I manažer se učí pracovat s AI: jak ji zavádět bez hraní na experta

Vedoucí nemusí znát každý nástroj lépe než jeho tým

Nová specialistka ukazuje manažerovi, jak díky AI připravila přehled za pár minut. On použitý nástroj nezná a cítí pokušení okamžitě najít chybu. Dřív byl největším expertem v oddělení; teď lidé s kratší praxí vědí o technologii víc. Nemusí to být krize autority. Řízení spočívá i ve vytváření podmínek, v nichž dovednosti různých lidí pomáhají dosáhnout dobrého výsledku. Vedoucí dál odpovídá za priority, zdroje, kontrolu a spravedlivé rozdělení práce.

Problém začíná, když se snaží svou neznalost skrýt a zároveň vydává kategorické pokyny. „Od zítřka budete AI používat na všechny reporty“ zní rozhodně, ale nevysvětluje, co se smí posílat do externího systému ani kdo výsledek zkontroluje. Lepší začátek je: „Všechny možnosti toho nástroje ještě neznám. Chci, abychom společně stanovili, k čemu se hodí, kde selhává a kdo schvaluje výsledek.“

Jak říct „nevím“ a přitom si zachovat odpovědnost

Výzkumy pokory vedoucích popisují chování, jako je přiznávání vlastních omezení, oceňování silných stránek druhých a ochota učit se. Neznamená to, že má být vedoucí bezradný. Zaměstnanci však musí vědět, za co manažer nadále odpovídá. Dobré sdělení spojuje upřímnost s jasným úkolem: „Zatím nedokážu posoudit každý prompt, ale odpovídám za to, aby se ke klientovi nedostala žádná neověřená informace.“

V praxi může manažer požádat člověka, který se v nástroji vyzná, o ukázku a skeptika o seznam situací, v nichž může být výsledek zavádějící. Nehraje si pak na experta, ale organizuje vzájemnou kontrolu. Na poradě se vyplatí oddělit tři věty: „tohle už víme“, „tohle ověříme“ a „tuhle metodu zatím nepřipouštíme“. Po několika týdnech bude tým vedoucího hodnotit méně podle znalosti všech funkcí a více podle kvality jeho rozhodnutí.

Skeptik může být potřeba stejně jako nadšenec

Zaměstnanec říká: „Nepoužívám to, protože se to moc často plete.“ Manažer v tom může slyšet odpor ke změně. Kritik však někdy přináší cenné postřehy ke kvalitě dat, důvěrnosti nebo odpovědnosti za výsledek. Neznamená to, že každá skepse je dobře podložená. Vyplatí se požádat o konkrétní příklad chyby a o podmínky, za kterých by nástroj mohl být užitečný. Rozhovor se tak týká faktů, ne hodnocení lidí.

Podobnou opatrnost zachovejte vůči nadšenci. Rychle vygenerovaná zpráva může vypadat působivě, dokud ji nikdo neporovná se zdrojovými dokumenty. Stanovte dvě role: člověka, který testuje možnosti, a člověka, který ověřuje omezení. Při dalších pokusech je střídejte. Pokud skeptik objeví chybu, veřejně mu poděkujte. Díky tomu se informace o problému nestane hrozbou pro pověst toho, kdo ji nahlásil.

Hranice používání AI je třeba stanovit před první chybou

Tým potřebuje odpovědi na praktické otázky: jaká data se smějí zadávat, na které úkoly je nástroj povolen, co je třeba ověřit samostatně, kdo výsledek podepisuje a jak hlásit chyby. Pokyn „používejte to zodpovědně“ nestačí. Interní korespondence může vyžadovat jednodušší kontrolu než dokument pro klienta nebo personální rozhodnutí. Rozsah kontroly by měl záviset na riziku.

Unijní akt o umělé inteligenci (AI Act) předpokládá opatření na podporu gramotnosti v oblasti AI, která zohledňují zkušenosti a kontext použití. Neznamená to, že každý zaměstnanec musí získat stejný certifikát. Nemělo by se ani každého kancelářského chatbota ztotožňovat se systémem s vysokým rizikem. Manažer by měl znát pravidla své organizace a nejasnosti konzultovat s příslušnými odborníky, místo aby se s jistotou vyjadřoval k povinnostem, které si neověřil.

Začněte jedním úkolem a učte se z jeho výsledku

První pilotní projekt se může týkat shrnování veřejně dostupných materiálů nebo přípravy pracovní verze textu bez citlivých údajů. Před pokusem stanovte, co se má zlepšit a jak to ověříte. Například: „Dva týdny budeme porovnávat čas přípravy první verze a počet chyb nalezených při kontrole.“ Pokud se úspora času ukáže jako zdánlivá, protože oprava chyb trvá déle než běžná práce, je třeba to brát jako výsledek, ne jako selhání zaměstnance.

Po pokusu udělejte krátké vyhodnocení. Zeptejte se: co fungovalo, co překvapilo, kdy nástroj nebyl užitečný a které pravidlo je třeba změnit. Výzkumy psychologického bezpečí ukazují, že možnost vyjádřit pochybnosti podporuje chování spojené s učením. Neznamená to slib, že jedna schůzka promění firemní kulturu. Důležité je opakované chování nadřízeného, zejména když někdo přinese nepříjemný fakt.

Učte se s lidmi, nevyžadujte od nich okamžité nadšení

Ne všichni začínají na stejném místě. Jeden člověk potřebuje krátký příklad použití; jiný chce znát rizika a způsob, jak chybný výsledek vzít zpět. Další se obává, že se bude učit na úkor svých běžných povinností. Dobře zorganizované zavedení dává čas na nácvik a jasně určuje, kterých úkolů se lze v tomto období vzdát. Nemá smysl přidat nový úkol do plného harmonogramu a pak kárat za nedostatek nadšení.

Manažer může říct: „V téhle fázi nehodnotíme, kdo je nejmodernější. Ověřujeme, jestli nám nástroj pomáhá dosáhnout určitého výsledku, aniž by se zhoršila kvalita.“ Takový přístup povzbuzuje k rozhovoru i ty, kdo nechtějí vystupovat jako experti na AI. Pokud se pokus podaří, sepište pravidla, jak nástroj používat. Pokud ne, zapište si podmínky, které by se musely změnit. V obou případech se tým učí něco důležitějšího než ovládání jedné aplikace: rozumně testovat nové způsoby práce.

Autorita manažera nevyžaduje předstírání vševědoucnosti. Vyžaduje jasný cíl, poctivé přiznávání vlastních omezení, bezpečnostní pravidla a rozhodnutí založená na skutečném výsledku pokusů. Lepší je provést jeden důkladný experiment a probrat chyby, než všem vnutit technologii pod heslem modernosti.

Jak Empatyzer pomáhá vedoucímu provázet tým při učení práce s AI

Představte si manažera, jehož tým zná AI lépe než on sám. Před poradou se může manažer zeptat Em, jak přiznat omezené znalosti, aniž by oslabil svou odpovědnost za rozhodnutí. Em pomáhá připravit úvod, otázky pro nadšence i skeptiky a reakci na situaci, kdy ukázka končí chybou. Rozhovor o vlastním stylu práce umožňuje podívat se na to, zda potřeba kontroly nebo obava o autoritu nebrání využívat kompetence druhých. V týmovém kontextu lze také zohlednit rozdíly v přístupu k experimentování, plánování a riziku a navrhnout smysluplné rozdělení rolí během pilotního projektu. Em za tým neověřuje technickou správnost modelů; pomáhá lépe organizovat komunikaci a spolupráci kolem jejich používání. Takto připravený manažer dokáže říct „nevím“, určit, co se ověří, a vnímat kritickou připomínku jako příspěvek ke kvalitě. Mikrolekce pomáhají upevňovat tento způsob vedení rozhovorů i po skončení prvního testu.