Kas turėtų mąstyti apie darbo tobulinimą?
Smalley lygina du darbo organizavimo pasirinkimus. Fredericko Tayloro mokslinio valdymo sistemoje darbo planavimas ir analizė daugiausia priklausė vadovybei bei specialistams, o darbuotojai vykdė nustatytą metodą. Toyota siekė daugiau įtakos darbo planavimui ir tobulinimui suteikti patiems darbą atliekantiems žmonėms.
Panašus pasirinkimas kyla diegiant AI. Vidinė ekspertų grupė gali kurti sprendimus kitiems darbuotojams arba kartu ugdyti jų gebėjimą analizuoti ir gerinti savo darbą. Smalley nuomone, ilgalaikei pažangai svarbu, kad techninė kompetencija neatimtų tobulinimo atsakomybės iš žmonių, kurie geriausiai pažįsta kasdienę veiklą.
Kas slypi po patogia AI sąsaja?
Pokalbių langas, užklausos, dokumentų santraukos ar paprasti agentai yra matomiausia AI dalis. Tačiau patikimam sprendimui organizacijoje reikia ir duomenų architektūros, programinės įrangos, saugos, teisių valdymo, integracijų, rezultato vertinimo bei konkrečios veiklos išmanymo.
Smalley primena panašią Lean patirtį: matomus įrankius ir praktikas nukopijuoti lengviau nei sukurti juos palaikančias inžinerines bei organizacines kompetencijas. Prieiga prie AI įrankio gali būti naudinga pradžia, tačiau ji savaime nesukuria įmonės gebėjimo patikimai taikyti AI.
Kodėl pavieniai laimėjimai nesusideda automatiškai?
AI gali greitai prigyti atskirose užduotyse: žmogus parengia tekstą, analizuoja medžiagą ar automatizuoja apibrėžtą veiksmą. Tačiau pereinant prie viso proceso atsiranda priklausomybės tarp sistemų, funkcijų, teisių ir atsakomybių.
Vietinis pagerėjimas gali perkelti papildomą darbą, kaštus ar riziką kitai komandai. Todėl koordinacija, Smalley teigimu, yra paties AI diegimo iššūkio dalis. Reikia sutarti ne tik kaip veiks įrankis, bet ir kas priims jo rezultatą, valdys išimtis bei atsakys už kitą proceso žingsnį.
Vertinkime veiklos rezultatą, ne vien AI aktyvumą
Licencijų, užklausų, demonstracijų ar agentų skaičius neparodo, ar darbas tapo geresnis. Smalley siūlo stebėti pačios veiklos kokybę: ar geriau sprendžiamos problemos, ar sklandžiau veikia sistema ir ar auga žmonių gebėjimai.
Jo įžvalga vadovui – technologijos galimybės ir organizacijos gebėjimas jas panaudoti vystosi skirtingu tempu. Mokymasis, darbo pertvarkymas ir atsakomybių suderinimas yra būtina pokyčio dalis.
Ką šios įžvalgos reiškia LeanAI požiūriu?
LeanAI požiūriu, AI diegimą įmonėje verta pradėti nuo svarbaus verslo iššūkio ir jį ribojančio proceso. Lean padeda suprasti darbo eigą ir nereikalingus veiksmus, o AI galimybes vertiname kartu su darbuotojų žiniomis, duomenimis ir sprendimo patikimumu.
Pavyzdžiui, jei AI pagreitina užsakymo duomenų suvedimą, bet užsakymas toliau laukia suderinimo, viso įvykdymo terminas gali beveik nepasikeisti. Tokiu atveju svarbu nagrinėti ir suderinimo eigą bei atsakomybę. Tai iliustracinis pavyzdys, ne kliento rezultatas.
Praktinis pirmasis žingsnis – pasirinkti vieną verslui svarbų procesą, įtraukti jo dalyvius ir sutarti, kokį rezultatą gerinsime. Vertę parodys pokytis kokybės, terminų, kaštų ar kituose sutartuose rodikliuose.
Kuris iššūkis labiausiai riboja jūsų verslo rezultatą?
Pirmasis žingsnis – susitikimas su vadovu ir esamos situacijos bei lūkesčių išsiaiškinimas.
Aptarkime jūsų verslo iššūkius →AI ir Lean diegimas bei praktiniai mokymai įmonėms →VEIKIA metodas →