Małe zespoły marnują swoją największą przewagę w dziedzinie AI
Czynnik sukcesu AI: Przeprojektowane przepływy pracy mają kluczowe znaczenie dla pomyślnego wdrożenia AI — większe niż budżet czy technologia.
Przewaga małego zespołu: Małe zespoły w naturalny sposób ułatwiają współpracę, unikając powolnych procesów, z którymi mierzą się duże organizacje.
Znaczenie współpracy: Skuteczne wdrożenie AI wymaga pracy zespołowej i ponownego przemyślenia procesów podejmowania decyzji, a nie tylko nowych narzędzi.
Gdzieś właśnie teraz założyciel patrzy na fakturę i zastanawia się, za co zapłacił. Praca została wykonana. Po prostu jeszcze tego nie widać.
Wysłałem tę fakturę. Tygodnie poświęcone pracy, w którą wierzyłem, a klient nie miał niczego, na co mógłby wskazać i nazwać postępem. Po cichu wiesz, że kwestionuje twoją wartość. Nie widzi jednak tego, co jest jedyną pracą, która ma znaczenie.
Praca, której nie da się umieścić na slajdzie
Dwadzieścia godzin miesięcznie. Każda godzina pojawiała się na fakturze, a gdyby założyciel zatrzymał mnie w połowie i zapytał, jaką wartość stworzyłem, nie jestem pewien, czy potrafiłbym udzielić odpowiedzi uzasadniającej ten koszt.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Testowaliśmy narzędzia względem siebie, odrzucaliśmy przepływy pracy, z których zespół korzystał od lat, siedzieliśmy w pokoju i próbowaliśmy uzgodnić, co w ogóle oznacza „lepiej”. W niektóre dni spędzaliśmy trzy godziny na odkrywaniu, że narzędzie, które naszym zdaniem zadziała, nie potrafi zrobić tej jednej rzeczy, której potrzebowaliśmy.
To nie jest postęp, który można umieścić na slajdzie. A po drugiej stronie tej faktury założyciel obserwuje, jak kurczy się budżet, skraca się czas działania firmy, a wskaźnik wypalania środków rośnie. Nie byłby w tym odosobniony.
W zeszłym roku firmy średniej wielkości porzuciły średnio po jednej inicjatywie AI, co kosztowało ponad $4 million na projekt, ponieważ nie były w stanie wystarczająco szybko dostrzec wartości.
Po naszej stronie faktury działaliśmy jako rozproszony zespół w różnych miastach, z których każdy odpowiadał za inną część produktu, próbując rozwiązywać problemy, które mnożyły się tym bardziej, im uważniej się im przyglądaliśmy. Firma potrzebowała szybkości. Produkt potrzebował jakości. Narzędzia nie zostały sprawdzone. Każda poprawka, która działała dla jednej osoby, tworzyła nowy problem dla kogoś innego.
Nie da się tego rozplątać za pomocą listy kontrolnej ani planu projektu. Rozplątujesz to, angażując każdą perspektywę w tę samą rozmowę, sprawiając, że każdy kompromis staje się widoczny, i znajdując działania, które przynoszą najwięcej korzyści bez przenoszenia problemów gdzie indziej.
To trwa długo. Nie wygląda dobrze na zdjęciach. I jest to jedyny sposób, w jaki to działa.
Te problemy się mnożą, ponieważ każda osoba w zespole rozwiązuje coś innego, a stare zasady równoważenia tych różnic już nie mają zastosowania. Deweloper potrzebuje integracji bez konieczności ponownej pracy. Projektant potrzebuje twórczej kontroli bez spowalniania procesu. Założyciel potrzebuje, by wszystko to kosztowało mniej i przebiegało szybciej.
W każdej z tych potrzeb kryją się dziesiątki mniejszych kompromisów, a każdy z nich wpływa na coś innego. Rozwiąż problem założyciela, a ograniczysz jakość. Rozwiąż problem projektanta, a spowolnisz wszystko.
Praca, którą wykonywaliśmy — powolna, niewidoczna i frustrująca — polegała na znalezieniu takiej wersji każdej decyzji, która tworzyła najwięcej korzyści w całym systemie, zamiast po prostu przenosić szkody w inne miejsce.
Jedna zmienna, która naprawdę przewiduje sukces AI
Jeśli to przeoczysz, będziesz skalować problemy szybciej, niż zdołasz je rozwiązywać. Firma McKinsey przeprowadziła ankietę wśród prawie 2000 menedżerów wyższego szczebla ze 105 krajów i przetestowała 25 czynników przewidujących, czy AI przyniesie rzeczywisty wpływ na biznes. Najważniejszym czynnikiem nie był budżet, zaangażowanie przywództwa ani wybór technologii. Chodziło o to, czy organizacja zasadniczo przeprojektowała swoje przepływy pracy.
Następnie, w ciągu dwóch dni, dostarczyliśmy coś, czego wykonanie przy użyciu starego przepływu pracy zajęłoby tygodnie i wymagałoby udziału trzech lub czterech osób. Nie szkic ani prototyp. Kompletne zadanie, sprawdzone, zatwierdzone i rozwiązujące problemy, które zespół omijał od miesięcy.
Najtrudniejszym problemem nie było wykonanie pracy. Chodziło o to, że mogliśmy wykonać tak dużo tak szybko, iż stare pytanie — z czego zrezygnować, aby zmieścić się w budżecie i dostarczyć na czas? — przestało mieć znaczenie.
Kompromisy, które wcześniej dominowały w każdej rozmowie dotyczącej planowania, ledwo były zauważalne. Zamiast tego musieliśmy ponownie przemyśleć, gdzie umieścić wartość naszego czasu, współpracy i indywidualnego wkładu. Praca nie tylko stała się szybsza. Przełamała rytm, w którym zespół działał od lat.
Przewaga strukturalna, o której istnieniu małe zespoły nie wiedzą
Duże organizacje nie mogą zrobić tego, co my zrobiliśmy. Nie mogą zaangażować wszystkich interesariuszy w tę samą rozmowę i wspólnie omawiać kompromisów w czasie rzeczywistym. Dlatego tworzą procesy, które mają to naśladować: komitety ds. zarządzania, łańcuchy zatwierdzania, centra doskonałości, dedykowane role związane z AI.
Wszystko to jest kosztowne, powolne i zaprojektowane tak, aby symulować coś, co mały zespół już robi naturalnie.
Ironia polega na tym, że większość małych zespołów nie postrzega tego w ten sposób. Patrzą na podręcznik dla przedsiębiorstw i zakładają, że tak właśnie wygląda poważne wdrażanie AI. Wyznaczają kogoś, kto ma za to odpowiadać. Kupują narzędzia i tworzą procesy. W ten sposób rezygnują z jedynej strukturalnej przewagi, którą naprawdę mieli.
W ubiegłym roku S&P Global oszacowało, że 42% firm porzuciło większość swoich inicjatyw AI, czyli ponad dwa razy więcej niż rok wcześniej.
Często przywoływane ustalenie MIT, że 95% pilotażowych wdrożeń AI w przedsiębiorstwach nie przynosi wymiernych zwrotów, jest wykorzystywane jako kij do bicia w inicjatywy AI, ale w praktyce widzimy, że nie kończą się one niepowodzeniem dlatego, że technologia nie działa. Kończą się niepowodzeniem, ponieważ firmy próbują wtłoczyć ją w sposób, w jaki już działają. Pomijają powolną i mało efektowną pracę polegającą na przemyśleniu od nowa tego, jak ludzie współpracują, gdzie podejmowane są decyzje i jak wygląda dobrze wykonana praca, gdy narzędzia zmieniają wszystko.
Nie musisz zatrudniać specjalisty ds. AI. Nie potrzebujesz centrum doskonałości ani formalnego planu zarządzania zmianą. Nie musisz stawać się większą ani bardziej sformalizowaną organizacją, aby AI działało.
Potrzebne osoby już są na tej rozmowie: ludzie, którzy znają tę pracę, odczuwają związane z nią kompromisy i rozumieją, jak wygląda dobrze wykonana praca z perspektywy swojego stanowiska.
Już to przechodziliśmy. Każda poważna zmiana technologiczna — od komputera osobistego, przez internet, po chmurę — wymagała tego samego: czasu na naukę, przestrzeni do eksperymentowania i zgody na ponowne przemyślenie tego, co uznawaliśmy za ustalone.
AI nie jest inne, tylko działa szybciej. To nie jest problem, który jedna osoba może rozwiązać za resztę organizacji. To zdolność, którą cały zespół musi rozwijać, tak samo jak uczył się obsługi każdego wcześniejszego narzędzia. Dajcie mu czas i przestrzeń, aby wspólnie się z tym zmierzył.
To nie jest problem technologiczny. Nigdy nim nie był.
