Матеріал розбирає підхід консультанта з цифрової трансформації Пола Боґа (Paul Boag) до впровадження AI в організаціях. Він проводить паралелі між нинішньою «гонкою за AI» та хвилею цифрової трансформації 2010-х і показує, як повторюються одні й ті самі управлінські помилки.
1. AI — це культурна зміна, а не просто нова технологія
Автор наголошує: головний провал і в цифровій трансформації, і в поточному впровадженні AI — сприйняття всього як чисто технологічної задачі.
- У минулому компанії масово впроваджували CMS, CRM, інтранети, запускали сайти й мобільні застосунки, але майже не думали, як люди реально будуть цим користуватись.
- Результат: внутрішні системи були громіздкими й незручними, а клієнти або ігнорували нові продукти, або очікували зовсім іншого.
- Схожа ситуація й сьогодні: керівництво купує корпоративні ліцензії (наприклад, Copilot Studio), IT усе підключає, проводиться короткий «загальний» тренінг — на цьому впровадження фактично закінчується.
Працівники при цьому залишаються сам-на-сам із новим інструментом: не розуміють, як вбудувати AI у свої процеси, але відчувають тиск «показати результат».
Ключова теза Боґа: AI — це така ж культурна зміна, як і цифрова трансформація. Вона торкається ролей, звичок, статусу людей і відчуття безпеки. І без роботи з цими аспектами суто технічний запуск приречений.
2. Мотивація персоналу: навіщо працівникам взагалі приймати AI
Автор пропонує подивитися на ситуацію очима рядового співробітника:
- Керівництво чекає зростання продуктивності: «робити більше за менший час».
- Але працівник як працював умовні 9–17, так і працює. Йому не скорочують робочий день і не підвищують зарплату.
- Фактично від нього очікують, що завдяки AI він просто буде встигати більше в той самий час — без очевидної вигоди для себе.
На цьому фоні додатково накладається страх: усі читають заголовки про те, що AI «забирає робочі місця». Усні запевнення менеджменту «ніхто не постраждає» погано працюють проти загальної тривоги.
Звідси висновок: перед тим, як вимагати від людей прийняти AI, компанія має відповісти, як вона мотивуватиме працівників.
Практичні підходи до мотивації
- Фокус на неприємних задачах. Автор описує підхід, коли працівникам допомагають виявити частини роботи, які вони найбільше не люблять (рутина, звітність, монотонна документація) — і показують, як AI може полегшити саме ці частини. Це сприймається як реальне покращення робочого життя, а не абстрактне «підвищення продуктивності».
- Матеріальні та кар’єрні стимули. Боґ пропонує компаніям подумати про:
- зв’язок активного використання AI з кар’єрним розвитком;
- фінальні бонуси чи надбавки за впроваджені AI-ініціативи;
- експерименти з скороченням робочого часу за рахунок підвищеної продуктивності.
З погляду організаційного дизайну це логічно: якщо AI в першу чергу вигідний бізнесу, а не людині, очікувати від людини ентузіазму складно.
3. Час, підтримка й роль «ентузіастів»
Боґ підкреслює, що освоєння AI — це не проста «інструкція до нового софту». Для багатьох працівників це означає перезібрати свої робочі практики, які формувалися роками.
- Працівники й так перевантажені; в них немає «вільних годин», щоб розібратися з новим інструментом.
- Щоб AI дійсно вкоренився, потрібні час на експерименти і можливість пробувати різні підходи без страху помилки.
Формальне навчання, за спостереженнями автора, — лише мінімально необхідний рівень:
- загальні тренінги корисні, але слабко впливають на щоденну практику;
- ефективніші програми роль-специфічні (наприклад, окремі AI-програми для UX-команд, маркетингу, HR тощо);
- найбільший ефект часто дає навчання від колег, а не від зовнішніх тренерів.
Чому варто починати з ентузіастів, а не з «скептиків»
У кожній компанії є невелика група людей, які вже пробують AI в роботі «за власним бажанням». Автор радить:
- свідомо знайти цих ентузіастів у різних підрозділах;
- дати їм час і простір на експерименти й обмін досвідом (внутрішні міні-конференції, демо-сесії, спільноти практики);
- дозволити їхньому реальному досвіду і прикладам «із життя» працювати як соціальний доказ.
У книжці «Digital Adaptation» Боґ описував внутрішню конференцію, де співробітники показували створені ними цифрові рішення. Така ініціатива, за його словами, дала для прийняття змін більше, ніж будь-які звернення керівництва.
Тут причинно-наслідковий ланцюжок очевидний: коли люди бачать, як хтось у дуже схожій ролі уже успішно використовує AI, бар’єр «це не про мене» знижується значно швидше, ніж від офіційних презентацій.
4. «Безпечно помилятися»: як культурний страх ламає впровадження
Окрема лінія, яку проводить автор, — культура страху помилок. Багато організацій формально декларують бажання інновацій, але:
- зберігають ті ж KPI, що й до трансформації;
- жорстко фіксують будь-які промахи в річних оцінках;
- не дають жодного «простору» для навчання на практиці.
У такій логіці змінювати щось небезпечно. Люди мають стимул поводитися максимально обережно й робити «як завжди». Впровадження AI за таких умов зупиняється або перетворюється на формальність.
У контексті AI автор наводить характерні історії:
- співробітників спочатку активно закликають до використання AI, а через кілька тижнів карають за «надто багато витрачених токенів»;
- довгі й тривожні лекції про ризики й заборони формують відчуття, що з AI краще «не зв’язуватися зовсім».
Звідси його рекомендація до керівництва: якщо компанія хоче реального прийняття AI, потрібно свідомо пом’якшити частину контролю на період навчання.
Що це означає на практиці
- переглянути KPI на перехідний період (врахувати час на експерименти й навчання);
- змінити підхід до оцінки помилок, пов’язаних з тестуванням AI;
- чітко позначити «безпечні пісочниці», де можна пробувати нові інструменти без ризику санкцій.
Важливе обмеження, про яке нагадує автор: помилки все одно будуть, і це вартість змін. Завдання організації — не «заборонити помилки», а так вибудувати процеси, щоб наслідки цих помилок були контрольованими й прийнятними.
5. Governance: короткі принципи замість паралізуючих заборон
Боґ не закликає впроваджувати AI без правил. Навпаки, він відзначає, що повна відсутність governance так само шкідлива, як і його надмір.
Типові крайнощі, які він бачив і в епоху цифрової трансформації, і зараз:
- Повна відсутність правил. Люди не знають, що їм можна й чого не можна, бояться випадково порушити «невидиму межу».
- Наджорсткі політики. Десятки сторінок заборон і регламентів породжують ту саму культуру страху й штовхають людей до бездіяльності.
Автор наводить як позитивний приклад Government Design Principles від уряду Великої Британії — короткий набір орієнтирів, який легко розмістити на кількох постерах.
Його порада: замість довгих регламентів створити стислий набір принципів використання AI, зрозумілий кожному. А далі — демонструвати довіру до професійності співробітників і до їхнього здорового глузду.
6. Гнучкий технічний запуск і феномен «shadow AI»
Окремий пласт проблем, який Боґ пов’язує з минулою цифровою трансформацією, — це спосіб, у який IT-відділи розгортають інструменти.
У 2010-х роках часто виглядало так:
- перевантажена IT-служба один раз обирає «корпоративний стек»;
- розгортає його на всю організацію без широкої консультації з користувачами;
- будь-які альтернативи мають проходити повільний погоджувальний процес зі «стейкхолдерськими комітетами»;
- у результаті зміни відбуваються дуже повільно, а частина потреб так і залишається непокритою.
Сьогодні це повторюється з AI. Автор наводить кейс UX-команди, яка хотіла побудувати AI-дослідницький репозиторій і AI-персони. Менеджмент був «за», команда — натхненна, але обраний корпоративний інструмент (Copilot) не дозволяв реалізувати задум. Для підключення іншого рішення потрібне схвалення AI-стирингової групи; процес затягується, ентузіазм згасає.
Shadow AI як симптом, а не проблема
Там, де офіційні інструменти не покривають реальні задачі, люди шукають обхідні шляхи. Раніше це було «shadow IT» (Dropbox, Google Docs тощо), тепер — «shadow AI»:
- співробітники створюють особисті акаунти в ChatGPT або інших сервісах;
- користуються ними з власних девайсів, поза контролем компанії;
- іноді передають у такі сервіси фрагменти робочих даних.
Це значно ризикованіше, ніж контрольоване корпоративне рішення: компанія не бачить, що саме відбувається з даними, й не може керувати ризиками. Спроба «закрутити гайки» ще сильніше (блокування сайтів, загрози дисциплінарних заходів) зазвичай лише заганяє практику глибше в тінь.
Автор пропонує зовсім інший підхід: сприймати shadow AI як діагностику потреб.
- Поговорити з людьми, для чого саме вони використовують особисті AI-акаунти.
- Виявити, які задачі не покриваються офіційними інструментами.
- Використати ці інсайти як орієнтир для наступної хвилі впровадження офіційних рішень.
Логіка тут така: якщо на ранній стадії дозволити певний рівень «керованого хаосу», організація краще зрозуміє, які реальні сценарії AI-практики потрібні. І вже потім можна переходити до більш жорсткої стандартизації стеку.
7. Баланс ризиків і висновки для керівництва
Боґ не заперечує, що такий підхід виглядає небезпечним для багатьох організацій. Бажання «централізовано контролювати» AI, мінімізувати ризики й похибки — зрозуміле. Однак, на його думку, тут важливо бачити два типи ризиків:
- ризик рухатися надто швидко (помилки, неідеальна безпека, тимчасовий хаос у інструментах);
- ризик рухатися надто повільно (втрата конкурентоспроможності, демотивація персоналу, внутрішнє «підпільне» використання AI).
Автор робить акцент, що ігнорування людського фактора виявляється небезпечнішим, ніж технічні недосконалості. AI-впровадження, як і цифрова трансформація, — це про:
- культуру, яка допускає експерименти й контрольовані помилки;
- прозору мотивацію працівників, а не лише вигоду бізнесу;
- гнучке технічне впровадження, що підлаштовується під реальні потреби;
- зрозумілі, короткі принципи governance замість паралізуючих інструкцій.
З такого ракурсу успіх впровадження AI залежить не стільки від вибору конкретної платформи, скільки від того, наскільки організація готова змінювати свої управлінські підходи: до мотивації, навчання, контролю та довіри.
Джерело: Paul Boag — Smashing Magazine