Od diagnozy do rozwoju: jak wykorzystać AI do tworzenia planów rozwojowych, które zmieniają zachowania

Dobrze przeprowadzona diagnoza kompetencji kończy się raportem, ale sam raport nie kończy jeszcze procesu, ponieważ nawet najbardziej precyzyjne wskazanie mocnych stron i obszarów rozwojowych nie przełoży się automatycznie na zmianę zachowania w codziennej pracy. Jeżeli Development Centre pokazuje przykładowo, że manager powinien rozwinąć delegowanie, komunikację albo podejmowanie decyzji, kolejnym krokiem powinno być zatem przełożenie wniosków z diagnozy na konkretne działania – i właśnie tutaj pojawia się kolejny, bardzo praktyczny obszar wykorzystania AI.

„Rozwijaj delegowanie” to jeszcze nie plan

Wyobraźmy sobie managera, u którego Development Centre ujawniło trudność z delegowaniem. W raporcie moglibyśmy zapisać, że „powinien rozwijać umiejętność przekazywania odpowiedzialności pracownikom”, jednak taka rekomendacja, choć poprawnie wskazuje kierunek rozwoju, nie odpowiada jeszcze na najważniejsze pytanie: co manager powinien zacząć robić inaczej? Znacznie bardziej użyteczna będzie informacja, że chętnie przekazuje pracownikom proste zadania, natomiast te bardziej złożone lub obarczone większym ryzykiem zachowuje dla siebie, a jeśli już je deleguje, to szczegółowo kontroluje sposób ich wykonania. Taki opis pozwala przejść od ogólnej nazwy kompetencji do konkretnego zachowania, które chcemy zmienić – w tym przypadku stopniowego przekazywania pracownikom coraz większej odpowiedzialności przy jednoczesnym ograniczaniu nadmiernej kontroli.

Kiedy jednak wiemy już, co powinno się zmienić, pojawia się kolejne pytanie: w jaki sposób tę zmianę osiągnąć? I właśnie w tym miejscu nasze myślenie o rozwoju bardzo często automatycznie kieruje się w stronę szkoleń.

Rozwój? Pierwszym skojarzeniem nadal jest szkolenie

Diagnozujemy lukę kompetencyjną, a następnie niemal odruchowo zaczynamy szukać szkolenia, kursu, webinaru albo książki, które pomogą ją zniwelować, choć formalna edukacja jest przecież tylko jedną z możliwych dróg rozwoju. Dobrze pokazuje to model 70–20–10, który przenosi środek ciężkości ze zdobywania wiedzy na uczenie się poprzez doświadczenie i od innych. Szkolenia, kursy czy materiały, należące do obszaru „10”, są potrzebne, ponieważ mogą dostarczyć wiedzy i nowych sposobów działania, jednak, jeżeli manager ma rzeczywiście nauczyć się lepiej delegować, samo poznanie zasad skutecznego delegowania prawdopodobnie nie wystarczy – musi mieć możliwość zastosowania ich w codziennej pracy, sprawdzenia efektów i stopniowego modyfikowania własnego zachowania. I właśnie tutaj AI może być szczególnie pomocne, ponieważ znalezienie szkolenia jest stosunkowo proste, podczas gdy zaprojektowanie dobrych działań z obszaru „70”, osadzonych w rzeczywistych zadaniach wykonywanych na konkretnym stanowisku, wymaga zwykle bardziej szczegółowej analizy.

AI potrafi wygenerować nie jeden, ale kilkanaście pomysłów na „70”

Dobre „70” nie powinno być listą dodatkowych ćwiczeń wykonywanych obok pracy, lecz wykorzystywać realne zadania, decyzje i sytuacje, z którymi pracownik mierzy się na swoim stanowisku, dlatego jego zaprojektowanie wymaga uwzględnienia zarówno specyfiki roli, jak i zdiagnozowanej luki oraz konkretnego zachowania, które chcemy zmienić. Jeżeli przekażemy te informacje AI, zamiast prosić o ogólny „plan rozwoju delegowania”, możemy poprosić na przykład o „15 sposobów rozwijania tej kompetencji poprzez rzeczywiste zadania managera, bez proponowania szkoleń i ćwiczeń oderwanych od codziennej pracy”. W przypadku osoby, która zatrzymuje dla siebie bardziej odpowiedzialne zadania, model może zaproponować m.in. przekazanie pracownikowi prowadzenia części projektu, delegowanie przygotowania rekomendacji przed ważną decyzją, stopniowe zwiększanie zakresu samodzielności wybranej osoby, powierzenie jej koordynacji spotkania projektowego czy ograniczenie liczby punktów kontrolnych podczas realizacji zadania.

Oczywiście nie wszystkie propozycje będą równie dobre, ale nie muszą takie być, ponieważ wartością AI jest przede wszystkim możliwość szybkiego wygenerowania szerokiej puli rozwiązań, spośród których manager, HR lub sam pracownik mogą wybrać te najlepiej dopasowane do stanowiska, poziomu doświadczenia i realiów organizacji. W ten sposób zmienia się również punkt wyjścia do rozmowy o rozwoju – zamiast zastanawiać się przede wszystkim, „na jakie szkolenie wysłać pracownika?”, możemy najpierw zapytać, „które sytuacje w jego codziennej pracy możemy wykorzystać jako okazję do uczenia się?”.

70–20–10: AI pomaga rozszerzyć repertuar możliwości

Kiedy mamy już pomysły na doświadczenia z obszaru „70”, możemy uzupełnić je działaniami z pozostałych części modelu, wykorzystując AI do poszukiwania różnych sposobów uczenia się od innych, takich jak obserwacja bardziej doświadczonego managera, shadowing, wspólne wykonanie trudnego zadania, mentoring czy regularny feedback przełożonego. Dopiero w „10” pojawią się szkolenia, kursy, materiały i lektury, które dostarczą wiedzy potrzebnej do skuteczniejszego działania i będą wspierać doświadczenia zdobywane w codziennej pracy.

Wartość AI nie polega więc wyłącznie na tym, że plan rozwoju można przygotować szybciej, lecz przede wszystkim na tym, że technologia pozwala poszerzyć repertuar możliwych działań i przełamać przyzwyczajenie do utożsamiania rozwoju głównie ze szkoleniami. W krótkim czasie możemy wygenerować wiele różnych sposobów rozwijania tej samej kompetencji, a następnie wybrać spośród nich te, które najlepiej odpowiadają rzeczywistym możliwościom pracownika i organizacji. Ostateczna decyzja nadal należy oczywiście do człowieka, ponieważ to manager, HR czy sam pracownik najlepiej ocenią, które działania są możliwe do zastosowania, wystarczająco ambitne i rzeczywiście odpowiadają na zdiagnozowaną potrzebę. Kiedy jednak zostaną już wybrane, warto zrobić jeszcze jeden krok i zastanowić się, po czym poznamy, że rzeczywiście przyniosły efekt.

Dobry plan powinien pozwalać sprawdzić, czy coś się zmieniło

Plan rozwojowy nie powinien kończyć się na określeniu działań, ponieważ samo ich wykonanie nie jest jeszcze dowodem rozwoju – potrzebujemy również kryteriów, które pozwolą sprawdzić, czy rzeczywiście nastąpiła oczekiwana zmiana zachowania. Jeżeli celem jest lepsze delegowanie, wskaźnikiem postępu nie powinno być więc ukończenie szkolenia, lecz na przykład zwiększenie zakresu odpowiedzialności przekazywanej pracownikom, ograniczenie sytuacji, w których manager przejmuje zadania z powrotem, czy większa samodzielność zespołu. Także tutaj AI może być pomocne, proponując kryteria sukcesu, pytania do rozmów rozwojowych oraz sposoby monitorowania postępów, dzięki czemu plan przestaje być listą aktywności, a zaczyna przypominać mały eksperyment rozwojowy, w którym wiemy, jakie zachowanie chcemy zmienić, gdzie będziemy je ćwiczyć i po czym rozpoznamy efekt.

Od diagnozy do rozwoju

Być może więc najciekawsza zmiana, jaką AI wnosi do projektowania rozwoju, nie polega na automatyzacji tworzenia planów, lecz na tym, że pomaga nam dostrzec znacznie więcej możliwości uczenia się w codziennej pracy, która przestaje być wyłącznie miejscem wykorzystywania kompetencji, a staje się przestrzenią ich świadomego rozwijania.

Sprawdź szkolenie: AI Competence Lab

Powrót…