Nehajte meriti „koliko AI“ – merite rezultate
Vse več organizacij je uvedlo nov kazalnik uspeha: koliko njihovih zaposlenih uporablja umetno inteligenco. Odstotek „uporabnikov AI“, število poizvedb, ure, prihranjene z orodji. Na vodstvenih sestankih ta številka ponosno raste – in prav to je težava.
Merjenje rabe AI je ena najbolj zavajajočih navad sodobnega vodenja. Zveni napredno, a meri napačno stvar. V tem članku zagovarjam preprosto tezo: nehajte šteti, koliko AI uporabljate, in začnite meriti, kaj z njo dosežete.
Metrika, ki se tiho širi
Logika je na prvi pogled prepričljiva. Vložili smo v orodja AI, zato želimo vedeti, ali se uporabljajo. Tako se rodijo nadzorne plošče s „stopnjo sprejetosti“, cilji tipa „80 % ekipe naj tedensko uporablja AI“ in poročila o številu generiranih dokumentov.
Problem ni v radovednosti – vedeti, ali orodja zaživijo, je povsem smiselno. Problem nastane, ko ta številka postane cilj: merilo uspeha, po katerem ocenjujemo ljudi in ekipe. Takrat se začne tiho izkrivljanje.
Zakaj je „koliko AI“ zavajajoča metrika
Dva razloga.
Prvič, meri vhod, ne izhoda. Raba AI je sredstvo, ne rezultat. Šteti, kolikokrat nekdo uporabi orodje, je kot meriti uspeh kuharja po tem, kolikokrat prime nož. Pomembno je, kaj pride iz kuhinje, ne koliko gibov je bilo vmes.
Drugič, velja Goodhartov zakon: ko merilo postane cilj, preneha biti dobro merilo. Čim ljudem poveste, da merite rabo AI, bodo – povsem razumljivo – začeli ustvarjati rabo AI. Ne nujno vrednosti, ampak rabe. In med tema dvema je lahko ogromna razlika.
Kaj se zgodi, ko merite rabo
Ko postane merilo raba, dobite gledališče rabe. Nekaj znanih vzorcev:
- Ljudje AI uporabijo tudi tam, kjer ni smiselna, le da se pozna v statistiki.
- Narašča workslop – z AI ustvarjena, a nedodelana vsebina, ki jo nekdo pošlje naprej, da „pokaže rabo“.
- Tisti, ki delajo kakovostno, a AI uporabljajo redko in premišljeno, izpadejo slabše od tistih, ki jo uporabljajo pogosto, a površno.
- Pozornost se premakne z vprašanja „ali smo naredili dobro?“ na „ali smo uporabili orodje?“.
Skupni učinek je paradoks: merilo, s katerim ste želeli pospešiti napredek, ga začne zavirati.
Kaj pravzaprav želite meriti
Če ne rabe, kaj torej? Vrnite se k vprašanju, ki je bilo pomembno že pred AI: ali delamo prave stvari in ali jih delamo dobro?
- Rezultate. Je naloga opravljena? Je problem rešen? Je stranka ali sodelavec dobil, kar potrebuje?
- Kakovost. Koliko popravkov je bilo potrebnih? Koliko napak je prišlo skozi?
- Čas do rezultata. Ne „koliko smo ustvarili“, ampak „kako hitro smo prišli do dokončanega“.
- Skriti strošek. Koliko časa gre za popravljanje in preverjanje AI-gradiva? To je ena najpomembnejših, a najredkeje merjenih številk.
AI se v teh kazalnikih pokaže posredno – in prav tako je prav. Če res pomaga, se bo videlo v boljših, hitrejših in kakovostnejših rezultatih. Če se ne vidi, raba sama po sebi ni vredna praznovanja.
Kako to meriti v praksi
Ni treba graditi zapletenih sistemov. Nekaj praktičnih izhodišč:
- Izberite nekaj rezultatskih kazalnikov na ekipo in jih spremljajte pred uvedbo AI in po njej. Primerjava pove več kot absolutna številka.
- Dodajte eno vprašanje o skritem strošku: „Koliko časa na teden porabiš za popravljanje ali preverjanje AI-gradiva drugih?“ Odgovori so pogosto streznjujoči.
- Kombinirajte številke z zgodbami. Kratek pogovor z ekipo pove, ali AI pomaga ali bremeni, bolje kot katera koli nadzorna plošča.
- Pazite, da ne pretiravate. Preveč merjenja je svoja oblika bremena. Merite tisto, kar vodi v boljše odločitve, in nič več.
Bistvo: merite tam, kjer se delo zaključi, ne tam, kjer se orodje vklopi.
„A vendar moramo spodbujati rabo AI“
Pravičen ugovor. Uvajanje nove tehnologije res potrebuje zagon in na začetku je koristno vedeti, ali orodja sploh pridejo v roke ljudi. A tu je ključno razlikovanje: raba je lahko opozorilni kazalnik (leading indicator) v zgodnji fazi – ne pa cilj.
Spremljajte jo, če želite, kot znak, da uvajanje poteka. Toda nikoli je ne postavite za merilo uspeha ali za osnovo ocenjevanja ljudi. Cilj ni, da ljudje uporabljajo AI. Cilj je, da organizacija dela bolje. Raba je le ena od poti do tja – in včasih niti ni prava.
Namesto zaključka
Merjenje rabe AI je mamljivo, ker je preprosto. Merjenje rezultatov je težje, ker zahteva presojo – a prav zato meri tisto, kar šteje. Organizacije, ki to razumejo, ne nagrajujejo najglasnejše rabe, ampak najboljše delo. In prav te bodo iz AI dolgoročno iztržile največ.
Merjenje po rezultatih namesto po rabi je eno od osmih področij standarda AI-Mobbing-Free. Želite vedeti, ali vaša organizacija meri pravo stvar? Naredite hitro samooceno in v nekaj minutah dobite prvo sliko.
Želite članek objaviti? Izvozite ga lahko v Word, PDF ali Markdown.