Dr. Molly Sands, az Atlassian Teamwork Lab vezetője a VentureBeat szerzőjével, Sam Witteveen-nel folytatott fireside chat során a VB Transform 2026 rendezvényen azt állította, hogy a legtöbb cég fordítva közelíti meg a mesterséges intelligencia bevezetését: az egyéneket igyekeznek felgyorsítani, ahelyett hogy a csapatok együttműködését és a munkafolyamatokat optimalizálnák.
Sands csapata viselkedéstudósokból és pszichológusokból áll, és azt vizsgálja, miként alakítja át az AI az emberek közötti munkavégzést. Az eredményeket nemcsak publikálják: a Teamwork Lab részt vesz a vállalati munkamódszerek áttervezésében is.
"Nem csak tanulmányozzuk, hanem aktívan változtatjuk is" — foglalta össze Sands. A csapatoknak új munkamódokat tanítanak, és újrarajzolják a munkafolyamatokat a szervezetekben, ami sok helyen még kihívást jelent.
Mérés: sok aktivitás, kevés mérhető megtérülés
Az Atlassian idei State of Teams Reportja 12 000 globális tudásmunkást kérdezett meg, és mintegy 200 Fortune 1000 vezetőt interjúvolt. A jelentés jelentős eltérést talál a mesterséges intelligencia használata és az abból származó érték között: szinte mindenki használ AI-t, de kevesen tudják megmutatni, hol hoz valódi megtérülést.
Sands elmondta, hogy a vezetők 89%-a azt mondta, az egyének felgyorsultak a cégeiknél, miközben csupán 6%-uk tudott konkrét, egyértelmű ROI-példát felmutatni. Ugyanakkor a csapatok körében nagy a szórás: körülbelül 14% tudta az AI-használatot valódi értékké fordítani — vagyis egy szervezeten belül lehet néhány kiváló teljesítményű csapat, miközben a többségnél nincs megtérülés.
Mit csinálnak másképp a sikeres csapatok?
Azok a csapatok, amelyek valódi előnyt értek el, három közös tulajdonságot mutattak: megosztott kontextus, végponttól-végpontig tervezett munkafolyamatok és kísérletező kultúra.
-
Kontextus: a vezető csapatok what Atlassian által "context graph"-ként említett megoldást építették: célok, döntések és szervezeti tudás megörökítése közös digitális nyilvántartásokban ahelyett, hogy egyének memóriájára hagyatkoznának. Termékek, mint a Jira és a Confluence, összekapcsolják a munkafeladatokat, célokat és a végrehajtókat, így az AI hozzáfér a szervezeti kontextushoz.
-
Munkafolyamatok: a nyertes csapatok nem csupán elszigetelt feladatokat gyorsítottak fel, hanem egész, end-to-end folyamatokat tervezték újra. Máskülönben az egyénenkénti gyorsítás könnyen ütközésekhez vezet, hiszen a felgyorsult szereplők egymás útjába kerülhetnek.
-
Kultúra: a leggyorsabban haladó csapatok olyan vezetők alatt dolgoztak, akik kifejezetten ösztönözték a tanulást és a kísérletezést, és világossá tették, hogy egyes kísérletek sikertelenek lesznek.
Hogyan lehet az AI-t egyéni trükkből csapatelőnnyé tenni?
Sands szerint a kísérletezés és a szándékosan bevezetett korlátok a leghatékonyabbak a tanulás felgyorsítására. A legnagyobb javulást elérő csapatok korlátokat vezettek be a munkavégzés módjában: például minden feladatot a lehető legkisebb gyakorlati egységekre bontottak (egyetlen story point), vagy vállalták, hogy egy hétig nem írnak kódot kézzel.
"A legtöbb ilyen nem fenntartható örökké, de nagyon gyors módja a tanulásnak" — mondta.
Egy másik akadály szerinte nem maga a technológia, hanem az, hogy a munkavállalók saját maguk fedezik fel az AI használatát. Mindenki más promptokat, agenteket és feltételezéseket alakít ki, ami egyre több, a csapatok számára rejtett tudásréteget hoz létre, amely ritkán fordul át szervezeti teljesítményben.
Az Atlassian erre válaszul az ún. AI working agreement-ekkel kísérletezett a projektek elején: a csapatok nemcsak azt döntötték el, mire használják az AI-t, hanem azt is, mire nem használják szándékosan, mely agenteket osztják meg, és milyen közös készségeket alakítanak ki, hogy mindenki ugyanabból a kontextusból dolgozzon. Azok a csapatok, amelyek bevezették ezt a gyakorlatot, többet használták az AI-t, gyorsabban haladtak, jobb döntéseket hoztak és jobb minőségű munkát adtak ki.
Végső tanulság
Sands összefoglaló tanulsága szerint az AI nem feltétlenül hoz új vezetési problémákat, inkább meglévő, régóta létező gondokat világít meg: a rejtett feltételezések és a különböző mentális modellek mindig is kihívást jelentettek a csapatok számára. Az AI ezeket a hiányosságokat következményekkel súlyosbítja, ezért nő a megosztott kontextus és a kifejezett munkamódszerek fontossága.
Megjegyzés: a cikket az Atlassian szponzorálta és a VentureBeat publikációjában jelent meg.
