Показатель неудач, о котором не принято говорить
Презентации вендоров ИИ безупречны. Результаты пилотов многообещающи. Совет директоров полон энтузиазма. И тем не менее — в разных отраслях, регионах и организациях любого масштаба — данные говорят одно и то же: примерно 70% инициатив по трансформации на базе ИИ не достигают ожидаемой бизнес-ценности.
Это не технологический провал. Технология работает. Большие языковые модели способны обрабатывать документы. Чат-боты могут отвечать на вопросы. Предиктивные модели могут прогнозировать спрос. Сам ИИ не является проблемой.
Провалы организационны. Они следуют предсказуемым паттернам, которые больше напоминают неудачные инициативы по управлению изменениями за последние 30 лет, чем сбои технической реализации.
Понимание этих паттернов — первый шаг к их предотвращению.
Паттерн 1: Инструменты без трансформации
Самый распространенный паттерн неудачи также самый очевидный: организация закупает инструменты ИИ и внедряет их в существующие рабочие процессы, не меняя сами процессы.
Государственное ведомство приобретает систему обработки документов на базе ИИ и подает в нее те же документы через тот же процесс приема в тот же процесс согласования. ИИ обрабатывает документы быстрее — но узким местом никогда не была обработка документов. Им были шесть последующих этапов утверждения, логика маршрутизации, которая сначала направляет каждый документ не тому рецензенту, и тот факт, что 40% заявок неполные, потому что форма приема была разработана в 2003 году.
ИИ ускоряет часть неэффективного процесса. Общий результат почти не меняется. Руководство делает вывод, что ИИ не приносит ROI.
Урок носит структурный характер: инструменты ИИ, внедренные в непереформированные процессы, в лучшем случае дают инкрементальные улучшения. Трансформация требует перепроектирования процесса вокруг того, что делает возможным ИИ, а не встраивания ИИ в то, что уже существует.
Паттерн 2: Чистилище пилотов
Многие организации запускают пилотные проекты ИИ — небольшие контролируемые эксперименты для проверки возможностей ИИ. Пилоты успешны. Команда энтузиастов демонстрирует впечатляющие результаты в конкретном сценарии использования.
А затем ничего не происходит.
Пилот так и остается пилотом. Он никогда не масштабируется на всю организацию, потому что организационные условия для масштабирования не были созданы: нет плана управления изменениями, нет стратегии обучения, нет интеграции с ключевыми системами, нет спонсорства руководства за пределами первоначального одобрения, нет бюджета на промышленное внедрение.
Чистилище пилотов комфортно. Организация может ссылаться на свои «инициативы в области ИИ», фактически не меняя способа работы. Но каждый пилот, который не масштабируется, — это необратимые затраты: инвестиции в доказательство работоспособности, без инвестиций в то, чтобы это имело значение.
Решение: никогда не запускайте пилот без заранее согласованного пути к промышленной эксплуатации. Определите критерии успеха, бюджет на масштабирование и организационные изменения, необходимые до старта пилота.
Паттерн 3: Обучение без встраивания
Организация проводит учебные сессии по ИИ. Сотрудники посещают их. Оценки положительные. Знания передаются.
Спустя шесть недель ничего не изменилось. Сотрудники используют те же инструменты, следуют тем же процессам и выполняют те же задачи тем же способом.
Одного обучения недостаточно, чтобы изменить поведение. Это один из наиболее тщательно задокументированных выводов организационной психологии, и он применим к внедрению ИИ так же, как и к любой другой инициативе по развитию навыков.
Поведение меняется, когда меняется среда: когда рабочие процессы перепроектируются с учетом ИИ, когда инструменты встраиваются в повседневную работу, а не предлагаются как дополнительная опция, когда ожидания по результатам включают продуктивность с применением ИИ, а когда руководители сами демонстрируют использование ИИ.
Обучение необходимо, но недостаточно. Его нужно сочетать с изменением процессов, встраиванием инструментов и постоянным подкреплением со стороны руководства.
Паттерн 4: Отсутствие честной оценки
Организации, не готовые к ИИ, объявляют стратегии трансформации на базе ИИ. Они пропускают неприятный этап оценки — признание того, что их данные разрознены, процессы недокументированы, руководство не понимает возможностей и ограничений ИИ, а культура рассматривает технологии как прерогативу ИТ.
Инициатива по трансформации сталкивается с этими реалиями на этапе внедрения, когда их устранение обходится дорого.
Честная оценка на старте экономит деньги и время. Этап аудита любой серьезной трансформации на базе ИИ должен беспристрастно оценивать реальную готовность организации — а план трансформации должен устранять пробелы, а не делать вид, что их нет.
Паттерн 5: Зависимость от вендора без внутренних компетенций
Организация передает всю трансформацию на базе ИИ на аутсорсинг вендору или консалтинговой компании, не имея плана по развитию внутренних компетенций. Вендор развертывает, настраивает и управляет системами ИИ. Когда сотрудничество завершается, организация не может эксплуатировать, поддерживать или развивать созданное.
Этот паттерн особенно распространен в государственном секторе, где закупочные стимулы способствуют покупке готовых решений, а не развитию компетенций.
Устойчивая трансформация на базе ИИ требует развития внутренней компетенции в области ИИ наряду с внешней реализацией. Каждое сотрудничество должно делать организацию более компетентной, чем она была раньше, — а не более зависимой.
Как выглядят успешные трансформации
Успешные организации обладают общими чертами:
Они рассматривают трансформацию на базе ИИ как организационное изменение, а не как внедрение технологии. План проекта включает перепроектирование процессов, эволюцию ролей, обучение, управление изменениями и развитие культуры — а не только развертывание инструментов.
Они начинают с честной оценки. Они понимают текущее состояние — со всеми его недостатками — прежде чем проектировать целевое состояние.
Они перепроектируют процессы, а не просто автоматизируют их. Вместо вопроса «как ИИ может помочь нам делать это быстрее?» они спрашивают: «если бы мы проектировали этот процесс с нуля, зная, что умеет ИИ, каким бы он был?»
Они инвестируют в людей не меньше, чем в технологии. Обучение, чемпионы изменений, коучинг и постоянная поддержка — а не однодневные семинары.
Они измеряют результаты, а не активность. Успех — это не «мы внедрили 5 инструментов ИИ». Успех — это «мы сократили время обработки на 60%, повысили точность на 25% и перераспределили 12 сотрудников на более высокоценную работу».
Они планируют эволюцию. Возможности ИИ меняются быстро. Успешные организации строят внутреннюю способность адаптироваться, а не только первоначальную реализацию.
Уравнение 80/20
В Remolda мы формулируем это как уравнение 80/20: технология составляет 20% успешной трансформации на базе ИИ. Культура, процессы и люди — остальные 80%.
Большинство организаций инвестируют преимущественно в 20%. Они покупают технологии, запускают пилоты и развертывают инструменты. 80% рассматриваются как второстепенная задача — или не рассматриваются вовсе.
Организации, которые переворачивают это соотношение — затрачивая больше усилий на 80%, чем на 20%, — достигают успеха.