Procesi su granica performansi
Mnoge organizacije očekuju da će veći učinak AI-a doći iz boljih alata, boljih promptova ili veće individualne produktivnosti zaposlenika. No u praksi gornju granicu učinka najčešće ne određuje tehnologija, nego kvaliteta procesa u koje je tehnologija uvedena. AI može ubrzati rad, ali ne može nadoknaditi loše dizajniran sustav.
AI može povećati brzinu rada. Ali procese koji su loše postavljeni ne može pretvoriti u sustav visoke izvedbe.
OBJAŠNJENJE
Kada organizacija uvodi AI, prvi učinci obično se vide na razini pojedinačnih aktivnosti. Priprema sadržaja traje kraće, obrada informacija postaje brža, a dio rutinskog rada lakše se izvršava. To stvara dojam da se performanse organizacije automatski podižu zajedno s uporabom tehnologije.
No vrlo brzo postaje vidljivo da učinak ima granicu.
Ako su procesi i dalje opterećeni nepotrebnim koracima, višestrukim provjerama, prekidima u toku informacija, nejasnim odgovornostima i sporim donošenjem odluka, AI samo ubrzava dijelove sustava koji je i dalje strukturno slab. Drugim riječima, tehnologija može povećati tempo rada, ali ne može sama ukloniti organizacijsku frikciju ugrađenu u proces.
Zbog toga dvije organizacije mogu koristiti slične AI alate i ostvariti potpuno različite rezultate. Ona s jasnijim, kraćim i bolje povezanim procesima gotovo uvijek će ostvariti veći učinak. Ona s loše dizajniranim tokom rada vrlo će brzo naići na plafon, bez obzira na kvalitetu alata.
To je razlog zašto su procesi stvarna granica performansi. Oni određuju koliko se tehnološki potencijal može pretvoriti u organizacijsku vrijednost. AI zato ne treba promatrati samo kao alat za ubrzanje. Treba ga promatrati i kao dijagnostički instrument koji pokazuje gdje proces više ne može nositi razinu složenosti, brzine i koordinacije koju nova tehnologija omogućuje.
Što to znači za organizacije?
- AI inicijative treba promatrati kroz kvalitetu procesa, a ne samo kroz funkcionalnost alata
- usko grlo performansi najčešće nije u pojedincu, nego u načinu na koji posao teče kroz organizaciju
- prije skaliranja AI-a potrebno je identificirati gdje proces stvara kašnjenja, prijenose i redundancije
- veći tehnološki kapacitet bez redizajna procesa često samo povećava vidljivost postojećih slabosti
Povezano sa ZPR modelom
Ovaj uvid izravno se odnosi na prijelaz iz automatizacije zadataka u transformaciju procesa. To je trenutak u kojem postaje jasno da stvarni učinak AI-a ovisi o tome koliko je organizacija spremna redizajnirati način na koji se rad odvija. Pogledajte i povezanu analizu kako organizacije prelaze iz lokalne automatizacije u redizajn procesa i operativnog modela.