Ile firmy może pomieścić jeden człowiek?

Jeden agent skończył zadanie. Drugi przyniósł wyniki badania. Kiedy zajmuję się pierwszym, drugi ma już pytanie, od którego zależy dalsza praca. Muszę wrócić do jego tematu, zrozumieć argumenty, podjąć decyzję. A potem znowu się przełączyć.

Każdy z osobna pomaga mi pracować szybciej. Razem tworzą obciążenie, na które nie byłem do końca przygotowany.

Buduję produkt do pracy z wideo generowanym przez AI. Poświęciłem mu już osobną serię artykułów, ale teraz bardziej interesuje mnie to, co dzieje się z człowiekiem, który taki produkt buduje. System staje się coraz bardziej samodzielny, można mu powierzać coraz więcej pracy. A ja coraz mocniej odczuwam, jak wiele muszę przy tym sam przetworzyć.

O przyszłych firmach składających się z jednej osoby mówi się od dawna. Zwykle rozmowa szybko schodzi na przychody, liczbę pracowników i to, ile zawodów AI zdoła zastąpić. Ale spróbuj spojrzeć na to z perspektywy własnego działu. Nagle jego pracę może wykonać mały zespół, w którym prawie niczego nie trzeba wewnętrznie uzgadniać. Co wtedy zostanie ze znanego nam podziału ról?

Mnie ten problem już dotyczy, choć od innej strony. Mogę zlecić tyle pracy, że coraz trudniej mi to wszystko ogarnąć.

A przecież sam dążyłem do takiego tempa.

Lean, małe kroki i szybka informacja zwrotna od dawna są dla mnie zwyczajnym sposobem pracy. Chcę jak najszybciej sprawdzić rozwiązanie w praktyce i ocenić, czy warto iść dalej. Cost of Delay, czyli koszt opóźnienia, jest całkiem realny: kiedy rozwiązanie czeka, tracimy szansę na korzyść albo na wcześniejsze odkrycie, że się pomyliliśmy.

Dzięki AI droga od pomysłu do działającej zmiany mocno się skróciła. Można szybko wypróbować coś, na co wcześniej szkoda było czasu zespołu. Można zmienić kurs, gdy pojawią się nowe dane z rynku, i niemal od razu sprawdzić skutki. Kiedy działasz sam, nie ma długiego łańcucha uzgodnień: osoba, która zrozumiała problem, może sama podjąć decyzję i uruchomić pracę.

Według moich roboczych szacunków w projekcie wideo mówimy już o dziesięciu wydaniach produktu dziennie i ponad stu dużych epikach za nami. Epik to tutaj duży zakres prac, poprzedzony badaniem i projektowaniem, po którym trzeba jeszcze sprawdzić wynik. Sama liczba wydań oczywiście nie mówi, jak użyteczny okazał się produkt. Daje jednak wyobrażenie o tempie, w jakim trzeba rozpatrywać kolejne decyzje.

Stoi za tym zamysł biznesowy. Wiem, jaki produkt chcę zbudować, sprawdzam swoje założenia na podstawie danych z rynku i zmieniam plan, kiedy te dane tego wymagają. AI pozwala szybciej przejść tę drogę. Nie zwalnia mnie z rozumienia, dokąd idę.

I właśnie tutaj tempo okazuje się mieć cenę, której wcześniej tak mocno nie odczuwałem.

Nie muszę już pamiętać mnóstwa drobiazgów. Agent znajdzie potrzebny szczegół, odszuka wcześniejszą decyzję, zbierze materiały. Spisuję zasady, którymi kieruję się w pracy, prowadzę notatki założyciela, zachowuję uzasadnienia decyzji produktowych. W ten sposób system zyskuje kontekst, dzięki któremu może działać dość samodzielnie.

To pomaga. Ale między zapisem w pliku a zrozumieniem w mojej głowie wciąż jest pewna odległość.

Żeby podjąć istotną decyzję, muszę ponownie wejść w temat. Dlaczego w ogóle zajęliśmy się tym zadaniem? Na czym opiera się proponowany wniosek? Co zmienia dla produktu? Odpowiedzi mogą już leżeć przede mną. Nadal potrzebuję czasu, żeby się w nich rozeznać i ocenić, czy się z nimi zgadzam.

W takim momencie szczególnie wyraźnie czuję różnicę między dostępem do informacji a jej zrozumieniem. Krótkie podsumowanie można przeczytać szybko. Znacznie trudniej zauważyć, że pominięto w nim warunek, od którego zależy cały wniosek.

Agenci pracują równolegle. Moja uwaga tego nie potrafi.

Mogę przełączyć się na inne zadanie, ale część myśli wciąż zostaje przy poprzednim. Sophie Leroy badała ten efekt pod nazwą attention residue: niedokończona praca może zatrzymywać uwagę i utrudniać kolejne zadanie. Jej eksperymenty dotyczyły przełączania się między zadaniami, na długo przed dzisiejszymi agentami. Rozpoznaję w tym opisie to, co dzieje się ze mną, gdy wyniki napływają z kilku kierunków naraz. Badania i wyjaśnienie autorki.

Znalazłem się w dziwnej sytuacji. Skracałem czas oczekiwania w całym procesie, a teraz gotowa praca może czekać, aż zdołam się z nią zapoznać. Koszt opóźnienia nigdzie nie zniknął. Część tego kosztu wiąże się teraz z moją własną uwagą.

Nie powiedziałbym przy tym, że AI ogólnie utrudnia pracę. Wiele pojedynczych zadań stało się dzięki niemu znacznie łatwiejszych. W badaniu przedstawionym na CHI 2025 Hao-Ping Lee i współautorzy zapytali 319 pracowników umysłowych o korzystanie z generatywnej AI. Wielu uczestników mówiło, że zadania wymagają mniej wysiłku. Jednocześnie część pracy przesuwała się w stronę sprawdzania odpowiedzi AI i nadzorowania realizacji zadania. To relacje użytkowników narzędzi AI; nie mierzono tu przeciążenia związanego z zarządzaniem autonomicznymi agentami. Artykuł Microsoft Research.

W moim przypadku obok ułatwienia pojedynczych zadań pojawił się inny efekt: w tym samym czasie mogę rozpocząć znacznie więcej prac w różnych obszarach. Decyzje z tych obszarów trafiają do mnie szybciej, niż zdążę je spokojnie przemyśleć. Właśnie tego przeciążenia doświadczam. Na ile jest ono typowe dla innych, pozostaje jeszcze ustalić.

Okazuje się, że automatyzacja od dawna ma podobną historię. W 1983 roku badaczka Lisanne Bainbridge napisała w artykule „Ironies of Automation”: „Im bardziej zaawansowany system sterowania, tym bardziej kluczowy może okazać się wkład człowieka-operatora” — ten i kolejne cytaty zostały przetłumaczone z angielskiego. Analizowała systemy przemysłowe, w których człowiekowi pozostawały trudne zadania i interwencje przy odchyleniach od normalnej pracy. Znam to uczucie: wykonanie coraz częściej obywa się beze mnie, a pozostałe decyzje wciąż wymagają głębokiego zrozumienia sytuacji. Oryginalny artykuł, Automatica.

Dlatego bliska jest mi analogia do programowania w parach z Extreme Programming. Partner jest potrzebny między innymi po to, by wspólnie zrozumieć zadanie i sprawdzić tok rozumowania. Martin Fowler, odpowiadając na zarzut marnotrawstwa w takim sposobie pracy, pisze: „Ale to marnotrawstwo tylko wtedy, gdy najtrudniejszą częścią programowania jest pisanie na klawiaturze”. Mówi o dwóch ludziach. Ja przenoszę tę logikę na swoją pracę z AI: kiedy kod powstaje szybciej, szczególnie wyraźnie widać, ile pracy wciąż tkwi w samej decyzji — co chcemy uzyskać i dlaczego. Martin Fowler, Pair Programming.

Traktuję agentów jak partnerów w pracy. Można z nimi omawiać rozwiązania, spierać się, badać rzeczy, na które samemu nie starczyłoby sił. Zaufanie wyrasta tu z doświadczenia i sprawdzania wyników. Przy istotnych decyzjach produktowych nie mogę jeszcze zamienić go w bezwarunkową zgodę: konsekwencje wyboru pozostają po mojej stronie.

W małym projekcie niemal cała wiedza o nim może mieścić się w głowie założyciela. Pamięta on, skąd wziął się pomysł i czego oczekuje od produktu. W miarę wzrostu pojawiają się obszary, których nie da się już zrozumieć w biegu. Przez domenę rozumiem tutaj właśnie taki obszar: na przykład ekonomikę produktu albo proces jego wytwarzania. Trzeba wiedzieć, jak on działa i dlaczego podejmuje się w nim określone decyzje.

Jeśli moje rozumienie tego obszaru zaczyna zostawać w tyle za tym, co się dzieje, sama liczba dostępnych agentów nie rozwiązuje problemu. Potrafią zebrać więcej materiału, ale ktoś musi umieć go ocenić. Inaczej ryzykuję, że będę zatwierdzał przekonujące odpowiedzi, stopniowo tracąc rozeznanie w tym, dokąd prowadzą.

Stąd moja hipoteza dotycząca przyszłego zespołu. W pewnym momencie będę potrzebował kogoś, kto weźmie na siebie cały obszar i będzie potrafił podejmować w nim uzasadnione decyzje. On też będzie miał agentów. Przejmie część pracy, przy której dziś muszę ładować sobie do głowy kolejny duży fragment produktu.

Znamy taki podział: w firmach już są ludzie odpowiedzialni za sprawy handlowe, rozwój produktu czy jego wytwarzanie. Moja prognoza dotyczy tego, ilu ludzi będzie potrzeba wewnątrz tych obszarów.

Tam, gdzie dziś potrzeba całego działu, z częścią pracy poradzi sobie kilka osób.

To przypuszczenie robi się niepokojące, gdy w myślach podstawimy w to miejsce własny dział. Za jego nazwą stoją ludzie i kariery, lata gromadzonego doświadczenia. Nawet częściowa automatyzacja może zmienić zapotrzebowanie na znane nam stanowiska. A wiedzę o samym obszarze i odpowiedzialność za wynik wciąż trzeba będzie gdzieś zachować.

Możliwość pracy w mniejszym składzie przy konkretnych zadaniach jest już sprawdzana eksperymentalnie. W badaniu Fabrizia Dell’Acquy i współautorów, opublikowanym w Organization Science w 2026 roku, analizowano pracę 791 specjalistów Procter & Gamble. Przy jednodniowych zadaniach polegających na opracowywaniu pomysłów na produkty osoby pracujące pojedynczo z konwersacyjnym asystentem AI osiągały jakość porównywalną z parami pracującymi bez AI. To ciekawy wynik, choć nie można z niego wywnioskować, że jeden człowiek potrafi teraz prowadzić całą firmę. The Cybernetic Teammate.

Sądzę, że presja ze strony niewielkich konkurentów zmusi również duże firmy do przemyślenia organizacji zespołów. Gdzieś doprowadzi to do redukcji, gdzie indziej pozwoli tym samym ludziom robić więcej. Jeśli konkurent rozwiązuje ten sam problem klienta mniejszym składem i szybciej dociera na rynek, dotychczasowa wielkość naszego działu przestaje wyglądać na oczywistą.

W tym miejscu chcę zadać czytelnikowi pytanie, które kieruję również do siebie.

Jeśli wykonywanie twoich codziennych zadań gwałtownie stanieje, za jakie decyzje będą płacić właśnie tobie?

Moja odpowiedź wiąże się z myśleniem systemowym — systems thinking. Uważam je za jedną z najważniejszych umiejętności przyszłości. Człowiek musi rozumieć, jak decyzje w jego obszarze zmieniają cały produkt. Można przyspieszyć generowanie wideo i dojść do kosztów, przy których nikt nie będzie chciał go kupować. Można uprościć jeden etap pracy i przerzucić całą złożoność na następny. Każde pojedyncze usprawnienie będzie przy tym wyglądało całkiem przekonująco.

Donella Meadows w pracy o punktach oddziaływania na system analizowała właśnie powiązania, sprzężenia zwrotne i cele, od których zależy jego zachowanie. To przydatna perspektywa również w pracy z agentami: sprawdzając ich wyniki, muszę widzieć, co razem zmieniają w produkcie. Prognoza dotycząca zapotrzebowania na tę umiejętność jest już moja. Donella Meadows, Leverage Points.

Obok myślenia systemowego stoi jeszcze jedna umiejętność: jasno i precyzyjnie wyjaśnić, czego się chce. Dopóki pomysł żyje tylko w głowie, łatwo nie zauważyć, ile w nim niedopowiedzeń. Próba zlecenia pracy agentowi szybko je ujawnia. Jakiego wyniku potrzebujemy? Po czym poznamy, że go osiągnęliśmy, i czego nie wolno nam dla niego poświęcić?

Kiedyś trzeba było po mistrzowsku szukać w Google. Teraz — po mistrzowsku określać zadanie.

Jest w tym ironia: specyfikacja, to całe opisywanie wymagań, znów staje się osobistą sprawą człowieka, który chce uzyskać wynik. Szukać i sprawdzać źródła oczywiście nadal trzeba. Ale gotowość systemu do działania sprawia, że niejasne polecenie staje się szczególnie kosztowne. Możesz już zlecić pracę, choć sam jeszcze nie ustaliłeś, co właściwie uznać za sukces.

Przydaje się tu stary SMART. George Doran, który zaproponował go w 1981 roku, radził określić, co dokładnie poprawiamy, jak oceniamy postęp, kto się tym zajmuje, jakie wyniki są realne przy dostępnych zasobach i w jakim terminie. W pracy z AI te pytania nadal mają sens. Żeby zadanie było kompletne, trzeba jeszcze dodać kontekst i ograniczenia: co uwzględnić, jakie zmiany są dopuszczalne, kiedy się zatrzymać i wrócić do człowieka. SMART pomaga sformułować cel; jakość rozwiązania trzeba sprawdzić osobno. George T. Doran, oryginalny artykuł w Management Review.

Nowa rola wymaga więc dość dobrze znanej pracy menedżerskiej: zrozumieć system i opisać pożądaną zmianę na tyle dokładnie, by ktoś inny mógł działać. Teraz cena niejasności rośnie wraz z tempem, w jakim agenci realizują twoje polecenie.

Poszukiwania nazwy dla takiej roli już trwają. Microsoft proponuje agent boss: człowiek tworzy agentów, zleca im pracę i nimi zarządza. W raporcie Work Trend Index 2025 pojawia się też ostrzeżenie, że przy nadmiarze agentów zdolność człowieka do oceny sytuacji może zostać przeciążona. To język i prognoza zaproponowane przez firmę, a nie powszechnie przyjęta nazwa zawodu. Mnie w tej roli szczególnie interesuje człowiek, który mimo całej pracy wykonywanej przez agentów nadal dobrze rozumie swój obszar. Microsoft, Work Trend Index 2025.

Kiedy mówię o „ludziach przyszłości”, myślę właśnie o takiej codziennej pracy. Jedna osoba może już podejmować się rzeczy, do których wcześniej musiałaby zebrać zespół. Czuję tę swobodę w swoim projekcie i wcale nie chcę z niej rezygnować. Można szybko sprawdzić śmiały pomysł, dostrzec błąd, zmienić kierunek. To wciąga. I rozumiem, jak trudno będzie konkurować z kimś, kto tak pracuje, jeśli własna firma zmienia kierunek miesiącami.

Jeśli produkt rośnie tylko tak długo, jak długo założyciel jest w stanie osobiście we wszystko wnikać, granica tego modelu nigdzie nie zniknęła. Być może właśnie wokół niej będą powstawać nowe zespoły: każdy człowiek odpowiada za swój obszar i pracuje w nim z własnymi agentami.

Można pójść w tych rozważaniach dalej. Założyć, że systemy nauczą się na tyle niezawodnie trzymać celów i uwzględniać konsekwencje, że udział człowieka w wielu decyzjach stanie się rzadkością. Może w niektórych biznesach zostanie jeden założyciel. Nie wiem, czy to nastąpi i gdzie. Moje dzisiejsze doświadczenie kończy się wcześniej.

Dziś potrafię uruchamiać pracę szybciej niż dawniej. Widzę, jak wiele staje się możliwe niemal w pojedynkę.

I coraz częściej dochodzę do punktu, w którym muszę się zatrzymać i na nowo zrozumieć to, za co zamierzam odpowiadać.

Przynajmniej na razie to my, ludzie, odpowiadamy za podjęte decyzje. Maszyna może przygotować rekomendację i przekonująco ją uzasadnić. Wprowadzić ją w życie i odpowiadać za konsekwencje muszę ja. A decyzje bywają poważne: stawką mogą być pieniądze firmy albo zobowiązania wobec klientów. To, że dany wariant zaproponował agent, nie zwalnia mnie z konieczności zajęcia się skutkami.

Następny agent może już pracować. A ja jeszcze myślę nad wynikiem poprzedniego.

Ile firmy jestem w stanie zmieścić w jednej głowie? I jak podzielimy ją między ludzi, gdy każdy będzie miał własny zespół agentów?