Proteklih nekoliko godina proveo sam pomažući tvrtkama u snalaženju kroz složenost AI transformacije i primijetio sam obrazac koji me počinje brinuti. Riječ je o tihoj, nevidljivoj krizi koja se ne vidi u bilanci — barem ne još.
Trenutačno svjedočimo najvećem jazu u povijesti poslovanja između kratkoročne učinkovitosti i dugoročnih sposobnosti. Većina lidera gleda na AI i vidi način za automatizaciju „dosadnih poslova” — istraživanja, unosa podataka, osnovnih nacrta i početnih analiza. Na papiru, to je majstorski potez. Smanjujete opće troškove, povećavate brzinu i oslobađate svoje iskusne djelatnike. No, čineći to, nenamjerno stvarate ono što nazivam Dug propadanja vještina (Skill Decay Debt). Uklanjanjem „trenja” s rada na početničkoj razini, zapravo demontirate sam poligon za obuku koji stvara vaše buduće lidere.
Paradoks početnika: Učinkovitost naspram evolucije
💡 Želite da Penny analizira vaše poslovanje? Ona mapira koje uloge AI može zamijeniti i gradi plan u fazama. Započnite besplatno probno razdoblje →
U svakoj industriji, od prava do softverskog inženjerstva, oduvijek je postojalo nepisano pravilo: morate raditi „dosadan” posao da biste zaslužili pravo na „strateški” rad. To nije bilo samo korporativno iniciranje; to je bio kognitivni razvoj. Kada mlađi suradnik u tvrtki za profesionalne usluge provede deset sati ručno pregledavajući ugovore, on ne traži samo tipfelere. On upija ritam pravnog jezika, uočava nijanse rizika i gradi mentalnu knjižnicu onoga „kako izgleda dobro”.
Kada taj desetosatni zadatak zamijenite ChatGPT promptom od deset sekundi, zadatak je dovršen, ali učenje je izbrisano. To je Paradoks početnika: što učinkovitijom činimo ulogu na početnoj razini, to osobu u njoj činimo manje učinkovitom. Ako se vaši juniori nikada ne moraju boriti s osnovnim sirovinama vašeg poslovanja, nikada neće razviti intuiciju potrebnu za njegovo vođenje.
Nastanak „Ponora stručnosti”
Idemo prema strukturnom neuspjehu koji nazivam Ponor stručnosti (The Expert Chasm). Zamislite bazu talenata vaše tvrtke za pet godina. Na vrhu imate svoje iskusne stručnjake — ljude koji su izučili zanat prije AI eksplozije. Oni imaju iskustvo i duboki kontekst. Na dnu imate flotu AI-pojačanih juniora koji mogu briljantno izvršavati zadatke, ali ne razumiju „zašto” iza njih.
Budući da automatizacija prazni sloj srednjeg menadžmenta, između njih nema mosta. Imate seniore koji ne mogu delegirati jer juniorima nedostaje temeljna intuicija, i juniore koji ne mogu napredovati jer nikada nisu bili prisiljeni razmišljati bez digitalne štake.
Ovo nije samo problem ljudskih resursa; to je terminalna prijetnja intelektualnom vlasništvu vaše tvrtke. Kada se vaši trenutni stručnjaci umirove, tko preuzima kormilo? Ako ste automatizirali put od novaka do majstora, taj put više ne postoji.
Agencijski porez i smrt naukovanja
Često govorim o Agencijskom porezu — premiji koju tvrtke plaćaju za izvršne poslove koje AI sada može obaviti za sitniš (pennies). Mnoge tvrtke s pravom vraćaju taj novac. Međutim, sličan obrazac vidimo i interno. Tretirajući početno osoblje kao „jedinice za izvršenje”, a ne kao „pripravnike”, optimiziramo današnje marže na račun sutrašnjeg opstanka.
U sektorima poput obrazovanja već vidimo kako uklanjanje „temeljnog trenja” dovodi do pada kritičkog razmišljanja. U poslovnom kontekstu, to se manifestira kao nedostatak „Sistemske intuicije”. Ako junior ne razumije kako su podaci prikupljeni (jer je to učinio AI), neće prepoznati kada je izlaz haluciniran ili suptilno pristran. Oni postaju „Operateri promptova” umjesto „Rješavatelji problema”.
Mjerenje duga: Novi HR pokazatelji
Ako koristite moderni HR softver za praćenje produktivnosti, vjerojatno vidite nagli porast „učinka po glavi stanovnika”. Ali ti su pokazatelji varljivi. Oni mjere aktivnost, a ne rast. Da biste razumjeli svoj „Dug propadanja vještina”, trebate pogledati drugačije pokazatelje:
- Omjer nadzora: Koliko vremena seniori provode ispravljajući ili „ponovno radeći” AI-generirani posao juniora? Ako se to povećava, vaši juniori ne uče; oni samo prolaze kroz proces.
- Strateška autonomija: Može li vaše početno osoblje voditi projekt srednje razine bez korištenja Claude ili ChatGPT posrednika za osnovnu logiku?
- „Zašto” test: Tijekom pregleda rada, tražite od juniora da objasne logiku iza AI-generirane preporuke. Ako je ne mogu dekonstruirati, gomilate dug.
Rješavanje krize: Implementacija „Aktivnog trenja”
Dakle, trebamo li prestati koristiti AI? Apsolutno ne. Kao netko tko i sam vodi AI-first poslovanje, znam da to nije odgovor. Odgovor je prijelaz s Pasivne automatizacije na Aktivno pripravništvo.
Morate namjerno ponovno uvesti „Aktivno trenje” u svoje programe obuke. To znači:
- Pravilo 90/10 za učenje: Prvih šest mjeseci juniori moraju obavljati 90% zadatka ručno prije korištenja AI-ja za „provjeru” svog rada. AI postaje tutor, a ne zamjena.
- Obvezna dekonstrukcija: Svaki AI-generirani izlaz koji proizvede junior mora biti popraćen „logičkom mapom” — ljudskim objašnjenjem zašto je izlaz točan i koji su rizici.
- Simulirana borba: Stvaranje „sandbox” okruženja u kojima je AI onemogućen, prisiljavajući juniore da rješavaju probleme koristeći samo primarne izvore i suradnju s kolegama.
Strateški zaokret
AI transformacija nije samo zamjena zadataka; radi se o redizajniranju ljudske uloge unutar radnog procesa. Tvrtke koje pobijede u sljedećem desetljeću neće biti one s najviše automatiziranim procesima — to će biti one koje su shvatile kako koristiti AI za ubrzanje ljudske stručnosti, a ne za njezino zaobilaženje.
Nemojte dopustiti da vas kratkoročni dobici u učinkovitosti zaslijepe pred činjenicom da možda spaljujete svoje sjeme kako biste održali vatru. AI može odraditi posao, ali (još) ne može zamijeniti mudrost koja dolazi iz samog obavljanja tog posla.
Vaš izazov ovog tjedna: Pogledajte svoj najautomatiziraniji odjel. Zapitajte se: „Ako bi AI sutra prestao raditi, bi li itko mlađi od 30 godina znao kako ovo voditi?” Ako je odgovor ne, imate dug koji morate platiti. Shvatimo kako ga platiti prije nego što kamata postane previsoka.