Kiedy AI wkraczało do organizacji, część z nas cieszyła się, że wreszcie przestaniemy tracić czas na te bezsensowne, powtarzalne i niewiele wnoszące zadania. Tak się rzeczywiście stało. Odzyskaliśmy czas dzięki prezentacjom, które można zrobić teraz w 15 minut, zamiast w pół dnia czy dłużej, dzięki szybkiej analizie danych czy zautomatyzowanych raportach. Tyle że zadania pełniły dodatkową funkcję, o której przed AI niewiele się mówiło – były swego rodzaju buforem, odpoczynkiem dla mózgu naturalnie wkomponowanym w dzień pracy.
Więcej czasu nie oznacza mniejszego obciążenia
Dzięki AI odzyskaliśmy sporo czasu w ciągu dnia, ale kalendarze wcale nie są puste. Jak się okazuje, odzyskany czas zostaje przeznaczony na jeszcze większą ilość zadań, tym razem bardziej skomplikowanych i złożonych. Tymi zadaniami sztuczna inteligencja na razie nie jest w stanie się po prostu zająć. Więcej staje się osiągalne, więc naturalnie zwiększa się produktywność. Ale wymiana zadań mieszanych – o mniejszej i większej złożoności na wyłącznie te, które wymagają od nas pracy na wysokich obrotach bez możliwości zmniejszenia tempa chociaż na chwilę, na dłuższą metę może prowadzić do przeciążenia.
Dodatkowo, pojawiły się nowe zadania, równie wymagające – nadzorowanie AI i branie odpowiedzialności za owoce takiej pracy. Ocenianie wyników, weryfikowanie założeń, poprawianie kierunku, decydowanie, co zaakceptować, a co odrzucić. To jest praca poznawczo gęsta i wbrew pozorom nie zastępuje dawnych zadań niskiego przetwarzania. Ona je eliminuje, a na ich miejscu stawia kolejny poziom złożoności.
Brain capital – zasoby poznawcze jako strategiczne aktywa
Nasze zasoby poznawcze, choć często naprawdę duże, są ograniczone i nierzadko nie nadążają, aby się odnawiać w rytmie, który narzuca im środowisko pracy nasycone sztuczną inteligencją. W strukturze pracy sprzed AI lider podejmował dziesiątki złożonych decyzji dziennie, ale przeplatał je zadaniami niskiego przetwarzania, na przykład: formatowaniem dokumentu, przygotowaniem zestawienia, weryfikacją danych. I chociaż niektórzy mieli wrażenie, że to marnowanie czasu, te zadania były nieświadomą ochroną. Mózg zwalniał, bo zadanie na to pozwalało. Można było na chwilę zejść z najwyższych obrotów. Teraz tych momentów nie ma lub jest ich znacznie mniej. To, co zostało w kalendarzu, wymaga wysokiej gotowości poznawczej. A więc zasoby poznawcze zużywają się znacznie szybciej.
W odpowiedzi na tę zmianę pojawiło się pojęcie brain capital – zasoby poznawcze traktowane są jak aktywa strategiczne. Coś, co można świadomie chronić albo nieświadomie trwonić. I co, w przeciwieństwie do większości aktywów w organizacji, nie wysyła sygnału ostrzegawczego przed wyczerpaniem. Degradacja jakości myślenia zwykle nie wygląda jak duża awaria. Wygląda jak normalny dzień, tyle że nieco gorszy niż poprzedni.
Brain capital ma dwa wymiary. Brain health to stan, w którym mózg funkcjonuje optymalnie. Natomiast brain skills to zdolności poznawcze, interpersonalne i przywódcze, które pozwalają adaptować się, oceniać złożone sytuacje i decydować w warunkach niepewności. Oba są odnawialne, ale nie samoczynnie i nie wtedy, gdy organizacja traktuje je wyłącznie jako prywatną sprawę lidera.
Wiedza o przeciążeniu nie redukuje przeciążenia
Niedoinwestowanie w zasoby poznawcze pracowników kosztuje globalną gospodarkę już teraz 5 bilionów dolarów rocznie, z prognozą wzrostu do 16 bilionów do 2030 roku. To liczby z tej samej półki co koszty rotacji czy absencji, tylko że znacznie trudniej je przypisać do konkretnej decyzji, która została podjęta gorzej niż mogła.
Część liderów jest w jakimś stopniu świadoma, że funkcjonuje na zbyt wysokich obrotach. Ale nawet jeśli lider rozumie mechanizm, nie ma łatwego sposobu, żeby go zmienić jednostronnie. Presja organizacyjna, oczekiwania interesariuszy, własne standardy – wszystko to działa szybciej niż intencja zmiany.
Paradoks, który ujawniają obserwacje z miejsc pracy nasyconych AI, jest precyzyjny: im głębsza immersja w narzędzia, tym wyższe – nie niższe – subiektywne poczucie przeciążenia. Wysiłek nie zniknął. Zmienił formę i stał się trudniejszy do zidentyfikowania.
Zjawisko to określa się terminem AI brain fry, czyli stanem psychicznego zmęczenia wynikającego z nadzorowania systemów AI powyżej własnej pojemności poznawczej. Zmęczenie po dniu pracy z AI ma inną jakość niż zmęczenie po dniu pracy bez niej: jest bardziej rozproszone, trudniejsze do zlokalizowania, odporne na standardowe strategie regeneracji. I co istotne, niekoniecznie koreluje z liczbą podjętych decyzji. Koreluje za to z liczbą momentów, w których trzeba było ocenić, zweryfikować lub skorygować to, co AI zaproponowała.
Konsekwencje nie są wyłącznie zdrowotne. Są również strategiczne. Lider funkcjonujący w stanie chronicznego przeciążenia poznawczego podejmuje decyzje inaczej: wybiera drogi najmniejszego oporu, skraca horyzont myślenia, unika decyzji, które wymagają tolerowania niepewności. Dokładnie wtedy, gdy organizacja potrzebuje od niego myślenia długoterminowego, jego mózg optymalizuje pod kątem przetrwania dnia.
Zasoby, które można trwonić albo chronić
Organizacje wdrażające dziś AI mierzą efekty w kategoriach czasu i kosztów. Rzadziej pytają, co dzieje się z jakością myślenia, gdy wszystkie zadania niskiego przetwarzania znikają z kalendarza. A jeszcze rzadziej pytają, czy lider, który zyskał czas, faktycznie odzyskał pojemność poznawczą, czy tylko zapełnił dzień kolejnymi, trudniejszymi zadaniami.
Systemy AI będą przejmować kolejne kategorie decyzji – prognozy mówią o co najmniej 15% codziennych decyzji organizacyjnych podejmowanych autonomicznie do 2028. Ale te, które zostaną przy człowieku, to właśnie te, których AI nie potrafi udźwignąć: niejednoznaczne, relacyjne, z odpowiedzialnością, długim horyzontem i skutkami ubocznymi, których żaden model nie przewidzi. Dokładnie te, do których potrzeba sprawnego, wypoczętego, myślącego głęboko mózgu.
Nie ma tu prostych odpowiedzi ani szybkich rozwiązań. Mechanizm jest strukturalny i systemowy. Jednostronna decyzja lidera, żeby zwolnić tempo, nie wystarczy, jeśli środowisko organizacyjne tego nie uwzględnia. Ale organizacje, które zaczną zadawać właściwe pytania wcześniej, będą miały przewagę nad tymi, które obudzą się dopiero, kiedy przyjdzie kryzys.
Jak to wygląda w Twojej organizacji
Mechanizm opisany w tym tekście nie jest abstrakcją. Działa w konkretnych organizacjach, podczas konkretnych dni pracy, u konkretnych ludzi. Być może też u Ciebie. Poniższe pytania pomogą Ci sprawdzić, czy to, co właśnie przeczytałeś/-aś, dotyczy też Ciebie.
- Jak wyglądał Twój dzień pracy trzy lata temu, a jak wygląda dziś? Gdzie były momenty, w których tempo naturalnie zwalniało i co się z nimi stało?
- Co robisz z czasem, który AI ci oddała?
- Kiedy ostatnio skończyłeś/-aś dzień pracy z poczuciem, że Twój mózg nie jest wyczerpany i czym różnił się ten dzień od pozostałych?
- Gdybyś oceniał/-a swoje zasoby poznawcze jak każdy inny zasób w organizacji, jak wyglądałby ten bilans?
- Co w Twojej organizacji chroni dziś brain capital liderów i co by się musiało zmienić, żeby to wystarczyło na kolejne lata intensywnych wdrożeń AI?
Kiedy AI wkraczało do organizacji, część z nas cieszyła się, że odetchniemy. I odetchnęliśmy, ale tylko przez chwilę. Potem kalendarz znów się zapełnił, ale trudniejszymi zadaniami. Część z nas nie ukrywała satysfakcji, że nareszcie przestaniemy robić te powtarzalne i mało kreatywne zadania. I rzeczywiście przestaliśmy. Ale patrząc teraz z perspektywy tego, co wiemy dziś o rytmie poznawczym – kto wie, czy jeszcze za nimi nie zatęsknimy.
