Když Ted Williams v roce 1941 zakončil baseballovou sezónu s pálkařským průměrem .406, stal se legendou. Od té doby se žádnému hráči Major League nepodařilo tuto hranici překonat. Williams ale nebyl jen talentovaný, byl systematický. Ve své knize „The Science of Hitting“ detailně zmapoval svou odpalovou zónu a přesně věděl, na které míčky mává a které má nechat proletět, aby si udržel špičkový výkon. Právě tento přístup inspiroval Willa Hodgese z PwC k otázce, zda by si i lídři neměli zmapovat své vlastní zóny úspěchu pomocí moderních technologií.
Většina manažerů má v počítači složku plnou výsledků z různých testů a hodnocení, jako jsou DiSC, Myers-Briggs nebo 360stupňová zpětná vazba. Problémem zůstává, že tato data po prvním přečtení často zapadají prachem. Will Hodges, lídr pro mezioborovou komerční komunikaci v PwC, však přišel s metodou, jak využít umělou inteligenci nikoliv jen pro zvýšení rychlosti práce, ale jako nástroj pro prohloubení sebeuvědomění a odhalení skutečných silných stránek ve vedení.
Umělá inteligence může lídrům pomoci identifikovat oblasti, kde vytvářejí nepřiměřeně vysokou hodnotu oproti vynaloženému úsilí.
Analýza zapomenutých dat
Základem Hodgesovy metody je sběr důkazů, které již existují. Místo hledání nových testů doporučuje nahrát do AI nástrojů veškerou dostupnou zpětnou vazbu od manažerů, pozorování kolegů i výsledky starších leadership assessmentů. Cílem není získat další nálepku osobnosti, ale najít opakující se vzorce chování a dovedností, které se v čase nemění. Pokud vás kolegové dlouhodobě označují za „dobrého s lidmi“, není to jen zdvořilostní fráze, ale klíčový datový bod.
Dalším krokem je přechod od pouhého shrnutí k aktivnímu dotazování. Hodges využil AI v roli kouče, kterému zadal pokyn, aby analyzoval nahranou zpětnou vazbu a následně kladl otázky k ověření zjištěných vzorců. Tato interakce pomáhá odhalit spojitosti, které lidské oko v desítkách stran textu snadno přehlédne. AI zde neříká manažerovi, kým je, ale nutí ho reflektovat informace, které již dávno vlastnil, ale neuměl je propojit.
V rámci tohoto procesu se jako nejefektivnější ukázalo odpovídat na tyto specifické otázky:
- Energetický přínos — Která konkrétní práce vás nabíjí novou energií?
- Výjimečné výsledky — Která činnost ve vašem podání konzistentně přináší nadprůměrné výstupy?
- Skryté vyčerpání — Co vás vnitřně vysává, přestože jste v dané věci kompetentní?
- Důvěra okolí — Které úkoly vám ostatní lidé svěřují s naprostou jistotou?
Převod měkkých dovedností na užitečné nástroje
Výrazným problémem hodnocení lídrů bývá vágnost. Termíny jako empatický, zvídavý nebo klidný pod tlakem zní sice pozitivně, ale pro kariérní růst jsou těžko uchopitelné. Hodges proto začal využívat umělou inteligenci k „překladu“ těchto měkkých dovedností do konkrétních přínosů pro firmu. Například schopnost být „dobrý s lidmi“ ve skutečnosti může znamenat talent budovat soulad mezi odděleními, která spolu přirozeně nesouhlasí.
Tento proces transformace umožňuje manažerům vytvořit si vlastní „kruh kompetencí“, podobně jako o něm mluví investor Warren Buffett. Identifikace toho, co konkrétní povahové rysy umožňují dělat lépe z hlediska dovedností, je podle Hodgese nejdůležitější částí celého cvičení. Místo obecného popisu osobnosti se lídr dopracuje k popisu své diferencované hodnoty na trhu práce.
Být spolehlivý může paradoxně vést k tomu, že schopný manažer nese zátěž úkolů, které ho odvádějí od jeho hlavní zóny excelence.
Využití vlastního Custom GPT v praxi
Vrcholem experimentu bylo vytvoření vlastního GPT modelu, který Hodges používá jako myšlenkového partnera během pracovního dne. Jako znalostní bázi pro tento model využil všechna shromážděná data o své osobě. Stejný princip nyní aplikuje i při koučování svého týmu. Místo aby začínal rozvojové rozhovory u slabin a nedostatků, ptá se, kde je daný člověk neobvykle silný a zda má tato síla dostatek prostoru k tomu, aby se projevila.
„This story is brought to you by Ragan's Center for AI Strategy. Learn more by visiting ragan.com/center-for-ai-strategy“
Tento přístup mění způsob, jakým jsou v PwC obsazovány důležité projekty. Namísto otázky, kdo má momentálně volnou kapacitu, se vedení ptá, do čí „zóny“ daný projekt nejlépe zapadá. To vede k efektivnějšímu složení týmů a k cílenějším kariérním diskusím. Namísto vágních rad typu „pracujte na svém vystupování“ mohou manažeři přesně definovat, kde daný zaměstnanec vytváří maximální přínos.
Lidský úsudek jako pojistka
Přestože umělá inteligence dokáže v datech najít zapomenuté souvislosti, Hodges varuje před nekritickým přijímáním jejích závěrů. AI může nacházet vzorce tam, kde nejsou, nebo jen posilovat předsudky obsažené v původní zpětné vazbě. Konečné slovo a interpretace výsledků musí vždy zůstat na lidském úsudku. Technologie slouží pouze jako zrcadlo, které pomáhá lídrům vidět své silné stránky, které často považují za samozřejmé.
Stejně jako Ted Williams dosáhl rekordu tím, že nešvihal po každém nadhozu, i moderní lídři musí vědět, kdy se zapojit a kdy delegovat. Umělá inteligence jim nyní dává do rukou nástroj, jak tuto strategickou disciplínu uvést do praxe v každodenním korporátním životě. Budoucnost managementu tak možná nespočívá v učení se novým věcem, ale v lepším pochopení toho, co už v lidech dávno je.