Psychologia adopcji AI: od korzystania z narzędzi do zmiany pracy zespołu

Firma kupuje dostęp do AI, organizuje szkolenie i zachęca pracowników do eksperymentowania. Część osób zaczyna korzystać z nowych narzędzi codziennie. Inni wracają do wcześniejszych metod. Jeszcze inni używają AI, ale wolą o tym nie mówić.

Co zatrzymuje zmianę?

Czasem narzędzie nie pasuje do zadania. Czasem pracownik nie potrafi sprawdzić wyniku. Bywa też, że potrafi, lecz zastanawia się: „Czy przyznając się do używania AI, nie pokażę, że moja praca jest mniej wartościowa?”.

Psychologia adopcji AI pomaga rozpoznać te różnice. Dzięki temu firma może dobrać działania do przyczyn trudności, zamiast wszystkim proponować kolejne szkolenie.

Czym jest adopcja AI — i czego jeszcze nie dowodzi?

Adopcja AI oznacza włączenie jej do rzeczywistego sposobu pracy. Pracownik sięga po narzędzie przy określonych zadaniach, a zespół uwzględnia jego zastosowanie w swoich praktykach.

Warto rozdzielić trzy pytania:

• Akceptacja: Czy pracownicy widzą sens korzystania z AI?
• Użycie: Przy jakich zadaniach rzeczywiście z niej korzystają?
• Efekty: Czy zmieniają się jakość pracy, czas realizacji, liczba poprawek i realizacja celów zespołu?

Pozytywna opinia nie dowodzi regularnego użycia. Regularne użycie nie dowodzi poprawy wyników.

Dlatego liczba aktywnych kont jest przydatną informacją o wykorzystaniu narzędzia, ale nie zastępuje oceny działania organizacji.

Pracownik może obawiać się nie AI, lecz oceny innych

Jedna z barier adopcji dotyczy reputacji zawodowej.

Jessica Reif, Richard Larrick i Jack Soll przeprowadzili cztery prerejestrowane eksperymenty z udziałem 4439 uczestników. W badanych sytuacjach osoby korzystające z pomocy AI spodziewały się gorszej oceny kompetencji i zaangażowania. Eksperymenty pokazały również, że takie negatywne oceny rzeczywiście występowały. Ich znaczenie zależało między innymi od zadania i doświadczeń oceniającego z AI. Reif, Larrick i Soll, 2025, PNAS.

To nie oznacza, że każdy zespół karze za używanie AI. Pokazuje jednak, dlaczego samo zachęcanie do korzystania z narzędzi może nie wystarczyć.

Menedżer mówi: „Pracujcie z AI”, ale jednocześnie chwali przede wszystkim osobisty wysiłek, a wynik przygotowany z jej pomocą komentuje: „To właściwie zrobił za ciebie komputer”.

Pracownik otrzymuje dwa sprzeczne sygnały.

Warto więc jasno określić, za co firma ocenia pracę: za jakość wyniku, trafność oceny, sprawdzenie informacji i odpowiedzialność za dalsze działanie. Samo użycie AI nie potwierdza ani wysokich, ani niskich kompetencji.

Nie sprowadzaj postaw do podziału na entuzjastów i sceptyków

Pracownik może dostrzegać korzyści AI i jednocześnie obawiać się jej wpływu na własne stanowisko. Może ufać narzędziu przy porządkowaniu tekstu, ale nie przy analizie kosztów.

Park, Woo i Kim opracowali skalę postaw wobec AI w pracy, wykorzystując trzy niezależne próby obejmujące łącznie 2841 osób. Rozróżnili sześć wymiarów, w tym ocenę jakości AI, osobistą użyteczność, lęk związany z korzystaniem oraz niepewność zatrudnienia. Postawa wobec AI nie jest więc jednym prostym „za” albo „przeciw”. Park, Woo i Kim, 2024.

Zamiast pytać wyłącznie „Czy lubisz AI?”, zapytaj:

• Przy których zadaniach widzisz korzyść?
• Jak rozpoznajesz błędny wynik?
• Co utrudnia ci korzystanie z narzędzia?
• Jakich zmian swojej roli się spodziewasz?
• Jak reagują współpracownicy, gdy ujawniasz użycie AI?

Nie zakładaj też, że większy entuzjazm oznacza większą wiedzę. Badania konsumenckie Tully, Longoni i Appela pokazały, że niższa wiedza o AI bywała związana z większą otwartością na jej wykorzystanie. Nie dowodzi to, że szkolenia pracowników obniżają adopcję. Przypomina natomiast, że zachwyt nad narzędziem i kompetentne korzystanie z niego to różne rzeczy. Tully, Longoni i Appel, 2025.

Ludzie reagują również na to, co przypisują innym

„U nas ludzie nie chcą AI” — takie stwierdzenie warto sprawdzić, zanim stanie się podstawą programu wdrożenia.

Huo i współautorzy wykazali, że uczestnicy ich badań niedoszacowywali pozytywnych postaw innych osób wobec AI. Takie przekonania wiązały się z mniejszą deklarowaną gotowością do jej przyjęcia. Badania prowadzono na próbach chińskich, częściowo studenckich, i dotyczyły przede wszystkim intencji, nie trwałej zmiany pracy przedsiębiorstw. Huo i współautorzy, 2026.

Praktyczny wniosek jest ostrożny: nie zastępuj wiedzy o zespole przypuszczeniami o jego nastawieniu.

Zbieraj opinie bez wymuszania entuzjazmu. Pokazuj zarówno zastosowania, które pomagają, jak i próby, z których zespół zrezygnował. Nie twórz pozornej jednomyślności hasłem „wszyscy już korzystają”.

Patrz również na rozkład odpowiedzi. Średnia ocena 3 na skali od 1 do 5 może oznaczać cztery umiarkowane opinie: 3, 3, 3, 3. Może też ukrywać wyraźny podział: 1, 1, 5, 5. Te zespoły potrzebują innej rozmowy, choć średnia wygląda identycznie.

Celem nie jest maksymalne zaufanie do AI

Pracownik, który odrzuca każdą podpowiedź, może tracić użyteczne wsparcie. Pracownik, który bez sprawdzenia przyjmuje każdą odpowiedź, może wprowadzać błędy do kolejnych etapów pracy.

Potrzebujemy zaufania dopasowanego do zadania i sprawdzonej jakości narzędzia.

Metaanaliza Vaccaro, Almaatouqa i Malone’a pokazała ważne rozróżnienie: połączenie człowieka z AI przeciętnie poprawiało wynik względem pracy człowieka bez AI, ale nie przewyższało lepszej z dwóch stron działającej samodzielnie. Wyniki zależały między innymi od rodzaju zadania. Samo dodanie człowieka do procesu nie gwarantuje więc przewagi ani skutecznego nadzoru. Vaccaro, Almaatouq i Malone, 2024.

W praktyce uzgodnijcie:

• Które zadania powierzacie AI, a które pozostawiacie poza jej zakresem?
• Jakie informacje sprawdzacie i z jakimi źródłami je porównujecie?
• Kto ocenia wynik i kto akceptuje dalsze działanie?
• Kiedy przerywacie pracę z narzędziem lub przekazujecie sprawę do konsultacji?

„Człowiek sprawdza” jest zbyt ogólną zasadą, jeśli ta osoba nie ma czasu, wiedzy lub uprawnień do odrzucenia wyniku.

Bezpieczeństwo psychologiczne pomaga ujawniać problemy, ale nie naprawia narzędzia

Zespół potrzebuje warunków, w których można powiedzieć:

„Nie rozumiem tej odpowiedzi”.

„AI podała nieprawidłowe dane”.

„Sprawdzanie wyniku zajmuje mi więcej czasu niż wcześniejsza metoda”.

Takie informacje pozwalają poprawiać wdrożenie. Jeśli pracownicy je ukrywają, kierownictwo widzi niepełny obraz.

W preprincie Reich i współautorów, opartym na ankiecie 2257 pracowników jednej globalnej firmy konsultingowej, bezpieczeństwo psychologiczne było związane z rozpoczęciem korzystania z AI. Nie wykazano jednak związku z częstotliwością ani długością późniejszego użycia. To badanie obserwacyjne — nie dowód, że podniesienie bezpieczeństwa psychologicznego samo spowoduje adopcję. Reich i współautorzy, 2026 — preprint.

Otwartość na rozmowę nie zastępuje użyteczności narzędzia, dobrych danych ani jasnych zasad pracy. Pomaga natomiast dowiedzieć się, gdzie te elementy zawodzą.

Adopcja AI dotyczy również współpracy między ludźmi

W podejściu rozwijanym w Collaboration.tech przyglądamy się trzem warunkom współpracy: zgodności celów, kompatybilności postaw i wiedzy wzajemnej. AI wspiera pracę ludzi; nie przejmuje ich odpowiedzialności za uzgodnienia.

Zgodne cele. Zespół sprzedaży może przyspieszyć przygotowanie ofert, a zespół realizacji otrzymać więcej propozycji wymagających wyjaśnień. Sprawdzamy, czy lokalne korzyści wspierają cele zespołów i strategię firmy.

Kompatybilne postawy. Nie chodzi o jednakowy entuzjazm. Zespół uzgadnia, gdzie korzysta z AI, jakie ryzyko akceptuje i jak sprawdza wyniki. Różnice opinii wykorzystuje do oceny rozwiązania.

Wiedza wzajemna. Pracownicy wiedzą, kto potrafi użyć narzędzia, kto rozpoznaje błędy merytoryczne i kto zna ograniczenia procesu. Dzięki temu trafniej dzielą zadania i kierują konsultacje.

Szersze wyjaśnienie tego podejścia przedstawiamy w „Małej książeczce o współpracy”.

Przykład: szybszy szkic, więcej pracy w całym procesie

Poniższy przykład jest hipotetyczny — nie przedstawia wyników klienta.

Zespół przygotowuje 240 ofert miesięcznie. Po wprowadzeniu AI czas opracowania pierwszej wersji spada o połowę. Jednocześnie rośnie czas sprawdzania i uzgadniania poprawek.

Pierwszy etap wygląda lepiej. Łączny nakład pracy rośnie jednak o 3 minuty na ofertę, czyli o 12 godzin miesięcznie.

Ten przykład nie dowodzi, że AI szkodzi. Pokazuje, dlaczego mierzymy cały proces, a nie wyłącznie etap, który przyspieszył. Kalkulacja nie obejmuje kosztów licencji, szkolenia ani innych możliwych korzyści.

Przed kolejnym szkoleniem warto ustalić, skąd biorą się poprawki: z błędów narzędzia, niepełnych danych, nieuzgodnionych kryteriów czy podwójnego sprawdzania tej samej informacji.

Jak rozpocząć pracę nad adopcją AI?

Proponujemy następujący sposób postępowania. To praktyczna propozycja pracy, nie uniwersalny, zwalidowany protokół.

1. Wybierzcie konkretny proces. Określcie, które cele zespołów wspiera i jakie zadania chcecie zmienić.
2. Sprawdźcie punkt wyjścia. Zbierzcie dane o czasie, jakości, poprawkach, obecnych zastosowaniach AI i trudnościach pracowników.
3. Rozdzielcie przyczyny. Odróżnijcie brak umiejętności od obaw o ocenę, problemów technicznych, niejasnej odpowiedzialności i sprzecznych celów.
4. Uzgodnijcie zasady pilotażu. Wskażcie dopuszczone narzędzia i dane, zakres weryfikacji, osoby odpowiedzialne oraz warunki przerwania próby.
5. Przećwiczcie nowe zadania. Uczcie korzystania z AI i sprawdzania jej wyników na przykładach z własnej pracy.
6. Oceńcie zmianę. Porównajcie cały proces, uwzględniając obciążenie, trudność zadań i inne zmiany zachodzące równolegle.

Różne osoby mogą potrzebować różnego wsparcia. W badaniu Brynjolfssona, Li i Raymond obejmującym 5172 pracowników obsługi klienta dostęp do asystenta AI zwiększył liczbę rozwiązanych spraw na godzinę średnio o około 15%. Większe korzyści uzyskali pracownicy mniej doświadczeni. Wynik dotyczył jednak konkretnego narzędzia, stanowiska i jednej firmy — nie jest prognozą dla dowolnego wdrożenia. Brynjolfsson, Li i Raymond, 2025.

Pracownicy mogą także współuczestniczyć w przeprojektowaniu swoich zadań. Ten wątek rozwijamy w artykule o job craftingu w transformacji AI.

Nie przekonuj wszystkich do AI. Sprawdź, co zmienia w ich pracy

Psychologia adopcji AI nie służy do przełamywania każdej obiekcji pracowników. Pomaga rozpoznać, które obawy wskazują na rzeczywiste ryzyko, gdzie brakuje umiejętności i jakie warunki organizacyjne utrudniają zmianę.

Udane wdrożenie nie polega na tym, że każdy pracownik korzysta z AI przy każdym zadaniu. Polega na świadomym wyborze zastosowań, jasnej odpowiedzialności i ocenie efektów dla zespołów oraz firmy.

Jeśli pracownicy korzystają już z AI, ale nie widać zmiany w działaniu organizacji, zacznijmy od konkretnego procesu i jego barier.

Poznaj ofertę wsparcia w adopcji AI i opisz sytuację w swojej firmie →