Adopce AI roste. Zlepšuje se ale i výkonnost podniků?

Firmy se potýkají s tím, jak investice do AI proměnit ve významné výnosy. Využívání AI roste, přesto pouze 13% organizací uvádí, že jim AI přináší významnou transformační hodnotu. Tento rozdíl by měl vedoucí pracovníky přimět k zamyšlení, zda měří aktivitu, nebo skutečnou změnu.

Pod tlakem, aby doložily jasnou návratnost investic do AI, organizace často sahají po metrikách, které lze snadno vykazovat, například po využívání nástrojů, počtu aktivních uživatelů nebo míře adopce. Tyto ukazatele vypovídají o tom, zda zaměstnanci AI používají. O tom, zda se práce zlepšuje nebo zda investice přináší hodnotu, nám ale říkají jen málo.

Například PwC zjistila, že 64% dotázaných pracovníků používalo AI v práci během uplynulých 12 měsíců, což představuje meziroční nárůst o deset procentních bodů. Na první pohled jde o slibný signál růstu, samo o sobě to však nedokládá dopad na hospodářský výsledek. Adopce AI se stává marnivou metrikou, když ji vedoucí pracovníci považují za důkaz transformace. Výstižnějším měřítkem je, jak AI pomáhá proměňovat poznatky z předchozích projektů v rámce, nástroje a urychlovače, které zlepšují způsob, jakým týmy dosahují výsledků.

Skrytý problém: AI může urychlit práci, kterou je třeba změnit

Než organizace zavedou AI, potřebují porozumět účelu pracovního postupu, určit zbytečné kroky a znovu zvážit, jak by se práce měla vykonávat. Je to důležité, protože zavedení AI může urychlit neefektivní proces, posunout úzká místa do navazujících částí pracovního postupu a zvýšit potřebu kontroly nebo přepracování.

Stejné porozumění by mělo určovat i to, co organizace měří. Pohled na celý pracovní postup týmům pomáhá zjistit, jak změny v jednom úkolu ovlivňují vše, co následuje, a zda zdánlivé přínosy skutečně snižují potřebné úsilí, nebo je pouze přesouvají na někoho jiného.

AI může urychlit jednotlivé úkoly, například psaní textů, shrnování informací nebo rychlejší analýzu dat, aniž by zlepšila procesy. Rychlejší tvorba obsahu může například zvýšit objem práce, který následně připadne kontrolorům a schvalovatelům. Úzké místo se přesune, i když jednotliví zaměstnanci hlásí úsporu času.

Právě zde se z metrik produktivity mohou stát marnivé metriky. Rychlejší dokončení jednoho úkolu může vypadat jako rychlý úspěch, může však přehlížet úsilí potřebné k tomu, aby se výstup v navazujících částech pracovního postupu proměnil v užitečný výsledek. Nové uspořádání pracovního postupu by mělo začínat zamýšleným výsledkem; teprve potom je třeba určit, kde AI přináší hodnotu a které kroky je nutné změnit.

Produktivita při jednotlivých úkolech i produktivita celého pracovního postupu jsou důležité. Chceme-li je měřit společně, musí týmy překročit rámec úspory času u jednotlivých úkolů a posoudit kvalitu, přepracování i celkové lidské úsilí potřebné k dosažení výsledku.

Co jsme se naučili, když jsme se sami stali klientem AI

Ve společnosti Arionkoder jsme vytvořili Socrates, náš interní program transformace, který nám měl pomoci stát se organizací, jejíž fungování od základu stojí na AI. Když jsme AI vyzkoušeli na vlastním „případu nula“, ukázalo se, jak mohou přínosy v produktivitě jednotlivých úkolů zakrýt problémy v celém pracovním postupu. Zpočátku jsme například předpokládali, že využití AI k vytváření shrnutí schůzek, seznamů úkolů a aktualizací projektů zefektivní tyto činnosti v našich projektových pracovních postupech. Větší objem informací však stále vyžadoval ruční kontrolu, stanovení priorit a koordinaci napříč týmy. Pracovní zátěž se tak přesunula do navazujících částí pracovního postupu, místo aby se snížila. Uvědomili jsme si, že rychlejší provádění jednotlivých úkolů nutně neznamená efektivnější pracovní postup jako celek. Cíl programu Socrates zůstával aktuální, program však musel týmům pomoci přejít od urychlování izolovaných úkolů k přepracování pracovních postupů od začátku do konce.

Tento nezdar se ukázal jako užitečný, když jsme prozkoumali, co se stalo, a zjištění uplatnili při dalším pokusu. Potvrdil nám, že transformace pomocí AI závisí na více než pouhém zavedení technologie. Vyžaduje změnu způsobu, jakým se lidé učí z experimentů, rozhodují a spolupracují. Socrates měl zaměstnancům pomáhat propojit to, co vytvořili samostatně, se způsobem, jakým se práce skutečně vykonávala.

Upravený přístup dává experimentování jasnou posloupnost. Zaměstnanec může začít tím, že pomocí AI vyřeší jeden malý, skutečný problém. Dalším krokem by bylo ověřit, zda jeho výtvor dokáže použít někdo jiný. Poté by firma mohla prozkoumat širší pracovní postup, určit místa, která způsobují potíže, a propojit práci se schopnostmi, jež rozvinuly jiné týmy. Sdílení poznatků mezi zaměstnanci pomáhá posoudit, zda zlepšení zůstává užitečné i mimo úkol, pro který bylo původně navrženo.

Toto rozlišení je důležité. Vytvořit něco, co funguje pro jednoho člověka, je výchozím bodem. Má-li vzniknout hodnota pro celou organizaci, je třeba pochopit, jak výtvor používají ostatní a co se změní, když se stane součástí širšího procesu.

Naše změna přístupu proto začala zamýšleným výsledkem. Čeho měl tým dosáhnout? Které kroky k tomuto výsledku přispívaly a které existovaly jen kvůli zavedenému procesu, který už neplnil svůj účel? Tyto otázky nám pomohly přesunout pozornost od přidávání AI k jednotlivým úkolům k přepracování pracovního postupu podle jasnějšího cíle.

Poté jsme pro každý pracovní postup stanovili výchozí hodnoty a odpovídající kritéria. Vedle doby dokončení jsme sledovali kvalitu, přepracování a úsilí zaměstnanců. Tyto ukazatele nám pomohly posoudit zlepšení v rámci celého procesu.

V rámci Socrates jsme přepracovali více než 20 pracovních postupů a experimenty zaměřené na skutečné obchodní problémy proměnili v možnosti, které mohli využít i ostatní. Příprava finančních výkazů se zkrátila ze čtyř hodin na 20 minut, zatímco IT zaznamenalo o 40 % méně opakujících se úkolů a 60% zkrácení doby odezvy. Tyto výsledky dokládaly provozní pokrok. Abychom pochopili, jak se tyto ukazatele promítají do obchodní hodnoty, je třeba posoudit, zda se snížilo pracovní úsilí v celém procesu a jak týmy využily získanou kapacitu.

Ponaučení pro nás bylo sledovat zlepšení až do konce. Úspora času jednotlivců je důležitá, skutečnou hodnotu pro organizaci však přináší tehdy, když pomáhá dalšímu člověku odvést lepší práci a přibližuje tým k zamýšlenému výsledku.

Co by měli CIO měřit místo toho

Sledovat zlepšení až po jeho dopad na podnikání vyžaduje víc než jen monitorovat využívání AI nebo ušetřený čas. Vedoucí pracovníci musí propojit zavádění AI se zlepšením způsobu práce a s výsledky, které práce přináší. Pokrok je třeba měřit na třech odlišných úrovních:

1. Využívání: Používají zaměstnanci AI?

   Využívání AI zůstává užitečným diagnostickým ukazatelem. Údaje o používání, zapojení do experimentů a zpětná vazba zaměstnanců mohou ukázat, kde lidé získávají jistotu a kde potřebují podporu.

   Tyto signály pomáhají vedoucím pracovníkům porozumět připravenosti organizace, samy o sobě však nedokládají návratnost investic. Vysoká míra využívání je podnětem k dalšímu zkoumání, nikoli důkazem transformace.

2. Výkonnost pracovních postupů: Zlepšuje se skutečně práce?

   Kritéria úspěchu by měla odrážet zamýšlený účel pracovního postupu. Podle konkrétního případu použití může zlepšení znamenat přesnější informace, méně chyb nebo rychlejší vyřešení.

   Porovnávejte výkonnost s výchozím stavem v rámci celého procesu. Sledujte odstraněné zbytečné kroky, opakovanou práci, kvalitu a celkové pracovní úsilí zaměstnanců. Zahrňte i lidi, kteří výstupy vytvořené AI přijímají a dále s nimi pracují. Úkol se nutně nestal efektivnějším, pokud jinde vyvolává potřebu dodatečné kontroly nebo oprav.

3. Dopad na podnikání: Zlepšuje pracovní postup využívající AI obchodní výsledky?

   Propojte zlepšení pracovních postupů s výsledky, na kterých vedení již záleží, například s udržením zákazníků, tržbami, kvalitou služeb nebo náklady na vyřešení jednoho požadavku. Tvorba většího množství obsahu například dokládá vyšší produkci. Její přínos pro podnikání závisí na tom, jakého obsahu se podaří dosáhnout.

   Sledujte, jak se využívá ušetřený čas. Vedla dodatečná kapacita ke zlepšení služeb, podpoře růstu nebo snížení provozních nákladů? Posuzujte hodnotu ve vztahu k celkovým nákladům na její dosažení, včetně lidské práce, spotřeby AI, integrace, dohledu, školení a údržby.

Tyto ukazatele společně pomáhají vedoucím pracovníkům sledovat, jak se využívání AI promítá do lepších pracovních postupů a obchodních výsledků. Pokud se využívání AI zvyšuje, ale nesnižuje se pracovní úsilí lidí, nezlepšuje se kvalita ani nevzniká obchodní hodnota, je třeba před rozšířením řešení přehodnotit jeho přístup.

Vedoucí pracovníci musí nově definovat pokrok v oblasti AI

Údaje o využívání AI pomáhají firmám zjistit, kdo ji používá a kde je třeba poskytnout větší podporu. Chceme-li porozumět její hodnotě, musíme naslouchat lidem, kteří práci vykonávají, a posoudit, zda dosažené přínosy zlepšují širší pracovní postup. Vedoucí pracovníci musí zaměstnancům dodat jistotu, aby upozorňovali na přístupy, které zvyšují pracovní úsilí, aniž přinášejí lepší výsledky, a následně na základě těchto zjištění jednat. Změna nebo ukončení neúčinného přístupu představuje pokrok, pokud získané poznatky pomohou lépe rozhodnout příště.

Smysluplná transformace se projevuje odstraněním zbytečné práce, dosahováním lepších výsledků a větší kapacitou pro důležitou práci. Právě podle těchto výsledků by měli vedoucí pracovníci posuzovat pokrok v oblasti AI a řídit další investice.