AI jako transformator wartości, a nie pracownik: umiejscowienie AI w organizacyjnych przepływach wartości

Pełny tekst

1 Wprowadzenie

Organizacje wdrażające narzędzia AI zwykle opisują je językiem zatrudnienia. Asystent wsparcia "obsługuje" część zgłoszeń. Asystent programisty "wykonuje pracę" określonej liczby inżynierów. Biznesplan porównuje koszt subskrypcji modelu z kosztem pracownika zatrudnionego na pełny etat. System AI jest traktowany jak cyfrowy pracownik: otrzymuje zadania, wykonuje je, a jego wkład liczy się jako liczba zrealizowanych zadań lub uniknięte etaty.

Niniejszy artykuł dowodzi, że rama pracownika jest błędem kategorialnym i że ten błąd nie jest nieszkodliwy. Kieruje on pomiar na stronę producenta przepływu wartości, gdzie AI jest najsilniejsze, i odwraca go od strony odbiorcy, gdzie wartość jest faktycznie realizowana. Skutkiem jest znany schemat: pulpity pokazujące rosnącą produkcję, podczas gdy klienci, współpracownicy i recenzenci przejmują poprawki, których żaden raport nie przypisuje systemowi AI.

Proponowana tu alternatywa pochodzi z Teorii zarządzania wartością (Value Management Theory, VMT) i metodologii Æilus. W VMT transformator jest rolą, a nie bytem: aktor w tej roli konsumuje wartość i wytwarza nową planowaną wartość dla kogoś innego (A7). AI idealnie pasuje do tej roli. Umieszczony jako transformator w przepływie wartości system AI ma nakłady, które coś kosztują, wyniki będące hipotezami do czasu, aż odbiorca je skonsumuje, oraz produkty uboczne, które mogą być antywartością. Gdy zostanie umieszczony w ten sposób, stają się widoczne właściwe pytania dotyczące wdrożenia i pomiaru.

Jest to czwarty artykuł z ośmioczęściowej serii o stosowaniu Æilus w organizacjach; definicje opierają się na pierwszym artykule, "Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners". Formalny aparat VMT i waluta wartości Æ nie są tu wyprowadzane na nowo; przedstawiono je w pracy Bolshakov (2026), "Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective". Artykuł ma charakter koncepcyjny. Nie zawiera danych pomiarowych, a jedyne liczby w nim występujące należą do scenariusza wyraźnie oznaczonego jako hipotetyczny.

2 Zakres, system wartości i podstawa teoretyczna

2.1 Czyja wartość jest mierzona

VMT zakłada, że wartość istnieje wyłącznie w zdefiniowanym systemie wartości (A1) i że to samo zdarzenie można odczytywać różnie w różnych systemach (A2). Stwierdzenia o "wartości AI" są zatem niepełne, dopóki system nie zostanie nazwany. W tym artykule konsekwentnie używany jest jeden system wartości: organizacja realizująca dostawy i jej bezpośredni odbiorcy. Jego aktorami są zespoły i funkcje organizacji, system AI w roli transformatora, osoby, które recenzują lub poprawiają wyniki AI, oraz zewnętrzni odbiorcy pracy organizacji (klienci, użytkownicy lub wewnętrzni konsumenci w innej funkcji). Jego przepływami są zgłoszenia, artefakty i decyzje przemieszczające się między nimi. Dostawca AI, rynek pracy i społeczeństwo jako całość leżą poza granicą i są uwzględniane wyłącznie poprzez przepływy zewnętrzne (A10).

Ten wybór ma znaczenie. W systemie wartości dostawcy każdy wygenerowany token jest zrealizowanym przychodem. W systemie organizacji ten sam token może być wartością, szumem lub antywartością, zależnie od tego, co odbiorca z nim zrobi. Jak stwierdza T15, przesunięcie granicy zmienia wniosek bez zmiany rzeczywistości. Poniższa analiza obowiązuje wyłącznie dla zadeklarowanej tu granicy.

2.2 Wykorzystane aksjomaty i twierdzenia

Argumentacja opiera się na A4 i T3 (wartość planowana i zrealizowana rozbiegają się), A5 (antywartość jest niezależna od wartości), A6 (wartość jest realizowana w momencie konsumpcji), A7 (transformacja), A8 i T7 (warunki uczestnictwa), T4 i T6 (opór i zniekształcenie kumulują się), T5 (optymalizacja lokalna nie gwarantuje poprawy globalnej), T8 (redundancja roli transformacyjnej zwiększa trwałość) oraz T16 i T17 (interpretacja niepotwierdzona realizacją jest niestabilna i kumuluje antywartość).

3 Błąd kategorialny "cyfrowego pracownika"

3.1 Co liczy rama pracownika

Rama pracownika importuje z zarządzania zatrudnieniem pewien nawyk pomiarowy. Pracownika zatrudnia się na określoną rolę, przydziela mu obciążenie pracą i ocenia według wydajności i kosztu. Gdy AI zostaje umieszczone w tej samej ramie, dominują trzy liczby: liczba przetworzonych zadań, udział obciążenia pracą "przejęty" przez AI oraz uniknięty koszt ekwiwalentu pełnego etatu (FTE). Wszystkie trzy mierzy się w miejscu, w którym praca opuszcza producenta.

W przypadku pracowników ludzkich ten nawyk jest do zaakceptowania z rzadko wypowiadanego powodu: człowiek-operator obserwuje odbiorcę. Konsultant wsparcia słyszy, że klient nadal jest zły. Znaczna część rozbieżności między wartością planowaną a zrealizowaną jest korygowana nieformalnie, wewnątrz człowieka, zanim jakakolwiek metryka cokolwiek zarejestruje. Metryka po stronie producenta działa, ponieważ czujnik po stronie odbiorcy jest wbudowany w producenta.

System AI domyślnie takiego czujnika nie ma. Bardzo dobrze wytwarza planowaną stronę wartości: płynne, szybkie i pewne siebie wyniki w dużej ilości. Jeśli nie zostanie z nim wyraźnie połączony, nie obserwuje, czy wynik zmienił stan odbiorcy. Rama pracownika mierzy więc AI tam, gdzie AI wygląda najlepiej, i przestaje mierzyć tam, gdzie ujawnia się różnica między planem a faktem.

3.2 Co rama ukrywa

W ramie pracownika znikają z pola widzenia cztery rzeczy.

1. Strona konsumpcji transformatora AI. Porównania liczby etatów uwzględniają koszt licencji lub mocy obliczeniowej modelu i pomijają ludzką uwagę, wysiłek recenzji i przygotowanie danych, które transformator również konsumuje.
2. Werdykt odbiorcy. "Ukończone" ogłasza producent. To, czy stan odbiorcy się poprawił, nie jest rejestrowane.
3. Przeniesiona praca. Praca, której wynik AI nie dokończył, przechodzi w dół strumienia do odbiorcy lub recenzenta. W raporcie producenta jej nie ma; w systemie nadal istnieje.
4. Kumulacja. Poprawki, utrata zaufania i erozja umiejętności nie są kosztami jednorazowymi. Zgodnie z T4 i T6 kumulują się i zmniejszają przyszłą zdolność systemu do realizacji wartości.

Ujęcie zastępowania FTE zakłada też, że rola ludzka i rola AI są substytutami o tym samym wyniku. W kategoriach VMT są to różne transformatory o różnych profilach nakładów i wyników.

4 AI jako rola transformatora

4.1 Transformator, a nie byt

VMT i Æilus definiują transformator przez to, co robi w przepływie, a nie przez to, czym jest. Rolę transformatora może pełnić osoba, zespół, usługa lub narzędzie; w Schemacie systemu wartości rola ta jest rysowana jako konwerter (converter), czyli w Æilus nazwa węzła transformatora. To ujęcie usuwa pytanie "czy AI jest pracownikiem, czy narzędziem?" i zastępuje je bardziej użytecznym: co ten transformator konsumuje, co wytwarza i kto otrzymuje wynik?

4.2 Co konsumuje transformator AI

Transformator AI ma co najmniej cztery rodzaje nakładów. Każdy z nich jest elementem wartości konsumowanym skądś w systemie.

• Dane i kontekst. Prompty, dokumenty, zgłoszenia, kod, historia klienta. Ktoś je stworzył, opracował i utrzymuje, a ich jakość wyznacza górną granicę jakości wyniku.
• Moc obliczeniowa i licencje. Koszt widoczny, zwykle jedyny w biznesplanie.
• Ludzka uwaga. Pisanie instrukcji, formułowanie zadań, sterowanie interakcją. Jest ona konsumowana od ludzi, którzy w przeciwnym razie wykonywaliby inną pracę.
• Wysiłek recenzji. Czytanie, sprawdzanie, poprawianie i zatwierdzanie wyników. W wielu zastosowaniach jest to największy nakład, a obciąża on budżet kogoś innego.

4.3 Co wytwarza transformator AI

Wyniki są elementami wartości w rozumieniu serii: szkice, odpowiedzi, kod, klasyfikacje, streszczenia, decyzje. Każdy z nich zaczyna jako hipoteza wartości. Niesie wartość planowaną w interpretacji producenta i staje się mierzalny dopiero wtedy, gdy skonsumuje go następny transformator (A6). Transformator AI może też wytwarzać antywartość: błędne odpowiedzi, mylące streszczenia, kod, który trzeba później usunąć, oraz skutki opisane w sekcji 7.

Definicja efektywności konwertera w Æilus czyni tę równowagę jawną. Efektywność konwertera wynosi

E = (produced value - produced anti-value) / (consumed value - consumed anti-value)

przy czym wszystkie wyrazy są wyrażone w Æ w ramach zadeklarowanego systemu. Dwie cechy tego wzoru mają znaczenie dla AI. Po pierwsze, mianownik obejmuje wysiłek recenzji i ludzką uwagę, a nie tylko moc obliczeniową. Po drugie, licznik odejmuje wytworzoną antywartość, której rama pracownika nigdy nie rejestruje. Transformator AI o imponującej wielkości produkcji może mieć niską lub ujemną efektywność po uwzględnieniu obu korekt. Ten sam transformator może być efektywny w jednym systemie wartości i destrukcyjny w innym.

5 Wartość planowana a zrealizowana wyniku AI

5.1 Dlaczego AI wygląda mocno po stronie planowanej

A4 stwierdza, że wartość planowana i zrealizowana na ogół się różnią; T3 dodaje, że zerowa rozbieżność jest niestabilnym przypadkiem szczególnym. W pracy ludzkiej rozbieżność łagodzi własna obserwacja odbiorcy przez producenta. W przypadku wyników AI rozbieżność ma strukturalne obciążenie. Wygenerowany wynik jest optymalizowany tak, by wyglądał na poprawną odpowiedź. Płynność i pewność siebie należą do strony planowanej; poprawność i zastosowalność należą do strony zrealizowanej.

AI szybko i tanio podnosi wartość planowaną. Jeśli wartość zrealizowana nie jest mierzona oddzielnie, organizacja odczytuje ten wzrost jako postęp: jest to wzorzec, który T16 opisuje jako strukturalnie niestabilny.

5.2 Ukryta poprawka

Gdy wartość zrealizowana nie dorównuje wartości planowanej, niedobór nie znika. Zamienia się w pracę gdzie indziej w przepływie. Klient ponownie kontaktuje się z pomocą techniczną. Kierownik przepisuje wygenerowany e-mail. Inżynier poprawia wygenerowany kod.

Raport transformatora AI pokazuje ukończony element, a koszt pochłania transformator odbierający: to przypadek T5: lokalna poprawa przepustowości jednego transformatora nie gwarantuje poprawy systemu. Zgadza się to także z ogólną obserwacją z zarządzania opartego na przepływie, że praca ukryta w kolejkach i poprawkach jest niewidoczna dla metryk aktywności (Reinertsen, 2009). Odczyt w ujęciu VMT dodaje jeden punkt: ukryta praca nie jest neutralnym opóźnieniem, lecz antywartością, i zgodnie z T4 kumuluje się jako opór przepływu na styku między transformatorem AI a jego odbiorcą.

6 Metryka po stronie odbiorcy

Jeśli wartość realizuje się w momencie konsumpcji (A6), to waliduje ją odbiorca, a nie producent. Jest to centralna reguła pomiarowa tej pracy: wartość wyniku AI mierzy się w transformatorze, który ją konsumuje, a nie w transformatorze AI, który ją wytwarza. Podobną myśl wyraża szczupłe myślenie (lean thinking), gdy definiuje wartość z punktu widzenia klienta końcowego (Womack i Jones, 1996); VMT uogólnia ją na każdego wewnętrznego odbiorcę w przepływie.

Metryka po stronie odbiorcy łączy każdy wskaźnik po stronie producenta z obserwacją tego, co wydarzyło się dalej. Kilka przykładów:

Różnica między tymi dwiema kolumnami jest najbardziej informatywną liczbą, jaką może śledzić program AI. Szacuje ona wypartą pracę i antywartość wytworzoną na styku. Powiększająca się różnica wskazuje, że program skaluje interpretację szybciej niż realizację.

Metryki po stronie odbiorcy chronią też przed przewidywalną porażką. Metryka po stronie producenta, która staje się celem, zostanie osiągnięta przez wytwarzanie większej ilości tego, co liczy, a tę dynamikę zwykle wiąże się z Goodhartem (1975). AI czyni to tanim. Asystent z celem "zamknięte zgłoszenia" będzie zamykał zgłoszenia. Oparcie celu na stanie odbiorcy utrudnia jego spełnienie bez dostarczenia wartości.

7 Antywartość specyficzna dla AI

A5 traktuje antywartość jako niezależną od wartości: transformator AI może w tym samym okresie wytworzyć realną wartość i realną antywartość, a w doświadczeniu odbiorcy te dwie nie znoszą się nawzajem. Następujące rodzaje antywartości są charakterystyczne dla transformatorów AI. Podano je jako kategorie do obserwacji, a nie jako zmierzone częstości.

• Pewne siebie błędy. Niepoprawny wynik przedstawiony z taką samą płynnością jak poprawny. Odbiorca nie może odróżnić ich po tonie, więc każdy wynik trzeba sprawdzić, w przeciwnym razie błąd przechodzi dalej.
• Obciążenie weryfikacją. Wysiłek potrzebny do sprawdzenia wyniku. Rośnie wraz z wolumenem wyników, a nie z ich jakością.
• Erozja umiejętności. Gdy transformator AI przejmuje pierwszą wersję pracy, osoby, które ją dotąd wytwarzały, mogą utracić praktykę, która czyniła je dobrymi recenzentami. Zgodnie z T6 to skumulowane zniekształcenie obniża przyszłą zdolność systemu do realizowania wartości, w tym zdolność wykrywania błędów AI.
• Utrata zaufania. Każda nieudana interakcja obniża zaufanie odbiorcy do kanału. Zgodnie z A8 i T7, gdy warunek uczestnictwa zostaje naruszony, aktor odchodzi lub zmienia formę uczestnictwa.
• Inflacja interpretacji. Wyniki AI można cytować, streszczać i przekazywać dalej szybciej, niż są sprawdzane. Zgodnie z T17 wpływowe interpretacje, które nie są potwierdzone realizacją, kumulują antywartość: wygenerowane streszczenie przywołane w trzech decyzjach trzykrotnie rozprzestrzenia swoje błędy.

Żadna z nich nie pojawia się w porównaniu FTE. Wszystkie są obserwowalne, jeśli strona odbiorcy przepływu jest oprzyrządowana.

8 Nazywanie i umiejscawianie roli AI

8.1 Nazwij rolę według jej wyniku i odbiorcy

"AI zastąpiła analityka" ukrywa przepływ. "AI wytwarza pierwszą wersję tygodniowego raportu; analityk weryfikuje wnioski" nazywa transformator, jego wynik, jego odbiorcę i etap przeglądu. Użyteczna reguła nazewnictwa składa się z trzech części:

1. element wartości, który wytwarza AI (wersja robocza, odpowiedź, klasyfikacja, zmiana kodu);
2. odbiorca, który go konsumuje (klient, recenzent, następny zespół);
3. warunek, pod którym odbiorca go przyjmuje (zweryfikowany, zatwierdzony, użyty bez poprawek).

8.2 Własność

System AI nie może ponosić odpowiedzialności za wartość, ponieważ nie interpretuje zmian własnego stanu jako wartości ani antywartości. W terminach Æilus zajmuje rolę transformatora, ale nie rolę właściciela. Właściciel Transformatora Wartości (VTO) transformatora zawierającego AI odpowiada za jego wartość zrealizowaną i retrospektywnie ponownie ocenioną, za antywartość, którą wytwarza, oraz za jego zdolność do dalszego uczestnictwa bez pogarszania systemu. Właściciel Systemu Wartości (VSO) odpowiada za to, czy dodanie transformatora AI utrzymuje zrównoważenie systemu jako całości i zachowuje nienaruszone warunki uczestnictwa innych aktorów, w tym recenzentów, których obciążenie zwiększa.

Tam, gdzie styk między transformatorem AI a jego odbiorcą staje się trwałym źródłem oporu, zastosowanie ma rola Właściciela Przepływu.

8.3 Role sparowane i redundancja

Zgodnie z T8 redundancja roli transformacyjnej zwiększa zrównoważenie. Sparowanie AI i człowieka w jednej roli, tak aby każde wychwytywało błędy drugiego, jest taką redundancją. Sparowanie powinno być widoczne w schemacie, aby ludzka połowa była liczona jako nakład, a nie traktowana jako darmowa.

8.4 Umiejscowienie w Schemacie systemu wartości

W Schemacie systemu wartości (VSS) rola AI jest rysowana jako konwerter z jawnymi wejściami i wyjściami. Minimalne umiejscowienie obejmuje:

• przepływy przychodzące: dane i kontekst, moc obliczeniowa, wysiłek związany z instruowaniem przez człowieka, wysiłek weryfikacji;
• przepływy wychodzące: wytworzone elementy wartości, każdy kierowany do nazwanego konwertera odbierającego;
• przepływ antywartości: pewne siebie błędy i poprawki zwracane lub przekazywane dalej;
• wartości planowane i zrealizowane w Æ na każdym przepływie wychodzącym, przy czym wartość zrealizowana jest rejestrowana u odbiorcy.

Tak narysowany schemat często ujawnia przepływ pominięty w uzasadnieniu biznesowym, zazwyczaj wysiłek weryfikacji. Zgodnie z T9, jeśli struktura nie wyjaśnia obserwowanych kosztów, istnieją przepływy ukryte lub granica jest błędna.

9 Implikacje dla wdrażania i pomiaru programów AI

9.1 Decyzje o wdrożeniu

Perspektywa transformatora zmienia pytanie o wdrożenie z "jakie prace może wykonać AI?" na "w których przepływach transformator AI podniósłby wartość zrealizowaną u odbiorcy, po odjęciu antywartości i wysiłku weryfikacji, które dodaje?".

• Preferuj przepływy, w których odbiorca może tanio zweryfikować wynik. Jeśli sprawdzenie wyniku kosztuje niemal tyle samo, co jego wytworzenie, transformator AI wnosi niewiele. Jeśli odbiorca może szybko potwierdzić jakość, transformator może wnieść bardzo dużo.
• Zachowaj ostrożność tam, gdzie błędy są ciche. Jeśli błędny wynik zostaje wykryty dopiero znacznie później, wartość retrospektywna może stać się ujemna długo po tym, jak program uznano za sukces.
• Policz budżet przeglądu przed wdrożeniem. Osoby, które będą sprawdzać wyniki, są aktorami z własnymi warunkami uczestnictwa. Wdrożenie, które je narusza (A8), utraci te osoby lub zmieni sposób, w jaki uczestniczą (T7).
• Planuj wzrost dopiero wtedy, gdy dostawa jest potwierdzona. Æilus zaleca, aby VTO zwiększały planowaną wartość tylko wtedy, gdy potwierdzono popyt, napływ i zdolność dostawy (T16).

9.2 Mierzenie programów AI

Do przeglądu programu niniejszy artykuł proponuje cztery pomiary, wszystkie w obrębie zadeklarowanego systemu wartości:

1. Zrealizowana wartość u odbiorcy, dla każdego przepływu, w Æ lub we wskazanym zastępniku, rejestrowana przez transformator odbierający.
2. Luka między planem a faktem: liczba po stronie producenta minus potwierdzenie po stronie odbiorcy, śledzona w czasie.
3. Pełne zużycie: moc obliczeniowa i licencje oraz szacowany wysiłek przeglądu i uwaga ludzi.
4. Wskaźniki antywartości: powtórne kontakty, cofnięte zmiany, poprawione wyniki, skargi oraz oznaki erozji umiejętności lub spadku zaufania.

Program, który raportuje wyłącznie wolumen i oszczędności w etatach (FTE), raportuje wartość planowaną. Może ona być prawidłowa, ale nie została jeszcze potwierdzona.

10 Przykładowy scenariusz

Poniższy scenariusz jest hipotetyczny. Liczby dobrano dla wygody rachunków i nie opisują żadnej organizacji ani pomiaru.

Organizacja produktowa wprowadza asystenta AI do swojego procesu obsługi klienta. W hipotetycznym miesiącu do przepływu wpływa 1000 zgłoszeń. Asystent oznacza 700 z nich jako zamknięte, a raport wewnętrzny stwierdza, że asystent "obsługuje 70 procent wsparcia". W ramie pracownika (employee frame) oznacza to usunięcie siedmiu dziesiątych obciążenia zespołu operatorów.

Teraz umieśćmy asystenta w roli transformatora i spójrzmy na stronę odbiorcy. Załóżmy, że 250 spośród 700 zamkniętych zgłoszeń wraca w ciągu tygodnia jako powtórne kontakty w tej samej sprawie, obsługiwane teraz przez operatorów i od klientów bardziej sfrustrowanych niż wcześniej. Załóżmy również, że operatorzy poświęcają czas na przeczytanie zapisu rozmowy z asystentem, zanim odpowiedzą na każdy powtórny kontakt.

Widok po stronie odbiorcy nie oznacza, że asystent zawiódł. W tym hipotetycznym przypadku 450 klientów szybko rozwiązało swój problem, co jest rzeczywistą zrealizowaną wartością. Pokazuje on natomiast, że planowana wartość 700 zamknięć zawierała 250 hipotez, które odbiorcy odrzucili. Te 250 przekształciło się w trzy rodzaje antywartości: dodatkową pracę operatorów przy sprawach trudniejszych niż przeciętne, wysiłek związany z przeglądem zapisów rozmów oraz spadek zaufania klientów do tego kanału. Obciążenie operatorów spadło mniej, niż sugerował raport, a pozostała praca stała się trudniejsza.

VTO, który jest właścicielem transformatora obsługi klienta, działałby w oparciu o tę lukę, a nie o 70 procent. Możliwe opcje to ograniczenie asystenta do typów zgłoszeń, w których odbiorcy potwierdzają rozwiązanie, wcześniejsze kierowanie niepewnych przypadków do ludzi oraz dodanie kontroli po stronie odbiorcy ("czy to rozwiązało Twój problem?") przed policzeniem zgłoszenia jako zamkniętego. To, czy którakolwiek z nich zwiększa netto zrealizowaną wartość, jest pytaniem empirycznym; scenariusz pokazuje jedynie, jakie liczby są potrzebne, aby na nie odpowiedzieć.

11 Ograniczenia

Niniejszy artykuł jest analizą koncepcyjną wywiedzioną z aksjomatów i twierdzeń VMT oraz z materiałów metodologicznych Æilus. Nie przedstawia danych empirycznych. Kategorie antywartości z sekcji 7 są proponowane jako kategorie obserwowalne; ich częstość i skala w rzeczywistych organizacjach nie są znane na podstawie tej pracy.

Pomiar po stronie odbiorcy może być kosztowny, a niektórzy odbiorcy nie potrafią zgłosić swojego stanu. Przeliczenie wysiłku przeglądu, zaufania i erozji umiejętności na Æ wymaga polityki agregacji zdefiniowanej przez VSO, a takie wartości są tylko częściowo współmierne (A13). Inna granica, na przykład obejmująca dostawcę AI, prowadziłaby do innych wniosków (T15). Artykuł traktuje też system AI jako stały transformator, podczas gdy systemy uczące się na informacji zwrotnej od odbiorców mogą z czasem zmieniać swoją lukę między planem a faktem.

Walidacja wymagałaby długoterminowej obserwacji transformatorów AI w kilku systemach wartości, z rejestrowaniem w czasie, dla tych samych przepływów, wartości planowanej, zrealizowanej wartości po stronie odbiorcy, wysiłku przeglądu i wskaźników antywartości.

12 Podsumowanie

Traktowanie AI jako cyfrowego pracownika mierzy je po stronie producenta przepływu, gdzie jest ono najsilniejsze, i pozostawia niezmierzoną stronę odbiorcy, gdzie wartość jest realizowana. Potraktowanie AI jako roli transformatora (A7) czyni widoczną całą wymianę: AI zużywa dane, moc obliczeniową, ludzką uwagę i wysiłek przeglądu, a wytwarza elementy wartości, które pozostają hipotezami, dopóki odbiorca ich nie skonsumuje (A6). Planowana i zrealizowana wartość wyniku AI rozchodzą się (A4, T3), a ta rozbieżność przekształca się w ukrytą poprawkową pracę i antywartość, która się kumuluje (A5, T4, T6).

Praktyczne konsekwencje: zadeklaruj, czyja wartość jest mierzona. Nazwij rolę AI przez jej wynik i jej odbiorcę. Narysuj ją w Schemacie systemu wartości wraz ze wszystkimi jej wejściami, w tym przeglądem. Mierz wartość tam, gdzie wynik jest konsumowany, i śledź lukę między liczbami po stronie producenta a potwierdzeniem po stronie odbiorcy. Przypisz własność VTO, a nie samemu systemowi. Skaluj tylko to, co odbiorcy potwierdzili. Program AI mierzony w ten sposób może wyglądać mniej imponująco w pierwszym raporcie, a w późniejszych okazać się znacznie bardziej użyteczny.

Bibliografia

• Bolshakov, V. Value Management Theory and Employee-Centric Competitive Advantage: A System-Level Perspective. ÆVRI, 2026.
• Bolshakov, V. Value, Anti-Value and Value Flows: A Working Vocabulary for Practitioners. ÆVRI, 2026.
• Bolshakov, V. Æilus Methodology v2.0. aeilus.tech, 2026.
• Bolshakov, V. Rethinking Efficiency: Value Systems, Flows, Converters, and Elements. aeilus.tech, 2026.
• Bolshakov, V. Value Elements: What We Actually Produce and Consume. aeilus.tech, 2026.
• Goodhart, C. A. E. Problems of Monetary Management: The U.K. Experience. 1975.
• Reinertsen, D. G. The Principles of Product Development Flow. 2009.
• Womack, J. P. i Jones, D. T. Lean Thinking. 1996.