Por qué mejorar la productividad comienza por comprender el trabajo

La mayoría de los directivos creen entender cómo se realiza el trabajo. Tienen organigramas, documentos de procesos y paneles de control que lo demuestran. ¿El problema? Esos pulcros diagramas se parecen muy poco al trabajo que realizan realmente los empleados. Y cuando las organizaciones empiezan a automatizar procesos que no comprenden del todo, simplemente hacen que los sistemas defectuosos funcionen más rápido.

En este episodio, David Rice conversa con Heidi Farris, directora ejecutiva de ActivTrak, sobre la brecha entre la adopción de la IA y el impacto real en el negocio. Exploran por qué las soluciones alternativas de los empleados suelen ser lo que mantiene en funcionamiento a las organizaciones, cómo las mejoras de productividad impulsadas por la IA pueden simplemente trasladar los cuellos de botella a otro lugar y por qué ahorrar tiempo significa muy poco a menos que alguien decida qué hacer con él.

Lo que aprenderás

  • Por qué los procesos documentados rara vez reflejan cómo se realiza realmente el trabajo.
  • Cómo distinguir entre las tareas adecuadas para la automatización mediante IA, la asistencia de la IA y el criterio humano.
  • Por qué las mejoras de productividad no se traducen automáticamente en valor empresarial.
  • Cómo la IA cambia la planificación de la plantilla al desplazar los cuellos de botella entre equipos.
  • Qué diferencia una transformación genuina mediante IA de unas métricas de adopción llamativas.
  • Por qué rediseñar el trabajo requiere responsabilidad compartida entre RR. HH., operaciones y tecnología.

Conclusiones clave

  • Comprende el flujo de trabajo real antes de automatizarlo. Los empleados adaptan constantemente los procesos para que funcionen. Estas soluciones informales rara vez aparecen en la documentación oficial, pero eliminarlas sin comprender su propósito puede romper el flujo de trabajo que intentas mejorar.
  • No automatices un trabajo que no debería existir. La IA no es la respuesta a todas las ineficiencias. Las tareas repetitivas y estructuradas pueden beneficiarse de la automatización, mientras que las aprobaciones innecesarias y los pasos duplicados requieren rediseñar el proceso. Las carencias de habilidades requieren una mejor capacitación, no comprar otro software.
  • El tiempo ahorrado no es valor empresarial hasta que alguien lo pone a trabajar. Cuando la IA libera capacidad, los líderes deben decidir si esa capacidad se destina a reducir costes, reinvertir o expandirse. De lo contrario, las horas ahorradas tienden a desaparecer en el mismo trabajo de poco valor que las organizaciones deberían estar eliminando.
  • Optimiza el flujo de trabajo, no solo la productividad individual. Que un equipo duplique su producción significa poco si el siguiente equipo no puede mantener el ritmo. La planificación de la plantilla debe tener en cuenta hacia dónde se desplazan las limitaciones a medida que las distintas funciones adoptan la IA a velocidades diferentes.
  • Asigna a alguien la responsabilidad del rediseño del trabajo. Un rediseño exitoso requiere visibilidad entre funciones y autoridad para cambiar cómo se realiza el trabajo. Ni el departamento de TI ni los responsables de departamentos individuales pueden resolver esto por sí solos. Alguien debe asumir la responsabilidad del resultado de principio a fin.
  • Mide lo que ha cambiado, no con qué frecuencia utiliza la gente la IA. Las licencias activadas y los casos de uso puestos en marcha miden la adopción. El impacto real se refleja en los tiempos de ciclo, el rendimiento, la asignación de capacidad, los resultados para los clientes y, en última instancia, el rendimiento empresarial. Si los líderes no pueden explicar qué ocurrió con el tiempo que ahorró la IA, no tienen una historia de ROI.

Capítulos

  • 00:00 – La realidad del trabajo
  • 01:41 – Procesos frente a realidad
  • 03:24 – Dónde encaja la IA
  • 04:30 – Repensar la automatización
  • 06:21 – Reasignar la capacidad
  • 09:18 – Objetivos antes que IA
  • 10:23 – Adopción frente a impacto
  • 12:30 – Conocimiento tribal oculto
  • 15:13 – Desplazar los cuellos de botella
  • 17:46 – Encontrar la solución adecuada
  • 19:33 – Más allá de la prioridad de la IA
  • 20:53 – Responsabilidad del rediseño del trabajo
  • 23:53 – RR. HH. se encuentra con operaciones
  • 25:07 – Medir el impacto real
  • 27:39 – Reflexiones finales

Conoce a nuestra invitada

Heidi Farris es directora ejecutiva y presidenta del consejo de ActivTrak, una empresa de inteligencia laboral, donde dirige la estrategia y el crecimiento para ayudar a las organizaciones a comprender cómo se realiza el trabajo, mejorar el rendimiento de la plantilla y medir el impacto de la IA.

You may also like