Kobiety w AI: Lekcje z konferencji HUMAN X

Kobiety w AI wyróżnione na konferencji HUMAN X opowiadają nie tylko historię reprezentacji, ale realnego budowania firm AI-first. Kluczowa kwestia jest taka: najlepsze produkty powstają z autentycznej ludzkiej potrzeby, przewaga konkurencyjna rozgrywa się w kontekście danych, a prawdziwą zaletą dzisiaj jest zatrudnianie osób, które potrafią uczyć się szybciej niż zmienia się rynek.

Na konferencji HUMAN X panel z udziałem Jennifer Smith, CEO i współzałożycielki Scribe, oraz Mady Seghete, założycielki Upside i byłej współzałożycielki Branch, dostarczył szczególnie użytecznej perspektywy na temat kobiet w AI. Nie była to abstrakcyjna debata o różnorodności, ale konkretna rozmowa o tym, jak rodzą się natywne dla AI firmy, co jest potrzebne do ich zbudowania i jakie realne napięcia napotykają dzisiaj zespoły pracujące ze sztuczną inteligencją.

Najważniejsze jest to: AI nie została przedstawiona jako trend, ale jako akcelerator transformacji biznesowej. Obie założycielki wychodzą od bardzo jasnych problemów operacyjnych. To właśnie to pochodzenie, ludzkie a nie teoretyczne, nadaje autorytet ich tezom.

Kobiety w AI i startupy: Dlaczego kontekst jest dziś inny

Mada Seghete wyjaśniła, że jest przy swojej drugiej firmie. Po współzałożeniu Branch, która osiągnęła ponad 100 milionów dolarów przychodu, uruchomiła Upside wychodząc od problemu, którego doświadczyła osobiście: trudności w marketingu B2B w precyzyjnym wykazywaniu, co naprawdę generuje wpływ. Krótko mówiąc: nie chciała już, by marketerzy spędzali więcej czasu na uzasadnianiu swojej wartości niż na budowaniu skutecznych kampanii.

Jennifer Smith opisała inną, ale komplementarną podróż. Pomysł na Scribe wynika z powtarzających się obserwacji, najpierw w McKinsey, a potem w venture capital, że firmy działają dzięki niewidzialnemu aktywowi: wiedzy instytucjonalnej. Najlepsi ludzie nie tylko podążają za pisemnym przewodnikiem. Pracują ze skrótami, kontekstem, doświadczeniem, wyjątkami. I to wszystko w większości organizacji nie jest uchwycone.

Oznacza to, że punktem wyjścia dla obu firm nie jest "robienie AI", ale rozwiązanie konkretnego tarcia:

• dla Upside, lepsze mierzenie wkładu marketingu;
• dla Scribe, przechwytywanie i skalowanie wiedzy operacyjnej;
• dla obu, przekształcanie danych i przepływów pracy w realną przewagę.

Co wyróżnia założyciela po raz drugi

Interesującym elementem, który pojawił się w panelu, jest zmiana sposobu myślenia przy drugim przedsięwzięciu. Seghete podkreśliła, że za drugim razem powód, dla którego chce się budować firmę, jest jaśniejszy. Jest mniej potrzeby "udowadniania czegoś", a większe pragnienie pracy z szanowanymi osobami nad naprawdę odczuwaną kwestią.

Smith opowiedziała o kilkumiesięcznym procesie refleksji, kierowanym prostym pytaniem: z czego będę dumna? Odpowiedź dotyczyła nie tylko biznesu, ale możliwości zbudowania czegoś użytecznego, trwałego i zdolnego do wzmacniania ludzkiego potencjału.

Kobiety w AI i produkty AI-first: Dlaczego kontekst ma większe znaczenie niż automatyzacja

Jednym z najbardziej przekonujących punktów dyskusji dotyczy jakości produktów AI-first. Jennifer Smith podkreśliła kluczowy punkt: największe ryzyko w firmie to nie tylko "halucynacja" modelu, ale fakt, że model rozumuje bez wystarczającego kontekstu.

To rozróżnienie jest kluczowe. System może być bardzo zaawansowany w zdolności rozumowania, ale jeśli nie wie, jak konkretna firma zamyka miesiąc, zatwierdza wydatek lub zarządza wyjątkiem regulacyjnym, to po prostu zgaduje. A w przedsiębiorstwie, szczególnie w środowiskach regulowanych, jest to niebezpieczne.

Wyraźna definicja: warstwa kontekstu to poziom informacyjny, który opisuje, jak firma naprawdę działa, w tym przepływy pracy, wyjątki, zależności i pamięć operacyjną. Bez tej warstwy automatyzacja pozostaje krucha.

Mada Seghete dodała drugą kluczową koncepcję: pamięć to najgorętszy temat. Nie wystarczy zasilać modele danymi. Liczy się też pamięć interakcji, sposób, w jaki użytkownicy poprawiają agenta, dopracowują raporty i stopniowo budują lepsze wyniki. W praktyce przyszłość produktów AI dla przedsiębiorstw zależy od dwóch połączonych czynników:

• prawidłowy kontekst;
• użyteczna i możliwa do udostępnienia pamięć.

Pytanie: Dlaczego wiele projektów AI kończy się niepowodzeniem w firmach?

Odpowiedź: ponieważ mają dostęp do potężnych modeli, ale brakuje im kontekstu operacyjnego niezbędnego do niezawodnego wykonywania pracy.

To jeden z najważniejszych spostrzeżeń z panelu. Przenosi uwagę z obsesji na modelu na jakość wewnętrznej infrastruktury informacyjnej.

Rekrutacja w erze AI: "nachylenie" CV ma większe znaczenie

Kolejną centralną osią dyskusji była rekrutacja. Tutaj panel dostarczył bardzo konkretnych spostrzeżeń dla założycieli, liderów HR i menedżerów.

Jennifer Smith wyjaśniła, że dla Scribe wartości pozostają niepodlegające negocjacjom. Ale dzisiaj to nie wystarczy. Potrzebna jest również forma biegłości w AI, rozumiana nie jako lista używanych narzędzi, ale jako zdolność do przemyślenia swojej roli w świetle AI.

Jej wskazówki dla kandydatów były bardzo jasne: nie wystarczy powiedzieć "używam ChatGPT do burzy mózgów". Trzeba wykazać, jak praca zostałaby przeprojektowana ze sztuczną inteligencją. To zasadnicza różnica. Nacisk nie jest na powierzchowne przyjęcie, ale na przeprojektowanie roli.

Seghete ze swojej strony opisała typową praktykę bardziej zwinnych startupów: krótkie i płatne okresy próbne, trwające jeden lub dwa tygodnie, aby z bliska obserwować adaptacyjność, szybkość uczenia się i zgodność z kulturą firmy.

Podsumowując: dzisiaj CV ma mniejsze znaczenie niż trajektoria.

Pytanie: Czego naprawdę szukają natywne dla AI firmy podczas rekrutacji?

Odpowiedź: szukają osób z silnymi wartościami, zdolnością do szybkiego uczenia się i umiejętnością przemyślenia swojej pracy z AI.

Smith używa szczególnie skutecznego terminu: nachylenie. Chodzi nie tylko o to, gdzie kandydat jest dzisiaj, ale jak szybko może się rozwijać. Seghete podała konkretny przykład: inżynier z silnym doświadczeniem w grafach wiedzy, ale prawie bez doświadczenia w AI, okazał się właściwym wyborem właśnie ze względu na szybkość, z jaką się uczył.

To przesłanie jest również silne na poziomie geograficznym: gospodarka AI coraz bardziej nagradza tych, którzy potrafią się adaptować, a nie tych, którzy trzymają wczorajszy podręcznik.

Mit "właściwego podręcznika" już nie działa

Jednym z najbardziej wnikliwych punktów panelu dotyczy przestarzałości podręczników. Jennifer Smith zauważyła, że jednym z najbardziej ryzykownych profili do zatrudnienia dzisiaj jest lider przekonany, że modele sukcesu z 2021 roku są nadal aktualne. W kontekście AI rynek porusza się zbyt szybko, by samo doświadczenie z przeszłości gwarantowało przyszły sukces.

Seghete wyraziła podobne uczucie z innej perspektywy: nawet jeśli już założyłeś firmę, nie możesz po prostu ponownie użyć tego, co działało wcześniej. Zespoły są mniejsze, role są skompresowane, indywidualna produktywność wzrasta, a granice między funkcjami zmieniają się szybko.

Oznacza to, że AI na nowo definiuje nie tylko produkty, ale także organizację pracy.

Zarządzanie, prywatność i presja zarządu: Prawdziwe wyzwanie AI dla przedsiębiorstw

Na froncie przedsiębiorstw panel poruszył kluczowy punkt dla osób zaangażowanych w transformację cyfrową: presję ze strony zarządów.

Według Smith wiele firm otrzymuje jasne żądanie od swoich zarządów: posiadać strategię AI i produkować więcej przy mniejszych zasobach. Problem polega na tym, że na poziomie operacyjnym przetłumaczenie tego mandatu na konkretne przepływy pracy jest bardzo trudne. Jeśli organizacja nie wie dokładnie, jak praca jest obecnie wykonywana, nie może rygorystycznie określić, gdzie interweniować, co automatyzować i jak zbudować wiarygodny biznes plan.

Seghete dodała ważną uwagę na froncie bezpieczeństwa: w dużych firmach, szczególnie regulowanych, głównym zmartwieniem nie jest samo używanie AI, ale raczej zapobieganie ponownemu wykorzystaniu zastrzeżonych danych do trenowania współdzielonych modeli.

Lekcja strategiczna jest prosta: adopcja AI w firmie nie zależy wyłącznie od jakości modelu, ale od:

• zarządzania danymi;
• polityki bezpieczeństwa;
• architektury dostępu;
• zaufania organizacyjnego.

Czy AI zabierze miejsca pracy, czy przede wszystkim wyeliminuje bezużyteczną pracę?

Tutaj panel przedstawił bardziej zrównoważony obraz wielu narracji medialnych. Jennifer Smith wyjaśniła, że w firmach, z którymi pracuje, mandat "robić więcej mniejszymi siłami" nie oznacza automatycznie "zwalniania ludzi". W wielu przypadkach oznacza zwiększenie zdolności produkcyjnych w kontekstach, gdzie nie jest możliwe wystarczająco szybkie zatrudnianie.

Jej teza jest jasna: najlepszym celem AI jest usunięcie mozolnej pracy, czyli pracy powtarzalnej, administracyjnej i niewyróżniającej się, aby zostawić ludziom bardziej ludzkie i wyższej wartości aspekty ich roli.

Podsumowując: AI ma potencjał wzmacniania mocnych stron ludzi, a nie tylko redukowania kosztów.

Tym niemniej panel nie oferował naiwnego optymizmu. Przyznano, że po drodze będzie strukturalny ból. Miejsca pracy się zmienią, architektury organizacyjne się zmienią i nie wszystkie dostosowania będą proste. Jednak długoterminowa perspektywa, według prelegentów, pozostaje konstruktywna.

Czego ten panel naprawdę uczy założycieli, marketerów i liderów

Wartość tej rozmowy na konferencji HUMAN X leży w jej konkretności. Doświadczenia Jennifer Smith i Mady Seghete pokazują, że najbardziej wiarygodne firmy AI nie wyłaniają się z haseł innowacyjnych, ale z trzech precyzyjnych wyborów:

1. Zacząć od prawdziwego ludzkiego problemu

Najlepsze startupy AI nie zaczynają od modelu, ale od tarcia.

2. Budowanie kontekstu przed automatyzacją

Bez niezawodnych przepływów pracy, pamięci i danych operacyjnych AI dla przedsiębiorstw pozostaje niekompletna.

3. Zatrudniać dla uczenia się, nie dla nostalgii

Na obecnym rynku zdolność do ewolucji ma większe znaczenie niż pewność CV.

Najważniejsze jest to, że panel na temat kobiet w AI przedstawił dojrzały obraz przywództwa kobiet w sektorze: nie jako symboliczną kategorię, ale jako siłę zdolną do rozumienia problemów, budowania produktów i definiowania nowych zasad pracy.

FAQ

Kim są główni prelegenci panelu na konferencji HUMAN X?

Centralne postacie panelu to Jennifer Smith, CEO i współzałożycielka Scribe, oraz Mada Seghete, założycielka Upside i była współzałożycielka Branch.

Jaki jest główny komunikat, który pojawił się na temat przyszłości AI w biznesie?

Głównym komunikatem jest to, że AI naprawdę działa tylko wtedy, gdy ma właściwy kontekst operacyjny. Potężne modele bez wiarygodnych danych, przepływów pracy i pamięci korporacyjnej pozostają niekompletne.

Co ma największe znaczenie przy rekrutacji do firm natywnych dla AI?

Zdolność do szybkiego uczenia się, przemyślenia roli z AI i wykazania adaptacyjności to to, co naprawdę się liczy. Samo wcześniejsze doświadczenie nie jest już wystarczające.

Dlaczego temat kobiet w AI jest istotny w tym panelu?

Ponieważ pokazuje, jak przywództwo kobiet w AI to nie tylko kwestia reprezentacji, ale rozwoju produktów, kultury korporacyjnej i wizji strategicznej.

Czy AI zastąpi ludzi, czy zmieni pracę?

Według ustaleń panelu AI będzie przede wszystkim dążyć do eliminacji powtarzalnych zadań i transformacji ról. Zmiana może być intensywna, ale wartość ludzka pozostanie centralna!