Model M-shape definiuje nową elitę rynku pracy: profesjonalistów posiadających głęboką wiedzę w kilku (zazwyczaj trzech) domenach, połączoną z wysoką zdolnością do ich syntezy.

W dobie AI, gdzie wąska specjalizacja (model I-shape) jest bardziej podatna na automatyzację, model M-shape stanowi strategiczną zawodową polisę ubezpieczeniową, oferując unikalną kombinację eksperckości oraz elastyczność poznawczą niezbędną do zarządzania złożonymi ekosystemami.

Geneza i ewolucja: od „T” do „M”

Tradycyjny model T-shaped przestaje być wystarczający w świecie, w którym cykle życia technologii skróciły się do zaledwie 2–3 lat. Dynamiczne zmiany technologiczne i biznesowe sprawiają, że pojedyncza specjalizacja wsparta szeroką wiedzą ogólną coraz częściej nie wystarcza do budowania trwałej przewagi kompetencyjnej.

W tym kontekście pojawia się model M-shaped, który zakłada rozwój kilku obszarów głębokiej ekspertyzy. Specjalista M-shaped nie jest „człowiekiem od wszystkiego”, czyli klasycznym generalistą. To raczej profesjonalista posiadający wiele pogłębionych kompetencji, które wzajemnie się uzupełniają i pozwalają tworzyć wartość na styku różnych dziedzin.

Przykład 1. Chief Technology Officer może łączyć głęboką wiedzę z zakresu Machine Learning, prawa własności intelektualnej oraz psychologii behawioralnej, co pozwala mu jednocześnie rozwijać technologię, chronić innowacje oraz projektować rozwiązania uwzględniające zachowania użytkowników.

Przykład 2. Ekspert HR może posiadać zaawansowane kompetencje w obszarze rekrutacji, analityki danych oraz digital marketingu, wykorzystując je do strategicznego budowania employer brandingu i podejmowania decyzji opartych na danych.

Kluczem do wartości rynkowej w modelu M-shaped nie są wyłącznie same filary specjalizacji, lecz przestrzeń między nimi. To właśnie na styku różnych dziedzin najczęściej powstają innowacje. Przykładowo osoba łącząca kompetencje w BioTech i Data Science może dostrzec wzorce w sekwencjonowaniu genomu, które pozostają niewidoczne zarówno dla czystego statystyka, jak i dla biologa pracującego wyłącznie w ramach swojej dyscypliny.

Nowa rola liderów

Wraz z rozwojem modelu M-shape zmienia się również rola liderów organizacji. Liderzy przyszłości nie zarządzają już wyłącznie wynikami pracy, lecz architekturą kompetencji w organizacji. Ich zadaniem staje się projektowanie środowiska, w którym pracownicy mogą rozwijać wiele filarów ekspertyzy, łączyć wiedzę z różnych dziedzin oraz szybko adaptować nowe umiejętności w odpowiedzi na zmieniające się technologie.

W praktyce oznacza to przejście od zarządzania stanowiskami do zarządzania portfelem kompetencji, który organizacja rozwija i wykorzystuje w projektach, innowacjach oraz transformacji biznesowej.

Liderzy przyszłości nie zarządzają już wyłącznie wynikami pracy, lecz architekturą kompetencji w organizacji.

Przewaga na styku kilku specjalizacji

Model M-shape jest odpowiedzią na dwa równoległe zjawiska zachodzące na rynku pracy. Z jednej strony obserwujemy rosnący wpływ automatyzacji oraz adaptacji sztucznej inteligencji w środowisku pracy. Według prognoz dyskutowanych przez liderów podczas World Economic Forum w Davos, technologie te mogą skrócić czas wykonywania wielu zadań na obecnych stanowiskach nawet o 30–40%.

Z drugiej strony pojawia się zjawisko rozszerzania zakresu pracy (augmented jobs), polegające na wykorzystywaniu AI do poszerzania spektrum wykonywanych zadań. Dzięki temu pracownicy mogą szybciej zdobywać nowe, często odległe kompetencje i łączyć różne obszary specjalizacji.

W przeciwieństwie do modelu T-shaped — zakładającego jedną głęboką specjalizację wspartą szeroką wiedzą ogólną oraz kompetencjami miękkimi — model M-shape opiera się na budowaniu kilku filarów pogłębionej ekspertyzy(symbolizowanych przez „nogi” litery M). Ich wartość rośnie, gdy są osadzone w solidnych kompetencjach ogólnych, interpersonalnych oraz technologicznych, które pozwalają integrować różne obszary wiedzy i tworzyć unikalną wartość na styku dyscyplin.

Odporność na antykruchość

W strategii rozwoju kariery model M-shaped można postrzegać jako budowę portfela kompetencyjnego. Zamiast opierać swoją wartość rynkową na jednej specjalizacji, profesjonalista rozwija kilka pogłębionych obszarów ekspertyzy.

Dzięki temu, gdy jedna z kompetencji zostaje zdeprecjonowana przez postęp technologiczny lub automatyzację – na przykład proste kodowanie zastępowane przez narzędzia AI – pozostałe filary, takie jak strategia biznesowa czy etyka AI, umożliwiają szybkie przesunięcie środka ciężkości kariery.

W efekcie specjalista zachowuje swoją pozycję ekspercką i zdolność do tworzenia wartości, zamiast tracić ją wraz ze zmianą technologicznego paradygmatu.

Akceleracja eksperckości

W modelu M-shape rozwój eksperckości nie jest już procesem rozciągniętym na dekady. Dzięki inspiracji koncepcją Pareto oraz metodą intensywnej nauki określanym jako Ultralearning możliwe jest zbudowanie nowego filaru kompetencji w ciągu 24–36 miesięcy, koncentrując się na kluczowych 20% wiedzy i umiejętności, które generują oczekiwane efekty.

Należy podkreślić, że koncept m-shape odchodzi od kolekcjonowania studiów czy kursów, a stawia na konkretne umiejętności pozyskane w praktyce. Na znaczeniu rosną zatem certyfikaty potwierdzające naukę poprzez działanie, a certyfikaty wydawane w technologii blockchain mają gwarantować rzetelność nowych kompetencji.

Sztuczna inteligencja odgrywa kluczową rolę w pozyskiwaniu nowych umiejętności w roli mentora wprowadzającego do nowej dziedziny (w postaci Asystenta AI) czy w roli sparing partnera, który na wyższym poziomie wiedzy i umiejętności z jednej strony stymuluje do strategicznego, analitycznego i krytycznego  myślenia, z drugiej testuje ich wiedzę, symuluje trudne sytuacje i przyspiesza zdobywanie doświadczenia.

Nie bez znaczenia są nowe umiejętności z obszaru metapoznawczego, czyli umiejętności przyspieszenia uczenia się, ale także umiejętność oduczania się (Unlearningu) – świadomego porzucania przestarzałych schematów i szybkiego adaptowania nowych narzędzi oraz modeli działania.

Od zarządzania czasem do zarządzania energią i uwagą

W świecie intensywnej automatyzacji przewaga człowieka coraz częściej wynika nie z samej wiedzy, lecz ze sposobu zarządzania własnymi zasobami poznawczymi i energetycznymi. Organizacje zaczynają wykorzystywać wnioski z Cognitive Science oraz koncepcje takie jak Cognitive Load Theory (teorie przeciążenia poznawczego), aby ograniczać nadmiar bodźców i narzędzi cyfrowych, chroniąc „przepustowość mózgu” potrzebną do pracy głębokiej.

Równolegle rozwija się praktyka inteligentnego job craftingu, w której pracownicy wykorzystują AI do uwalniania się od zadań operacyjnych i przeprojektowywania swojej roli w stronę bardziej rozwojowych aktywności. 

Liderzy HR coraz częściej patrzą również na produktywność przez pryzmat biologii sięgając do Chronobiology, zarządzania energią w trakcie dnia pracy, czy wręcz elementów biohackingu, tworząc miejsce pracy jako środowisko najlepiej sprzyjające pracy kognitywnej poprzez eliminację uciążliwych systemów IT czy aplikacji, przyjazne procesy i procedury, aż po specjalnie zaprojektowane wnętrza i miejsca pracy zgodnie z najnowszymi odkryciami neuronauki służące do mikro regeneracji w trakcie dnia. 

W tym podejściu kluczowa staje się także inteligencja somatyczna i zdolność regulowania stresu w środowisku intensywnej pracy z algorytmami. Ostatecznie jednak nawet najbardziej zaawansowana analityka wymaga ludzkiej interpretacji – dlatego jedną z najważniejszych kompetencji przyszłości staje się data storytelling, czyli zdolność przekładania danych na przekonującą narrację wspierającą decyzje biznesowe.

Beneficjenci modelu M-shape

Model M-shape przynosi korzyści zarówno pracownikom, jak i liderom organizacji.

Z perspektywy pracownika oznacza budowanie zawodowej antykruchości – zamiast być wymiennym zasobem, staje się on unikalnym węzłem w sieci organizacyjnej, zdolnym łączyć różne obszary wiedzy, np. finanse, AI i psychologię.

Taka kombinacja umożliwia pełnienie roli „tłumacza” między działami, co znacząco zwiększa jego wartość rynkową i negocjacyjną. Jednocześnie możliwość rotowania aktywności między różnymi specjalizacjami ogranicza ryzyko stagnacji i wypalenia zawodowego, a rozwijanie kolejnych filarów kompetencji wzmacnia zwinność poznawczą i zdolność dostrzegania powiązań między dziedzinami. 

Z perspektywy lidera zespoły złożone z profili M-shaped pozwalają ograniczać silosy organizacyjne, przyspieszać podejmowanie decyzji i elastycznie alokować kompetencje w sytuacjach zmiany strategii. W efekcie organizacja działa jak środowisko ciągłej rekombinacji wiedzy – swoiste laboratorium innowacji, w którym nowe pomysły powstają na styku dyscyplin.

Jak organizacje wdrażają model M-shape

Organizacje intensywnie wdrażające AI coraz wyraźniej obserwują, że część dotychczasowych obowiązków pracowników ulega skróceniu lub automatyzacji.

W odpowiedzi wiele firm uruchamia programy rozwojowe wspierające budowę kompetencji M-shape.

Pierwszym etapem jest uświadomienie pracowników – wyjaśnienie, czym jest model m-shape, jakie zmiany zachodzą na rynku pracy, jaką rolę odgrywa sztuczna inteligencja oraz w jakim kierunku organizacja chce rozwijać kompetencje zespołu.

Następnie firmy przeprowadzają analizę obecnych kompetencji oraz przyszłych potrzeb, uwzględniając wpływ AI na poszczególne domeny eksperckie. Na tej podstawie powstają spersonalizowane ścieżki rozwoju oparte na mikro-learningu, mikro-zadaniach i eksperymentach projektowych, które pozwalają zdobywać nowe umiejętności w praktyce.

Kolejnym krokiem jest identyfikacja strategicznych kompetencji przyszłości – takich jak analityka danych, zarządzanie agentami AI, cyberbezpieczeństwo czy innowacje oparte na AI – oraz tworzenie centralnych programów rozwoju kompetencji M-shape wokół tych obszarów. 

Dla pracowników ważną wartością takich inicjatyw jest możliwość przechodzenia przez proces zmiany w ramach wspólnoty uczącej się, w skoordynowanym środowisku organizacyjnym. Zmniejsza to stres związany z transformacją i jednocześnie rozwija kluczową metakompetencję przyszłości: zdolność do szybkiego uczenia się nowych specjalizacji – często w ciągu 2–3 lat, zamiast 8–10 lat, jak bywało w tradycyjnych modelach kariery.

Liderzy jako architekci kompetencji w erze AI

Model M-shape nie jest chwilowym trendem rozwojowym, lecz odpowiedzią na fundamentalną zmianę architektury pracy w erze sztucznej inteligencji.

W świecie, w którym algorytmy przejmują coraz więcej zadań operacyjnych, rośnie znaczenie ludzi zdolnych łączyć różne dziedziny wiedzy, interpretować złożone systemy i budować wartość na styku technologii, biznesu i nauk o człowieku.

Dla pracowników oznacza to konieczność świadomego budowania portfela kompetencji, a dla organizacji – projektowania środowisk pracy, które umożliwiają rozwój wielowymiarowej ekspertyzy.

Kluczową rolę w tym procesie odgrywają liderzy, którzy coraz częściej nie zarządzają już wyłącznie wynikami pracy, lecz projektują architekturę kompetencji w organizacji – tworząc warunki do uczenia się, eksperymentowania i rozwoju nowych specjalizacji.

To właśnie takie profile kompetencyjne będą w najbliższych latach napędzać innowacje, podejmować strategiczne decyzje i współpracować z systemami AI w sposób, który zwiększa, a nie ogranicza potencjał człowieka.

Jeśli interesuje Cię temat modelu M-shape w organizacjach, warto sięgnąć po raport opracowany przez Booster of Innovation pt. „Era M-Shape. Kariera przyszłości w erze AI”.

Publikacja zawiera kluczowe wnioski dotyczące tego kierunku rozwoju rynku pracy, wyniki badań naukowych dotyczących roli sztucznej inteligencji i współpracy człowieka z AI w procesie rozwijania nowych kompetencji, a także liczne przykłady wdrożeń i inspiracje z organizacji, które już dziś budują środowiska pracy oparte na modelu M-shape.

Artykuł opublikowany został w magazynie IT Reseller.