Dlaczego redukcja młodych talentów w firmie może okazać się błędem?

W dzisiejszych realiach biznesowych łatwo zauważyć narastające przekonanie, które kształtuje decyzje na najwyższym szczeblu zarządzania: sztuczna inteligencja zwiększy efektywność, dlatego firmy muszą ograniczać zatrudnienie. Brzmi to logicznie i dyscyplinowanie. Jednak to podejście jest niepełne i niebezpieczne.

Wielokrotnie uczestniczyłem w posiedzeniach zarządów, gdzie AI była omawiana zarówno jako szansa, jak i uzasadnienie dla cięć kadrowych. Liderzy mówią o transformacji, a w kolejnym zdaniu o redukcji etatów. Powiązanie tych dwóch kwestii wydaje się oczywiste – jakby jedno musiało prowadzić do drugiego. Tyle że w tej narracji brakuje fundamentalnego pytania: jaką pracę chcemy wykonywać i w jaki sposób powinna być ona realizowana?

Skrócony rachunek efektywności

Praca ludzka stanowi największy koszt dla większości przedsiębiorstw. Gdy pojawia się AI, naturalnym krokiem jest spojrzenie w kierunku redukcji zatrudnienia. Jeśli technologia może wykonać więcej, to teoretycznie potrzebujemy mniej ludzi. Problem w tym, że brak dowodów na to, iż AI znacząco podnosi produktywność w tempie, które usprawiedliwiałoby tak szybkie cięcia kadrowe.

Obserwuję natomiast presję – szczególnie w spółkach giełdowych – aby szybko uzasadnić wysokie inwestycje w AI. Ograniczenie podróży służbowych czy wydatków dyskrecjonalnych nie przynosi spektakularnych rezultatów. Natomiast redukcja etatów jest najbardziej widocznym narzędziem. I właśnie dlatego staje się pierwszym wyborem.

Problem młodych analityków

Ostatnio rozmawiałem z młodym analitykiem, który właśnie ukończył program rotacyjny. Jego rada była jednoznaczna: nie pozwólcie nowym pracownikom polegać zbyt wcześnie na AI. To stoi w sprzeczności z tym, co deklarują CEO. Każda firma chce, aby jej pracownicy byli biegli w korzystaniu z AI. Jednak jeśli zaczniemy polegać na sztucznej inteligencji, zanim zrozumiemy biznes, stracimy zdolność do oceny wykonywanej pracy.

Możemy generować odpowiedzi szybciej, ale nie potrafimy ocenić ich jakości, trafności czy ryzyka. Osąd kształtuje się przez powtarzalność. Tylko wykonując pracę samodzielnie, uczymy się, jakie rozwiązanie jest dobre, gdzie pojawiają się błędy i jak decyzje sprawdzają się w praktyce. Bez tej bazy wiedzy zamiast korzystać z AI jako narzędzia, będziemy się jej podporządkowywać.

Przepis na kod – lekcja z rynku

Ostatnio usłyszałem historię firmy, która wykorzystała AI do przepisania całej bazy kodu w ciągu jednego weekendu. Był to system liczący dziesięć lat. Co zajęłoby miesiące, a nawet lata, zostało zrobione w kilka dni. Brzmi jak przyszłość? Niestety, historia na tym się nie skończyła.

Gdy kod został przepisany, firma nadal potrzebowała oryginalnych inżynierów, aby go zweryfikować. Musieli oni ocenić, czy system utrzyma się w realnych warunkach, czy nie wprowadza nowych zagrożeń i czy faktycznie działa. Szybkość pisania kodu była imponująca. Natomiast pewność co do jego jakości – nie.

To właśnie ta część wdrożenia AI jest przez nas niedoceniana. Technologia przyspiesza produkcję, ale zapotrzebowanie na ludzki osąd i dogłębną ocenę tylko rośnie.

Rosnące zadłużenie rozwojowe

W obecnej sytuacji, gdy firmy rezygnują z zatrudniania młodych pracowników lub eliminują stanowiska dla osób na wczesnym etapie kariery, bo AI rzekomo może wykonywać proste zadania, warto mieć świadomość konsekwencji. Oszczędzamy na kosztach, ale tracimy drogę rozwoju doświadczonych talentów, na których organizacja będzie musiała polegać w przyszłości.