W lutym 2018 roku nakręciłem pierwszy z serii filmów o sztucznej inteligencji i motywacji. Był zdecydowanie wprowadzający — pomarudziłem o platformie Tribeware, opowiedziałem o dwóch fundamentach (schematy nagród i społeczne uczenie się), zarysowałem, do czego chcemy użyć AI. Na koniec wspomniałem o badaniach Roberta Karaska i jego modelu Job-Demand-Control — bo komfort pracownika to nie ozdobnik, tylko warunek, by cokolwiek innego zadziałało.
Osiem lat później wracam do tego wątku, bo dopiero teraz widzę go w całej skali. Model Karaska — najczęściej cytowana koncepcja w psychologii zdrowia zawodowego — przez czterdzieści lat istniał głównie jako narzędzie diagnostyczne. Dziś, dzięki AI, wreszcie staje się narzędziem wdrożeniowym. I to jest dla mnie cała historia o tym, do czego dziś służy sztuczna inteligencja w programach motywacyjnych.
Model Karaska, czyli stres ma adres
Robert Karasek opublikował swój model w 1979 roku w Administrative Science Quarterly. Postawił dwa wymiary:
- Wymagania psychologiczne — obciążenie pracą, presja czasu, konflikt ról.
- Kontrola — autonomia decyzyjna i możliwość wykorzystania umiejętności.
Przecięcie tych dwóch osi daje cztery typy stanowisk pracy:
- High-strain (wysokie wymagania, niska kontrola) — praca silnie stresująca. Stoisz przy kasie, klienci ciągną, masz minutę na transakcję, a o tym, jak ją przeprowadzić, decyduje procedura.
- Active (wysokie wymagania, wysoka kontrola) — praca motywująca. Wymagająca, ale masz wpływ na to, jak ją wykonujesz. Klasyka: chirurg, inżynier, dobry sprzedawca.
- Passive (niskie wymagania, niska kontrola) — praca pasywna. Nie męczy, ale i nie rozwija. Większość problemów z zaangażowaniem siedzi właśnie tutaj.
- Low-strain (niskie wymagania, wysoka kontrola) — praca o niskim poziomie stresu. Rzadka i często nie aż tak komfortowa, jak by się wydawało.
Kluczowa myśl Karaska brzmi: stres nie wynika z poziomu wymagań. Wynika z dysproporcji między wymaganiami a kontrolą. Wysokie wymagania połączone z wysoką kontrolą nie chorują człowieka — często go aktywizują. Wysokie wymagania bez kontroli — chorują.
Ta hipoteza, nazywana hipotezą napięcia, doczekała się przez 45 lat solidnego potwierdzenia w badaniach longitudinalnych. Szwedzkie badanie kohortowe na 6070 mężczyznach pokazało, że niska kontrola nad pracą zwiększa ryzyko choroby wieńcowej o 19%, a stan high-strain — o 29%. Badania wśród pielęgniarek pokazują, że to środowisko produkuje izo-napięcie i prowadzi do wypalenia oraz zachowań kontrproduktywnych. To są twarde dane, nie miękka teoria HR-owa.
JDCS, czyli wsparcie społeczne dodane jako trzeci wymiar
W 1990 roku Karasek razem z Theorellem rozszerzył model o trzeci wymiar — wsparcie społeczne w miejscu pracy. Nowy model nazwano JDCS (Job Demand-Control-Support). Wsparcie społeczne to nie tylko miły kolega z biurka obok. To jakość relacji ze współpracownikami i przełożonymi — w wymiarze zarówno emocjonalnym, jak i instrumentalnym (czy ktoś ci realnie pomoże, gdy poprosisz).
Po dodaniu trzeciego wymiaru pojawia się szczególnie szkodliwa kombinacja, którą nazwano izo-strain — wysokie wymagania, niska kontrola, brak wsparcia. To środowisko, w którym ludzie chorują szybciej niż w klasycznym high-strain. Albo proszą się o zwolnienie. Albo zaczynają cicho wypalać się przez lata.
Współczesna analiza profili (Latent Profile Analysis) na podstawie JDCS identyfikuje cztery typowe sylwetki pracownika:
- Participatory Leader — wysoka kontrola, wysokie wsparcie. Najlepsza kombinacja: pracownik autonomiczny i otoczony siecią ludzi, na których może liczyć.
- Obedient Comrade — niska kontrola, wysokie wsparcie. Niesamodzielny, ale ma kogo zapytać.
- Cowboy Hero — wysoka kontrola, niskie wsparcie. Samodzielny, ale samotny.
- Isolated Prisoner — niska kontrola, niskie wsparcie. Najgorsza sytuacja. Tu chorują serca, tu rośnie rotacja, tu siedzi 70% niezaangażowanych.
Każda firma ma w sobie wszystkie cztery profile — pytanie, w jakich proporcjach i co z tym robi.
Dlaczego klasyczne programy motywacyjne zwiększają napięcie, zamiast je obniżać
Tu dochodzimy do paradoksu, który widzę w niemal każdej organizacji, w której zaczynamy projekt. Klasyczny program motywacyjny atakuje wyłącznie oś wymagań. „Podnieśmy sprzedaż o 20%”. „Skróćmy czas obsługi do 90 sekund”. „Każdy handlowiec ma robić 30 telefonów dziennie”.
Z punktu widzenia Karaska to jest pchnięcie pracownika w stronę high-strain. Wymagania rosną. Kontrola się nie zmienia (a często spada — bo dochodzi presja, raportowanie, mikromanagement). Wsparcie społeczne często też się pogarsza (bo program nagradza najlepszych, więc reszta przestaje pytać). Efekt? Krótkoterminowy zryw, długoterminowe wypalenie, w niektórych przypadkach realne koszty zdrowotne. I niżej zaangażowanie po dwóch kwartałach niż przed startem programu.
Mądry program motywacyjny pracuje na wszystkich trzech osiach jednocześnie:
- Wymagania — dopasowane do poziomu pracownika. Mistrz dostaje cel rozwojowy, średniak dostaje krok wyżej, początkujący dostaje zadanie, które naprawdę może wykonać. Nie ma jednej wartości docelowej dla tysiąca osób.
- Kontrola — pracownik widzi swoje cele, swój postęp, swoją wiedzę. Wybiera, co robi dziś. Wie, dlaczego mu się to opłaca. To nie jest tylko interfejs — to jest realny transfer poczucia agencji.
- Wsparcie — modelowanie społeczne, ambasadorzy, micro-komentarze, transfer wiedzy od najlepszych do reszty. Pracownik ma kogo zapytać i widzi, że nie jest sam.
Dlaczego Karaska bez AI nie da się porządnie wdrożyć
Tu jest puenta. Model Karaska istnieje od 1979 roku. Dane pokazują, że działa. Dlaczego więc nie jest standardem w każdej dużej firmie?
Bo bez AI nie da się go wdrożyć w skali.
Wyobraź sobie, że masz tysiąc pracowników i chcesz świadomie ustawić im każdą z trzech osi. Wymagania dopasowane do każdego osobno (Mateusz ma robić 6 telefonów, Karol ma robić 20, Anna ma uczyć dwóch nowych). Kontrola dostarczana w taki sposób, że każdy widzi swój własny obraz sytuacji (rozkład wyników w jego grupie odniesienia, jego progres, jego najbliższy cel rozwojowy). Wsparcie skierowane tam, gdzie jest potrzebne (Mateusz powinien obejrzeć, jak rozmawia z klientem Marcin, bo Marcin robi to dwa razy lepiej).
Ręcznie to jest niewykonalne. Trzeba by mieć armię menedżerów i każdy musiałby znać każdą sytuację osobiście. W praktyce kończy się to tym, że firma daje wszystkim ten sam cel, tę samą prezentację, tę samą ścieżkę kariery — i wraca do high-strain dla większości zespołu.
AI tę barierę kruszy. Personalizacja zadań dla tysiąca segmentów — robota algorytmu optymalizacyjnego, nie człowieka. Komunikaty do każdej osoby napisane jej własnym językiem — model językowy. Sprawdzanie, kto powinien się od kogo uczyć — analiza rozkładu wyników i siatki interakcji. Każdy z tych elementów dostępny dzisiaj, a stanie się oczywisty w ciągu pięciu lat.
ALEF jako droga do Participatory Leader
Cykl, który stosujemy w Tribeware — Activation, Learning, Execution, Feedback — odpowiada na matrycę Karaska bardzo konkretnie. Każda faza pcha pracownika w stronę profilu Participatory Leader.
- A — Aktywacja buduje wsparcie społeczne. Misje „na komentarz”, quizy zespołowe, widoczność liderów. Pracownik wchodzi do systemu i od pierwszego dnia widzi, że jest częścią czegoś większego.
- L — Nauka zwiększa kontrolę. Bo kontrola, w sensie Karaska, to nie tylko możliwość wyboru — to także możliwość wykorzystania umiejętności. Pigułka wiedzy podana dokładnie wtedy, gdy jest potrzebna, daje pracownikowi nowe narzędzie, które może świadomie zastosować.
- E — Realizacja kalibruje wymagania. Mikrozadania dopasowane do roli i poziomu. Nikt nie dostaje celu rozjeżdżającego jego możliwości. Nikt nie nudzi się celem za prostym.
- F — Feedback zamyka pętlę. Pracownik widzi konsekwencje swojego działania natychmiast. Menedżer dostaje dane do wsparcia (a nie kontroli). Następny cykl startuje z nowego poziomu.
Po kilku cyklach profil pracownika realnie przesuwa się — z Obedient Comrade albo Cowboy Hero w stronę Participatory Leader. To nie jest deklaracja PR-owa. To pokazują dane z naszych wdrożeń: spadek rotacji, wzrost zaangażowania mierzonego ankietami, twardy wzrost wyników biznesowych.
Wracając do 2018 roku
W tamtym pierwszym, dość trzęsącym się filmie powiedziałem, że celem AI w naszych systemach jest m.in. „klasyfikacja uczestników programu motywacyjnego pod kątem osobowości” oraz „dobieranie odpowiedniego scenariusza pod kątem celu biznesowego oraz komfortu pracownika”. Komfort pracownika — wtedy brzmiało jak ozdobnik. Dziś wiem, że to była najważniejsza fraza w tamtym filmie.
Bo komfort pracownika to jest dokładnie to, co mierzy Karasek. Wymagania, kontrola, wsparcie. Trzy osie, czterdzieści pięć lat badań, jeden niepodważalny wniosek: organizacje, które ignorują tę matrycę, płacą za to rotacją, prezentyzmem, chorobami i wypaleniem. Organizacje, które ją uwzględniają, dostają zaangażowanie nie przez przymus, lecz przez konstrukcję samego środowiska pracy.
AI nie jest rewolucją w psychologii pracy. Psychologia pracy ma swoje fundamenty od dziesięcioleci i te się nie zmieniają. AI jest narzędziem, które wreszcie pozwala te fundamenty zastosować w realnej skali. To jest dla mnie cała opowieść — i nie kończy się w 2026 roku.