Muudatuste juhtimine ja vastuvõtmine

Kasu:

• Võime mõista, et tehisintellekti ümberkujundamine ebaõnnestub sageli inimlikel ja kultuurilistel, mitte tehnilistel põhjustel, ja teadvustada vastupanu aluseks olevaid probleeme
• Võimalus kiirendada lapsendamist mõjuva "miks" loo, nähtava juhtimise ja tšempionide võrgustikuga
• Võimalus juhtida muutusi järjepidevuse, mitte ühekordse teadaandina, mõõtes kasutuselevõttu mõõdikutega ja kõrvaldades takistused

AI ümberkujundamise karm reaalsus on järgmine: strateegia, tehnoloogia ja eelarve võivad olla täiuslikud; Aga kui inimesed muutusi omaks ei võta, on see kõik asjata. Uuringud näitavad järjekindlalt, et suurem osa tehisintellekti algatuste ebaõnnestumist ei ole tehniline, vaid inimlik ja kultuuriline. Selles viimases õppetükis saate teada, kuidas tippjuht saab läbi viia muudatuste juhtimist (inimeste uuele tööviisile ülemineku süstemaatilise juhtimise distsipliini), et muuta tehisintellekti muutumine tõeliseks omaksvõtuks (innovatsiooni tegelik ja pidev kasutamine inimeste poolt). Eesmärk ei ole tehnoloogia paigaldamine; eesmärk on tagada, et inimesed kasutaksid seda ohutult, vabatahtlikult ja õigesti.

Miks inimesed vastu peavad?

Vastupanu ei ole sageli mitte rumalus ega kangekaelsus, vaid arusaadavad mured: hirm töökoha kindluse ees (“kas tehisintellekt võtab mu töö ära?”), pädevusärevus (“ma ei saa seda õppida”), enesekindluse puudumine (“ma ei saa selle väljundit usaldada”) ja tähenduse kaotus (“miks me peame muutuma?”). Nende murede eiramine suurendab vastupanu; Nende avalik kohtumine kiirendab lapsendamist.

ärevus

alusküsimus

Administraatori vastus

töökindlus

Kas ma kaotan oma töö?

Selgitage selgelt, kuidas rolli rikastatakse

pädevus

Kas ma saan seda õppida?

Koolitus, tugi, turvaline testimisala

usaldada

Kas ma saan väljundit usaldada?

Õpetage piire, kinnitamist

Tähendus

Miks ma peaksin muutma?

Selgitage veenvalt "miks".

Näpunäide: kujundage muudatus mitte nii, et "tehisintellekt asendab inimesi", vaid "tehisintellekt muudab inimeste töö lihtsamaks, võtab üle igava osa, jättes inimesed tegema väärtuslikumat tööd". See sama tõe raamistamine asendab hirmu uudishimuga.

Muudatuste juhtimise põhietapid

Tehisintellektile kohandatud klassikaliste muutuste mudelite (nt Kotteri sammud) olemus:

1. Loo kiireloomulisus ja põhjus. Miks nüüd, miks meie? Kaasahaarav lugu.
2. Näidake nähtavat juhtimist. Tippjuhtkond peaks kasutama tööriista ennast; mitte retoorika, vaid eeskujuga.
3. Muutke varajased tulud nähtavaks. Tähistage ja levitage sõna väikestest, kuid tõelistest õnnestumistest.
4. Harida ja toetada. Pädevus ja turvaline katsepolügoon kõigile.
5. Looge meistrid. Kaasake igasse meeskonda vabatahtlikud entusiastlikud muutuste meistrid.
6. Muutke see püsivaks. Lisage uus käitumine protsessidesse, eesmärkidesse ja kultuuri.

Samm-sammult: lapsendamisplaan

1. Kaardistada huvirühmad ja murekohad. Keda see puudutab, mis puudutab?

2. Esitage mõjuv "miks". Ehitage inimeste keele muutuste lugu.

3. Näidake oma eeskujuga juhtimisoskust. Laske administraatoritel tööriista nähtavalt kasutada.

4. Ehitage üles hariduse ja tšempionide võrgustik. Jõustage, volitage vabatahtlikke pioneerid.

5. Mõõtke, kuulake, kohandage. Mõõtke kasutuselevõtu määra, koguge tagasisidet, eemaldage takistused.

kolm minikarpi

Juhtum 1 – ignoreeritud hirm. Raamatupidamisfirma reklaamis oma tehisintellekti tööriista "tõhususe nimel", kuid ei käsitlenud kunagi töötajate kartusi töökoha turvalisuse pärast. Sõna levis, meeskond saboteeris tööriista vaikselt, kasutuselevõtt jäi 20% juurde. Juhtkond taganes ja pidas lahtise koosoleku, selgitades, et kedagi ei koondata ning vahendaja võtab igava töö üle ja suunab kõik nõustamisele. 3 kuuga kasvas lapsendamine 75%-ni. Hirmust rääkimine oli lahendus.

Juhtum 2 – näide juhtimisest. Tehnoloogiaettevõtte tegevjuht kasutas tehisintellekti tööriista avalikult oma iganädalast aruannet koostades ja jagas ka oma vigu (“näe, ta tegi siin vea, parandasin selle”). See nähtav juhtkond saatis sõnumi, et "kui ülemus seda kasutab, on see tõsine" ja näitas, et kontrollimine on normaalne. Lapsendamine levis kiiresti, ilma tagasilöögita.

Juhtum 3 – tšempionvõrgu võimsus. Üks jaemüüja valis igast poest välja ühe vabatahtliku tehisintellekti tšempioni; Need inimesed said täiendavat koolitust ja neile anti ülesanne aidata oma kolleege ükshaaval. Kaugkoolitusmeeskonna asemel sama tööd tegevalt sõbralt õppimine kiirendas kasutuselevõttu 3 korda. Kõige tõhusam õpetaja oli entusiastlik kolleeg naaberlauas.

Neli kopeeritavat malli

1) Sidusrühmade ja murede kaart:

Sinu roll: muudatuste juhtimise konsultant. Loetlege sidusrühmade rühmad, mida see tehisintellekti algatus mõjutab, ja määrake iga rühma esmane mure (töökindlus, pädevus, usaldus, tähendus). Kirjutage iga mure kohta tervitus. Algatus: [tekst]

2) "Miks" lugu:

Koostage kaasahaarav lugu "miks nüüd, miks meie" ja jutustage neile, kes selle AI vahetuse kallal töötavad. Asenda hirm uudishimuga; Rõhutage, et tööriist võtab igava töö üle ja jätab inimese väärtuslikuma töö hooleks. Muuda: [tekst]

3) Meistriprogramm:

Kavandage "tšempioni" programm, mis kiirendab tehisintellekti kasutuselevõttu meeskondades: kuidas valitakse meistrid, millise koolituse nad saavad, milliseid ülesandeid nad täidavad, kuidas neid motiveeritakse? Kirjutage lühike ja teostatav plaan.

4) Vastuvõtmise mõõtmise plaan:

Soovitage AI tööriista kasutuselevõtu mõõtmiseks mõõdikuid: aktiivne kasutusmäär, kasutussagedus, kasutajate rahulolu, barjääri tagasiside. Kirjutage iga mõõdiku kohta, kuidas seda kogutakse ja millist läve peetakse tervislikuks.

Nõrk viip / Tugev viip

Nõrk: "Mida peaksin tegema, et inimesed AI-d kasutama hakkaksid?"

Järeldus: üldised soovitused "harida, suhelda"; ei näe muresid ja konteksti.

Tugev: "Kasutame 150 inimesega kõnekeskuses tehisintellekti tugitööriista. Meeskonnas on tugev hirm töökoha turvalisuse pärast. Tehke selle olukorra jaoks spetsiifiline kasutuselevõtuplaan: kuidas tegeleda sidusrühmade muredega, milline peaks olema mõjuv "miks"-lugu, mida ma töötajatele räägin, kuidas luua tšempionprogrammi ja milliste mõõdikutega loetleda 90 päeva esimeste sammudega.

Tulemus: rakendatav lapsendamisplaan koos loo-tšempionide mõõtmisega, mis põhineb kontekstil ja tõelisel murel.

Levinud vead

• Inimmõõtme vahelejätmine. Tehnoloogiale keskendumine ning hirmude ja murede eiramine on kõige levinum ebaõnnestumise põhjus.
• Hirmust rääkimata. Kui ärevus töökoha turvalisuse pärast maha surutakse, naaseb see vaikse sabotaažina; käsitle seda selgelt.
• Eeskuju juhtimise puudumine. Administraator, kes ütleb "Kasuta seda", kuid ise ei kasuta, lükkab tema sõnumi ümber.
• Suhtlemine ainult ülalt. Kõige tõhusam õpetus tuleb lähedaselt kolleegilt (tšempionilt), mitte kaugemalt meeskonnalt.
• Ei mõõda lapsendamist. Asutus, kes ei mõõda, kas seda kasutatakse või mitte, ei näe takistusi.

Tähelepanu: muudatuste juhtimine ei ole ühekordne teadaanne, vaid protsess, mis nõuab järjepidevust. AI võib teile soovitada lapsendamisplaani või kontaktteksti; Kuid inimeste tegelike murede ärakuulamine, usalduse loomine ja eeskuju näitamine saab toimuda ainult inimliku juhtimise kaudu. Samuti olge ausad: inimeste ettevalmistamine uuteks rollideks on nii eetiline kui ka jätkusuutlikum, mitte varjata olukordi, kus tehisintellekt mõne rolli tegelikult asendab.

Kokkuvõttes

AI teisendused ebaõnnestuvad sageli inimlikel ja kultuurilistel, mitte tehnilistel põhjustel. Vastupidavus; Töökindlus tuleneb pädevuse, usalduse ja tähendusega seotud probleemidest ning see lahendatakse nende muredega avalikult vastates, mitte neid eirates. Edukas muudatuste juhtimine ütleb veenvalt "miks", on eeskujuks ja nähtava juhtimisega, tähistab varajasi võite, koolitab kõiki, loob tšempionide võrgustiku ja juurutab uue käitumise kultuuri. Lapsendamist tuleb mõõta, kuulata ja tõkked eemaldada. Selle mooduli ajal; Visioonist tegevuskavani, kasutusjuhtumite prioriseerimisest investeeringutasuvuse ja riskide, juhtimise, eetika, vastavuse, talentide ja hankeni – oleme loonud raamistiku, mida juht vajab, et hallata tehisintellekti ümberkujundamist lõpuni ja vastutustundlikult. Tehnoloogia on tööriist; strateegia, valitsemine ja inimeste juhtimine on need, mis muudavad tõelise erinevuse.

Rakenduse ülesanne

Valige tehisintellekti algatus ja kaardistage 1. malliga mõjutatud sidusrühmade mured. 2. koostage kaasahaarav "miks" lugu, mida malli abil töötajatele rääkida; Kindlasti käsitlege töökoha turvalisuse probleeme ausalt. Kirjutage üles tšempionprogrammi kolm etappi ja kaks mõõdikut, mille abil te adopteerimist mõõdate. Lõpuks, "kuidas ma saan seda tööriista juhina nähtavalt kasutada?" Andke küsimusele konkreetne vastus.

kontrollnimekiri

• [ ] Kaardistasin mõjutatud huvirühmad ja nende mured.
• [ ] Käsitlesin töökoha turvalisuse muret ausalt.
• [ ] Konstrueerisin kaasahaarava "miks" loo.
• [ ] Plaanisin olla eeskujuks.
• [ ] Kujundasin tšempionvõrgu.
• [ ] Tuvastasin vastuvõtmise mõõtmiseks mõõdikud.
• [ ] Planeerisin muudatuse järjepidevuse, mitte ühekordse teadaandina.

Mooduli eksam

1. Milline alljärgnevatest on tehisintellekti tippjuhi tegelik roll?

• A) Suuna andmine, ressursside eraldamine, riskilimiitide tõmbamine ja vastutuse võtmine ✔
• B) Mudeli arhitektuuri ja algoritmi valimine ja kodeerimine isiklikult
• C) Andke tehisintellekt täielikult tehnoloogiameeskonnale üle ja oodake tulemusi
• D) võimaldades igal osakonnal oma tööriista vabalt testida.

Selgitus: administraatori ülesanne ei ole mudelite koolitamine ega koodi kirjutamine; Suuna andmine, ressursside eraldamine, riskilimiitide tõmbamine ja vastutuse võtmine. Tehniline meeskond lahendab "kuidas" küsimuse, juht lahendab "miks, millal, mis piirini ja kes vastutab" küsimused. Tehisintellekt ei ole tehnoloogiaprojekt, vaid ettevõtte ümberkujundamise probleem ja omandiõigus peaks olema äripoolel.

2. Mis on peamine omadus, mis eristab head tehisintellekti nägemust tühjast loosungist?

• A) Sisaldab uusima tehnoloogia nime
• B) Sõltub äritulemusest, on mõõdetav ja ajahorisondiga ✔
• C) Ole võimalikult enesekindel ja üldine
• D) Sarnane konkurentide nägemusele

Selgitus: hea visioon on seotud äritulemusega (mitte tehnoloogiaga), on mõõdetav ja sellel on ajahorisont. „Me oleme tehisintellektis liidrid” on mõõtmatu ja ei hõlma äritulemusi; „Me vähendame esimese reageerimise aega poole võrra ja vähendame kulusid 15% kolme aastaga” on konkreetne, mõõdetud ja sellel on ajahorisont. Kui eemaldate visioonist sõna "tehisintellekt", peaks teile jääma sisukas ärieesmärk.

3. Millised on need dimensioonid, mis paistavad tehisintellekti küpsuse hindamisel silma nähtamatud eeldustena enamikule asutustele ja millesse ei tasuks siis, kui need on nõrgad, investeerida?

• A) Ainult turundus- ja brändimõõtmed
• B) Ainult riistvara ja kontoritaristu
• C) Andmed ja juhtimine ✔
• D) Konkurentide analüüs ja hinnakujundus

Kirjeldus: Küpsust mõõdetakse viies dimensioonis (strateegia, andmed, tehnoloogia, talent, valitsemine). Andmed ja valitsemine on sageli nähtamatud eeldused: kalli mudeli ehitamine, kui andmed on sassis ja halva kvaliteediga, on nagu tühja lattu riiuli ostmine; Ilma valitsemiseta koguneb risk vaikselt. Seetõttu suletakse lüngad sõltuvuse järjekorras ning andmed ja juhtimine on üldiselt prioriteetsed.

4. Milline on õige lähenemine kasutusjuhule väärtuse/raketavuse maatriksi piirkonnas 'kõrge väärtus + madal rakendatavus'?

• A) Kasutusele viivitamatult täies mahus
• B) Täielik loobumine, sest see on väärtusetu
• C) Tehes seda vabal ajal madala prioriteediga täitetöödena
• D) Planeerimine kui suur panus ja selle eelduste loomine, vahepeal kiire võiduga edasi liikumine ✔

Kirjeldus: seda ala nimetatakse "suureks panuseks": sellel on kõrge väärtus, kuid seda ei saa andmete, integratsiooni või tehniliste raskuste tõttu kohe teha. Õige lähenemine on selle planeerimine ja eelduste loomine (andmeinfrastruktuur, integratsioon); Pimesi sukeldumine tähendab kuudepikkust väärtusetut tööd. Vahepeal luuakse kiirete võitudega (kõrge väärtus + kõrge elujõulisus) hoogu ja seda suurt panust rahastatakse.

5. Mida on tehisintellekti piloodi väärtuse tõestamiseks kõige kriitilisem enne alustamist teha?

• A) Määratle edumõõdik ja mõõda hetkeolukorra lähtejoont ✔
• B) Võimalikult kallima sõiduki ostmine
• C) Pilootprogrammi avamine kogu asutusele korraga
• D) Tulemuste raporteerimine koos prognoosiga pärast piloodi lõppu

Selgitus: lähtetase on hetkeolukorra mõõtmine enne parandamist. Ilma lähtealuseta ei saa tõestada väidet, et oleme „täiustatud”; 'kui palju paranenud?' skaleerimise otsuses. Küsimusele ei saa vastata. Seetõttu tuleks enne pilootprojekti algust defineerida edumõõdik ja mõõta hetkeolukorda numbritega. Te ei saa juhtida ega kaitsta väärtust, mida te ei saa mõõta.

6. Milliseid kuluartikleid jätavad institutsioonid tehisintellekti ROI arvutamisel kõige sagedamini kahe silma vahele ja panevad nad arvama, et projekt on kasumlik?

• A) Ainult üldkulud nagu kontoriüür ja elekter
• B) Varjatud kulud, nagu integreerimine, pidev inimeste järelevalve ja hooldus ✔
• C) Ainult turundus- ja reklaamieelarve
• D) Puudub; litsentsitasu on ainus tegelik kulu

Selgitus: asutused arvestavad tavaliselt ainult litsentsi/kasutustasu; arvestades, et tehisintellekti puhul on varjatud kulud üldiselt integreerimine, andmete ettevalmistamine, inimeste pidev jälgimine, hooldus ja muudatuste juhtimine ning need on sageli suuremad kui litsentsimine. Kui need elemendid välja jätta, võib projekt, mida peetakse „kasumlikuks”, olla tegelikult kahjumis. Lisaks tuleks kasu poole pealt küsida, kas säästetud aeg ka tegelikult väärtuseks muutub.

7. Mida tähendab tehisintellektiriskide puhul mudelinihke ja miks see nõuab pidevat jälgimist?

• A) Mudeli teisaldamine füüsiliste serverite vahel
• B) Mudeli litsentsitasu suureneb aja jooksul
• C) Mudeli jõudlus väheneb aja jooksul vaikselt maailma muutudes ✔
• D) Mudeli väljund jääb alati samaks

Selgitus: Mudeli triiv on siis, kui mudel kulub ja selle jõudlus vaikselt langeb, kui maailm muutub (uued tooted, uus käitumine, uued pettusmustrid). Mudel, mis töötab hästi üks kord, ei tööta hästi igavesti; Seetõttu on regulaarne jõudluse jälgimine hädavajalik. Näiteks võib pettusmuster uue mustri taustal vaikselt nõrgeneda ja ilma jälgimiseta kahjum kasvab eksponentsiaalselt.

8. Milline on õige lähenemine tehisintellekti juhtimise heakskiitmisprotsesside kavandamisel?

• A) Allutades iga tehisintellekti algatuse sama suure heakskiidu, olenemata selle riskist
• B) Kinnituse määramine riskitaseme järgi: madala riskiga kiire, kõrge riskiga range kontroll ✔
• C) Meeskondadele täieliku vabaduse andmine ilma heakskiitmisprotsessita
• D) Kõik kooskõlastused jättes ainult tehnoloogiameeskonnale

Kirjeldus: Hea valitsemistava tasakaalustab kiiruse, turvalisuse ja järjepidevuse. Sama suure heakskiidu rakendamine igale tööle (isegi madala riskiga) surub meeskonnad varjukasutusse; Ükski heakskiit ei kogu riski. Õige lähenemisviis on kihistada heakskiit riskitaseme järgi: madala riskiga töö peaks toimuma kiiresti, ainult kõrge riskiga tööd tuleks põhjalikult kontrollida. Seega säilib nii kiirus kui ka kontroll.

9. Mis vastab tõele eetika ja seaduskuulekuse vahelise seose kohta?

• A) Eetika ja seaduste järgimine on sama asi; Mis vastab ühele, vastab ka teisele.
• B) Õigusnõuete järgimine on kõrgem rida kui eetika
• C) seaduste järgimine on miinimum; eetika on kõrgem joon ja kõik, mis on seaduslik, ei pruugi olla eetiline ✔
• D) Eetika loeb ainult siis, kui seadus jätab tühimiku

Kirjeldus: Õiguslik järgimine on miinimum; Eetika on kõrgem joon. Midagi võib olla seaduslik, kuid ebaeetiline; Näiteks tehisintellekti funktsioon, mis manipuleerib kasutaja käitumist, ei pruugi olla keelatud, kuid see on ebaeetiline. Vastutavad asutused "kas see on keelatud?" Mitte "Kas see on tõsi?" küsib ta. Eetilisust ei saa jätta lõpuni; tuleks algusest peale kujundusse sisse lülitada.

10. Mis on ELi tehisintellekti seaduses põhikriteerium, mille järgi süsteemi peetakse „kõrge riskiga”?

• A) Kui kallis süsteem on
• B) Kui palju kasutajaid süsteemil on
• C) Millises riigis süsteem välja töötati?
• D) Süsteem mõjutab otseselt inimeste põhiõigusi, turvalisust või eluvõimalusi ✔

Kirjeldus: ELi tehisintellekti seadus kehtestab riskipõhise loogika. Kõrge riskiga süsteem on selline, mis võib otseselt mõjutada inimeste põhiõigusi, turvalisust või eluvõimalusi (töökoht, krediit, haridus, tervis). Riskijuhtimine, kvaliteet ja erapooletud andmed, inimjärelevalve, dokumenteerimine, arvestuse pidamine ja läbipaistvus on nende süsteemide jaoks olulised. "Kas see süsteem on seotud otsusega, mis mõjutab inimese tööd, raha, tervist või vabadust?" küsimus on hea esialgne näitaja.

11. Miks on üks ohtlikumaid ja sagedasemaid KVKK rikkumisi, kui töötaja kleebib kliendi isikuandmeid avalikult kättesaadavasse välisriikides asuvasse tehisintellekti tööriista?

• A) Ainult sellepärast, et see paneb sõiduki aeglaselt käima
• B) Kuna see tähendab sageli volitamata andmete edastamist välismaale ja tahtmatut töötlemist ✔
• C) Ainult sellepärast, et sõiduk on tasuline
• D) Tegelikult ei kaasne sellega mingeid riske, see on täiesti ohutu.

Selgitus: see toiming tähendab sageli nii andmete edastamist välismaale (erireeglite alusel) kui ka tahtmatut töötlemist (andmeid kasutatakse muul eesmärgil kui see, milleks neid koguti) ning seda tehakse tavaliselt ilma kehtiva õigusliku aluse ja selgituseta. See tekitab KVKK mõttes tõsise rikkumise ja haldustrahvi ohu; Seetõttu on vastuvõetav kasutuspoliitika ja ettevõtte tööriistad, mis andmeid ei leki, hädavajalikud.

12. Mis on nn tõlkija rolli eesmärk, mis on tehisintellekti pädevuses kõige sagedamini tähelepanuta jäetud ja väärtusi lukustav roll?

• A) Ainult võõrkeelsete dokumentide tõlkimine
• B) Serverite ja andmebaaside haldamine
• C) Olla inimene, kes muudab äriprobleemi tehisintellekti lahenduseks ning ehitab silla äri ja tehnoloogia vahele ✔
• D) Pakkuge töötajatele ainult sõiduki põhikoolitust

Kirjeldus: Tehisintellekti tõlkija (AI translator) on isik, kes tõlgib ärikeele tehnilisse keelde ja vastupidi, ehitades silla, „millist äriprobleemi millise tehisintellekti lahendusega lahendab“. Kõige kallimate tõrgete põhjuseks ei ole sageli mitte ekspertide, vaid tõlkijate puudus: tehniline meeskond koostab täiusliku mudeli, kuid vale probleemi jaoks. Institutsioonid investeerivad liiga palju ekspertidesse ja liiga vähe tõlkijatesse ja massilise kirjaoskusesse; Kuid üldiselt avavad väärtuse kaks viimast.

13. Mis on tehisintellekti talendi „tee või osta” otsuse põhiprintsiip?

• A) Ostke alati, sest see on odavam
• B) Looge põhilised eristamisvõimalused, ostke standardsed võimalused ✔
• C) Arene alati sees, sest nii on turvalisem
• D) Populaarseima tarnija soovitatud tarnija valimine

Kirjeldus: Põhiprintsiip on: muuta põhivõimed organisatsioonile ainulaadseks, mis loovad konkurentsieelise; Ostke standardseid, ühiseid, mitteeristavaid võimalusi. Tuum on ennustav mudel, mida teie konkurent ei saa teie enda andmetega luua; Teksti kokkuvõtte tööriist on standardne. Allhangete põhitalent on pikas perspektiivis konkurentsivõime rentimine ja suurendab tarnijate lukustumise ohtu.

14. Mis on tehisintellekti teisenduste ebaõnnestumise kõige levinum põhjus ja kõige tõhusam lähenemine selle vastu?

• A) mudeli ebapiisav täpsus; Lahenduseks on suurema mudeli ostmine
• B) varustuse puudumine; Lahenduseks on serverite juurde ostmine
• C) Litsentsi maksumus; Lahenduseks on leida odavam tarnija
• D) inimlik ja kultuuriline vastupidavus; Lahenduseks on muudatuste juhtimine, mis käsitleb selgelt muresid ✔

Selgitus: Enamik ebaõnnestumisi ei ole tehnilised, vaid inimlikud ja kultuurilised: hirm töökoha kindluse ees, ärevus kompetentsi pärast, enesekindluse puudumine ja tähenduse kaotus. Kui need ärevused maha suruda, naasevad need vaikse sabotaažina. Kõige tõhusam lähenemine on muredele avatult vastamine, veenva „miks“ selgitamine, eeskuju näitamine ja lähedaste kolleegide võrgustiku loomine. Lapsendamist tuleb mõõta ja tõkked eemaldada.