Mit #13: Więcej AI to większa produktywność

Brzmi logicznie. Skoro jeden projekt AI oszczędza czas lub obniża koszty, dziesięć projektów powinno przynieść dziesięć razy większą korzyść. Firmy tworzą więc długie listy zastosowań, uruchamiają pilotaże w każdym dziale i częściowo mierzą postęp liczbą prowadzonych inicjatyw AI.

Ale więcej projektów AI nie oznacza automatycznie większej produktywności.

Problemem zwykle nie jest technologia ani nawet budżet. Problem polega na tym, że wszystkie te projekty potrzebują tych samych ludzi.

Ten sam zespół danych ma obsłużyć pięć zastosowań. Ten sam dział IT musi zbudować integracje. Ci sami eksperci biznesowi biorą udział w warsztatach, testach i weryfikacji wyników. Te same zespoły operacyjne mają prowadzić bieżącą działalność, a jednocześnie uczyć się nowych procesów i testować narzędzia. Ci sami liderzy zasiadają w komitetach sterujących projektów, z których każdy jakoś stał się priorytetem.

Uruchom wystarczająco dużo inicjatyw AI naraz, a zaczną ze sobą konkurować.

W praktyce widać to bardzo szybko. Tydzień inżyniera danych dzieli się między trzy projekty:

Trzy pilotaże jednocześnie potrzebują wsparcia operacji przy testach. Ekspertka biznesowa dostaje zaproszenia na sześć warsztatów, bo jest jedną z niewielu osób, które naprawdę rozumieją dany proces.

„Wszyscy są zajęci. Niewiele udaje się doprowadzić do końca.”

To jeden z powodów, dla których firmy mają imponującą listę pilotaży AI i zaskakująco mały wpływ na wynik finansowy. Każdy projekt z osobna może mieć dobre uzasadnienie biznesowe. Problem pojawia się, gdy zbierzemy je razem i założymy, że organizacja zdoła wdrożyć wszystkie jednocześnie.

Jest jeszcze jedna kwestia. Projekt AI to nie tylko kolejne oprogramowanie. Jeśli działa, zmienia sposób wykonywania pracy.

Planista może przestać ręcznie przeglądać setki wyjątków i zająć się tylko dwudziestoma, które wymagają jego oceny. Dyspozytor nie musi już spędzać poranka na zbieraniu informacji o statusie przewozów. Zespół zakupów może otrzymywać rekomendacje zamiast samodzielnie przygotowywać analizy. Niektóre akceptacje przestają być potrzebne. Zmienia się podział odpowiedzialności.

Ludzie potrzebują czasu, by nauczyć się nowego sposobu pracy, a przede wszystkim przestać pracować po staremu.

Jeśli cztery osobne projekty AI jednocześnie zmieniają cztery obszary czyjejś pracy, trudno się dziwić, że nowe rozwiązania się nie przyjmują. Większość ludzi nadal ma swoje codzienne obowiązki.

W tym momencie firmy często pogłębiają problem. Pilotaż utknął, więc rusza kolejny, bo wydaje się łatwiejszy. Potem inny dostawca pokazuje ciekawe demo. Kolejny dział chce mieć własną inicjatywę AI. Wkrótce firma prowadzi dwadzieścia pilotaży i dziesiątki warsztatów. Ma imponujący plan rozwoju AI, ale niewiele rozwiązań, z których ktoś korzysta na co dzień.

Zaczynamy mylić liczbę działań z postępem.

Lepsze podejście jest znacznie mniej efektowne: robić mniej rzeczy i doprowadzać je do końca.

Wybierz zastosowania, które przyniosą konkretną korzyść ekonomiczną i za którymi stoi zespół biznesowy gotowy wprowadzić zmianę. Zapewnij im ludzi i czas po stronie danych, IT oraz biznesu. Uruchom rozwiązania w codziennej pracy. Sprawdź, czy ludzie rzeczywiście z nich korzystają i czy pojawiły się oczekiwane rezultaty.

Dopiero wtedy przejdź do kolejnych.

Realizacja projektów po kolei ma jeszcze jedną zaletę. Pierwszy powinien ułatwiać drugi.

1. Zbudowaną integrację można wykorzystać ponownie.
2. Uporządkowane dane powinny pozostać dostępne.
3. Uzgodnione definicje procesów powinny stać się standardem.
4. Pracy nad bezpieczeństwem i zasadami zatwierdzania nie trzeba zaczynać od zera.

Tak skaluje się AI: korzystając w kolejnych projektach z tego, co już zbudowaliśmy, zamiast prowadzić pięćdziesiąt niezależnych pilotaży.

Pomysłów na zastosowanie AI nie brakuje. W większości dużych organizacji w kilka tygodni można zapewne znaleźć ich setki. To nie jest najtrudniejsza część.

Najtrudniej zdecydować, które z nich naprawdę wdrożymy.

Przejrzyj wszystkie trwające inicjatywy AI i sprawdź, jakich osób i zespołów potrzebuje każda z nich.

Ustal priorytety, dokończ najważniejsze wdrożenia i wykorzystaj to, co powstanie, żeby ułatwić kolejne.

Wniosek

Więcej AI może zwiększyć produktywność. Sama liczba inicjatyw tego nie zrobi. Dziesięć pilotaży konkurujących o tych samych ludzi, dane i wsparcie IT może dać mniej niż trzy dobrze wdrożone rozwiązania, z których firma rzeczywiście korzysta.

Przygotuj dane i procesy do wdrożenia AI →