Model dojrzałości AI: 4 etapy od Prompt do Loop

Wszyscy w twoim zespole już korzystają z AI, a praca wygląda dokładnie tak samo jak rok temu. Brzmi znajomo? Korporacyjny model dojrzałości AI niewiele tu pomoże: powstał dla firm, które mają dyrektora ds. danych i budżet na transformację. Zespół liczący 15 osób potrzebuje odpowiedzi na prostsze pytanie. Co naprawdę zmienia się w codziennej pracy, kiedy AI staje się jej częścią, a nie kolejną kartą w przeglądarce?

Poniżej znajdziesz cztery etapy, oznaki każdego z nich i krótki test, który pomoże ustalić, na którym jesteś.

Czym jest model dojrzałości AI?

Model dojrzałości AI opisuje, jak głęboko AI jest wbudowana w sposób pracy firmy: od pojedynczych zapytań poszczególnych osób po procesy, które działają samodzielnie. Pokazuje, gdzie jesteś teraz i jaki jest następny krok. Użyteczny model mierzy to, jak zmieniła się codzienna praca, a nie to, za ile narzędzi płacisz.

Takich modeli jest mnóstwo. Według przeglądu The Decision Lab mają od 4 do 7 etapów. Najbardziej znane, w tym model Gartnera, oceniają strategię, dane, zarządzanie ryzykiem i kulturę. Dla dużej firmy to właściwe pytania. Dla studia z 15 programistami brzmią abstrakcyjnie: nie ma tu strategii AI, są ludzie, którzy codziennie coś robią z pomocą AI.

Dlatego patrzymy na coś innego: jak wygląda zwykły dzień pracy i gdzie jest w nim miejsce dla AI.

Jakie są 4 etapy dojrzałości AI?

Cztery etapy dojrzałości AI to Prompt, Context, Harness i Loop. Na pierwszym ludzie piszą zapytania od zera. Na drugim AI zna kontekst firmy. Na trzecim działa wewnątrz procesu, a jej wyniki są sprawdzane. Na czwartym rutynowa praca toczy się w cyklach, a ludzie podejmują decyzje. Każdy etap opiera się na poprzednim.

Nazwy pochodzą z inżynierii, gdzie opisują, jak ewoluowała praca z modelami językowymi. My stosujemy je do firmy jako całości: nie „jak inżynier programuje z AI”, tylko „jak zespół pracuje z AI”.

Etap 1. Prompt: każdy na własną rękę

Jak to wygląda. Ludzie otwierają czat z AI i za każdym razem piszą zapytanie od zera. Jedni uzyskują świetne wyniki, inni rezygnują po dwóch próbach.

Oznaka. Jakość zależy od tego, kto pyta. Dwóch menedżerów z tym samym zadaniem dostaje zupełnie różne odpowiedzi.

Ograniczenie. AI nic nie wie o twojej firmie. Każde zapytanie zaczyna się od wyjaśniania, kim jesteś i czym się zajmujesz, albo to pomija i dostaje ogólnikową odpowiedź.

Co daje kolejny etap. Wspólne zasady i szablony zapytań, dzięki którym wynik przestaje zależeć od osoby.

Etap 2. Context: AI zna twoją firmę

Jak to wygląda. Zespół ma jedną bazę wiedzy: decyzje, ustalenia, opisy procesów, historię projektów. AI pracuje na jej podstawie, a nie od pustej kartki.

Oznaka. Nowej osobie ani nowemu czatowi nie trzeba od nowa opowiadać kontekstu. Odpowiedź na pytanie „jak to u nas robimy” jest w bazie.

Ograniczenie. AI pomaga bardziej, ale nikt jeszcze systematycznie nie sprawdza wyników. To człowiek ocenia na oko, czy praca jest skończona.

Co daje kolejny etap. Pracę z jasną definicją „gotowe”, którą sprawdza się przed odbiorem.

Etap 3. Harness: AI wewnątrz procesu

Jak to wygląda. Zadania są w menedżerze zadań i mają kryteria akceptacji. AI wykonuje swoją część pracy z dostępem do potrzebnych narzędzi, a wynik jest sprawdzany pod kątem tych kryteriów.

Oznaka. „Gotowe” znaczy dla wszystkich to samo. Kiedy praca wraca do poprawki, powód jest zapisany słowami, a nie w stylu „coś tu nie gra”.

Ograniczenie. Proces wciąż zależy od tego, czy ludzie o nim pamiętają: ktoś musi wszystko uruchamiać, przypominać i pilnować, żeby nic nie utknęło.

Co daje kolejny etap. Rutynową pracę, która toczy się bez ręcznych przypomnień.

Etap 4. Loop: procesy działają w cyklach

Jak to wygląda. Powtarzalne zadania startują same, zablokowana praca zostaje sama wychwycona, a człowiek dostaje pytanie tylko wtedy, gdy potrzebna jest jego decyzja.

Oznaka. Menedżer poświęca czas na decyzje, a nie na pogonie. Tydzień urlopu nie zatrzymuje pracy.

Ograniczenie. Ten etap wymaga trzech poprzednich. Pętla bez bazy wiedzy i bez sprawdzania wyników tylko szybciej popełnia błędy.

Co dalej. Miejsce na agentów i automatyzacje, które podłącza się do systemu, który już działa.

Jak ocenić swoją dojrzałość AI?

Oceń swoją dojrzałość AI za pomocą ośmiu pytań, po dwa na każdy etap. Odpowiadaj szczerze „tak” lub „nie”, myśląc o zwykłym tygodniu pracy, a nie o najlepszym. Twój etap to ten, na którym pojawia się pierwsze „nie”. Test zajmuje dwie minuty i nie wymaga żadnych narzędzi, tylko uczciwego spojrzenia na ostatni tydzień.

Etap 1. Prompt

1. Czy większość zespołu korzysta z AI przynajmniej raz dziennie?
2. Czy istnieją wspólne zasady lub szablony dla typowych zapytań?

Etap 2. Context

3. Czy decyzje i ustalenia są zapisane w jednym miejscu, a nie rozproszone po czatach i głowach?
4. Czy AI dostaje ten kontekst, kiedy pracuje nad zadaniem?

Etap 3. Harness

5. Czy każde zadanie ma kryterium, które pokazuje, że jest wykonane?
6. Czy wynik jest sprawdzany pod kątem tego kryterium przed odbiorem?

Etap 4. Loop

7. Czy powtarzalne zadania startują bez ręcznego przypomnienia?
8. Czy dowiadujesz się o zablokowanej pracy, zanim przekroczy termin?

Czy można pominąć etap dojrzałości AI?

Nie da się pominąć żadnego etapu dojrzałości AI, bo każdy stoi na poprzednim. Agenci bez bazy wiedzy pracują na ślepo, a pętle bez sprawdzania wyników tylko szybciej mnożą błędy. Przez kolejne etapy możesz przejść szybciej niż duże firmy, ale żadnego z nich nie możesz pominąć.

Łatwo zrozumieć tę pokusę. Większość newsów dotyczy agentów i wydaje się, że wystarczy jednego podłączyć, a praca zacznie toczyć się sama. W praktyce agent na pierwszym etapie to po prostu kolejny pracownik, który nic nie wie o firmie i którego nikt nie sprawdza. Naszym zdaniem pieniądze włożone w agentów, zanim powstanie baza i sposób sprawdzania wyników, w większości przepadają.

Od czego powinien zacząć mały zespół?

Zacznij od przejścia z pierwszego etapu na drugi: zbierz kontekst swojej firmy w jednej bazie, z której korzystają zarówno ludzie, jak i AI. To najtańszy krok, a każdy kolejny etap na nim stoi. Narzędzia można wymienić, ale zebrane decyzje i ustalenia zostają z tobą na lata.

W praktyce oznacza to trzy rzeczy:

• zapisz decyzje, które dziś żyją w czatach i w głowie menedżera;
• ustalcie, że nowe informacje trafiają do bazy, a nie tylko do wiadomości;
• naucz zespół pracować z AI tak, żeby brała kontekst właśnie stamtąd.

Ostatnia rzecz jest najtrudniejsza. Bazę łatwo zbudować i równie łatwo porzucić, jeśli zespół nigdy się do niej nie przyzwyczai.

Podsumowanie

Dla małego zespołu model dojrzałości AI sprowadza się do jednego pytania: gdzie jest miejsce AI w twoim zwykłym dniu pracy? Prompt, Context, Harness i Loop następują po kolei i żadnego nie da się pominąć. Jeśli twój zespół jest na pierwszym etapie, najlepszym kolejnym krokiem nie jest nowe narzędzie, tylko wspólna baza wiedzy.

Sami prowadzimy swoją pracę w systemie, który przeszedł przez te cztery etapy, i budujemy to samo dla innych firm, wokół ich procesów. Jeśli chcesz zobaczyć, jak etapy 3 i 4 wyglądają w działającym systemie, pokażemy ci to podczas 20-minutowej rozmowy.