O czym jest ten film
- W sierpniowej aukcji majątku upadłego Spirit Airlines Google złożyło zwycięską ofertę 10 mln dolarów, przebijając Mercor (7,5 mln). Rozprawa o zatwierdzeniu sprzedaży zaplanowana jest na 14 października — nic nie jest jeszcze przesądzone.
- Na sprzedaż wystawiono ok. 100 mln e-maili, pół miliarda rekordów z Teamsa, kod i dokumenty firmowe — wieloletni zapis codziennej pracy tysięcy ludzi.
- Laboratoria AI kierują się teorią, że zapisy pracy (czaty, transkrypcje rozmów, dokumenty) pozwolą nauczyć agenty pracy umysłowej.
- Autor jest sceptyczny: archiwa łapią głównie „odgrywanie pracy” — pokazywanie dostępności i zaangażowania — a nie samą pracę i tworzony przez nią wartościową.
- Przykład z fakturą: 30 wiadomości i 3 spotkania, z których wartościowa była jedna interwencja. Agent nie odróżni jej od reszty, a „zamknięte zgłoszenie” nie gwarantuje sukcesu — duplikat płatności może wyjść dopiero po sześciu tygodniach.
- Mercor próbuje rozwiązać problem „czy praca się udała”: obok zapisów chce przejąć Deep Tune, budujące środowiska treningowe z zadaniami i testami sukcesu. Ekspertów opłaca się za definiowanie, co znaczy „zadanie wykonane”.
- Sprzedają dane głównie firmy w kłopotach („ostatnia deska ratunku”) oraz małe biznesy przez brokerów typu GP.AI (pakiety za 20 tys.–5 mln dolarów) — trening agentów opiera się więc nieproporcjonalnie często na praktykach firm, którym się nie powiodło.
- Pracownicy się nie zgadzają: związek stewardess Spirit podnosi kwestie danych osobowych i wnioskowania z łączonych zapisów; według szacunków liderów nawet jedna trzecia zespołów po cichu sabotuje wdrażane narzędzia AI.
- Wartość agentów nie leży w naśladowaniu komunikacji, lecz w powtarzalnych, żmudnych procesach końca do końca — bez Slacka i e-maili. Skalowanie modeli daje ogólność, nie znajomość kontekstu konkretnej firmy („PowerPoint od Claude’a widać z daleka”).
- Rekomendacje autora: pracownicy powinni współdecydować, co liczy się jako sukces i które zapisy pominąć; ekspertyzę zamiany danych w materiał treningowy trzeba opłacać jako pracę o wysokiej wartości; a przed sprzedażą archiwów trzeba policzyć, ile są warte dla samej firmy.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Zapis komunikacji to nie praca — to często jej odgrywanie
Na czym polega: Archiwa ze Slacka, Teamsów i poczty mieszają ze sobą dwie rzeczy: realne interwencje, które chronią firmę przed stratami, i teatr produktywności („przypominam się”, statusy, odprawy bez treści). W trzydziestu wiadomościach wartościowa bywa jedna. Agent nie odróżni jej od reszty.
Jak stosować: Zanim ocenisz — albo sprzedasz — „wartość danych” zespołu, wyodrębnij momenty, w których faktycznie zapobieżono błędowi albo wprowadzono pieniądze do firmy. Opisując swoją pracę (np. w samoocenie), mów o skutkach, a nie o przebiegu korespondencji.
Na co uważać: Kupujący dane potraktuje całą sekwencję jako wzorzec kompetencji. Nie opieraj ocen pracownikich i okresowych na samej objętości komunikacji — powtórzysz błąd, którego Autor się obawia u agentów.
2.„Zadanie wykonane” ktoś musi zdefiniować — i ta definicja wróci do twojej roli
Na czym polega: Mercor opłaca ekspertów za pisanie zadań i kryteriów sukcesu dla agentów. Wybór w stylu „czy zamknięcie zgłoszenia wystarczy” staje się celem treningowym — a potem dowodem, który dostawca pokaże twojemu pracodawcy.
Jak stosować: Gdy dostawca twierdzi, że agent „podoła twojej roli”, pytaj: kto, jak i na jakiej podstawie zdefiniował sukces? Przetestuj agenta na własnych zadaniach z odroczonymi skutkami (np. duplikaty płatności wychodzące po tygodniach).
Na co uważać: Zamknięty ticket ani ładny raport to nie sukces. Skutek biznesowy często widać dopiero po czasie — kryterium „od ręki” będzie go systematycznie przesłaniać.
3.Dane na sprzedaż to głównie dane firm schodzących — błąd selekcji
Na czym polega: Sprzedają ci, którym nie udało się samodzielnie zarobić na własnych danych — jak Spirit, sprzedający archiwa w upadłości. Agenci będą się więc uczyć nieproporcjonalnie często z praktyk firm nieudanych.
Jak stosować: Przy ocenie zestawów treningowych pytaj o pochodzenie danych i los firmy-sprzedawcy. Przykłady „dobrej praktyki” z takich zbiorów traktuj z dużą rezerwą.
Na co uważać: Wysoka cena danych nie świadczy o ich reprezentatywności — świadczy o desperacji sprzedającego.
4.Zanim sprzedasz dane, policz alternatywę
Na czym polega: Argument Autora: jeśli zapis pracy jest wart milion dla zewnętrznego kupca, to dla firmy znającej swój rynek, klientów i produkt powinien być wart więcej — jako paliwo własnych usprawnień.
Jak stosować: Przed każdą transakcją zrób krótką inwentaryzację: jakie procesy, powtarzalne problemy i wiedza siedzą w systemach; oszacuj wartość własnego wykorzystania i zestaw z ceną rynkową.
Na co uważać: Sprzedaż jest praktycznie nieodwracalna — firma, która sprzeda „coś za nic”, traci i dane, i zaufanie zespołu, i szansę na kolejną transakcję.
5.Dobra współpraca z agentem omija komunikatory, zamiast je naśladować
Na czym polega: Wartość agenta tkwi w powtarzalnych, żmudnych procesach końca do końca: dane wejściowe → przetworzenie → wynik w konkretnym formacie. Trenowanie agentów na konwersacjach daje — cytując Autora — „symulację pracy: ogromnie zabawną, dość kosztowną i niewiele wartą”.
Jak stosować: Szukaj procesów o dużym „znoju” i małej niejednoznaczności (uzgadnianie dokumentów, wstępna kontrola zgodności), zdefiniuj format wyniku i sposób mierzenia jakości, dopiero potem angażuj agenta.
Na co uważać: Projekty, w których agent „udziela się” na Slacku jak członek zespołu, wyglądają imponująco, a rzadko przynoszą mierzalny rezultat.
6.Specyfika kontekstu firmy nie przychodzi ze skalowania
Na czym polega: Modele są z założenia ogólne — „PowerPointa od Claude’a widać z daleka”. Głęboka znajomość klienta, historii wyjątków i środowiska systemowego pozostaje przewagą człowieka.
Jak stosować: Inwestuj w to, czego model nie zdobędzie: dokumentuj kontekst decyzji, wyjątki od reguł, historię konkretnych klientów. To trudniejsze do skopiowania niż umiejętność generowania artefaktów.
Na co uważać: Staranny artefakt (prezentacja, raport) bez myślenia i dobrej historii to tylko ładna papka — nie myl formy z treścią.
7.Prawdziwą miarą pracy jest wpływ: przychody albo koszty
Na czym polega: Wartość tego, co robimy, nie jest funkcją pojedynczego maila czy dokumentu. W biznesie sprowadza się do dwu rzeczy: zwiększania przychodów albo obniżania kosztów — i każdy jest po jednej ze stron tego podziału.
Jak stosować: Formułuj swój wkład w tych kategoriach — przy ocenach, w rozmowach o roli i wynagrodzeniu. Jeśli umiesz to jasno opisać, możesz śmiało używać AI jako przyspieszacza.
Na co uważać: Komunikat kierownictwa „wdrożymy AI, a potem was wytniemy” odbiera motywację — i, według szacunków liderów przywołanych przez Autora, prowadzi do cichego sabotażu nawet w jednej trzeciej zespołu.
8.Pracownicy mają instrumenty sprzeciwu — i będą z nich korzystać
Na czym polega: Związek stewardess Spirit zażądał ochrony danych osobowych i kwestionował wnioskowanie z łączonych zapisów; opór bywa też nieformalny — milczące niestosowanie narzędzi i „przestawianie się” na tryb bierny.
Jak stosować: Jeśli wdrażasz AI, komunikuj cel jako „zdjęcie z ludzi żmudnej roboty”, a nie „zastąpienie pracownika”. Włącz zespół w decydowanie, co jest sukcesem i których zapisów nikt nie ruszy.
Na co uważać: Wrażliwe dane wędrują do „niewłaściwych” miejsc (np. poczty) nawet wtedy, gdy całe systemy wyłączono z transakcji — przed każdą sprzedażą potrzebny jest audyt, gdzie co faktycznie zalega.
9.Porządkowanie danych to najnudniejsza i najskuteczniejsza inwestycja
Na czym polega: Najlepsze efekty, jakie Autor widział, zaczynały się od prozy: dobrze napisanych plików markdown jako źródła prawdy, przemyślanych dokumentów produktowych i testów jakości budowanych przez QA — czyli struktury, którą agent potrafi faktycznie przetworzyć.
Jak stosować: Zacznij małego: jeden proces, opisany w formie czytelnej i dla agenta, i dla człowieka, plus mierzalne kryteria wyniku. Sprawdzaj, czy człowiek z agentem produkuje realnie lepszy rezultat niż sam.
Na co uważać: Narzędzia wglądu w dane firmy są tak dobre, jak dane w środku — chaotyczne źródła dadzą chaotyczny, krzywdzący obraz zespołów.
10.Pytanie „czym jest praca?” jest decyzyjne — na najbliższą dekadę
Na czym polega: Cały opisany rynek (aukcje archiwów, brokerzy typu GP.AI, środowiska treningowe) stoi na nieudowodnionym założeniu, że zapisy pracy równają się samej pracy.
Jak stosować: W każdej firmowej dyskusji o AI podnoś pytania: co liczy się jako sukces, które zapisy pominąć, kto i za ile zamienia dane w materiał treningowy. Żądaj odpowiedzi przed zakupem albo sprzedażą danych.
Na co uważać: Brak tej dyskusji prowadzi do scenariusza „coś za nic”: dane się zdewaluują, agent nic nie wniesie, a firma straci możliwość ponownej sprzedaży i zaufanie ludzi.
Redakcyjne tłumaczenie
Aukcja, której stawką jest twoja praca
Google ma danych więcej niż niemal każda firma na świecie. Po co mu więc 10 milionów dolarów za służbową pocztę Spirit Airlines? Odpowiedź zależy od tego, z czego — zdaniem Google — składa się twoja praca.
Ile jest warta praca, którą wykonujesz? Jeśli dojdzie do skutku transakcja taka jak ta ze Spirit Airlines, sprzedający dostanie pieniądze, pośrednik zainkasuje prowizję, a kupujący — Google — będzie liczył na zbudowanie możliwości agentów, które potem odsprzeda. A osoba, której praca to wszystko wytworzyła? Nie dostaje nawet miejsca przy stole.
Okazuje się, że firmy płacą miliony za zapisy pracy sprzed lat. Po co? Bo w czołowych laboratoriach AI krąży teoria, że jeśli zdobędą takie materiały — wiadomości ze Slacka, transkrypcje rozmów na Zoomie, dokumenty — nauczą sztuczną inteligencję tego, co robimy ty i ja. Że nauczą jej pracy umysłowej. Przynajmniej taka jest idea. Moim zdaniem jest sporo powodów do sceptycyzmu — ale niezależnie od wszystkiego warto o tym wiedzieć, żeby rozumieć wartość naszej pracy, to, co w nią wkładamy, i wartość danych, które przy okazji zostawiamy.
Od pracy łatwej do sprawdzenia do pracy, której nie da się udowodnić
Dlaczego to ważne? Gdy zaczynaliśmy rok 2026, głównym tematem było to, co nazywam pracą weryfikowalną. Jeśli kod się uruchamia i działa — jest dobrze. Jak żarówka: albo świeci, albo nie. W takich domenach sprawa jest prosta. Teraz jednak mówimy o domenach trudniejszych do zweryfikowania. Skąd wiesz, że dokument, który napisałeś, jest dobry? Potrafisz to udowodnić? Czy chodzi o jedno konkretne zdanie? O coś, co zmieniłeś w wersji piątej względem czwartej — albo trzydziestej siódmej względem trzydziestej szóstej? Tak, przy pisaniu dokumentów wymagań produktowych w Amazonie dochodziłem do takich numerów wersji. (Informacja dodatkowa: PRD, product requirements document — specyfikacja wymagań wobec produktu; w dużych organizacjach przechodzi dziesiątki rewizji.) Skąd wiesz, że jest dobry? Co czyni go dobrym? Co w ogóle czyni coś prawdziwą pracą umysłową?
Właśnie to musimy lepiej zrozumieć, bo bardzo wiele z wartości, którą tworzą ludzie, nie daje się uchwycić w danych, które laboratoria kupują.
Pomyśl o własnej pracy
Popatrz na swoją pracę. Jaka część zapisu pokazuje, gdzie stworzyłeś wartość? Co z wysiłku, żeby znaleźć właściwą informację, uzyskać zgodę, umówić spotkanie — a potem umówić to, co po spotkaniu? Kupujący tę historię musi zdecydować, których fragmentów maszyna ma się uczyć. Ta decyzja odbije się na twojej pracy i na mojej, a my możemy nie mieć na nią większego wpływu.
Co jest pracą, która się liczy? To pytanie stoi u podstaw całego tego rynku — i będzie nam towarzyszyć przez najbliższą dekadę. Jeśli spędziłeś popołudnie na Slacku, naprawiając fakturę, to czym właściwie była ta praca? Samymi wiadomościami? Znalezieniem błędu? Przekonaniem kogoś z uprawnieniami, żeby faktycznie coś poprawił? I ile wart jest taki zapis dla kupującego, skoro agent nie odróżnia jednego od drugiego?
To jest spór o to, co robimy i jak to się nam liczy. Jego wynik przesądzi o tym, czego nauczy się maszyna, ile zapłaci kupujący — i czy twój pracodawca uzna, że może cię zastąpić, czy raczej kupi przekonująco zagrane przedstawienie twojej pracy, a ty zostaniesz z domykaniem tego, co agent przeoczył. Z takimi historiami też się spotykałem.
Faktura, z którą nikt nie umie sobie poradzić
Wyobraź sobie fakturę, która nie zgadza się z zamówieniem, i konieczność rozwiązania sprawy przed zamknięciem miesiąca. Faktura siedzi w systemie A, zamówienie w systemie B. Dostawca przysyła gdzieś maila z korektą, ale osoba zatwierdzająca nie dostała kopii. A pośrodku tego wszystkiem spór, czy częściowa dostawa liczy się jako kompletna. Scenariusz bardzo realistyczny — każdy, kto miał do czynienia z fakturami, wie, że to totalny chaos. Jeśli znasz tę firmę, pamiętasz może, że dostawca łączy dwie wysyłki na jednej fakturze albo że wyjątek zatwierdzony w zeszłym miesiącu w tym byłby błędem. Biznes musi to ogarnąć — i opiera się na twojej niespisanej wiedzy o firmie, na tobie, żebyś autoryzował korektę i tak dalej.
Wiadomości powstające przy sprzątaniu tego bałaganu mają znaczenie o tyle, o ile pomagają coś doprowadzić do końca. Ale to nie jest praca, prawda? Nie one wprowadzają pieniądze do firmy. Zapis zawiera zapewne także wysiłek włożony w to, żeby organizacja w ogóle pozwoliła pracę wykonać — ale to też nie jest praca. Może ktoś potrzebował statusu rozliczeń — nie praca. Może odbyło się spotkanie, bo dwa systemy się nie zgadzały — też nie praca.
Część tej koordynacji była konieczna. Część była po prostu kosztem pracy w tej konkretnej firmie. A jeśli nigdy nie piłeś po pracy piwa i nie kłóciłeś się o swoją firmę, to pewnie nie zaznałeś pełni doświadczenia pracy umysłowej. Powiem wprost: piwo po pracy i narzekanie to język, w którym biurowi pracownicy rozmawiają o tym, gdzie praca ma znaczenie.
Praca a odgrywanie pracy
Bo naprawdę mówimy tu o różnicy między pracą a jej odgrywaniem — pokazywaniem, że się pracuje, zamiast pracować. Jak zademonstrować dostępność, zaangażowanie, jak zadbać, żeby twój wkład był widoczny? O tym rozmawiamy w dużych firmach dla kariery, ale to nie to samo co praca. I właśnie wszystko po kolei łapią archiwa, które są na sprzedaż. Wiadomość, która chroni firmę przed kosztownym błędem, i wiadomość „odpisuję, przypominam się” leżą obok siebie — a agent przeczyta obie.
Załóżmy, że uporanie się z fakturą wymagało trzydziestu wiadomości i trzech spotkań. Brzmi wiarygodnie. A wartościową interwencją było to, że jedna osoba zauważyła, iż korekta nie została gdzieś właściwie naliczona. Jeśli kupujący potraktuje całą sekwencję jako przykłady rzetelnej księgowości, to co agent ma się z tego nauczyć? Skąd ma wiedzieć, co ma znaczenie? Czego nauczy się oprócz odgrywania pracy?
Jest jeszcze jeden problem. Wątek może kończyć się słowami „faktura zatwierdzona”, zgłoszenie zostaje zamknięte — i z punktu widzenia agenta to wygląda jak sukces. A sześć tygodni później wychodzi podwójna płatność. Jeśli uważasz, że teoretyzuję, to znaczy, że nie pracowałeś w firmach z prawdziwymi bałaganami. Każdy przykład, który tu przytaczam, to lekko zamaskowane zdarzenie, które sam przeżyłem. Niedoszacowujemy, w jakim stopniu te dane odzwierciedlają rzeczywisty chaos firmy. A wiem, że kupujący liczą na wydobycie z archiwów mnóstwa wartości.
Kulisy aukcji: Google kontra Mercor
W sierpniowej aukcji zwycięska była oferta Google na 10 milionów dolarów; Mercor licytował 7,5. Termin rozprawy o zatwierdzeniu sprzedaży wyznaczono na 14 października — więc nic jeszcze nie jest przesądzone. (Informacja dodatkowa: w amerykańskich postępowaniach upadłościowych sprzedaż majątku wymaga zgody sądu — dlatego zaplanowana rozprawa zdecyduje, czy transakcja dojdzie do skutku.) A potem ktoś będzie musiał rozstrzygnąć, czego właściwie uczyć agenta na materiale z linii lotniczej, która upadła.
Mercor to ciekawy kandydat na kupca, bo zbiera zarówno same zapisy, jak i miejsca, w których agenci ćwiczą. Równolegle z ofertą dla Spirit firma ogłosiła w lipcu zamiar przejęcia Deep Tune, które buduje środowiska treningowe: łączą oprogramowanie, w którym agent operuje, z zadaniem do wykonania i sprawdzianami mówiącymi, czy się udało. Pamiętasz, że na początku mówiłem, jak trudno udowodnić, że praca umysłowa się udała? Mercor próbuje to rozwiązać — i to jest naprawdę trudny problem. Firma twierdzi, że to jej eksperci tworzą zadania i kryteria sukcesu, a dodatkowo ogłaszała płatne role, które w istocie polegają na takim konfigurowaniu agentów, żeby dało się stwierdzić, czy wykonali pracę. Ludzie dostają więc pieniądze za definiowanie, co znaczy „zadanie zrobione”. Weźmy naszą fakturę: czy zamknięcie zgłoszenia wystarczy? To dokładnie ten rodzaj dylematu, przez który Mercor musiałby się przebrnąć.
Takie wybory zamieniają interpretację jednego eksperta w cel, który agent musi trafić w treningu. Kształtują też dowody, które dostawca później pokaże twojemu pracodawcy. Gdy ktoś mówi, że agent podoła twojej roli, to ktoś w tym łańcuchu już przesądził, co musi być prawdą, żeby twoje zadanie uznano za wykonane. Masz prawo się tym interesować — bo w tym jest ukryta odpowiedź na pytanie, czym jest praca dla nas wszystkich.
Co dokładnie jest na sprzedaż
Wróćmy do Spirit. Sierpniowy inwentarz obejmował około stu milionów e-maili i — uwaga — pół miliarda rekordów z Teamsa, do tego kod i dokumenty firmowe. Wyobraź sobie, ile dni pracy to przedstawia: ludzie, którzy coś wykminiają, przekazują sobie informacje, kogoś zastępują, kłócą się o problem, w końcu doprowadzają sprawę do końca — a czasem zgłaszają chorobę, choć są zdrowi. To pracodawca kontroluje systemy, w których te zapisy się nazbierały. I nie zapominajmy: Spirit ostatecznie zbankrutował, więc nie jest nawet pewne, że firma w dłuższej perspektywie dobrze wykonywała tę pracę.
Im dłużej się nad tym zastanawiam, tym bardziej uważam, że rynek danych pełen jest twierdzeń o pracy, których nikt porządnie nie sprawdził. Brokerów też nie brakuje. Jeden dopiero startuje — GP.AI — i proponuje spakowanie danych małych firm za kwoty od 20 tysięcy do 5 milionów dolarów, po to, by odsprzedać je laboratoriom. Chce wiadomości, kod, dokumenty, zapisy biznesowe. Systemy, w których ludzie spędzają całe zawodowe życie, zamieniają się w produkt, który można zaoferować innemu kupcowi.
Dane sprzedawane w ostateczności
I kiedy o tym myślę, dochodzę do czegoś takiego: skoro laboratoria uważają, że ten chaotyczny zapis — obraz tego, jak cokolwiek w tej firmie zostało załatwione — jest tyle wart, to czyż dla samej firmy nie jest wart więcej jako narzędzie do tworzenia wartości w przyszłości? Pomyśl tak: prowadzisz startup i możesz jutro sprzedać swoje dane za milion dolarów. Możesz. Ale możesz też pomyśleć: „skoro zapis mojej pracy jest wart milion, to znając swój rynek, swoich klientów, mając dopięty produkt — powinienem umieć wycisnąć z tego więcej niż milion”. I cały czas do tej myśli wracam.
Bo ci, którym naprawdę opłaca się sprzedać, to właściciele firm idących na dno, którzy nie widzą innego sposobu wykorzystania tych danych. To sprzedaż z desperacji — ostatnia deska ratunku, jak pokazuje przypadek Spirit. Innymi słowy: w tym systemie agenci dostają jako materiał o tym, jak wygląda praca, dane, które z nadmiernym prawdopodobieństwem pochodzą od firm, którym się nie powiodło. Przemyśl to.
Optymalizacja punktowa gubi to, co najważniejsze
Kiedy próbuję to wszystko rozeznać, patrzę na pieniądze. Ci, którzy budują z tych danych środowiska do trenowania agentów, są mocno zmotywowani, żeby uzyskać czyste wyniki — bo potem będą je odsprzedawać z hasłem: „laboratoria, mamy sprawdzone środowisko doszkalające agentów dla menedżerów produktu albo inżynierów”. A laboratoria odsprzedadzą to dalej. Trzeba jednak z tego mocno dopytać. Bo w istocie bierzemy pracę umysłową — złożoną, wspólną rzeczywistość, w której wszyscy się poruszamy — i sprowadzamy ją do zbioru zadań optymalizacyjnych w wybranych punktach tego świata. Bierzemy chaos danych Spirit, przenosimy do środowiska cyfrowego, dajemy agentom zadania, po czym każdy optymalizuje co innego: jeden faktury, drugi — nie wiem — przydział miejsc w samolocie. Tylko że przy takiej punktowej optymalizacji gubi się mnóstwo niejednoznaczności, na których ta praca w gruncie rzeczy polega. I to jest moim zdaniem jeden z powodów, dla których tak trudno jeszcze znaleźć trwały wpływ AI na miejsca pracy. Praca to naprawdę skomplikowana rzecz, a im głębiej w te dane, tym bardziej to widać.
Pracownicy nie zamierzają czekać z założonymi rękami
Pracownicy, nawiasem mówiąc, nie siedzą biernie. Mogą kwestionować warunki transakcji. Związek stewardess Spirit zgłosił obawy o poufne dane pracownicze i o to, co można wywnioskować ze sposobu, w jaki zapisy się łączą. Związek podważał też, czy wyłączenie całych systemów wystarcza do ochrony wrażliwych informacji, które mogły zostać skopiowane gdzie indziej — na przykład do poczty. Bo praca bywa chaotyczna: formalnie powinieneś wpisać coś w konkretne miejsce, ale to prawdziwy świat, nikt nie przypuszcza, że kiedyś się to sprzeda, i rzecz ląduje w złym systemie. To konkretny zwiastun tego, czego zobaczymy znacznie więcej: pracownicy będą kwestionować, dokąd dane trafiają i kto o tym decyduje.
I powiem z obserwacji: to nie tylko głośne przypadki, takie jak związek Spirit. Wiele dzieje się po cichu — ludzie nie ufają sposobowi wykorzystania swoich danych i na różne sposoby prywatnie się temu opierają. Nie musi przy tym dojść do żadnej sprzedaży. Widziałem, jak jednostki stawiały się wdrażaniu narzędzia AI dlatego, że zakomunikowano je jako — i wracamy do sedna — „to narzędzie zrobi twoją pracę za ciebie”. A oni na to: nie, tego nie chcę. Na to się nie zgadzałem. Będę się stawiać. W prywatnych rozmowach liderzy szacują, że nawet jedna trzecia ich zespołów po cichu, biernie sabotuje te narzędzia. W moich oczach to dowód niezrozumienia pracy. Przecież mówiliśmy cały czas, jak skomplikowana jest praca i jak naiwne jest przekonanie, że pół miliarda rekordów z Teamsa wystarczy, żeby opisać jej wartość.
Potrzebna jest lepsza rozmowa o tym, czym jest praca
Potrzebujemy lepszej i bardziej owocnej rozmowy o tym, czym jest praca. I musi zacząć się od ciebie i ode mnie — od zrozumienia, że wartość tego, co tworzymy, nie jest funkcją pojedynczego maila, pojedynczego dokumentu czy pojedynczej wiadomości na Teamsach. Siedzi w naszej zdolności dokonać czegoś, co popchnie firmę do przodu. A w biznesie to sprowadza się do dwu rzeczy: zwiększania przychodów albo obniżania kosztów. Jedno z dwu — i ty jesteś po jednej ze stron. Jeśli umiesz jasno opisać, jak to robisz, możesz używać AI do woli, żeby szybciej dojść do celu. Znam sporo takich historii sukcesu. Ale jeśli jedyne, co mówi twoje kierownictwo, to „wdrożymy AI, a potem was wytniemy”, to trudno o motywację — i nie jest to dobre miejsce na dłuższą metę. A jeśli masz taką sytuację, śmiało prześlij ten film swojemu przełożonemu. Chętnie z nim porozmawiam — sądzę, że pewnie potrzebuje tej rozmowy, bo jestem z liderami szczery: oparcie strategii na samym cięciu ludzi nie opłaci się w długim terminie.
Praca umysłowa to nie jest łatwy orzech do zgryzienia. Możesz oczywiście wierzyć, że wystarczy wrzucić agentowi stertę wiadomości ze Slacka. Da się to zrobić — ale z doświadczenia, bo pracuję z dużymi modelami językowymi długo przed ChatGPT, powiem ci, co z tego wyjdzie: agenci, które będą znakomicie wysyłać codzienne odprawy w stylu „nic do raportowania”. Będą naśladować to, co widzą na Slacku i Teamsach, a my dostaniemy symulację pracy — ogromnie zabawną, dość kosztowną i niewiele wartą.
Gdzie naprawdę tkwi wartość agentów
Nawet jeśli wierzysz w agentów — a jeśli oglądasz ten kanał, wiesz, że ja wierzę — musisz pamiętać, że wartość agenta nie leży w odgrywaniu pracy. Leży w znalezieniu w firmie pracy powtarzalnej i na tyle żmudnej, że warto ją zdjąć z ludzi — oraz w zbudowaniu systemu, który nie przypomina ludzkiej automatyzacji, przekazań z rąk do rąk i kolejnych spotkań, tylko po prostu: agent czyta dane, agent je przetwarza, agent zwraca wynik w konkretnym formacie. Bez Slacka, bez poczty, bez żadnego ludzkiego medium konwersacyjnego — bo go po prostu nie potrzebuje.
I mam wrażenie, że na kilku poziomach naraz szukamy w niewłaściwym miejscu. Kupujący moim zdaniem nie rozumieją, czym jest praca, i kupują te dane po prostu dlatego, że agenci muszą się poprawić. Sprzedający chyba nie do końca zdają sobie sprawę, jak cenne są ich dane — i sprzedają w ostateczności. A pracownikom, nam wszystkim, mówi się, że to koniec pracy, podczas gdy po pierwsze wcale dobrze nie rozumiemy, co się dzieje, a po drugie nie zdajemy sobie sprawy, jak trudny problem rozwiązujemy każdego dnia i jak trudno nauczyć go agentów.
Skalowanie nie da kontekstu twojej firmy
Tak, wierzę w inteligencję. Sztuczna inteligencja jest użyteczna i staje się coraz bardziej. Ale niekoniecznie radzi sobie z pracą opartą na osądzie, z której składa się praca umysłowa. Nie widzę, żeby skalowanie dawało głębokie zrozumienie kontekstu konkretnej firmy, umiejętność oceny problemu względem konkretnego klienta i rozwiązania go w konkretnym środowisku systemowym. Ta swoistość nie przychodzi z obecnych praw skalowania, bo one są ogólne — mają działać we wszystkich firmach naraz. Dlatego żartuje się, że PowerPointa zrobionego przez Claude’a widać z daleka. (Informacja dodatkowa: Claude — model AI firmy Anthropic.) Czy jest dobry? No, ładnie rozmieszczony — układ slajdów opanowany, brawo. Ale wygląda „jak od Claude’a”. Trzeba się natrudzić, żeby dopasować wygląd do własnego standardu. Potem dobrze ustawić przekaz. Potem myślenie. I pamiętać — wracamy do tego cały czas — że PowerPoint w ogóle istnieje po to, żeby ustawić ludzi do jednej rozmowy. Jeśli nie włożyłeś w niego myślenia i jeśli historia się nie klei, reszta nie ma znaczenia. To tylko Claude odgrywający PowerPointa i produkujący papkę. I niepokoi mnie, że pozwalamy agentom wierzyć, że to jest praca, skoro nią nie jest. Prawdziwa praca dzieje się w doprowadzaniu ludzi do porozumienia.
Konkretne zalecenia
Jeśli mamy wyciągać wnioski, to moim zdaniem pracownicy powinni mieć realny głos w tym, co liczy się jako sukces, i w tym, które zapisy pominąć. Ludzie powinni móc pytać, jak wykorzystywane są wrażliwe materiały. A jeśli pracodawca albo kupujący dane potrzebuje dodatkowej wiedzy specjalistycznej, żeby zamienić zapisy w materiał treningowy, ta wiedza powinna być uznana i opłacona jako praca o bardzo wysokiej wartości.
Gdybym pracował w firmie rozważającej taki kontrakt, chciałbym zrozumieć zakres planowanego użycia danych. Wybrałbym też kilka reprezentatywnych zadań, wytłumaczył, od czego zależy poprawny wynik, i upewnił się, że to naprawdę przechodzi. Bo inaczej dane z czasem się zdewaluują, agent nie będzie robił nic użytecznego, firma sprzeda coś za nic — i tak się sparzy, że już niczego nie sprzeda drugi raz.
Mów otwarcie o wartości swojej pracy
Cała ta historia ma cię upewnić, że możesz zmieniać to, jak ludzie patrzą na twoją pracę. Ile ludzkiego wysiłku pozostaje, gdy nie da się udowodnić, co się wydarzyło, a ty i tak wiesz, że praca się wykonała? Tyle pracy w ogóle nie zapisuje się porządnie ani w wiadomości na Slacku, ani w mailu — a jednak się wydarzyła. Mów o tym otwarcie. Powiedz: praca, którą robię, jest znacznie więcej warta niż coś, czego agent może się nauczyć z moich wiadomości — i mogę to pokazać: widzisz, jak zwiększam przychody, jak obniżam koszty, jak odpowiadam na realną wartość biznesu.
Zanim sprzedasz ślady wiedzy zewnętrznemu kupcowi, zastanów się, czy to naprawdę poprawi pracę twojej firmy i jej wartość dla świata. Zwykle nie. Sprawdź, czy w danych nie ma informacji o pracownikach — często są. I zastanów się, czy w ogóle warto uczyć agenta robić tę konkretną pracę. Bo nie jestem pewien, że warto; nie jestem pewien, czy w ten sposób cokolwiek agentom poprawiamy. Cała ta machina wygląda bardziej jak wyprawa po to, żeby agenci odgrywali symulację pracy. Zdecydowanie jestem za tym, żeby agenci robili PowerPointy — tu postęp niewątpliwy. Żeby robili arkusze — też postęp. Ale to ma znaczenie tylko wtedy, gdy pracownik używający agenta rozumie, co się dzieje, i tworzy z nim prawdziwą robotę. Sam fakt, że powstał PowerPoint, nie jest prawdziwą pracą. A wiele osób sądzi, że jest — że wystarczy coś napisać w prompcie i to już jest praca. Skoro jako firmy i jako ludzie chcemy powoływać się na wartość, musimy lepiej niż dotąd mówić wprost: to nie jest prawdziwa praca. To dwie różne rzeczy.
Cena archiwum to nie cała historia
Dlatego cena archiwum danych nie wyczerpuje tematu. Tak, ktoś może dziś zarobić na sprzedaniu opisu twojej pracy, zanim ktokolwiek pokazał, że ten opis rzeczywiście tłumaczy twój wkład. Może — choć pewnie nie powinien. Może to zrobić, zanim ten materiał stanie się podstawą czyjejkolwiek decyzji, na przykład twojej. A przecież od tego czasu mogłeś urosnąć i dziś podjąłbyś zupełnie inną decyzję, bo jesteś lepszym pracownikiem niż wtedy. Ludzie podejmujący te decyzje — po obu stronach transakcji — potrzebują wiarygodnej odpowiedzi na pytanie, od którego zaczęliśmy: czym jest praca? Twoi liderzy też. Muszą zrozumieć, że jeśli jakiś zbiór danych pokazuje ślady pracy w organizacji, to jeszcze nie znaczy, że ta praca właśnie tam jest.
Są całe firmy — świetny przykład to Glean — które reklamują się szefom tak: będziesz wiedział, co się dzieje w twojej firmie, bo Glean jest jak szklana tafla nałożona na całą organizację. Widzisz naraz wnętrze wszystkich projektów, wpisujesz zapytanie, a my przeszukamy Slacka, Teamsy, pocztę i co tam jeszcze — obejrzysz też repozytoria kodu. Z jednej strony to zapewne więcej wglądu, niż większość kierownictwa miała wcześniej — świetnie. Nie twierdzę, że te firmy nie rozwiązują realnych problemów. Z drugiej strony są tak dobre, jak dane, które są w środku. A jeśli dane w organizacji są chaotyczne, sprzeczne, niejednoznaczne, częściowe — jak większość danych — to dostaniesz wynik zapytania o te częściowe, chaotyczne materiały, które nie opowiadają całej historii. I na tej podstawie ułożysz sobie opinię o zespołach.
Nudne fundamenty, które naprawdę działają
Najlepsza praca, jaką widziałem na styku pytań „czym jest praca” i „jak pracować z agentami”, to taka, która umożliwia agentom współpracę z ludźmi dzięki uporządkowaniu danych w formie, którą agent potrafi przetworzyć. Wiem, że brzmi to straszliwie nudno — i pewnie jest nudne. Ale widziałem znakomite efekty w zespołach produktowych i inżynierskich, gdy ludzie włożyli masę pracy w porządne pliki markdown, które agenty potrafią czytać, a ludzie przeszukiwać; w przemyślane dokumenty produktowe, przekazywane potem zespołom jakości budującym testy i ewaluacje. Dużo dobrego się z tego rodzi, ale zaczyna się od czegoś maksymalnie prozaicznego: od pomocy agentowi w zrozumieniu źródła prawdy w systemie i od dania ludziom więcej czasu na myślenie, żeby wracali z przemyślanymi dokumentami i przemyślanymi testami, które agentom realnie pomagają. To jest praca. To jest wartość. I to nie jest to, co sprzedaje się w takich transakcjach.
Chcę, żebyśmy to przemyśleli od nowa — bo zależy mi, żeby agenci działali lepiej i produktywnie współpracowali z ludźmi. I żebyśmy my, ludzie, lepiej rozumieli wartość własnej pracy. Nie uczestniczymy przecież wszyscy w serialu „The Office”, odgrywając pracę dla komizmu. Robimy ją na życie. I zasługujemy na to, żeby ktoś potraktował ją poważnie.