Po desetiletí byla mantra náboru pro malé firmy jednoduchá: najděte lidi, kteří dokážou práci udělat. Pokud jste potřebovali marketingového manažera, hledali jste někoho, kdo umí psát texty a navrhovat grafiku. Pokud jste potřebovali juniorního účetního, hledali jste někoho, kdo dokáže odsouhlasovat tabulky. Najímali jsme pro exekuci. Ale jak se AI pro malé firmy přesouvá z fáze spekulativního trendu do role základního nástroje, tato pravidla se stávají nebezpečně zastaralými.
Poslední dva roky jsem sledoval tisíce firem integrujících AI. Vynořil se vzorec, který nazývám „AI propast“ (AI Gap). Je to prostor mezi tím, co vytvoří nástroj AI (80% návrh, který je „dost dobrý“), a hotovým, vysoce hodnotným výsledkem, který skutečně přináší firmě reálné výsledky. Většina majitelů si myslí, že tuto propast překlene prostým nákupem dalšího softwaru. Mýlí se. Propast překlenete změnou toho, koho najímáte. Váš příští skvělý zaměstnanec by neměl být „Tvůrce“, který staví na zelené louce; musí to být „Editor“, který kurátorsky spravuje, vylepšuje a řídí.
Konec arbitráže exekuce
💡 Chcete, aby Penny analyzovala vaši firmu? Zmapuje, které role může umělá inteligence nahradit, a sestaví postupný plán. Spusťte bezplatnou zkušební verzi →
Historicky firmy těžily z něčeho, co nazývám „arbitráž exekuce“. Najali jste někoho, protože disponoval specifickou technickou dovedností, kterou jste vy neměli čas nebo schopnost se naučit. Byli to „vykonavatelé“. V tomto modelu spočívala hodnota ve výstupu – v hotovém článku, vyrovnané účetní knize, naprogramované vstupní stránce.
AI hodnotu čisté exekuce zdecimovala. Když dokáže LLM navrhnout článek o rozsahu 1 000 slov za šest sekund nebo když nástroj dokáže automatizovat 90 % vašeho bankovního odsouhlasení, samotný akt „dělání“ již není prémiovou dovedností. Je to komodita. Pokud stále najímáte na základě schopnosti kandidáta vykonávat manuální úkoly, přeplácíte za službu, jejíž cena se rychle blíží nule.
Tento posun nazývám „Architektonický obrat“. Přesouváme se ze světa, kde lidé jsou cihlami, do světa, kde lidé jsou architekty. Cihly (exekuce) jsou nyní hojné a téměř zdarma. Architektura (strategie, kurátorství, ono „proč“) je místem, kde nyní spočívá vzácnost – a tedy i hodnota.
Představujeme „Kurátorský strop“
Při své práci v různých odvětvích jsem si všiml fenoménu, který jsem pojmenoval „Kurátorský strop“. Jelikož nám AI umožňuje produkovat 10x větší objem, úzkým hrdlem firmy již není výrobní kapacita. Je jím schopnost filtrovat, vylepšovat a zajišťovat kvalitu tohoto objemu.
Firma, která využívá AI k chrlení 50 generických příspěvků na LinkedIn týdně, nakonec narazí na Kurátorský strop. Jejich publikum přestane dávat pozor, protože obsahu chybí duše, nuance a strategické sladění. Limitem jejich úspěchu není rychlost AI; je jím nedostatek lidského redakčního dohledu.
Když najímáte na AI propast, hledáte někoho, kdo dokáže tento strop prorazit. Takový člověk AI jen „nepoužívá“; on na ni dohlíží. Chápe, že AI je brilantní, neúnavný, ale občas halucinující stážista. Poskytuje onen „dospělý dozor“, který mění generický výstup AI ve vlastní obchodní aktivum.
Rámec EDIT: Nová pravidla náboru
Pokud nenajímáme pro „dělání“, pro co tedy najímáme? Doporučuji malým a středním podnikům, aby při hodnocení nových talentů ve světě zaměřeném na AI přijaly rámec EDIT.
1. Extract – Extrakce (Zadavači)
Dokáže kandidát z AI extrahovat nejlepší možný výchozí bod? Nejde jen o „prompt engineering“ (termín, který bude pravděpodobně za tři roky zastaralý). Jde o kontextuální inteligenci. Dokážou AI poskytnout hluboký obchodní kontext, data o personách zákazníků a strategická omezení potřebná k získání kvalitního prvního návrhu?
2. Direct – Řízení (Orchestrátoři)
Editor ví, jak řetězit nástroje dohromady. Nepoužívá jen ChatGPT; přemýšlí, jak jej integrovat se svými náklady na HR software pro zefektivnění onboardingu nebo jak jej využít k analýze dat z CRM. Řídí tok práce napříč více systémy.
3. Inspect – Kontrola (Kritici)
Toto je nejdůležitější dovednost. Dokáže daná osoba poznat, když se AI mýlí? Dokáže identifikovat, kdy text zní „roboticky“ nebo kdy byl soubor dat chybně interpretován? Ve světě šumu generovaného umělou inteligencí je „vkus“ komerčním příkopem. Vkus nelze naučit, ale lze na něj najímat.
4. Transform – Transformace (Tvůrci přidané hodnoty)
Editor vezme 80% výstup z AI a přidá „poslední míli“ hodnoty. To je onen lidský dotek – osobní anekdota, kontraintuitivní vhled, specifická regionální nuance, kterou AI nemůže znát. Právě zde vzniká návratnost investic (ROI).
Mezioborové vzorce: Od zdravotnictví po maloobchod
Stejný posun vidíme v každém odvětví, které sleduji. Ve zdravotnictví nyní AI dokáže analyzovat rentgenové snímky s neuvěřitelnou přesností. Role radiologa se mění z „nalezení zlomeniny“ (exekuce) na „interpretaci klinického významu pro pacienta“ (kurátorství).
V maloobchodě dokáže AI spravovat skladové zásoby a předpovídat výpadky zboží. Role manažera prodejny se mění z „počítání krabic“ na „kurátorskou správu zákaznické zkušenosti“ na základě toho, co naznačují data. I ve financích je přechod markantní. Nepotřebujete účetního, aby ručně zadával účtenky; potřebujete strategického myslitele, který dokáže využít poznatky řízené AI k řízení cash flow. To je důvod, proč se mnoho firem, se kterými pracuji, odklání od tradičních rolí a zkoumá, jak si Penny vede ve srovnání s externím finančním ředitelem pro poradenství na vyšší úrovni.
„Agenturní daň“ a nová ekonomika práce
Malé a střední podniky dlouho platily to, co nazývám „agenturní daň“. Je to přirážka, kterou platíte externím poskytovatelům za exekuční práci, kterou jejich juniorní zaměstnanci pravděpodobně již dělají s pomocí AI. Pokud platíte agentuře £2,000 měsíčně za „tvorbu obsahu“ a oni k 90 % práce využívají AI, platíte za jejich efektivitu, nikoli za jejich odbornost.
Najmutím interního „editora“ získáváte tuto marži zpět. Jeden zkušený editor využívající AI může často nahradit výkon tříčlenného tradičního exekučního týmu. Úspory nákladů nejsou jen okrajové; jsou transformační. To však vyžaduje posun v tom, jak nahlížíte na profesionální služby a školení. Neučíte lidi jen to, „jak používat nástroj“; učíte je, jak uplatňovat úsudek v automatizovaném prostředí.
Jak poznat editora při pohovoru
Pokud chcete najímat na AI propast, přestaňte žádat kandidáty, aby „vypracovali testovací úkol“ od nuly. Místo toho vyzkoušejte tyto tři techniky:
- Kritický test: Dejte jim dílo vygenerované AI (článek na blog, plán projektu nebo rozpočet) a požádejte je, aby ho rozebrali na kousky. Neříkejte jim, že je to z AI. „Tvůrci“ se ho často pokusí jen mírně upravit; „Editoři“ okamžitě identifikují nedostatek hloubky a řeknou vám přesně, jak by ho transformovali.
- Výzva v řetězení nástrojů: Zeptejte se jich: „Kdybyste museli splnit [Úkol X] za polovinu času s použitím pouze nástrojů AI, které tři byste propojili a proč?“ Hledáte schopnosti orchestrace, nikoli jen znalost nástrojů.
- Průchod od zadání k produktu: Nechte je ukázat projekt, který dokončili s pomocí AI. Nedívejte se na konečný výsledek – dívejte se na iterativní proces. Jak s AI „mluvili“? Jak ji opravovali, když se odchýlila od kurzu?
Člověk v centru stroje
Často slyším majitele firem vyjadřovat „Paradox úzkosti z automatizace“: děsí se, že AI nahradí jejich tým, a zároveň jsou frustrovaní tím, jak pomalu jejich tým AI přijímá.
Řešením není nahradit vaše lidi; je jím nahradit jejich popisy pracovních pozic.
Když přestanete po svém týmu chtít, aby byli tvůrci, a začnete je zmocňovat k tomu, aby byli editory, stanou se dvě věci. Zaprvé, jejich spokojenost v práci se často zvýší, protože už nebudou zabředlí v „mravenčí práci“ čisté exekuce. Zadruhé, vaše podnikání se stane výrazně štíhlejším.
Vstupujeme do éry, kdy „sólo podnikatel“ nebo „mikrotým“ může porazit masivní korporace. Ale dokážou to jen tehdy, pokud překlenou AI propast lidským úsudkem. Nástroje jsou zde. Kapacita je zde. Teď jděte a najměte člověka, který ví, jak držet otěže.