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 и проведен анализ текущего положения, возможностей и ограничений — 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, 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, 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 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.

Мышцы\Стратегия

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 процесс\процессы. Так, например, в случае с Простоем вероятно понадобится идти до метрик Сервиса и Обслуживания, метрик Закупок зап.частей и комплектующих и далее.

Скелет\Процессы

На стадии Мышцы\Стратегия мы определили проблемную метрику и связанный с ней процесс. Исходя из анализа текущего состояния организации мы имеем описание AS IS для данного процесса с подсвеченными проблемами и ограничениями. На данном этапе Скелет\Процесс 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 формируются по факту недостачи компонента при поломке\обслуживании, 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 ценой\качеством поставки и т.д. Соответственно одной из потенциальных задач для AI тут может быть — Предиктив на ремонт и обслуживание производственной линии.

Нервы\Тех.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 и контроль? Возможный «гэп»: Отсутствие желания — главный убийца трансформаций. Здесь нужна работа с мотивацией, вовлечение в формирование процесса, объяснение выгоды.

• K (Knowledge) — Знания: Есть ли у него навыки, чтобы работать по-новому? Умеет ли он работать с планшетом\компьютером? 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 легче старого.

• R (Reinforcement) — Подкрепление: Есть ли в компании «якоря», которые удерживают новое поведение? Например, новая система KPI, где оценивается не количество «выбитых» деталей, а предсказание поломок. Или премия за безаварийную работу. Возможный «гэп»: Если старую систему мотивации 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 Психология\Сотрудники — 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 и обучения. 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, 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 внедрения ИИ в бизнес через поиск максимальной ценности:

https://t.me/aibobok