AI КОМП-АС — разбор фреймворка. М: Можем ли дойти?

Мы подошли к этапу, где наконец перекинем мостик от анализа текущего состояния организации и бизнес-целей к технологиям и имплементации процесса AI трансформации. Ниже я опишу подход, позволяющий оценить достижимость намеченной стратегии и подготовиться к формированию реализуемой дорожной карты изменений. Отвечаем на вопрос: Можем ли дойти?

Пройдя два предыдущих этапа, организация уже проделала большую работу – сформировано понимание стратегических целей ^[1] и проведен анализ текущего положения, возможностей и ограничений ^[2] – с этим пониманием уже можно двигаться в сторону поиска решений и их реализации, и речь здесь можно вести не только о цифровизации и внедрении решений на базе искусственного интеллекта ^[3], а по факту о любом аспекте бизнеса вашей компании. Поиск путей решения – комплексная и нелинейная задача, если мы оказываемся за пределами урока геометрии и говорим о решении задач бизнеса. Имеем исходную точку А, имеем целевую точку B – как найти расстояние между ними. Идем делать Gap-анализ.

GAP Анализ

Цифровую трансформацию бизнеса необходимо рассматривать во многих разрезах – бизнес-метрики, процессы, технологии, сотрудники и т.д. Для того, чтобы структурировать процесс GAP анализа в нашем случае и сделать его более легким для восприятия ^[4], далее я обращусь к понятной каждому аналогии с человеческим телом и излечение от травмы. Каждый счастливый обладатель травмы позвоночника знает, что процесс лечения будет построен на работе с такими ключевыми сотсавляющими организма, как мышцы, скелет, нервная система ^[5] и психология. Это удачно перекладывается на вопрос AI трансформации, где:

• Мышцы – видимая часть тела соответствует бизнес-метрикам организации, в которых находят отражения как стратегические цели, так и текущее положение бизнеса

• Скелет – то, что скрыто, но составляет базис, к которому крепятся мышцы, это бизнес-процессы вашей организации

• Нервы – то, что обеспечивает передачу информации в теле, в разрезе организации это технологическая инфраструктура, цифровые системы и данные

• Психология – драйвер всех изменений и ключ к успеху, это сотрудники и корпоративная культура вашей организации

Давайте пошагово обсудим анализ каждого блока.

МышцыСтратегия

Начинаем с разбора целевых стратегических метрик: задача смапить их на текущие метрики организации, чтобы определить «недостачу», которую необходимо «покрыть».

Для того, чтобы понять «как покрыть разницу», на следующем этапе нам необходимо будет связать метрики с процессами, на них влияющими – определить те кости, к которым крепятся наши мышц – поэтому необходимо, чтобы метрики были достаточно декомпозированы, чтобы можно было их связать с процессами, и в идеале быть выражены конкретной количественной характеристикой.

Например, если ваша стратегическая метрика звучит так: Достигнуть 85+% эффективности производственной линии – это слишком общая метрика, которая покрывает слишком широкий пласт процессов. Она нуждается в декомпозиции на Простои линии, Производительность линии и Контроль качества продукции, для которых в свою очредь требуется определить целевой показатель – Простои не более 2%, Объем производства – 90% потенциального объема, Кол-во брака – не более 3%.

Далее мапим целевые показатели на показатели текущие для определения, какие именно операционные драйверы, нуждаются в модификации для достижения требуемого результата.

Например, видим, что на текущий момент Простои линии составляют 9%, объем производства – 92%, Кол-во брака – 4%. Соответственно понимаем, что на текущий момент ключевая проблема в простоях линии и идем разбираться с этим – вероятно простои отражаются и на вынужденном повышении производительности линии до близких к потенциальному максимуму величин, что в свою очередь вероятно ведет к увеличению брака.

Если необходима более глубокая декомпозиция метрик, то проводим ее до того уровня, что однозначно позволяет определить проблемный процесспроцессы. Так, например, в случае с Простоем вероятно понадобится идти до метрик Сервиса и Обслуживания, метрик Закупок зап.частей и комплектующих и далее.

СкелетПроцессы

На стадии МышцыСтратегия мы определили проблемную метрику и связанный с ней процесс. Исходя из анализа текущего состояния организации ^[2] мы имеем описание AS IS для данного процесса с подсвеченными проблемами и ограничениями. На данном этапе СкелетПроцесс задача спроектировать процесс TO BE, который позволит преодолеть разрыв между целевым и текущим показателем метрики. При проектировании TO BE процесса важно задавать вопросы и формировать гипотезы, связанные с возможностью применения AI-инструментов: сможем ли мы автоматизировать этот шаг? сможем ли мы помочь в принятии решения, сформировав рекомендации? сможем ли мы действовать проактивно, а не рекативно, исходя из исторических данных?

Сравнивая AS IS и TO BE процессы, выделяем соответствующие точки для роста: каждый выделенный «гэп» можно в дальнейшем будет рассматривать как потенциальную инициативу для AI трансформации.

К примеру, мы выявили, что проблема в процессе Закупок – на текущий момент он реактивный, потребности ^[6] формируются по факту недостачи компонента при поломкеобслуживании, закрытие потребности авральное, занимает до нескольких недель, завися от наличия у поставщиков и т.д.. Процесс TO BE Закупок – проактивный, потребности формируются, исходя из исторических данных, заказы формируются контролируемо, позволяя управлять ценойкачеством поставки и т.д. Соответственно одной из потенциальных задач для AI тут может быть – Предиктив на ремонт и обслуживание производственной линии.

НервыТех.ландшафт и данные

Задача данного этапа определить «технический гэп» в существующем технологическом ландшафте и данных, который необходимо закрыть для того, чтобы устранить « процессный гэп» и перейти от процессов AS IS к процессам TO BE.

«Три кита», на которых стоит любая AI-инициатива:

• Готовность данных

• Готовность инфраструктуры

• Готовность команды

В разрезе этих трех факторов организации необходимо определить, что им будет необходимо для успешной реализации выделенных инициатив и что на текущий момент «западает» согласно проведенной инвентаризации IT ландшафта и данных:

• Есть ли в оцифрованном виде необходимые исторические данные? Каков их объем? Каково их качество? Какова их структура? Какие информационные системы нам необходимо будет интегрировать в рамках инициативы? Есть ли у нас необходимый API?

• Есть ли у нас необходимые собственные вычислительные мощности? Или мы вынуждены пойти в инициативу с облачным провайдером? Как мы обеспечим безопасность системы? Есть ли у нас необходимая IoT инфраструктура?

• Есть ли у нас необходимая экспертиза для разработки, внедрения и сопровождения решения?

Ответы на подобные вопросы, специфичные для конкретной инициативы помогут сформировать полноценное видение «гэпа» – к примеру, для обозначенной выше задачи на Предиктив на ремонт и обслуживание производственной линии организации может понадобиться: датчики для сбора существенных показателей работы оборудования( вибро, давление, температура и т.д.), хранилище данных, пайплайн процессинга данных, ML-инфраструктура, UI-интерфейс для обслуживающего персонала, интеграция с системами складского учета и др.

Для каждой потенциальной AI инициативы постарайтесь оценить “китов”, на которых она зиждется, по шкале от 1 до 10( 10 – высочайшая готовность, 1 – низший уровень), и сформировать итоговую оценку вашей готовности для закрытия “гэпа”, следуя формуле:

AI Готовность = 0,5 х Готовность данных + 0,3 х Готовность инфраструктуры + 0,2 х Готовность команды

Весовые коэффициенты в данной формуле могут варьироваться от организации к организации и от бизнес-процесса к бизнес-процессу – здесь мы привели универсальное распределение, отражающее специфику внедрения AI инициатив.

Психология Сотрудники и культура

Мы разобрали «харды» – Cкелет, Мышцы и Нервы. Но без «софт» части, без желания пациента встать и идти, все это, увы, не даст желаемого эффекта и останется в зоопарке «дорогих игрушек».

В предыдущей серии мы строили RACI матрицу, отвечающую текущему состоянию организации. Сейчас мы обсудим построение RACI матрицы для TO BE процесса в комбинации с диагностическим фреймворком ADKAR – он довольно тяжеловесен для применения на уровне всей организации, т.к. ориентирован на работу с отдельными сотрудниками, поэтому мы его не рассматривали в статье по анализу состояния организации в целом. В точке, когда мы сузили круг подозреваемых до нескольких ключевых процессов и потенциальных инициатив, критично оценить «культурный гэп».

Вы можете построить идеальный TO BE процесс, “обвесить” его технологиями, но если механик с 30-летним стажем не доверяет “ИИ-шнице” и продолжает “лечить” станок кувалдой, эффекты будут обратными. Задача этого этапа ответить на вопросы «Кто именно и как должен измениться?» и готов ли он к этому?»

ADKAR позволяет оценить готовность человека к принятию изменений и определить, на каком этапе “застревает” сотрудник на пути к новому. Возьмем для примера того же механика и нашу инициативу по предиктивному обслуживанию. Проверим его «восприимчивость» по пяти критериям:

• A (Awareness) — Осознание: Понимает ли механик, почему старый способ работы больше не работает? Понимает ли он, что простои линии убивают прибыль компании и не позволяют повышать ему зарплату? Или он думает: “Начальство опять дурью мается, лишь бы отчёт написать”? Возможный “гэп”: Если нет осознания причин, дальше можно не идти. Начинать нужно с коммуникации и объяснения “почему”.

• D (Desire) — Желание: Хочет ли он лично участвовать в этом? Видит ли он выгоду для себя (например, работа станет менее авральной, больше времени на семью, выше премии)? Или это для него дополнительная головная боль ^[7] и контроль? Возможный “гэп”: Отсутствие желания — главный убийца трансформаций. Здесь нужна работа с мотивацией ^[8], вовлечение в формирование процесса, объяснение выгоды.

• K (Knowledge) — Знания: Есть ли у него навыки, чтобы работать по-новому? Умеет ли он работать с планшетомкомпьютером? Понимает ли, что означают индикаторы системы? Возможный “гэп”: Чисто учебный. Решается тренингами, симуляторами, работой “в паре” с наставником.

• A (Ability) — Способность: Может ли он применять эти знания стабильно, в стрессовой ситуации? Не забудет ли он про планшет с «умными» дашбордами, когда линия реально встала? Возможный “гэп”: Требует практики, коучинга и создания условий, где новое поведение ^[9] легче старого.

• R (Reinforcement) — Подкрепление ^[10]: Есть ли в компании “якоря”, которые удерживают новое поведение ^[11]? Например, новая система KPI, где оценивается не количество “выбитых” деталей, а предсказание поломок. Или премия за безаварийную работу. Возможный “гэп”: Если старую систему мотивации ^[12] не поменять, люди очень быстро скатятся обратно. “Зачем мне этот ваш ИИ, если платят за героизм в авариях?”.

Теперь вернемся на системный уровень к RACI – разберем все на том же примере с Предиктивом для закупок: Предположим, что у нас есть текущая матрица для процесса “Закупка запчастей по факту поломки”. Мы спроектировали TO BE процесс “Проактивный заказ на основе AI-прогноза”.

Очередная задача данного этапа ПсихологияСотрудники – создать RACI для TO BE и сравнить две матрицы:

• Кто становится Responsible (Исполнителем)? Раньше заказ делал механик, теперь его формирует система, а механик только подтверждает. Появилась новая роль — Data Scientist, который отвечает за качество прогноза (Responsible). Этой роли в “как есть” просто не существовало.

• Кто становится Accountable (Ответственным за результат)? Раньше за наличие запчастей отвечал начальник цеха. Теперь за точность прогноза отвечает начальник отдела данных. Кто теперь отвечает за результат? Начальник цеха или какой-то “дата-сатанист” из офиса? Спойлер: ответственным все равно останется начальник цеха, но теперь он обязан сверяться с предоставляемой ему системой информацией.

В результате этого двойного анализа мы получим не просто абстрактное “сопротивление изменениям”, а понимание конкретных проблемных моментов, от которого уже можно отстраивать план трансформации команды:

• Например, понимание по конкретным людям, которые не понимают смысла (Adkar), не хотят меняться (aDkar) или не умеют (adKar). Под них мы пишем программы коммуникаций, мотивации ^[13] и обучения ^[14]. Условный Петрович боится, потому что не умеет читать графики. Кладовщица Зина злится, потому что теперь заказы приходят автоматически и ей не дают “порулить”. Начальник цеха ворчит, потому что появляется контроль и нужно налаживать работу с айтишниками.

• Определятся новые требуемы роли, которых в организации на текущем этапе может не быть (например, Data Scientist, ML-инженер). Зоны конфликтов, где ответственность переходит от одного отдела к другому. Это основа для организационного плана имплементации инициативы: кого нанять, кого переучить, как перераспределить полномочия и, что критически важно, как изменить систему мотивации, чтобы она поддерживала новое поведение – перестать платить за авралы. Начать платить за стабильность и предсказуемость.

Для возможности сравнительной оценки культурного “гэпа” для внедрения различных инициатив для каждой из них рекомендуем оценить готовность ваших сотрудников и корп. культуры в рамках ADKAR по 10-бальной шкале( 10 – все хорошо, 1 – все плохо), саггрегировав оценки в единый показатель, следуя формуле:

ADKAR Оценка = 0,15 x A + 0,2 x D + 0,25 x K + 0,25 x A + 0,15 x R

Без проработки культурного слоя ваш «дорого-богато» сшитый AI-корабль может так и остаться на приколе в порту, просто потому что команда откажется на него подниматься.

Заключение

В рамках данного этапа мы провели углубленный анализ текущего состояния компании и стратегических целей, сопоставив их друг с другом по четырем ключевым измерениям: стратегические метрики, бизнес-процессы, технологическая инфраструктура и люди/корпоративная культура.

Это позволяет нам искать не там, где светло, а там где действительно потеряли. Теперь мы знаем, какие процессы требуют перестройки, каких данных не хватает, где кроются основные барьеры со стороны персонала и системы управления – для преодоления разрыва на каждом из этапов мы формируем и дополняем список инициатив, в том числе реализующихся через AI трансформацию.

В итоге мы получили список инициатив с верхнеуровневой оценкой их реализуемости, исходя из готовности нашего тех.ландшафта и готовности сотрудников к изменениям – AI Готовность x ADKAR Оценка

Впереди нас ждет следующий этап фреймворка, один из наиболее критических — приоритезация инициатив и построение дорожной карты. Без системного подхода к построению плана и определению очередности шагов высок риск распылить ресурсы на множество инициатив, не получив ощутимого бизнес-результата. В следующей «серии» рассмотрим применение Gartner’s AI Tech Sandwich ^[15], обсудим подход к оценке потенциальных AI инициатив по двум критериям: бизнес-ценность и реализуемость и на основе этой информации сформируем дорожную карту трансформации — реалистичный поэтапный план, дающий последовательное движение от быстрых побед к масштабным изменениям.

—————-

Алексей Бобок,

AI трансформация, Рафт

Делюсь опытом ^[16] внедрения ИИ в бизнес через поиск максимальной ценности:

https://t.me/aibobok ^[17]