Dario Amodei, CEO Anthropic - firmy stojącej za Claude'em - zarządza organizacją wartą dziesiątki miliardów dolarów, mając zaledwie jednego bezpośredniego podwładnego. Kiedy przeczytałem tę informację, pierwsza myśl była prosta: to albo genialny model zarządzania, albo kompletne szaleństwo. Po głębszym zastanowieniu skłaniam się ku tej pierwszej opcji. I uważam, że polskie firmy mogą się z tego modelu sporo nauczyć.
Anthropic to nie startup garażowy. To firma zatrudniająca setki inżynierów, badaczy i specjalistów, która konkuruje z OpenAI i Google'em o pozycję lidera w branży sztucznej inteligencji. A jej szef świadomie zrezygnował z rozbudowanej hierarchii na rzecz ekstremalnie płaskiej struktury. Dlaczego? Bo w świecie, gdzie technologia zmienia się z tygodnia na tydzień, tradycyjne piramidy zarządzania stają się obciążeniem, a nie wsparciem.
Dla polskich małych i średnich firm ta historia nie jest abstrakcyjną ciekawostką z Doliny Krzemowej. To konkretna lekcja o tym, jak organizować pracę w erze AI - szczególnie gdy zasoby są ograniczone, a potrzeba szybkiego działania ogromna.
Dlaczego tradycyjna hierarchia przeszkadza we wdrażaniu AI
W klasycznej polskiej firmie średniej wielkości - powiedzmy zatrudniającej 50-150 osób - decyzja o wdrożeniu nowego narzędzia AI musi przejść przez kilka szczebli. Pracownik zgłasza pomysł kierownikowi, kierownik konsultuje się z dyrektorem działu, dyrektor idzie do zarządu, zarząd zleca analizę działowi IT, dział IT przygotowuje raport, raport wraca do zarządu... i po trzech miesiącach okazuje się, że narzędzie, o którym rozmawiano, zdążyło się zmienić dwa razy albo pojawiło się coś lepszego.
To nie jest przesada. Według raportu PARP z 2024 roku, średni czas wdrożenia nowej technologii cyfrowej w polskim MŚP wynosi od 6 do 12 miesięcy. W tym samym czasie firma technologiczna z płaską strukturą potrafi przetestować i wdrożyć kilkanaście rozwiązań. Różnica w tempie jest dramatyczna, a w branży AI tempo to wszystko.
Problem nie leży w ludziach. Polscy menedżerowie i pracownicy są kompetentni i zmotywowani. Problem leży w strukturze, która wymusza wieloetapowe procesy decyzyjne tam, gdzie potrzebna jest szybkość i eksperymentowanie. Każdy dodatkowy szczebel zarządzania to nie tylko opóźnienie - to też filtr, przez który przechodzi informacja. I z każdym filtrem ta informacja traci niuanse, kontekst, a czasem sens.
Model Amodeia - co dokładnie oznacza jeden podwładny
Zanim zaczniemy kopiować model Anthropic, warto zrozumieć, co on naprawdę oznacza. Dario Amodei nie zarządza firmą przez jedną osobę w sensie dosłownym. Chodzi o to, że formalnie raportuje do niego bezpośrednio jeden człowiek, ale sam Amodei angażuje się w pracę zespołów na różnych poziomach. Uczestniczy w dyskusjach technicznych, przegląda badania, rozmawia z inżynierami. Nie potrzebuje pośredników, bo sam jest głęboko w temacie.
To podejście ma swoją nazwę w teorii zarządzania - organizacja sieciowa z minimalną hierarchią formalną. W praktyce oznacza to, że zamiast wydawać polecenia w dół piramidy, lider buduje środowisko, w którym zespoły same podejmują decyzje w ramach jasno określonych celów i wartości. Rola lidera zmienia się z "osoby zatwierdzającej" na "osobę nadającą kierunek".
Dla polskiej firmy zatrudniającej 30 osób to może wyglądać tak: zamiast struktury prezes - trzech dyrektorów - sześciu kierowników - pracownicy, mamy prezesa, który pracuje bezpośrednio z trzema-czterema zespołami projektowymi. Każdy zespół ma autonomię w doborze narzędzi, metod pracy i podejmowaniu decyzji operacyjnych. Prezes ustala cele kwartalne, budżety i granice ryzyka - resztę zostawia zespołom.
Brzmi ryzykownie? Tak, bo wymaga czegoś, co w polskiej kulturze biznesowej bywa deficytowe: zaufania. Ale dane pokazują, że to działa. Badanie Deloitte z 2023 roku wykazało, że firmy z płaską strukturą zarządzania osiągają o 25% wyższy wskaźnik innowacyjności niż firmy z tradycyjną hierarchią. W kontekście wdrażania AI ta różnica przekłada się na realne pieniądze.
Praktyczne zastosowania w polskich MŚP
Przejdźmy do konkretu. Jak płaska struktura wspiera wdrażanie AI w polskiej firmie? Oto trzy scenariusze, które obserwuję u swoich klientów.
Scenariusz 1: Firma handlowa, 45 pracowników, Wielkopolska. Właściciel zlikwidował stanowisko dyrektora operacyjnego i zamiast tego utworzył trzy autonomiczne zespoły: sprzedaż, logistyka, obsługa klienta. Każdy zespół dostał budżet na eksperymenty z AI (po 5000 zł miesięcznie) i wolną rękę w wyborze narzędzi. Efekt po sześciu miesiącach: zespół sprzedaży wdrożył automatyzację ofertowania z użyciem ChatGPT, co skróciło czas przygotowania oferty z 2 godzin do 20 minut. Zespół logistyki zaczął używać narzędzia do prognozowania popytu, redukując nadmiarowe zamówienia o 18%. Zespół obsługi klienta uruchomił chatbota, który obsługuje 40% zapytań bez udziału człowieka.
Scenariusz 2: Agencja marketingowa, 12 osób, Kraków. Szefowa agencji przeszła z modelu "ja zatwierdzam wszystko" na model "ja ustalam standardy jakości, wy decydujecie jak je osiągnąć". Zespoły zaczęły samodzielnie testować narzędzia AI do generowania treści, analizy danych z kampanii i tworzenia grafik w Canvie z funkcjami AI. W ciągu kwartału produktywność zespołu wzrosła o około 35%, a szefowa zyskała czas, który wcześniej traciła na zatwierdzanie każdego posta i każdej grafiki.
Scenariusz 3: Firma produkcyjna, 80 osób, Śląsk. Tu zmiana była najtrudniejsza, bo kultura zarządzania była głęboko hierarchiczna. Właściciel zaczął od małego kroku - powołał międzydziałowy zespół ds. innowacji AI, który raportuje bezpośrednio do niego, z pominięciem kierowników działów. Zespół składa się z pięciu osób z różnych działów. W ciągu roku zidentyfikowali i wdrożyli cztery rozwiązania AI: kontrolę jakości wizualną opartą na rozpoznawaniu obrazów, predykcyjne utrzymanie ruchu maszyn, automatyzację raportowania produkcji i optymalizację harmonogramów. Łączne oszczędności: szacunkowo 280 000 zł rocznie.
Te przykłady łączy jedno: decyzje o wdrożeniu AI podejmowano blisko miejsca, gdzie te narzędzia miały być używane. Nie na szczycie piramidy, ale tam, gdzie ludzie najlepiej rozumieją swoje problemy i potrzeby.
Jak przeprowadzić zmianę - bez rewolucji
Nie namawiam nikogo do tego, żeby jutro rano zwolnić wszystkich kierowników. To byłoby nieodpowiedzialne i kontrproduktywne. Zmiana struktury organizacyjnej to proces, nie zdarzenie. Oto podejście, które sprawdza się w polskich realiach.
Krok 1: Zidentyfikuj wąskie gardła decyzyjne. Przejrzyj ostatnie 10 decyzji dotyczących technologii w swojej firmie. Ile czasu zajęło przejście od pomysłu do wdrożenia? Ile osób musiało zatwierdzić każdą decyzję? Jeśli średnia to więcej niż trzy osoby i więcej niż miesiąc - masz problem strukturalny.
Krok 2: Zacznij od jednego zespołu pilotażowego. Wybierz dział, który jest najbardziej otwarty na zmiany, i daj mu realną autonomię w zakresie testowania narzędzi AI. Ustal budżet, ramy czasowe i kryteria sukcesu. Nie ingeruj w sposób realizacji. To najtrudniejszy krok dla wielu polskich właścicieli firm, bo wymaga odpuszczenia kontroli.
Krok 3: Zmień rolę kierowników. Zamiast likwidować stanowiska, przedefiniuj je. Kierownik w płaskiej strukturze to nie osoba zatwierdzająca, ale coach, mentor i usuwacz przeszkód. W kontekście AI to oznacza, że kierownik nie decyduje, czy zespół może użyć danego narzędzia - kierownik pomaga zespołowi ocenić, czy narzędzie spełnia standardy bezpieczeństwa danych i jakości.
Krok 4: Buduj kulturę eksperymentowania. W firmach z rozbudowaną hierarchią błąd jest karany, bo przeszedł przez wiele szczebli zatwierdzenia i "nie powinien się zdarzyć". W płaskiej strukturze błąd jest źródłem nauki. To fundamentalna zmiana mentalności. Wdrożyłeś narzędzie AI, które nie zadziałało? Świetnie - teraz wiesz, czego nie robić, i możesz szybko spróbować czegoś innego.
Krok 5: Inwestuj w kompetencje, nie w kontrolę. Zamiast budować kolejne warstwy nadzoru nad tym, jak pracownicy używają AI, zainwestuj w ich szkolenie. Pracownik, który rozumie możliwości i ograniczenia narzędzi AI, podejmie lepszą decyzję niż kierownik, który nigdy tych narzędzi nie użył, ale ma uprawnienia do zatwierdzania.
Uczciwe ograniczenia tego modelu
Byłbym nieuczciwy, gdybym nie wspomniał o ograniczeniach. Płaska struktura nie jest panaceum i nie sprawdzi się wszędzie.
Po pierwsze, wymaga dojrzałych, samodzielnych pracowników. Jeśli Twój zespół przyzwyczaił się do otrzymywania szczegółowych instrukcji, nagłe "macie wolną rękę" może wywołać paraliż decyzyjny, a nie innowacyjność. Zmiana musi być stopniowa.
Po drugie, w branżach silnie regulowanych (medycyna, finanse, energetyka) pewne elementy hierarchii są wymagane prawnie. Nie da się ich ominąć, i nie należy próbować. Płaska struktura dotyczy sposobu podejmowania decyzji operacyjnych i innowacyjnych, nie zastępuje wymogów compliance.
Po trzecie, model Amodeia działa w Anthropic między innymi dlatego, że firma zatrudnia ludzi z absolutnej czołówki branży AI. Nie każda polska firma może liczyć na taki poziom kompetencji w zespole - przynajmniej nie od razu. Dlatego inwestycja w rozwój ludzi musi iść w parze ze zmianą struktury.
Wreszcie - i to jest ważne - płaska struktura nie oznacza braku struktury. Oznacza mniej warstw formalnych, ale więcej jasności co do celów, odpowiedzialności i standardów. Bez tego mamy nie płaską organizację, ale chaos.
Historia jednego bezpośredniego podwładnego Dario Amodeia to nie anegdota do powtórzenia na konferencji. To sygnał, że najskuteczniejsze firmy technologiczne świata celowo redukują hierarchię, bo rozumieją, że w erze AI szybkość adaptacji jest ważniejsza niż kontrola. Polskie MŚP, które często są bardziej elastyczne niż korporacje, mają naturalną przewagę - mogą wdrożyć płaską strukturę szybciej i łatwiej. Trzeba tylko odważyć się zaufać swoim ludziom i dać im narzędzia do samodzielnego działania. Bo w świecie, gdzie AI zmienia reguły gry co kilka miesięcy, firma, która potrzebuje trzech miesięcy na podjęcie decyzji o wdrożeniu nowego narzędzia, przegra z firmą, która podejmie tę decyzję w trzy dni.
Źródło: TechCrunch - Anthropic's Dario Amodei has just one direct report