«Η μάθηση πρέπει να είναι συνεχής»: η Patsy Doerr του LRN σχετικά με το γιατί ο πολιτισμός και η διακυβέρνηση καθορίζουν την επιτυχία της τεχνητής νοημοσύνης

Ένα γκρίζο πρωί Τετάρτης στο Λονδίνο, η LRN, ένας πάροχος λύσεων ηθικής, συμμόρφωσης και εταιρικής κουλτούρας, συγκέντρωσε μια ομάδα γυναικών από όλο το επάγγελμα συμμόρφωσης για μια συζήτηση πρωινού σχετικά με τον εξελισσόμενο ρόλο των γυναικών στον τομέα.

Η συζήτηση κινήθηκε εύκολα μεταξύ θεμάτων αυθεντικότητας και ευφυούς ανάληψης κινδύνων, που αγκυροβολήθηκε από μια συνομιλία μεταξύ της Ρεμπέκα Μέιφιλντ, επικεφαλής της συμμόρφωσης και ανώτερης συμβούλου της Merlin Entertainments, και της Patsy Doerr, επικεφαλής ανθρώπων και πολιτισμού στο LRN.

Ήταν κατά τη διάρκεια αυτής της συζήτησης που η συζήτηση στράφηκε, αναπόφευκτα, στην τεχνητή νοημοσύνη. Καθώς οι οργανισμοί συνεχίζουν να πειραματίζονται με την τεχνολογία, τα ερωτήματα γύρω από την κουλτούρα, τη διακυβέρνηση και την κατανόηση σε επίπεδο συμβουλίου γίνονται όλο και πιο δύσκολο να αγνοηθούν. Μετά τη συνεδρία, συνάντησα τον Doerr για να εξερευνήσω αυτές τις ερωτήσεις σε μεγαλύτερο βάθος.

Ο Doerr, ο οποίος εντάχθηκε στο LRN τον Φεβρουάριο του 2026, φέρνει εμπειρία από ανώτερους ρόλους στα UDR, Credit Suisse και Thomson Reuters. Η οπτική της ευθυγραμμίζεται στενά με τα ευρήματα του LRN Έκθεση Αποτελεσματικότητας Προγράμματος 2026το οποίο αντλεί πληροφορίες από περισσότερους από 2.500 επαγγελματίες δεοντολογίας και συμμόρφωσης παγκοσμίως.

Τα δεδομένα υποδηλώνουν ότι ενώ το 39 τοις εκατό των οργανισμών χρησιμοποιούν τώρα τεχνητή νοημοσύνη σε τουλάχιστον μία λειτουργία συμμόρφωσης, πολλοί εξακολουθούν να δυσκολεύονται να εξηγήσουν πώς βελτιώνει τα αποτελέσματα. Τα προγράμματα υψηλού αντίκτυπου προχωρούν, με το 42% να αναπτύσσει εκπαίδευση βελτιωμένης τεχνητής νοημοσύνης σε σύγκριση με το 30% των συνομηλίκων τους. Ωστόσο, η διακυβέρνηση παραμένει ανεπαρκώς ανεπτυγμένη, με περιορισμένη τεκμηρίωση σχετικά με το σκοπό του μοντέλου, τη γενεαλογία δεδομένων και την επικύρωση. Το αποτέλεσμα είναι ένα διευρυνόμενο χάσμα μεταξύ υιοθέτησης και αποτελεσματικής εποπτείας.

Μέσα σε αυτό το πλαίσιο είναι που ο πολιτισμός, όπως εξηγεί ο Doerr, γίνεται ο καθοριστικός παράγοντας. Καθώς η υιοθέτηση της τεχνητής νοημοσύνης συνεχίζεται με ρυθμό, πιστεύει ότι η μεγαλύτερη πρόκληση δεν είναι τεχνολογικής φύσης, αλλά πολιτισμικής. «Από την εμπειρία μου, αυτό συμβαίνει με οτιδήποτε έχει τόσο μεγάλο αντίκτυπο», λέει. ‘Υπάρχουν πολλά πράγματα που πρέπει να κάνουν οι εταιρείες, αλλά ξεχωρίζουν μερικά βασικά πολιτιστικά ζητήματα.

Στην κορυφή της λίστας βρίσκεται η αντίσταση στην αλλαγή. «Γενικά μιλώντας, ο καθένας έχει διαφορετική ικανότητα αλλαγής, επομένως η κατανόηση αυτής της ικανότητας όσον αφορά την τεχνητή νοημοσύνη είναι κρίσιμη», εξηγεί, επισημαίνοντας τις ανησυχίες για την απώλεια θέσεων εργασίας και την έλλειψη ικανότητας ως βασικοί οδηγοί. «Αυτό κάνει την αντίσταση στην αλλαγή ακόμη πιο σημαντική».

Στενά συνδεδεμένα με αυτό είναι τα επίμονα κενά δεξιοτήτων. «Πιστεύω ακράδαντα ότι η εκπαίδευση βρίσκεται στο επίκεντρο των πάντων», λέει ο Doerr. ‘Αλλά υπάρχουν κενά δεξιοτήτων γιατί πρόκειται για μια νέα τεχνολογία. Ορισμένα από αυτά τα κενά είναι γενεαλογικά, ενώ άλλα αντικατοπτρίζουν άνιση έκθεση ανάλογα με τον ρόλο. Αυτό εξηγεί γιατί, παρά το γεγονός ότι το 39 τοις εκατό των οργανισμών χρησιμοποιούν τώρα τεχνητή νοημοσύνη σε τουλάχιστον μία λειτουργία συμμόρφωσης – σύμφωνα με Έκθεση Αποτελεσματικότητας Προγράμματος 2026 – πολλοί ακόμα αγωνίζονται να διατυπώσουν τον αντίκτυπό του.

Για τον Doerr, η ευθυγράμμιση είναι εξίσου σημαντική. «Οι εταιρείες πρέπει επίσης να σκεφτούν την ευθυγράμμιση με τις αξίες τους και πώς η τεχνητή νοημοσύνη ταιριάζει σε αυτές τις τιμές», λέει. «Οι οργανισμοί χρειάζονται σαφήνεια σχετικά με το πώς θα χρησιμοποιηθεί η τεχνητή νοημοσύνη και πώς αυτό ευθυγραμμίζεται με αυτό που πρεσβεύουν». Χωρίς αυτή τη σαφήνεια, η υιοθέτηση κινδυνεύει να κατακερματιστεί, μια πρόκληση που αντικατοπτρίζεται στη διαπίστωση της έκθεσης ότι πολλοί οργανισμοί δεν διαθέτουν μια συνεκτική προσέγγιση στη διακυβέρνηση της τεχνητής νοημοσύνης.

Κάτω από όλα αυτά βρίσκεται ένα πιο πρακτικό ζήτημα με πολιτιστικές προεκτάσεις. «Υπάρχει επίσης ένα μεγάλο πρόβλημα με την ποιότητα των δεδομένων», σημειώνει. ‘Στους περισσότερους οργανισμούς, τα δεδομένα βρίσκονται σε διαφορετικά τμήματα χωρίς ισχυρές διαδικασίες για την ενσωμάτωσή τους. Αν και συχνά πλαισιώνεται ως τεχνικό πρόβλημα, ο αντίκτυπος είναι πολιτιστικός, επηρεάζοντας τη συνεργασία και τη δέσμευση μεταξύ των λειτουργιών.

Η κατεύθυνση από την κορυφή ενός οργανισμού, ωστόσο, παραμένει ο καθοριστικός παράγοντας. «Η εξαγορά ηγεσίας είναι πάντα κρίσιμη», λέει ο Doerr. ‘Όχι μόνο να μιλάω, αλλά στην πραγματικότητα να περπατάς.

Αυτή η ηγετική πρόθεση δεν μεταφράζεται πάντα καθαρά μέσω του οργανισμού. Η μεσαία διοίκηση, υποστηρίζει, συχνά γίνεται το σημείο όπου οι προσπάθειες μετασχηματισμού χάνουν τη δυναμική τους. «Αυτό που συμβαίνει συχνά είναι ότι η ηγεσία υιοθετεί μια στρατηγική, αλλά καθώς αυτή ρέει μέσα από τον οργανισμό, το μήνυμα εξελίσσεται ή αλλάζει», λέει. «Είναι σαν το παιχνίδι του τηλεφώνου που παίζαμε ως παιδιά, στο οποίο το μήνυμα αλλάζει στην πορεία».

Με την τεχνητή νοημοσύνη, αυτή η παραμόρφωση ενισχύεται από την αβεβαιότητα. «Υπάρχουν πρόσθετες προκλήσεις γύρω από την κατανόηση, τον φόβο και την αλλαγή», λέει. Για να αντιμετωπιστεί αυτό, οι διευθυντές πρέπει να αναλάβουν πιο ενεργό ρόλο στην ερμηνεία και τη μετάφραση της στρατηγικής. «Τα μεσαία στελέχη πρέπει να εκπαιδεύονται για να κατανοήσουν πώς η τεχνητή νοημοσύνη μπορεί να τους υποστηρίξει και να βοηθήσει στην άμβλυνση των φόβων για απώλεια εργασίας», λέει, προσθέτοντας ότι η εστίαση πρέπει να στραφεί προς την ευκαιρία. ‘Θα πρέπει να εστιάσουν περισσότερο στις ευκαιρίες που παρουσιάζει η τεχνητή νοημοσύνη, ειδικά όσον αφορά την ανάλυση δεδομένων και να αφιερώνουν περισσότερο χρόνο σε ιδέες και ενέργειες παρά απλώς στη συλλογή δεδομένων.

Ταυτόχρονα, το ανθρώπινο στοιχείο δεν μπορεί να παραβλεφθεί. «Χρειάζεται επίσης να παραμείνουν συγκεντρωμένοι στους ανθρώπους τους, βοηθώντας τους να πλοηγηθούν στην αλλαγή», λέει. «Οι διευθυντές θα πρέπει να διατηρούν την επικοινωνία ανοιχτή, διαφανή και ειλικρινή καθώς τα πράγματα συνεχίζουν να εξελίσσονται».

Εάν υπάρχει μια μοναδική ικανότητα που στηρίζει την επιτυχημένη υιοθέτηση, αυτή είναι η μαθησιακή ευκινησία. «Έχω μια πολύ ισχυρή άποψη, με βάση την έρευνα, ότι η μαθησιακή ευκινησία είναι ένας από τους κορυφαίους προγνωστικούς παράγοντες, αν όχι ο κορυφαίος προγνωστικός παράγοντας, της επιτυχίας», λέει ο Doerr. Στην πράξη, αυτό σημαίνει περισσότερα από προγράμματα κατάρτισης. «Είναι σημαντικό οι ηγέτες, οι διευθυντές και οι υπάλληλοι να εξασκούν τη μαθησιακή ευελιξία», εξηγεί, τονίζοντας την ανάγκη «να μάθουν από κάθε εμπειρία, να δέχονται σχόλια και να προσαρμόζουν τη συμπεριφορά σκόπιμα».

Αυτό απαιτεί σκόπιμη πολιτιστική σχεδίαση. «Πρέπει να δημιουργήσουμε συστήματα που δημιουργούν ενεργά ένα περιβάλλον όπου η μαθησιακή ευελιξία αγκαλιάζεται σε όλη την εταιρεία», λέει. Αυτό το περιβάλλον εξαρτάται από τη διαφάνεια, την ένταξη και την ψυχολογική ασφάλεια. «Οι άνθρωποι πρέπει να αισθάνονται ασφαλείς για να αμφισβητήσουν τον κανόνα, να παραδεχτούν όσα δεν ξέρουν για την τεχνητή νοημοσύνη και να κάνουν ερωτήσεις χωρίς να φοβούνται τις επιπτώσεις».

Αυτές οι αρχές επεκτείνονται και στην αίθουσα συνεδριάσεων. «Το κομμάτι της διακυβέρνησης είναι κρίσιμο», λέει ο Doerr. ‘Ορισμός σαφών κατευθυντήριων γραμμών για τον τρόπο χρήσης της τεχνολογίας, διασφαλίζοντας ότι λειτουργεί εντός ενός πλαισίου δεοντολογίας, συμμόρφωσης, διαφάνειας και θετικής πρόθεσης. Ωστόσο, πολλοί οργανισμοί εξακολουθούν να καλύψουν τη διαφορά σε αυτόν τον τομέα, με περιορισμένη τεκμηρίωση σχετικά με το σκοπό του μοντέλου και τη γενεαλογία δεδομένων που συνεχίζουν να εμποδίζουν την αποτελεσματική επίβλεψη.

Για να μάθουμε να κολλάμε, πρέπει να προχωρήσουμε πέρα ​​από τις εφάπαξ παρεμβάσεις. «Η εφάπαξ εκπαίδευση δεν λειτουργεί, ιδιαίτερα με κάτι που εξελίσσεται τόσο γρήγορα όσο η τεχνητή νοημοσύνη», λέει. â€˜Η μάθηση πρέπει να είναι συνεχής και πρέπει να ενσωματώνεται στον τρόπο με τον οποίο συμβαίνει πραγματικά η εργασία. Αυτό σημαίνει ενσωμάτωση εργαλείων στις καθημερινές ροές εργασίας και ενίσχυση συμπεριφορών με την πάροδο του χρόνου. «Οι οργανισμοί πρέπει να οικοδομήσουν συστήματα και διαδικασίες όπου η μάθηση είναι μέρος της καθημερινότητας, όχι κάτι ξεχωριστό από αυτήν».

Εξίσου σημαντικό είναι το πώς αυτή η μάθηση μετριέται και ανταμείβεται. «Αν δεν ενισχύουμε και δεν αναγνωρίζουμε μαθησιακές συμπεριφορές, δεν θα κολλήσουν», λέει. ‘Οι οργανισμοί πρέπει να σκεφτούν πώς ανταμείβουν την περιέργεια, την προσαρμοστικότητα και την ανάπτυξη και όχι μόνο τα αποτελέσματα.

Καθώς οι εταιρείες συνεχίζουν να πειραματίζονται με την τεχνητή νοημοσύνη, η επίτευξη της σωστής ισορροπίας μεταξύ καινοτομίας και ελέγχου γίνεται κρίσιμη. «Εδώ είναι που η ψυχολογική ασφάλεια και η λογοδοσία πρέπει να πάνε χέρι-χέρι», λέει ο Doerr. «Θέλετε να ενθαρρύνετε τον πειραματισμό, γιατί έτσι μαθαίνουν και καινοτομούν οι οργανισμοί, αλλά αυτό πρέπει να γίνει μέσα σε ένα σαφές πλαίσιο».

Αυτό το πλαίσιο πρέπει να κοινοποιείται με σαφήνεια. «Οι εργαζόμενοι πρέπει να κατανοήσουν πώς φαίνεται η υπεύθυνη χρήση», λέει, επισημαίνοντας τη σημασία των κατευθυντήριων γραμμών σχετικά με την ηθική, τη χρήση δεδομένων και τη συμμόρφωση. Μέσα σε αυτά τα όρια, θα πρέπει να υπάρχει πραγματική ενθάρρυνση για δοκιμή, μάθηση και επανάληψη. «Οι ηγέτες πρέπει να διαμορφώσουν το μοντέλο ότι είναι εντάξει να δοκιμάζουν πράγματα, να μαθαίνουν από τα λάθη και να βελτιώνονται», λέει, ενώ ενισχύει ότι «ο πειραματισμός δεν σημαίνει έλλειψη πειθαρχίας».

Αυτή η ισορροπία διαμορφώνει επίσης τον τρόπο με τον οποίο οι οργανισμοί προσεγγίζουν ευρύτερες πολιτιστικές προτεραιότητες όπως το ESG ή το DEI. «Αυτό που βλέπουμε είναι μια κίνηση προς την ενσωμάτωση αυτών των εννοιών στον τρόπο λειτουργίας των οργανισμών, αντί να τις αντιμετωπίζουμε ως αυτόνομες πρωτοβουλίες», λέει ο Doerr. Στο πλαίσιο της τεχνητής νοημοσύνης, αυτή η αλλαγή γίνεται πιο έντονη. «Τα ζητήματα δικαιοσύνης, μεροληψίας, διαφάνειας και συμπερίληψης είναι κεντρικά», εξηγεί. «Η εστίαση θα πρέπει να είναι στο πώς εμφανίζονται αυτές οι αρχές στο σχεδιασμό, την ανάπτυξη και τη διακυβέρνηση της τεχνητής νοημοσύνης».

Η τεχνητή νοημοσύνη, με αυτή την έννοια, επιταχύνει την ενοποίηση. «Αναγκάζει τους οργανισμούς να είναι πιο σαφείς σχετικά με τις αξίες τους και τον τρόπο με τον οποίο εφαρμόζονται στην πράξη», λέει, ιδιαίτερα απαιτώντας διαφορετικές προοπτικές στη λήψη αποφάσεων και μια πιο σκόπιμη προσέγγιση για τον εντοπισμό μεροληψίας.

Τελικά, μια κουλτούρα έτοιμη για AI ορίζεται από την ενοποίηση και την πρόθεση. «Μια κουλτούρα έτοιμη για τεχνητή νοημοσύνη είναι μια κουλτούρα όπου η τεχνολογία είναι πλήρως ενσωματωμένη στον τρόπο με τον οποίο ο οργανισμός σκέφτεται, λειτουργεί και λαμβάνει αποφάσεις και όχι κάτι που μένει στο πλάι», λέει ο Doerr. Τα χαρακτηριστικά περιλαμβάνουν «υψηλό βαθμό μαθησιακής ευελιξίας», «διαφάνεια στον τρόπο χρήσης της τεχνητής νοημοσύνης» και «ένα ισχυρό θεμέλιο εμπιστοσύνης επειδή οι εργαζόμενοι κατανοούν τόσο τις ευκαιρίες όσο και τα όρια».

Η διάκριση μεταξύ ουσιαστικής υιοθεσίας και επιφανειακής πρόσληψης είναι ολοένα και πιο σαφής. «Οι οργανισμοί που τα καταφέρνουν σωστά τείνουν να έχουν πολύ ανοιχτή επικοινωνία, ισχυρή διαλειτουργική συνεργασία και ηγέτες που συμμετέχουν ενεργά», λέει. Αντίθετα, οι πιο αδύναμες προσεγγίσεις είναι εύκολο να εντοπιστούν. «Βλέπεις πολλούς αποσυνδεδεμένους πιλότους, περιορισμένη κατανόηση μεταξύ των εργαζομένων και έλλειψη σαφήνειας γύρω από το σκοπό», σημειώνει. «Αυτό είναι συνήθως ένα σημάδι ότι τα πολιτιστικά θεμέλια δεν έχουν ακόμη εδραιωθεί πλήρως».