównego przekazu.

To ważne: nie chodzi o manipulację. Chodzi o dopasowanie języka, poziomu szczegółowości i akcentów.

Ta sama zmiana może być opowiedziana na kilka sposobów:

  • językiem strategicznym,
  • językiem operacyjnym,
  • językiem korzyści,
  • językiem ryzyk,
  • językiem codziennej pracy.

Dobry lider zmiany wie, że ludzie nie zawsze potrzebują więcej komunikacji. Często potrzebują komunikacji bardziej trafionej.

AI może w tym pomóc.

AI może przygotować lidera do trudnych pytań

Jednym z najważniejszych momentów we wdrażaniu zmiany jest spotkanie z zespołem.

Nie samo ogłoszenie.
Nie monolog.
Nie slajd z hasłem „Change is opportunity”, po którym połowa sali psychicznie wychodzi po kawę.

Najważniejszy jest moment, w którym ludzie zaczynają zadawać pytania.

I to nie zawsze pytania wygodne.

„Czy będą redukcje?”
„Czy to oznacza więcej pracy?”
„Kto będzie nas tego uczył?”
„Dlaczego znowu zmieniamy coś, co jeszcze nie zaczęło działać?”
„Co się stanie, jeśli nie damy rady?”
„Czy ktoś w ogóle rozumie, jak wygląda nasza codzienna praca?”

Lider, który nie jest przygotowany na takie pytania, zaczyna improwizować. A improwizacja w zmianie bywa jak grillowanie w garniturze — niby można, ale ryzyko strat jest wysokie.

AI może pomóc przygotować listę trudnych pytań i możliwych odpowiedzi. Może też pomóc sprawdzić, czy odpowiedzi są wystarczająco konkretne, ludzkie i zrozumiałe.

Przykładowy prompt:

„Przygotuj listę 20 trudnych pytań, które mogą zadać pracownicy po ogłoszeniu tej zmiany. Do każdego pytania zaproponuj odpowiedź lidera: konkretną, spokojną i empatyczną. Unikaj korporacyjnego żargonu.”

Taki materiał nie służy do uczenia się odpowiedzi na pamięć. Służy do tego, żeby lider wszedł w rozmowę lepiej przygotowany.

Bo ludzie bardzo szybko czują, czy lider mówi do nich, czy tylko odtwarza komunikat.

Drugi mózg, nie autopilot

Warto jednak postawić jasną granicę.

AI może pomóc przygotować komunikat.
Ale nie zbuduje zaufania.

AI może podpowiedzieć pytania.
Ale nie usłyszy tonu głosu pracownika.

AI może przeanalizować ryzyka.
Ale nie weźmie odpowiedzialności za decyzje.

AI może stworzyć plan działań.
Ale nie przeprowadzi rozmowy z człowiekiem, który boi się, że po zmianie straci wpływ, kompetencje albo poczucie bezpieczeństwa.

Dlatego AI w zarządzaniu zmianą nie powinno być autopilotem. Bardziej sensowna metafora to drugi mózg.

Taki, który pomaga:

  • porządkować informacje,
  • generować warianty,
  • zauważać luki,
  • tworzyć scenariusze,
  • przygotowywać rozmowy,
  • analizować ryzyka,
  • skracać czas pracy nad materiałami.

Ale pierwszy mózg nadal powinien należeć do lidera. Razem z kręgosłupem.

Od komunikacji do planu 30/60/90

Jednym z praktycznych zastosowań AI jest przygotowanie planu działań dla lidera zmiany.

Nie chodzi o wielką metodykę wdrożeniową, która wygląda pięknie w segregatorze i nigdy nie spotyka się z rzeczywistością.

Chodzi o prosty plan:

Co robimy w pierwszych 30 dniach?
Na przykład: komunikujemy sens zmiany, zbieramy pytania, identyfikujemy ryzyka, rozmawiamy z kluczowymi grupami.

Co robimy w kolejnych 60 dniach?
Na przykład: wdrażamy pierwsze działania, monitorujemy reakcje, wspieramy menedżerów, doprecyzowujemy procesy.

Co robimy do 90 dnia?
Na przykład: sprawdzamy efekty, korygujemy działania, wzmacniamy nowe zachowania, pokazujemy pierwsze rezultaty.

AI może pomóc taki plan przygotować, ale także dostosować go do konkretnej zmiany, grupy odbiorców i kontekstu organizacji.

Można poprosić:

„Przygotuj plan działań 30/60/90 dla lidera odpowiedzialnego za wdrożenie zmiany. Uwzględnij komunikację, pracę z oporem, spotkania z zespołem, ryzyka oraz szybkie działania wzmacniające zaangażowanie.”

To dobry punkt startu. Potem lider powinien dodać własny kontekst, ograniczenia i realia organizacyjne.

Bo AI nie zna całej polityki, historii i niewypowiedzianych napięć w firmie. A one, niestety, nie znikają tylko dlatego, że w prezentacji pojawiła się ikonka rakiety.

W czym konkretnie AI może pomóc liderowi zmiany?

Najbardziej praktyczne zastosowania są bardzo proste:

  1. Przygotowanie komunikatu o zmianie
    AI może pomóc napisać komunikat prostym językiem, bez nadęcia i mgły pojęciowej.
  2. Dostosowanie przekazu do różnych grup
    Inaczej mówimy do zarządu, inaczej do menedżerów, inaczej do pracowników operacyjnych.
  3. Stworzenie FAQ dla zespołu
    Szczególnie przy zmianach, które budzą dużo pytań i niepewności.
  4. Analiza ryzyk wdrożeniowych
    AI może pomóc spojrzeć na zmianę z perspektywy ludzi, procesów, komunikacji i kultury organizacyjnej.
  5. Przygotowanie spotkania z zespołem
    Agenda, pytania do dyskusji, możliwe trudne reakcje, sposób podsumowania.
  6. Podsumowanie warsztatu lub spotkania
    Z notatek można szybko wydobyć główne tematy, decyzje, obawy i działania.
  7. Tworzenie planu działań
    Zwłaszcza gdy lider potrzebuje przejść od ogólnego „musimy to wdrożyć” do konkretnego „co robimy w tym tygodniu”.

Zmiana nadal jest po stronie ludzi

Największa wartość AI w zarządzaniu zmianą nie polega na tym, że robi coś za ludzi.

Polega na tym, że może pomóc ludziom szybciej zobaczyć, nazwać i uporządkować to, co w zmianie bywa najbardziej mgliste.

A we wdrażaniu zmian mgła jest bardzo kosztowna.

Mgła oznacza domysły.
Domysły oznaczają plotki.
Plotki oznaczają emocje.
Emocje bez rozmowy oznaczają opór.
A opór, którego nikt nie rozumie, zaczyna żyć własnym życiem.

Dlatego AI może być wartościowym wsparciem dla lidera zmiany. Szczególnie wtedy, gdy pomaga przygotować lepsze rozmowy, lepsze pytania i lepsze decyzje.

Ale sama zmiana nadal dzieje się między ludźmi.

W rozmowie.
W zaufaniu.
W decyzjach.
W konsekwencji.
W codziennych zachowaniach.

AI może być drugim mózgiem lidera zmiany.

Ale serce, odwaga i odpowiedzialność nadal muszą być ludzkie.

Może to dla Ciebie?

Jeśli przygotowujesz wdrożenie zmiany, nie traktuj AI jak magicznego konsultanta, który „ogarnie temat”.

Potraktuj je jak praktycznego asystenta lidera zmiany.

Niech pomoże Ci szybciej uporządkować chaos, przygotować komunikację, przewidzieć pytania i zaplanować działania.

Bo w zmianie nie wygrywa ten, kto ma najładniejszy slajd.

Wygrywa ten, kto potrafi pomóc ludziom przejść z niepewności do działania.

AI – drugi mózg lidera Dowiedz się więcej »

Analiza potrzeb szkoleniowych to nie strata czasu, choć może zająć wiele godzin

Analiza potrzeb szkoleniowych to nie strata czasu, choć może zająć wiele godzin

Napisz komentarz / AI /

Gdy badanie potrzeb szkoleniowych obejmuje dziesiątki albo setki ankiet z odpowiedziami na pytania otwarte, trener zyskuje wartościowy materiał, ale płaci za to czasem potrzebnym na analizę. Modele językowe mogą ten etap znacząco skrócić.

RAPS, czyli praca, której nie widać

Jako trener często wykonuję RAPS, czyli Rozpoznanie i analizę potrzeb szkoleniowych. To jeden z tych etapów pracy, którego uczestnicy szkolenia (i zamawiający) zwykle nie widzą. Widzą później program, ćwiczenia, prezentację, materiały i sposób prowadzenia zajęć.

Etap RAPS często decyduje, czy szkolenie będzie odpowiedzią na konkretne potrzeby firmy i uczestników, czy tylko dobrze opisaną usługą rozwojową.

Jeśli badanie obejmuje kilka ankiet, sprawa jest prosta. Można je spokojnie przeczytać, zaznaczyć ważne fragmenty i wyciągnąć wnioski. Ale co zrobić, kiedy ankiet jest 30, 50, 100 albo 200? A każda zawiera odpowiedzi na pytania otwarte?

Pytania otwarte dają wartość, ale ich analiza zabiera czas

Lubię pytania otwarte w badaniu potrzeb szkoleniowych, bo pozwalają uczestnikom opisać sytuację i potrzeby własnymi słowami.

Jedna osoba pisze konkretnie. Druga ogólnie. Trzecia porusza kilka wątków w jednej odpowiedzi. Czwarta sygnalizuje problem, który łatwo przeoczyć, jeśli analizę robi się zbyt szybko.

To wartościowy materiał. W odpowiedziach można znaleźć przykłady z codziennej pracy, powtarzające się trudności, oczekiwania wobec szkolenia, obawy uczestników i tematy, które warto doprecyzować z klientem. Tyle że za tę wartość trener płaci czasem.

Trzeba przeczytać odpowiedzi, wychwycić powtarzające się wątki, zauważyć różnice między grupami, odróżnić pojedyncze sygnały od dominujących tematów i sprawdzić, co z tego wynika dla programu szkolenia.

I nagle analiza potrzeb szkoleniowych, która sama w sobie jest bardzo potrzebna, zaczyna zajmować wiele godzin.

Znasz to?

Czas RAPS “zjada” część wynagrodzenia trenera

Jest jeszcze jeden aspekt, o którym rzadko mówimy wprost. Czas poświęcony na RAPS to w praktyce część wynagrodzenia, które trener otrzymuje za przygotowanie i prowadzenie szkolenia.

Klient najczęściej widzi dzień szkoleniowy, program, materiały i efekt pracy na sali. Znacznie rzadziej widzi godziny spędzone wcześniej na analizie ankiet, wyciąganiu wniosków i dopasowywaniu programu do potrzeb grupy.

Większość trenerów nie dolicza RAPS jako osobnej pozycji w wycenie. Ten czas jest po prostu „w cenie” szkolenia.

Jeżeli analiza potrzeb szkoleniowych zajmuje wiele dodatkowych godzin, to nie jest tylko kwestia obciążenia kalendarza. To także kwestia rentowności pracy trenera.

Modele językowe jako wsparcie w analizie

Obecnie wykorzystuję modele językowe jako wsparcie w analizie potrzeb szkoleniowych. Wykorzystuję je między innymi do pracy z kwestionariuszami, które zawierają odpowiedzi na pytania otwarte.

Model językowy może pomóc szybciej zobaczyć:

  • jakie tematy powtarzają się najczęściej,
  • jakie potrzeby uczestnicy opisują różnymi słowami,
  • które problemy warto potraktować jako główne obszary szkolenia,
  • jakie pojedyncze sygnały wymagają uwagi,
  • czym różnią się odpowiedzi różnych grup uczestników,
  • jakie wnioski można wykorzystać w dalszym projektowaniu szkolenia.

Dzięki temu trener szybciej przechodzi od surowego materiału do pierwszego oglądu sytuacji. Nadal musi ten obraz zweryfikować. Nadal musi znać kontekst klienta. Nadal musi zdecydować, co z tych danych naprawdę wynika dla programu szkolenia.

Ale nie musi zaczynać od wielogodzinnego ręcznego układania wszystkich odpowiedzi od zera.

Dlaczego stworzyłem własnego Asystenta RAPS?

Z czasem zauważyłem, że samo korzystanie z modelu językowego to dopiero pierwszy krok. Za każdym razem trzeba mu wyjaśniać kontekst. Przypominać, czym jest RAPS. Doprecyzowywać, jakiego typu wniosków oczekuję. Pilnować, żeby analiza była użyteczna z perspektywy projektowania szkolenia, a nie tylko poprawna językowo.

Właśnie dlatego stworzyłem własnego Asystenta RAPS.

Asystent jest lepszy do tego zadania niż jednorazowa rozmowa z modelem językowym, ponieważ pracuje w stałym kontekście. Ma przypisaną rolę, zna cel analizy i jest przygotowany do pracy na materiałach wejściowych typowych dla badania potrzeb szkoleniowych.

Nie trzeba za każdym razem zaczynać od początku.

Pokażemy to na żywo podczas webinaru

12 maja o 10:00 zapraszamy na bezpłatny webinar live dla trenerów:

„Jak przeanalizować 50 kwestionariuszy w 15 minut? – analiza potrzeb szkoleniowych z AI”

Webinar poprowadzą Jarosław Rubin i Marek Naumiuk, trenerzy i konsultanci zarządzania, współautorzy książki „Zwinnologia 2.0”.

Podczas webinaru pokażemy na żywo, jak AI może wspierać trenera w analizie kwestionariuszy. Nie będziemy tylko opowiadać, że modele językowe skracają czas pracy. Pokażemy praktyczny przykład: jak przejść od 50 kwestionariuszy do wniosków, które można wykorzystać w dalszym projektowaniu szkolenia.

Webinar potrwa 45 minut + Q&A.

Zapisz się na webinar i zobacz na żywo, jak w kilkanaście minut przejść od 50 kwestionariuszy do wniosków przydatnych w projektowaniu szkolenia.

Zapisz się na webinar
Webinar: Jak przeanalizować 50 kwestionariuszy w 15 minut? – analiza potrzeb szkoleniowych z AI

Analiza potrzeb szkoleniowych to nie strata czasu, choć może zająć wiele godzin Dowiedz się więcej »

7 sygnałów, że Twoja organizacja wchodzi w 2026 bez amortyzatorów

Napisz komentarz / AI, Kultura organizacyjna, Strategia, Zwinne Zarządzanie Zmianą, Zwinność /

To nie są „problemy operacyjne”.
To są pierwsze objawy przeciążenia systemu zmiany.

Jeśli rozpoznajesz je u siebie – to nie jest kwestia czy coś się posypie.
Tylko gdzie i kiedy.

1. „To już było…” – cynizm zamiast ciekawości

„Już to robiliśmy.”
„Znowu kolejny program.”
„Poczekajmy, aż minie.”

To nie jest opór.
To jest organizm, który nie ma już przestrzeni na kolejną zmianę.

Cynizm to pierwszy objaw wypalenia zmianą.

2. Zmiany są „wdrożone”, ale nikt z nich nie korzysta

Formalnie: ✔
Operacyjnie: ❌

Ludzie robią obejścia, skracają drogę, wracają do starych nawyków.

To znak, że organizacja traci zdolność adaptacji, a zmiany dzieją się tylko „na papierze”.

3. AI komunikuje szybciej niż menedżerowie decydują

Komunikaty lecą.
Decyzje… jeszcze się „krystalizują”.

Technologia zaczyna zastępować odpowiedzialność.
A to prosta droga do przyspieszonego chaosu.

4. Wszyscy są zajęci, ale nikt nie wie, co jest naprawdę ważne

Wszystko jest pilne.
Wszystko jest strategiczne.
I wszystko walczy o uwagę tych samych ludzi.

To nie jest intensywność.
To jest brak portfela zmian.

5. Menedżerowie stają się przekaźnikiem maili, nie liderami zmiany

Więcej tłumaczą „co”, niż „dlaczego”.
Więcej komunikują, niż chronią ludzi przed przeciążeniem.

To znak, że system zmiany przestał mieć filtry bezpieczeństwa.

6. Problemy są „omijane”, zamiast być rozwiązywane

„Jakoś to działa.”
„Nie ruszajmy, bo się posypie.”

To nie jest stabilność.
To jest kultura, która przestaje być adaptacyjna.

7. Firma zmienia się szybko… ale nie mądrzej

Jest tempo.
Nie ma uczenia się.

Są projekty.
Nie ma korekt.

To moment, w którym organizacja zaczyna się zużywać szybciej, niż się rozwija.

I teraz najważniejsze:

Te sygnały nie są jeszcze kryzysem.
One są momentem, w którym można jeszcze bardzo dużo uratować.

I dokładnie temu poświęcony jest nasz e-book.

Nie „co wdrożyć”.
Tylko:

  • jak odzyskać sterowność,
  • jak chronić ludzi,
  • jak zbudować zdolność do zmiany, zanim ona się wyczerpie.

👉 Jeśli rozpoznajesz 2–3 z tych sygnałów – to nie jest ciekawostka.
To jest moment, żeby sięgnąć po „Trendy w zarządzaniu zmianą 2026”.

Bo 2026 nie zapyta, czy jesteś gotowy.
On to po prostu sprawdzi.

7 sygnałów, że Twoja organizacja wchodzi w 2026 bez amortyzatorów Dowiedz się więcej »

Jak zwinne zarządzanie zmianą pomaga wdrażać AI z sukcesem

Dlaczego 95% wdrożeń AI nie przynosi efektów biznesowych

Napisz komentarz / AI, Zwinne Zarządzanie Zmianą /

Jak zwinne zarządzanie zmianą pomaga wdrażać AI z sukcesem

Dane opublikowane przez MIT / Sloan Management Review w latach 2024–2025 pokazują skalę problemu, z którym mierzy się dziś wiele organizacji. Około 95% pilotaży generatywnej AI nie przekłada się na zakładane rezultaty biznesowe. Co istotne, nie są to firmy pozbawione budżetów czy dostępu do technologii. Przeciwnie – to często organizacje dobrze przygotowane od strony narzędziowej.

Skala tych niepowodzeń nie wynika więc z ograniczeń technologii, lecz z tego, jak organizacje próbują nią zarządzać. I to właśnie ten obszar – sposób prowadzenia zmiany – staje się kluczowy dla powodzenia wdrożeń AI.

Problem nie leży w technologii

Raport MIT konsekwentnie pokazuje, że AI bardzo często funkcjonuje w firmach jako odizolowany eksperyment. Narzędzia są testowane i prezentowane, ale nie stają się integralną częścią codziennych procesów pracy. Pilotaże kończą się na etapie proof-of-concept, ponieważ organizacja nie zmienia sposobu podejmowania decyzji ani zasad współpracy między zespołami.

W praktyce oznacza to, że AI trafia do środowiska, które nie jest przygotowane na zmianę. To właśnie w tym miejscu zaczyna się rola zwinnego podejścia do zarządzania zmianą.

Jak zwinne zarządzanie zmianą pomaga wdrażać AI z sukcesem

Wdrożenia AI jako powtórka znanych błędów

Z perspektywy zarządzania zmianą wnioski te nie są zaskakujące. Wdrożenia AI bardzo często powielają schematy znane z innych, nieudanych transformacji. Organizacje zbyt szybko przechodzą do wyboru rozwiązań, pomijając etap zrozumienia problemu, traktują AI jak projekt IT zamiast zmiany sposobu pracy ludzi oraz oczekują przewidywalności w warunkach wysokiej niepewności.

Zwinne podejście nie eliminuje tych napięć, ale pozwala nimi zarządzać w sposób świadomy i iteracyjny, zamiast udawać, że da się wszystko zaplanować z góry.

Złożoność i iluzja kontroli

Wdrożenia AI odbywają się w warunkach złożoności, w których nie da się jednoznacznie przewidzieć skutków decyzji podjętych na starcie. Próby szczegółowego planowania dają jedynie złudzenie kontroli. To jeden z głównych powodów, dla których wiele inicjatyw zatrzymuje się na pilotażu i nigdy nie przechodzi do etapu realnej wartości biznesowej.

Z perspektywy raportu MIT widać wyraźnie, że tam, gdzie dominuje niepewność i zmienność, liniowe podejście do wdrażania zmian przestaje działać.

Zwinne podejście jako warunek sukcesu

Zwinne zarządzanie wdrożeniami AI jest dziś nie tyle wyborem metody, co warunkiem sensownego prowadzenia zmiany w warunkach niepewności. Oznacza to odejście od myślenia w kategoriach jednorazowego wdrożenia na rzecz krótkich cykli uczenia się, testowania i korekty kierunku.

W takim podejściu wartość biznesowa nie jest w pełni znana na początku – jest stopniowo odkrywana w działaniu, w realnym kontekście pracy zespołów.

Pilotaż jako źródło wiedzy, nie dowód słuszności

W podejściu zwinnym pilotaż nie ma udowodnić, że technologia działa. Jego rolą jest sprawdzenie, jak zmienia się sposób pracy ludzi, gdzie pojawiają się bariery i jakie decyzje organizacyjne są potrzebne, aby AI mogła być skalowana. To moment, w którym organizacja uczy się, a nie tylko testuje narzędzie.

Dopiero na tej podstawie możliwe jest przejście od eksperymentu do trwałej, konkretnej wartości biznesowej.

Wnioski dla menedżerów

Raport MIT nie jest ostrzeżeniem przed AI. Jest ostrzeżeniem przed błędnym sposobem jej wdrażania. Technologia może być gotowa, ale organizacja często nie nadąża za zmianą. Tam, gdzie AI jest traktowana jako element szerszej transformacji i prowadzona w sposób iteracyjny, szanse na sukces znacząco rosną.

Dla menedżerów kluczowe pytanie nie brzmi dziś „jakie narzędzie AI wybrać”, lecz „jak poprowadzić organizację przez zmianę w warunkach niepewności”. To właśnie dlatego zwinne zarządzanie zmianą staje się jednym z kluczowych czynników sukcesu wdrożeń AI.

Dlaczego 95% wdrożeń AI nie przynosi efektów biznesowych Dowiedz się więcej »

Agentic Organization: nadchodzi nowy paradygmat zarządzania. Czy Twoja firma jest gotowa?

Napisz komentarz / AI, Kultura organizacyjna, Strategia, Zwinne Zarządzanie Zmianą, Zwinność /

Jeszcze kilka lat temu dyskutowaliśmy o tym, jak przejść z modelu industrialnego do cyfrowego, jak zbudować zwinne struktury, jak skrócić pętle decyzyjne i dać zespołom większą sprawczość. A dziś… ten model już zaczyna trzeszczeć.

Według najnowszego raportu McKinsey „The agentic organization: Contours of the next paradigm for the AI era” rozpoczyna się era organizacji agentycznych — takich, w których ludzie pracują ramię w ramię z wirtualnymi i fizycznymi agentami AI, tworząc nowy sposób funkcjonowania firm. I nie chodzi tu o kolejną warstwę automatyzacji, ale o zmianę fundamentów operacyjnych.
the-agentic-organization-contou…

Brzmi jak wizja przyszłości? Tak. Ale McKinsey podkreśla jedno: pierwsi już tam są.

🔍 Czym jest agentic organization?

W klasycznym modelu cyfrowym to ludzie projektowali procesy, a technologia je wspierała.
W modelu agentycznym procesy są projektowane jako AI-first, a ludzie pełnią rolę:

  • tych, którzy nadają kierunek,
  • definiują cele,
  • nadzorują pracę flot agentów,
  • oraz wchodzą do gry tam, gdzie potrzebna jest empatia, interpretacja lub decyzja wymagająca kontekstu.

W takim ujęciu człowiek nie traci roli — zmienia ją. Staje się strategiem, nawigatorem i architektem decyzji, a nie wykonawcą zadań.

🔧 Pięć filarów nowego paradygmatu

McKinsey wyróżnia pięć kluczowych obszarów, które organizacje będą musiały przeprojektować:

1. Model biznesowy – hiperpersonalizacja i dane jako przewaga

Klienci będą korzystać nie z aplikacji, lecz z osobistych agentów — cyfrowych concierge’y negocjujących, zamawiających, planujących.
Firma, która nie ma dostępu do jakościowych, unikatowych danych, nie będzie miała czym konkurować.

2. Model operacyjny – od silosów do agentic teams

McKinsey opisuje zespoły, w których 2–5 osób nadzoruje nawet 50–100 wyspecjalizowanych agentów.
To nie science fiction, to projekty, które już trwają — np. bankowe „agent factories”, które skracają procesy KYC o połowę czasu.

3. Governance – kontrola w czasie rzeczywistym

Zamiast comiesięcznego przeglądu KPI — agent nadzorczy, który wykrywa odstępstwa w sekundę.
Zamiast ryzyka „shadow IT” — wbudowane guardrails, compliance i traceability jako domyślne elementy każdego procesu.

4. Ludzie i kultura – nowa architektura kompetencji

Powstają trzy nowe grupy ról:

  • M-shaped supervisors – szeroko patrzący, AI-fluent liderzy procesów end-to-end
  • T-shaped experts – specjaliści od wyjątków i jakości
  • AI-empowered frontline – pracownicy, którzy więcej czasu spędzają z ludźmi niż z systemami

Największe wyzwanie? Zachować spójność kulturową, kiedy tempo zmian będzie większe niż kiedykolwiek.

5. Technologia i dane – agentic mesh i agent-to-agent communication

To największy game changer.
Zamiast budować kolejne API i integracje, systemy będą komunikowały się… agentami.

Efekt?
Integracje za tygodnie, nie miesiące.
Eksperymenty za dni, nie kwartały.
A demokratyzacja tworzenia narzędzi wzrośnie do poziomu, który trudno sobie dziś wyobrazić.

🚀 Dlaczego to jest ważne dla liderów zmian?

Bo to nie jest kolejna technologia, którą można wdrożyć „obok”.
To nowy operating system organizacji.

McKinsey ostrzega przed pułapką:

„More pilots than Lufthansa”
czyli firmami, które mają dziesiątki eksperymentów AI, ale zero wartości biznesowej.

To świetnie brzmi jak komentarz do dzisiejszych realiów: entuzjazm jest, narzędzia są, ale model działania pozostaje taki sam jak w 2018 roku.

📌 Od czego zacząć drogę do agentic organization?

McKinsey wskazuje trzy radykalne przesunięcia w myśleniu:

1. Z liniowego na wykładnicze

Organizacje zmieniają się liniowo, AI rośnie wykładniczo — to rodzi przepaść.
Trzeba przebudować strukturę szybciej, niż dyktuje to intuicja.

2. Z technologicznego na przyszłość-wstecz

Nie pytaj: „co możemy zrobić z tą technologią?”.
Pytaj: „jak będzie wyglądać nasza organizacja za trzy lata?” — i dopiero potem dobieraj narzędzia.

3. Z lęku na szansę

Pracownicy muszą rozumieć, że to nie jest redukcja ich wartości, ale wzrost ich roli w organizacji.
Bez tego agentic organization nie powstanie.

🎯 Co to oznacza dla transformacji zwinnych?

Agentic organization to w zasadzie zwinność 3.0 — zwinność nie zespołów, lecz całych systemów.
To również naturalna odpowiedź na świat SPAM/BANI, o którym piszemy w Zwinnologii 2.0: ciągła adaptacja, praca na hipotezach, cykle uczenia się i skracanie pętli decyzyjnych.

Agile staje się tu nie tyle metodą, co podejściem strategicznym do zarządzania złożonością.

🔚 Podsumowanie: przyszłość już się zaczęła

Agentic organization nie jest wizją odległą.
To realne działania pionierów, którzy wiedzą, że przewaga konkurencyjna będzie zależeć od tego, jak szybko potrafimy przenieść ciężar pracy z ludzi na agentów, a ciężar odpowiedzialności – z agentów na ludzi.

To moment, w którym liderzy transformacji mogą stać się kluczowymi architektami przyszłości organizacji.

Pytanie tylko:
czy Twoja firma zacznie działać teraz, czy będzie czekać, aż „wszyscy już tam będą”?

Agentic Organization: nadchodzi nowy paradygmat zarządzania. Czy Twoja firma jest gotowa? Dowiedz się więcej »

Ile naprawdę trwa zbudowanie 80% dystrybucji nowego produktu FMCG?

Napisz komentarz / AI, Kultura organizacyjna, Strategia, Zarządzanie projektami, Zwinne Zarządzanie Zmianą, Zwinność /

(I dlaczego to prawie nigdy nie jest miesiąc)

W branży FMCG wszyscy chcielibyśmy, żeby nowy produkt „wszedł” do sklepów w miesiąc. Brzmi pięknie: szybka dystrybucja, szybka ekspozycja, szybkie wyniki. Niestety, rzeczywistość rynkowa ma swoje prawa i nie zawsze zgadza się z naszymi KPI.

W tym wpisie rozkładam temat na czynniki pierwsze i pokazuję, ile realnie trwa zbudowanie 80% dystrybucji, jeśli pracujemy w standardowym modelu wizyt przedstawicieli handlowych.

🚚 Jak wygląda typowa częstotliwość wizyt?

Założenie z życia wzięte:

  • 50% sklepów – wizyta co tydzień (4 wizyty/miesiąc)
  • 50% sklepów – wizyta co dwa tygodnie (2 wizyty/miesiąc)
  • Produkt jest nowy, więc dystrybucja rośnie tylko wtedy, kiedy przedstawiciel jest w sklepie i może zrobić listing.

Średnio każdy sklep jest więc widziany raz na 1,5 tygodnia, czyli minimum raz w miesiącu.

Brzmi obiecująco, prawda? Każdy sklep odwiedzony = każdy sklep „do wzięcia”.

Niestety… to dopiero początek historii.

🧠 Czemu 100% odwiedzeń ≠ 100% dystrybucji?

Sklepy nie działają w trybie „kliknij i zamów”.
Na przeszkodzie stoją najróżniejsze czynniki:

  • brak miejsca na półce
  • brak obecności właściciela
  • nieufność wobec nowości
  • zamknięte okienka zamówień
  • czekanie na rotację innego produktu
  • obawy przed wzięciem czegoś, co „może nie pójść”

Dlatego absolutnie kluczowa jest konwersja wizyty na listing.

🧮 A więc policzmy to “po FMCG”

Na rynku od lat funkcjonują dość stabilne benchmarki:

  • Pierwsza wizyta → listing: 30–50%
  • Druga → +20–30% z pozostałych
  • Trzecia i kolejne → +10–15% z pozostałych

To daje dość realistyczny model wzrostu dystrybucji.

Przyjmijmy więc wariant umiarkowany:

1️⃣ Pierwsza wizyta → 40%
2️⃣ Druga wizyta → +30% z pozostałych
3️⃣ Kolejne wizyty → +15% z pozostałych

Teraz łączymy to w miesięczną symulację.

📈 Symulacja: miesiąc po miesiącu

Po 1. miesiącu

Każdy sklep odwiedzony przynajmniej raz.
Konwersja: 40% dystrybucji.

Po 2. miesiącu

Drugie dotarcie do całej bazy.
Z pozostałych 60% pozyskujemy 30% → +18%.
Razem: 58% dystrybucji.

Po 3. miesiącu

Kolejna fala:
Z pozostałych 42% pozyskujemy 15% → +6,3%.
Razem: 64,3%.

Po 4. miesiącu

Z pozostałych ~36% — kolejnych 5,4%.
Razem: 69,7%.

Po 5. miesiącu

Z pozostałych ~30% — około 4,5%.
Razem: ~74%.

Po 6. miesiącu

Kolejne 3,5–4%.
Razem: ~78–80% dystrybucji.

🎯 Finalny wynik?

**Budowa 80% dystrybucji nowego produktu zajmuje:

👉 5,5–6 miesięcy**

Nie tydzień.
Nie dwa.
I, niestety, zazwyczaj nie miesiąc.

🧩 Dlaczego to tyle trwa?

Bo dystrybucja nie jest jednorazowym „wejściem do sklepu”.
To proces zachowań, decyzji, ograniczeń i… zwykłego ludzkiego oporu przed nowościami.

Każde kolejne dotarcie działa jak „kolejna warstwa argumentów”:

  • najpierw bierzemy innowatorów i entuzjastów nowości,
  • potem pragmatyków, którzy chcą dowodów,
  • dopiero na końcu sceptyków, którzy zmieniają się, kiedy „wszyscy już to mają”.

I właśnie dlatego realny wzrost dystrybucji ma kształt fali — nie sprintu.

🏁 Podsumowanie

Jeśli planujesz wdrożenie nowego SKU, warto od razu zakładać:

  • minimum 6 miesięcy, żeby dostać się do 80% sklepów,
  • i zaplanować komunikację, trade marketing i egzekucję, która będzie wspierała każdą falę adopcji.

A jeśli ktoś w firmie pyta: „Dlaczego nie możemy zrobić tego w miesiąc?”
— śmiało odeślij ich do tego wpisu 😉

Ile naprawdę trwa zbudowanie 80% dystrybucji nowego produktu FMCG? Dowiedz się więcej »

AI wie, że zespół jest zmęczony. Co z tym zrobisz?

Napisz komentarz / AI, Kultura organizacyjna, Strategia, Zarządzanie projektami, Zwinne Zarządzanie Zmianą, Zwinność /

W poprzednim wpisie pisałem o tym, jak sztuczna inteligencja potrafi przewidzieć opór wobec zmian, zanim jeszcze stanie się widoczny.
Ale sama prognoza niczego nie zmienia.
Kluczowe pytanie brzmi: co organizacja zrobi z tą wiedzą?

1. Zmiana zaczyna się od rozmowy, nie od dashboardu

Wielu liderów marzy o panelu, który „zmierzy emocje zespołu” i pokaże czerwone światło, gdy coś idzie nie tak.
Problem w tym, że sama wizualizacja nie załatwia niczego, jeśli brakuje kultury rozmowy.
AI może podpowiedzieć, gdzie patrzeć, ale to człowiek musi zdecydować, jak reagować.

Jeśli system pokazuje spadek nastrojów — to nie sygnał do uruchomienia procedury kryzysowej, tylko zaproszenie do empatycznej rozmowy.
To moment, by lider zapytał: „Co się dzieje? Czego potrzebujecie?”, a nie: „Dlaczego spadły wskaźniki?”.

2. Predykcja bez zaufania = kontrola

Największym ryzykiem przy wdrażaniu AI w zarządzaniu zmianą jest to, że zamiast wspierać dialog, zaczyna go zabijać.
Jeśli ludzie czują, że są obserwowani, a nie rozumiani — pojawia się strach, a potem właśnie… opór.

Dlatego każda analityka predykcyjna powinna iść w parze z transparentną komunikacją.
Ludzie muszą wiedzieć, jakie dane są analizowane, po co, kto je widzi i jak są interpretowane.
Bez tego AI stanie się kolejnym narzędziem kontroli, a nie zaufania.

3. Od danych do działań – w pętli uczenia

Organizacje, które korzystają z AI w zarządzaniu zmianą, uczą się w trzech krokach:

1️⃣ Obserwują dane – zbierają sygnały z różnych źródeł: ankiet, komunikacji, wydajności.
2️⃣ Eksperymentują – testują różne sposoby reagowania: rozmowy, warsztaty, doprecyzowanie celu.
3️⃣ Uczą się – analizują, co zadziałało, a co nie, i modyfikują podejście.

To nic innego jak zwinne zarządzanie zmianą w praktyce – iteracyjne, oparte na małych krokach i szybkim feedbacku.
AI dostarcza danych, ale to ludzie tworzą sens.

4. Zamiast mierzyć nastroje – ucz się ich rozumieć

Zwinna analityka nie jest po to, żeby „naprawiać ludzi”.
Jest po to, by organizacja mogła szybciej rozumieć, co dzieje się pod powierzchnią.
Czasem to zmęczenie, czasem brak sensu, a czasem po prostu nadmiar równoległych inicjatyw.

Sztuczna inteligencja może wychwycić wzorce.
Ale tylko człowiek potrafi nadać im znaczenie i przekuć w działanie, które naprawdę coś zmienia.


AI może być najlepszym sojusznikiem lidera zmiany — pod warunkiem, że nie zastąpi mu ciekawości i empatii.
Nie chodzi o to, by wiedzieć więcej o ludziach.
Chodzi o to, by rozumieć ich lepiej – i reagować szybciej, mądrzej, bardziej po ludzku.

💬 Już niedługo na blogu: „Jak budować kulturę zaufania wokół danych i AI w organizacji”.
Bo zaufanie to nie dodatek do zmiany. To jej silnik.

AI wie, że zespół jest zmęczony. Co z tym zrobisz? Dowiedz się więcej »

Zobacz, jak AI wspiera zarządzanie projektami – pomaga tworzyć kartę projektu, plan działań i harmonogram bez zbędnej biurokracji.

AI jako Asystent menedżera projektu – planowanie bez chaosu

Napisz komentarz / AI, Zarządzanie projektami /

Zarządzanie projektami: Masz poprowadzić projekt?
Wielu menedżerów w tym momencie otwiera nowy plik, zapisuje nazwę projektu i… działa. Dokumenty? Czasem ktoś wspomni o karcie projektu, czasem o harmonogramie, ale zwykle pojawia się myśl: „nie mamy czasu na papierologię”.

Problem w tym, że brak tych kilku podstawowych dokumentów mści się szybciej, niż się wydaje. Cele stają się niejasne, priorytety rozjeżdżają się między zespołami, a projekt – zamiast ruszyć z energią – grzęźnie w spotkaniach, mailach i niekończących się dyskusjach. W efekcie zaczynasz gasić pożary, zamiast zarządzać projektem.

Ważne dokumenty w fazie planowania projektu

Zarządzanie projektami: Masz poprowadzić projekt? Wielu menedżerów w tym momencie otwiera nowy plik, zapisuje nazwę projektu i… działa. Dokumenty? Czasem ktoś wspomni o karcie projektu, czasem o harmonogramie, ale zwykle pojawia się myśl: „nie mamy czasu na papierologię”.

Każdy dobrze zaplanowany projekt zaczyna się od kilku kluczowych dokumentów. Tworzymy je nie po to, żeby wypełniać tabelki, ale by uporządkować myślenie i nadać wspólny kierunek. To ważny etap zarówno dla zespołu projektowego, jak i dla interesariuszy projektu. Przy wsparciu AI stworzysz:

Karta projektu to pierwszy krok: dokument, który odpowiada na pytanie po co w ogóle to robimy. Pomaga nazwać cel, uzasadnienie biznesowe i to, jak rozumiemy sukces. Bez niej trudno oczekiwać, że zespół będzie wiedział, dokąd zmierza.

Lista działań to punkt wyjścia do dalszego planowania: zawiera wypisane zadania niezbędne do realizacji projektu, stanowi podstawę do tworzenia podziału pracy (WBS) oraz harmonogramu.

Struktura podziału pracy (WBS – Work Breakdown Structure) pozwala rozbić duży cel na mniejsze, możliwe do zaplanowania obszary działań i konkretne zadania i podzadania w ramach tych obszarów.

Harmonogram projektu nadaje rytm działaniom: pokazuje, co jest zależne od czego, kiedy ruszamy i kiedy kończymy. To nic innego jak mapa sporządzona na linii czasu, po której porusza się zespół.

Plan budżetu to nie tylko liczby: to sposób na świadome zarządzanie ograniczeniami. Pozwala uniknąć zaskoczenia, gdy w połowie projektu brakuje środków na kluczowe działania lub inwestycje.

Plan komunikacji jest często niedoceniany, a to właśnie on decyduje, czy zespół pracuje spójnie, a odbiorcy projektu i interesariusze angażują się w projekt. Dobrze przygotowany eliminuje chaos informacyjny i minimalizuje liczbę negatywnych reakcji.

Do tego dochodzi rejestr (macierz) ryzyk, który uczy przewidywania oraz planowania reakcji na wydarzenia, które mogą zakłócić realizację projektu.

To wszystko nie jest biurokracją – to język wspólnego zrozumienia projektu.

Zwinne podejście też planuje

W podejściu zwinnym często powtarza się: Working software over comprehensive documentation, czyli działające oprogramowanie ważniejsze niż obszerna dokumentacja. W szerszym ujęciu można to zapisać: rezultat projektu jest ważnieszy niż obszeran dokumentacja Ale nie znaczy to, że dokumenty są zbędne. Wręcz przeciwnie – są po prostu lżejsze, bardziej praktyczne i aktualne.

W zwinnych projektach zamiast grubych plików powstają krótkie karty, tablice Kanban, backlogi i proste kanwy (Kanwa Zmiany, kanwa projektu, Tablica eksperymentów). Ich celem jest dokładnie to samo, co w podejściu tradycyjnym – wspólne zrozumienie kierunku, zakresu i celu realizowanego projektu.
AI świetnie odnajduje się w tym środowisku. Może pomóc aktualizować dokumenty, streszczać rozmowy zespołu, a nawet wspierać retrospekcje i planowanie kolejnych iteracji.

Podsumowanie: zarządzanie projektami przy wsparciu AI

Tworzenie dokumentów na etapie planowania projektu nie jest celem samym w sobie. To sposób na zbudowanie wspólnego obrazu przedsięwzięcia: tego, co, dlaczego i jak chcemy osiągnąć.
Dobrze przygotowana dokumentacja nie ogranicza, lecz uwalnia zespół od chaosu, pozwalając skupić się na realizacji.
AI w tej roli staje się partnerem menedżera projektu – kimś, kto wspiera porządkowanie myśli, pilnuje logiki planu i przyspiesza proces przygotowania dokumentów, zachowując ich sens i przejrzystość.

Zobacz, jak to działa w praktyce

Już 27 października o 10:00 pokażemy podczas bezpłatnego webinaru, jak sztuczna inteligencja może pełnić rolę Asystenta menedżera projektu. Zobaczysz na żywo, jak AI pomaga tworzyć kartę projektu i inne dokumenty planowania – szybko, konkretnie i bez stresu.

Zapisz się na webinar „AI w zarządzaniu projektami – pierwsze kroki bez stresu” i przekonaj się, jak AI może uprościć Twoją codzienną pracę menedżera projektu.

Chcesz zgłębić temat i zdobyć praktyczne umiejętności? Zapraszamy na szkolenie Zarządzanie Projektem przy wsparciu narządzi AI we Wrocławiu 13-14.11.2025.

AI jako Asystent menedżera projektu – planowanie bez chaosu Dowiedz się więcej »

Jak AI pomaga prowadzić projekty, gdy zarządzanie projektami nie jest Twoim głównym zajęciem

Jak AI pomaga prowadzić projekty, gdy zarządzanie projektami nie jest Twoim głównym zajęciem

Napisz komentarz / AI, Kompetencje menedżerskie, Zarządzanie projektami /

Projekty są dziś wszędzie

Zdarza Ci się, że nagle dostajesz do poprowadzenia projekt, choć formalnie nie jesteś project managerem? Nowy system benefitów w HR, wdrożenie kampanii marketingowej, zmiana procesu w produkcji…
Takie sytuacje są dziś codziennością. W wielu firmach projekty prowadzą osoby, które na co dzień mają zupełnie inne obowiązki.

Właśnie z myślą o takich osobach powstał warsztat „Zarządzanie projektem przy wsparciu AI (krok po kroku)”. Uczę na nim, jak zaplanować i przeprowadzić projekt od pomysłu do efektu, korzystając z narzędzi sztucznej inteligencji, które nie zastępują człowieka, lecz pomagają mu działać szybciej, mądrzej i spokojniej.

AI jako partner w codziennym prowadzeniu projektu

AI nie robi projektu za nas. Ale może stać się asystentem, który:

  • pomaga uporządkować cele i zadania,
  • przygotowuje pierwsze wersje planu, harmonogramu czy komunikatu dla zespołu,
  • podpowiada ryzyka, zależności i priorytety.

Na przykład w fazie inicjowania projektu możesz w kilka minut wygenerować z AI szkic Karty Projektu czy propozycję planu komunikacji zmiany. W fazie realizacji – poprosić o wsparcie w monitorowaniu postępu lub tworzeniu krótkich podsumowań dla interesariuszy.

Z mojego doświadczenia wynika, że to ogromna ulga dla osób, które nie mają doświadczenia w zarządzaniu projektami, bo dzięki AI zyskują „drugą parę oczu” i narzędzie, które wspiera na każdym etapie projektu.

Jak AI pomaga prowadzić projekty, gdy zarządzanie projektami nie jest Twoim głównym zajęciem

Od planu do zwinnego sposobu pracy w projekcie

W „Zwinnologii 2.0” pokazujemy, że skuteczność projektów zmian wynika z podejścia i “zaopiekowania się” wymiarem ludzkim, a nie tylko z narzędzi.
AI może zarządzanie projektami – na przykład:

  • planowanie projektu – AI może przygotować wstępną kartę projektu i listę działań oraz WBS,
  • spotkania przeglądowe – AI może generować pytania, które pomagają ocenić postęp i blokady,
  • priorytetyzacja zadań – AI może zasugerować, co ma największy wpływ na cel projektu,
  • komunikacja zespołowa – AI może pomóc w napisaniu jasnego i spójnego komunikatu dla uczestników projektu.

Zamiast więc „robić projekt w AI”, uczymy się zarządzać projektem z AI u boku. Krok po kroku, w naturalnym rytmie życia projektu.

Zarządzanie projektami: mniej niepewności, więcej działań

Często po warsztacie słyszę od uczestników: „Wreszcie wiem, co robić dalej” i mniej obawiam się kolejnych projektów.
AI pomaga przejść przez kolejne etapy projektu bez chaosu, od określenia celu, przez planowanie i wykonanie, po zamknięcie i podsumowanie.
Dzięki temu zarządzanie projektem staje się uporządkowanym procesem, w którym widać postęp i można reagować na zmiany w czasie rzeczywistym.

Zrób pierwszy krok – poznaj nasz warsztat

Jeśli prowadzisz projekty w HR, marketingu, administracji czy produkcji, ale nie chcesz spędzać miesięcy na nauce narzędzi projektowych – zapraszam Cię na warsztat „Zarządzanie Projektem przy wsparciu AI (krok po kroku)”.
Pokazuję w nim, jak wykorzystać AI, by przejść przez każdy etap projektu z większą klarownością, krótszym czasem planowania i lepszą komunikacją w zespole.

Tu znajdziesz więcej szczegółów

Jak AI pomaga prowadzić projekty, gdy zarządzanie projektami nie jest Twoim głównym zajęciem Dowiedz się więcej »

Transformacja cyfrowa i AI: czy naprawdę musimy się bać oporu pracowników?

Transformacja cyfrowa i AI: czy naprawdę musimy się bać oporu wobec zmiany?

Napisz komentarz / AI, Sztuczna inteligencja, Zwinne Zarządzanie Zmianą /

Czy opór wobec zmiany “musi” przeszkodzić we wdrożeniach planowanych przez Prezesów i Dyrektorów firm? Transformacja cyfrowa w 2025 roku to nie tylko cyfryzacja procesów, ale także wdrożenia sztucznej inteligencji (AI), automatyzacja i nowe modele biznesowe. To one dziś decydują o przewadze konkurencyjnej firm. A jednak wciąż często słychać głosy: „pracownicy będą się buntować przeciwko tym zmianom”. Problem w tym, że bardzo często źródłem kłopotów nie jest realny opór, lecz… samospełniająca się przepowiednia menedżerów.

Efekt samospełniającej się przepowiedni – od klasy do biura

Psychologia zna to zjawisko od dawna. Już w latach 60. badania Rosenthala i Jacobson pokazały, że oczekiwania nauczycieli wobec uczniów kształtują ich wyniki. Uznani za „talenty” uczniowie osiągali lepsze rezultaty, bo otoczenie dawało im więcej okazji do rozwoju.

W firmach działa to podobnie. Jeżeli menedżer spodziewa się oporu, interpretuje każde pytanie czy wątpliwość pracownika jako próbę sabotowania zmiany. W efekcie stosuje rozwiązania, które faktycznie ten opór wywołują.

Transformacja cyfrowa i AI – dwa style zarządzania zmianą

Dziś, kiedy AI wspiera obsługę klienta, analizę danych czy procesy HR, podejścia menedżerów do zmian różnią się diametralnie:

  1. Tradycyjne – zakłada wystąpienie oporu i walkę z oporem. Każda niepewność jest traktowana jak bunt, więc reakcją stają się presja i kontrola. Rezultat? Opór rzeczywiście narasta.
  2. Zwinne – traktuje pytania i obawy jako feedback, który pozwala ulepszyć proces transformacji. Zamiast przełamywać ludzi, menedżerowie tworzą przestrzeń do dialogu, tłumaczą sens wdrożenia AI i – gdy trzeba – korygują kierunek.

📌 Przykład:

  • Menedżerowie „tradycyjni” zakładają, że HR-owcy będą się bronić. Dlatego każdą krytyczną uwagę traktują jako dowód oporu. To prowadzi do napięć i faktycznej niechęci wobec nowego systemu.
  • Menedżerowie „zwinni” traktują te same uwagi jako sygnał, że zespół potrzebuje więcej informacji, szkolenia albo współudziału w dostosowaniu narzędzia. Efekt? AI zostaje wdrożone szybciej, a zespół czuje się częścią procesu.

Dlaczego zmiana podejścia jest kluczowa w 2025 roku?

Transformacja cyfrowa i wdrożenia AI nie są już wyłącznie zmianą technologiczną. One dotykają tożsamości zawodowej pracowników – zmieniają ich role, zakres odpowiedzialności i codzienne zadania.

To, czy menedżer nazwie reakcje ludzi „oporem”, czy „informacją zwrotną”, decyduje o tym, czy zespół będzie walczył ze zmianą, czy ją współtworzył.

Wnioski dla menedżerów

👉 Jeśli zakładasz opór, to prędzej czy później go znajdziesz.

👉 Jeśli zakładasz, że pojawią się pytania i potraktujesz je jako wkład w proces, to otrzymasz konstruktywny feedback.

👉 Transformacja cyfrowa z udziałem AI staje się skuteczna wtedy, gdy pracownicy czują się jej współautorami, a nie tylko odbiorcami odgórnych decyzji.

Praktyczne wskazówki dla menedżera

  1. Uważaj na założenia. To, czego się spodziewasz, wpływa na to, co widzisz i jak reagujesz.
  2. Zmieniaj język. Zamiast mówić „opór wobec zmiany”, mów o „reakcjach na zmianę”.
  3. Zachęcaj do pytań. Każde pytanie to okazja do rozwiania obaw i usprawnienia projektu AI.
  4. Pokaż sens. Ludzie angażują się, gdy rozumieją, po co firma wdraża nowe technologie.
  5. Projektuj wspólnie. Zwinna transformacja cyfrowa to współtworzenie, a nie tylko odgórne wdrożenie.

Podsumowanie

Transformacja cyfrowa w 2025 roku – w tym wdrożenia AI – to przede wszystkim wyzwanie ludzkie, a nie tylko technologiczne. Opór wobec zmiany nie zawsze jest faktem. Często jest efektem oczekiwań menedżera, który zakłada, że opór się pojawi. To od nas zależy, czy wpadniemy w tę pułapkę, czy potraktujemy reakcje pracowników jako szansę na lepszą zmianę.

W Agile for Future wspieramy Zarządy i menedżerów w tym procesie. Prowadzimy doradztwo strategiczne i szkolenia z obszaru Zwinnego Zarządzania Zmianą, które pomagają projektować i wdrażać transformacje cyfrowe w sposób angażujący ludzi i budujący przewagę konkurencyjną.

👉 Jeśli planujesz transformację cyfrową lub wdrożenie AI i chcesz uniknąć pułapek w zarządzaniu zmianą, sprawdź, jak wspieramy Zarządy i menedżerów poprzez doradztwo i szkolenia w ramach Agile for Future.

Transformacja cyfrowa i AI: czy naprawdę musimy się bać oporu wobec zmiany? Dowiedz się więcej »