Przez lata miałem pewien rytuał, z którego nie do końca zdawałem sobie sprawę, że jest rytuałem. Kiedy stawałem przed decyzją o niezerowej wadze - ofertą dla dużego klienta, propozycją współpracy, ruchem strategicznym w jednej ze spółek - przygotowywałem ją, a potem odkładałem. Na dwa tygodnie. Czasem dłużej.
Mówiłem sobie i innym, że to czas na przemyślenie. Że dobra decyzja musi się „odleżeć". Że nie podejmuje się poważnych ruchów pod wpływem chwili. Brzmiało to dojrzale i odpowiedzialnie. I przez większość czasu w to wierzyłem.
Dziś, kiedy ten sam typ decyzji potrafię zwalidować w godzinę za pomocą AI, zacząłem się zastanawiać, co tak naprawdę działo się w tych dwóch tygodniach. I doszedłem do wniosku, który nie jest tak komfortowy, jak bym chciał.
Te dwa tygodnie nie służyły analizie. Służyły czemuś znacznie mniej szlachetnemu.
Ten artykuł jest o tym, co odkryłem, kiedy AI skróciło mój cykl decyzyjny z dwóch tygodni do godziny - i o nowym problemie, który się wtedy pojawił. Problemie, którego większość entuzjastów AI w zarządzaniu w ogóle nie zauważa, bo jest ukryty głębiej niż jakakolwiek statystyka o produktywności.
Czym naprawdę były te dwa tygodnie
Kiedy uczciwie przeanalizowałem swój dawny proces decyzyjny, okazało się, że w tych dwóch tygodniach nie zbierałem danych. Nie konsultowałem się z dziesiątkami ekspertów. Nie czekałem na raporty rynkowe. Dane, które miałem na początku, miałem też na końcu. Nic się w nich nie zmieniało.
Zmieniało się tylko jedno: mój poziom lęku wobec własnej decyzji.
Pytania, które chodziły mi po głowie przez te dwa tygodnie, nie były pytaniami analitycznymi. Były to pytania emocjonalne. Czy nie wyjdę na głupka, składając tę ofertę? Czy to nie jest zbyt słaba propozycja jak na tego klienta? Czy nie przeceniam wartości tego, co oferuję? Czy ktoś nie pomyśli, że nie znam się na rzeczy?
To nie są pytania, na które odpowiada się analizą rynku. To są pytania, na które odpowiada się upływem czasu. Po dwóch tygodniach lęk opadał - nie dlatego, że decyzja stawała się lepsza, ale dlatego, że oswajałem się z ryzykiem. Emocja traciła ostrość. Patrzyłem na własną propozycję chłodniej, bo zdążyłem się z nią zaprzyjaźnić.
Innymi słowy: te dwa tygodnie nie były procesem analitycznym. Były procesem terapeutycznym. Były czasem, którego potrzebowałem, żeby przestać się bać własnej decyzji.
To jest istotne rozróżnienie, bo zmienia całe rozumienie tego, do czego w moim przypadku służy AI. Większość ludzi opisujących AI w podejmowaniu decyzji mówi: „AI przyspiesza analizę". W moim przypadku to nieprawda. Analizę miałem zrobioną w godzinę także bez AI. To, co AI naprawdę skróciło, to czas potrzebny na oswojenie się z własnym osądem.
Jak wygląda dziś moja decyzja w godzinę
Dziś, kiedy mam przygotowaną propozycję czy ofertę, nie odkładam jej na dwa tygodnie. Siadam z AI i przeprowadzam coś, co nazwałbym sparingiem decyzyjnym.
Opisuję sytuację. Podaję kontekst klienta, rynek, swoją propozycję, własne wątpliwości. A następnie proszę AI o wcielenie się w różne role: eksperta od danej branży, sceptycznego klienta, konkurenta, doświadczonego negocjatora. Każda z tych ról ma mi powiedzieć coś innego o tej samej decyzji.
I tu dzieje się rzecz, która zastępuje mi dawne dwa tygodnie. Kiedy słyszę, jak „ekspert" rozkłada moją ofertę na czynniki pierwsze i nie znajduje w niej kompromitujących słabości - mój lęk opada. Nie po dwóch tygodniach. Po godzinie. Bo dostałem zewnętrzną perspektywę, która powiedziała mi to, na co wcześniej musiałem czekać, aż sam dojdę do tego przez powolne oswajanie.
Efekt jest realny i wymierny. Decyzje, które kiedyś blokowały mnie na dwa tygodnie, dziś podejmuję tego samego dnia. W skali roku, przy dziesiątkach takich decyzji, to nie jest oszczędność czasu. To jest zmiana tempa całej organizacji, bo to ja jestem wąskim gardłem wielu decyzji w moich spółkach.
Brzmi jak sukces. I przez pewien czas tak to traktowałem. Aż zauważyłem problem.
Konkretny przykład - żeby to nie zostało abstrakcją
Posłużę się sytuacją typową dla mojej pracy, w wersji oczyszczonej ze szczegółów, które mogłyby kogoś zidentyfikować. Przygotowuję ofertę na duży projekt. Kwota istotna, klient wymagający, stawka wysoka. Mam dwie wersje: bezpieczną, niżej wycenioną, oraz ambitną, która zakłada wyższą wycenę i większy zakres.
W świecie dwóch tygodni ta decyzja wyglądała tak: przygotowywałem obie wersje, a potem przez kilkanaście dni krążyłem między nimi. Dziś wyceniam wyżej, jutro się boję, że klient ucieknie, pojutrze znów nabieram odwagi. Ostatecznie, po dwóch tygodniach, lęk przed utratą klienta zwykle wygrywał i wysyłałem wersję bezpieczną. Nie dlatego, że była lepsza. Dlatego, że była mniej straszna.
W świecie godziny z AI ta sama decyzja wygląda inaczej - i tu właśnie widać oba oblicza problemu. Jeśli proszę AI: „oceń, która wersja oferty jest lepsza dla tego klienta, wciel się w jego dział zakupów" - dostaję realną analizę, która często wskazuje, że wersja ambitna ma sens, bo komunikuje wartość. To jest walidacja, która faktycznie zmienia moją decyzję na lepszą.
Ale jeśli proszę AI: „uzasadnij, dlaczego bezpieczna wersja oferty jest rozsądniejsza" - dostaję profesjonalnie brzmiące potwierdzenie mojego lęku. AI z pełnym przekonaniem wyłoży mi, dlaczego ostrożność się opłaca. I wyślę wersję bezpieczną - tyle że teraz z poczuciem, że to przemyślana, zwalidowana decyzja, a nie ucieczka przed ryzykiem. To jest gorsze niż dwa tygodnie wahania, bo wahanie przynajmniej było szczere.
Nowy problem, którego wcześniej nie miałem
Problem brzmi prosto: AI bardzo chętnie przyznaje rację.
Kiedy odkładałem decyzję na dwa tygodnie, ten czas pełnił funkcję, której nie doceniałem. Wymuszał na mnie konfrontację z własnymi wątpliwościami w samotności. Nie miałem nikogo, kto by mi powiedział, że jest dobrze. Musiałem sam dojść do tego, czy decyzja się broni. A skoro nikt mnie nie uspokajał, traktowałem własne wątpliwości poważnie. Czasem te dwa tygodnie kończyły się tym, że zmieniałem decyzję. Albo ją porzucałem.
AI tego nie robi. AI, jeśli się je odpowiednio poprosi, potwierdzi prawie każdą tezę. Wystarczy sformułować pytanie w sposób, który sugeruje oczekiwaną odpowiedź. „Czy ta oferta jest dobra?" to pytanie, na które AI niemal zawsze znajdzie sposób, żeby odpowiedzieć twierdząco - bo modele językowe są trenowane tak, żeby być pomocne, a „pomocne" zbyt często znaczy „przytakujące".
I tu dochodzę do najbardziej niewygodnej części tej autorefleksji. Sam przyłapałem się na tym, że w niektórych sytuacjach nie zadaję AI pytań po to, żeby się czegoś dowiedzieć - tylko po to, żeby wzmocnić to, co już postanowiłem. Formułuję zapytanie tak, żeby dostać potwierdzenie. Wcielam AI w eksperta, ale podaję mu kontekst w sposób, który prowadzi go do wniosku, jakiego oczekuję.
To nie jest walidacja decyzji. To jest racjonalizacja decyzji już podjętej. A różnica między tymi dwoma jest fundamentalna - i decyduje o tym, czy AI faktycznie poprawia moje decyzje, czy tylko sprawia, że szybciej brnę w te złe.
Walidacja kontra racjonalizacja - cienka granica, na której łatwo się pośliznąć
Spróbuję to rozłożyć precyzyjnie, bo to jest sedno całego problemu.
Walidacja polega na tym, że konfrontuję swoją decyzję z perspektywą, która ma realną szansę ją obalić. Pytam: „Rozłóż tę ofertę na czynniki pierwsze i powiedz mi, gdzie jest najsłabsza. Wciel się w klienta, który szuka powodu, żeby odmówić - co go zniechęci?". Takie pytanie zaprasza kontrargument. Daje AI mandat do tego, żeby mi powiedzieć, że się mylę.
Racjonalizacja polega na tym, że konfrontuję swoją decyzję z perspektywą, którą wcześniej tak ustawiłem, żeby ją potwierdziła. Pytam: „Ta oferta jest dobra, prawda? Uzasadnij, dlaczego klient ją przyjmie". Takie pytanie zaprasza poklask. Odbiera AI mandat do sprzeciwu, zanim w ogóle zacznie odpowiadać.
Najgorsze jest to, że oba pytania wyglądają podobnie. Oba angażują AI jako eksperta. Oba kończą się analizą, która brzmi profesjonalnie. Tylko że pierwsze realnie testuje decyzję, a drugie ją maskuje pod pozorem testu.
I tu jest pułapka specyficzna dla AI, której nie było w świecie dwóch tygodni. Kiedy decyzja odleżywała się we mnie samym, nie mogłem oszukać samego siebie tak łatwo - bo wewnętrzny niepokój nie dawał się zagadać. AI daje się zagadać. AI z radością dostarczy mi profesjonalnie brzmiące uzasadnienie dla decyzji, której mój własny instynkt jeszcze nie zaakceptował. I zrobi to w godzinę, z pełnym przekonaniem, opakowane w język ekspercki.
Mówiąc wprost: AI potrafi uciszyć wątpliwości, które powinienem był usłyszeć.
Dlaczego u prezesa to ryzyko jest groźniejsze niż u kogokolwiek innego
Ten mechanizm dotyczy każdego, kto używa AI. Ale u osoby na szczycie organizacji ma on wyjątkowo niebezpieczny wymiar - z powodu, który opisywałem już przy okazji zarządzania holdingiem.
Szeregowy pracownik, który zracjonalizuje sobie złą decyzję z pomocą AI, ma nad sobą przełożonego. Ktoś tę decyzję zweryfikuje, zakwestionuje, czasem cofnie. Istnieje warstwa kontroli, która wyłapuje błędy popełnione z nadmierną pewnością siebie.
Prezes nie ma nad sobą nikogo, kto wyłapuje takie błędy na bieżąco. Rada nadzorcza widzi wyniki kwartalnie. Zarząd raportuje w dół, nie w górę. Wspólnicy reagują na konsekwencje, nie na proces decyzyjny. To znaczy, że jeśli prezes używa AI do racjonalizowania swoich decyzji zamiast do ich kwestionowania, nie ma żadnego mechanizmu, który by to skorygował, dopóki skutki nie staną się widoczne w liczbach - czyli zwykle za późno.
W praktyce oznacza to, że im wyżej w strukturze, tym bardziej kosztowna jest zamiana walidacji w racjonalizację. Prezes, który nauczył się od AI pozyskiwać potwierdzenia, buduje sobie maszynę do podejmowania coraz pewniejszych, coraz szybszych i potencjalnie coraz gorszych decyzji - bez hamulca, który istnieje na każdym niższym szczeblu organizacji. To jest dokładnie ten sam problem braku rozliczalności prezesa, o którym pisałem wcześniej, tylko widziany z drugiej strony: AI może być najlepszym audytorem prezesa albo jego najgorszym pochlebcą. Wybór, którym z nich się stanie, zależy wyłącznie od sposobu, w jaki prezes formułuje pytania.
Czego się nauczyłem - jak korzystać z przyspieszenia, nie wpadając w pułapkę
Nie zamierzam wracać do dwóch tygodni. Przyspieszenie jest realne i nie chcę z niego rezygnować. Ale wypracowałem sobie kilka zasad, które mają mnie chronić przed zamianą walidacji w racjonalizację. Dzielę się nimi, bo podejrzewam, że jestem daleki od bycia jedynym menedżerem, który wpadł w ten mechanizm, nie nazywając go po imieniu.
Po pierwsze, formułuję pytanie tak, żeby zapraszało sprzeciw, nie potwierdzenie. Zamiast „czy to dobra decyzja", pytam „dlaczego to może być zła decyzja". Zamiast „uzasadnij mój pomysł", proszę „zniszcz mój pomysł, znajdź trzy powody, dla których to się nie uda". Jeśli pomysł przetrwa próbę zniszczenia, jest naprawdę dobry. Jeśli upadnie - dobrze, że upadł teraz, a nie po wdrożeniu.
Po drugie, nie podaję AI swojej preferowanej odpowiedzi w pytaniu. To trudniejsze, niż się wydaje, bo robi się to odruchowo. Sposób, w jaki opisuję sytuację, zdradza, czego oczekuję. Dlatego coraz częściej opisuję decyzję neutralnie, jakby dotyczyła kogoś innego, i dopiero potem proszę o ocenę. Gdy AI nie wie, po której stronie stoję, jego odpowiedź jest uczciwsza.
Po trzecie, traktuję zgodę AI z większą podejrzliwością niż jego sprzeciw. Jeśli AI od razu przyznaje mi rację, zadaję sobie pytanie, czy sformułowałem zapytanie tak, że nie miało innego wyjścia. Jeśli AI się ze mną nie zgadza - słucham uważniej, bo skoro przebiło się przez mój sposób zadawania pytań, to znaczy, że kontrargument jest mocny.
Po czwarte - i to jest może najważniejsze - przy decyzjach naprawdę dużych nadal daję im trochę czasu. Nie dwa tygodnie. Ale nie godzinę. Bo nauczyłem się, że szybkość, którą daje AI, jest cenna w 90% decyzji, ale w tych 10% o największej wadze nic nie zastąpi nocy przespanej z problemem. AI skraca czas oswajania się z decyzją, ale czasem to oswajanie samo w sobie jest wartością - bo ujawnia wątpliwości, które przy szybkim tempie zostałyby zagłuszone.
Dlaczego piszę o tym otwarcie
Mógłbym napisać ten artykuł inaczej. Mógłbym napisać tekst o tym, jak AI przyspieszyło moje decyzje dziesięciokrotnie i jak dzięki temu jestem lepszym menedżerem. Byłby to tekst prawdziwy w połowie i całkowicie bezużyteczny.
Piszę o tym otwarcie, bo mechanizm, w który wpadłem, jest moim zdaniem jednym z najbardziej niedocenianych ryzyk wdrażania AI w pracy decyzyjnej. Wszyscy mówią o halucynacjach, o błędach, o tym, że AI „czasem zmyśla". Mało kto mówi o czymś groźniejszym: o tym, że AI bywa najniebezpieczniejsze właśnie wtedy, gdy ma rację co do faktów, ale przyznaje rację Tobie wtedy, gdy nie powinno.
Menedżer, który używa AI do tego, żeby kwestionować swoje decyzje, staje się lepszym menedżerem. Menedżer, który używa AI do tego, żeby je uzasadniać, staje się menedżerem, który podejmuje gorsze decyzje szybciej i z większą pewnością siebie. A to jest najgorsza możliwa kombinacja - błąd popełniony zdecydowanie, z poczuciem, że został zwalidowany.
Najgroźniejsze w AI nie jest to, że się myli. Groźne jest to, że potrafi przyznać Ci rację dokładnie wtedy, gdy najbardziej potrzebujesz, żeby ktoś się z Tobą nie zgodził.
Pytanie, które warto sobie zadać
Jeżeli jesteś menedżerem, prezesem albo kimkolwiek, kto podejmuje decyzje o realnej wadze i zaczął używać AI jako wsparcia - zadaj sobie jedno uczciwe pytanie.
Kiedy ostatnio AI powiedziało Ci, że się mylisz? I czy to dlatego, że Twoje decyzje są tak dobre - czy dlatego, że pytasz w sposób, który nie zostawia AI miejsca na sprzeciw?
Jeśli nie pamiętasz, kiedy ostatnio AI realnie podważyło Twój pomysł, to prawdopodobnie nie używasz go do walidacji. Używasz go do tego, żeby szybciej czuć się pewnie. A to dwie zupełnie różne rzeczy - i tylko jedna z nich faktycznie czyni Cię lepszym w tym, co robisz.
Jest w tym pewna ironia, której nie potrafię zignorować. Narzędzie, które miało uczynić moje decyzje bardziej racjonalnymi, najłatwiej obrócić w narzędzie, które czyni je tylko bardziej pewnymi siebie. Ta sama technologia, która potrafi być najlepszym adwokatem diabła, jakiego kiedykolwiek miałem do dyspozycji, potrafi też być najgorszym pochlebcą - i przełączenie między tymi trybami zajmuje jedno źle postawione pytanie. Cała różnica rozgrywa się nie w modelu, lecz w intencji, z jaką do niego siadam: czy chcę usłyszeć prawdę, czy chcę usłyszeć potwierdzenie.
Dwa tygodnie zamieniłem na godzinę. Nie żałuję. Ale nauczyłem się, że ta godzina jest warta tyle, ile uczciwość pytań, które w niej zadaję. Reszta to tylko szybsza droga do tych samych błędów.
W świecie złożonych decyzji technologicznych, pomagam układać właściwe puzzle.
