Wiosną 2025 r. Klarna zrobiła to, czego rynek się nie spodziewał. Szwedzki fintech, który rok wcześniej ogłaszał, że chatbot oparty na technologii OpenAI wykonuje pracę ok. 700 konsultantów, zaczął ponownie zatrudniać ludzi. CEO Sebastian Siemiatkowski przyznał, że firma posunęła się za daleko: model w pełni automatyczny obniżył jakość obsługi i ustąpił miejsca hybrydzie człowieka i AI.

Nie jest to historia o słabości technologii, lecz o świadomym projektowaniu organizacji – takiej, w której ludzie, procesy i AI tworzą jeden układ, a nie trzy osobne projekty. Wybór wyłącznie jednego z tych elementów może zachwiać równowagą całości. Klarna postawiła na technologię szybciej, niż pozwalała na to gotowość jej ludzi i procesów – i właśnie dlatego stała się dziś najczęściej przywoływaną przestrogą dla zarządów planujących transformację AI. Wniosek dla liderów jest niewygodny: kombinacja tych trzech składowych – ludzie, procesy, technologia – prowadzi do wielu różnych rozwiązań, w efekcie nie istnieje jeden uniwersalny kształt „firmy z AI”, który można skopiować od lidera rynku.

Koniec ślepego kopiowania

Większość dyskusji w polskich radach nadzorczych wciąż sprowadza AI do redukcji kosztów i automatyzacji prostych czynności. Tymczasem prawdziwa zmiana nie dotyczy wyboru narzędzia, lecz przeprojektowania procesów i geometrii organizacji – choć znajomość i rozumienie samych narzędzi wciąż mają znaczenie. Każda firma startuje z innego miejsca, a te same algorytmy wywołują w różnych strukturach skrajnie różne skutki.

Raport Future Briefing, opracowany przez Booster of Innovation na podstawie autorskiego wskaźnika Boardroom AI Readiness Index, opisuje siedem archetypów struktur, w które AI przekształca współczesne firmy. Poniżej cztery najbardziej inspirujące i pokazujące, że adopcja AI to redesign organizacji lub wybranej jej części. Żaden z nich nie jest gotowym szablonem do skopiowania. Każdy jest raczej inspiracją i lustrem – punktem odniesienia, który ma skłonić liderów do pytania: który kształt rzeczywiście pasuje do naszej organizacji, jej kultury i punktu startu? Diagnozie tego dopasowania służy właśnie Boardroom AI Readiness Index.

Cztery kształty do przemyślenia

Pancake – radykalne spłaszczenie. Algorytmy przejmują koordynację, którą wcześniej zapewniała kadra średniego szczebla, skracając ścieżki decyzyjne i poszerzając autonomię zespołów. To kierunek Klarny – i zarazem dowód, że spłaszczenie wyprzedzające gotowość ludzi potrafi obniżyć jakość i zaufanie klientów szybciej, niż przynosi oszczędności. Pytanie dla liderów: czy nasza organizacja uniesie autonomię bez warstwy pośredniej?

Diament – zanik stanowisk na najniższym poziomie, tzw. entry level jobs. Klasyczna reakcja firm opartych na wiedzy eksperckiej, takich jak McKinsey. AI wyposaża doświadczonych menedżerów w kompetencje, które dawniej budowano latami, poszerzając „środek” struktury kosztem stanowisk juniorskich. To jeden z najżywszych dziś dylematów rynku pracy: jeśli AI wykonuje zadania początkujących, skąd wezmą się przyszli seniorzy? Na szczycie pozostaje nienaruszony ekspercki strategiczny wgląd realizowany przez najbardziej doświadczonych profesjonalistów.

Spirala – wbudowana pętla uczenia. W firmach, takich jak Tesla czy Moderna, AI nie jest dodatkiem, lecz ciągłą pętlą uczenia wpisaną w produkt i procesy badawczo-rozwojowe. Dane z jednego obszaru natychmiast zasilają cały system, a organizacja uczy się nieprzerwanie. Pytania: czy nasz produkt generuje dane, czy system pozwala na ich udostępnianie wewnątrz organizacji, czy procesy pozwalają domknąć pętlę uczenia się – i w jakim zakresie chcemy oddać im część procesu decyzyjnego?

System planetarny – orientacja AI-first. Dla firm, takich jak DeepMind, OpenAI czy Anthropic, AI nie było decyzją o adopcji technologii, lecz warunkiem założycielskim. Cała struktura powstała wokół AI, zanim zdefiniowano pozostałe procesy. Dla większości dojrzałych organizacji adaptacja tego modelu może nie być wzorem do naśladowania, lecz miarą dystansu między „dodawaniem AI” a „budowaniem wokół AI”. Inną opcją dla istniejących organizacji jest tworzenie odrębnych jednostek, które odcinają się od długu technologicznego i pozwalają firmom na adopcję podejścia AI-first i realizację transformacji dwóch prędkości.

Przebudowa w duchu ESG

Każde z tych przekształceń rodzi konkretne zobowiązania w obszarach Social i Governance.

W filarze Social kluczowa jest opieka nad kapitałem ludzkim. Spłaszczanie struktur i zanik stanowisk wejściowych wymagają od zarządów przeprojektowania ścieżek kariery i systemowego reskillingu, zanim role znikną, a nie po fakcie. Odpowiedzialne przywództwo polega na ewolucji ról, nie na bezrefleksyjnych cięciach. Przypadek Klarny pokazuje, ile kosztuje pominięcie tego kroku.

W obszarze Governance rozproszona inteligencja i autonomiczne pętle decyzyjne wymuszają nowe ramy nadzoru. Zarządy i rady nadzorcze muszą mieć pewność, że decyzje zapadające wewnątrz systemów AI są zgodne z compliance, etyką i ochroną danych – oczekiwanie, które porządkują dziś również regulacje takie jak unijny AI Act czy ustawa o systemach sztucznej inteligencji.

Odporność zaczyna się od diagnozy

Każda udana transformacja zaczyna się od uczciwej oceny własnej struktury ≠ punktu startowego, realnych możliwości operacyjnych i długoterminowej wizji. Organizacje, które przeprowadzają taką diagnozę, zanim zaangażują kapitał – choćby za pomocą Boardroom AI Readiness Index – podejmują decyzje na podstawie danych, a nie rynkowej mody.

Cztery opisane tu archetypy pokazują, że rekonfiguracja procesów, przygotowanie ludzi i wprowadzenie ładu algorytmicznego (AI governance) nie mogą być dziełem przypadku. Świadomy wybór modelu nie jest pogonią za trendem, lecz dowodem dojrzałości – i to on rozstrzyga, które firmy w gospodarce algorytmów okażą się odporne na turbulencje, a które utkną w eksperymentach i pilotażach.