AI ไม่ได้ล้มเหลวในการทำงาน Leaders คือผู้ที่ล้มเหลวในการออกแบบงานใหม่

การสำรวจของ Google–Ipsos พบว่าเพียง 5% ของพนักงานที่พิจารณาตัวเองว่ามีความรู้เกี่ยวกับ AI มีเพียง 14% ที่ได้รับการฝึกอบรมเกี่ยวกับ AI ในช่วงปีที่ผ่านมา และมากกว่าครึ่งหนึ่งเชื่อว่า AI ไม่เกี่ยวข้องกับงานของพวกเขา ในตอนแรก ดูเหมือนว่าจะเป็นปัญหาที่คุ้นเคย – ช่องว่างในการฝึกอบรม ปัญหาในการตระหนัก หรืออาจเป็นความต้านทานของพนักงาน

แต่ข้อมูลที่ได้เผยให้เห็นถึงความขัดแย้งอันลึกซึ้งยิ่งขึ้น AI เป็นลำดับความสำคัญเชิงกลยุทธ์ที่ด้านบนสำหรับบริษัทต่างๆ เช่น Accenture ซึ่งได้ส่งสัญญาณว่าความสามารถในการใช้ AI จะมีอิทธิพลต่อการเลื่อนตำแหน่งผู้นำ แต่การนำ AI ไปใช้ vẫnเป็นเรื่องของการปรับใช้และกระจายตัวไปทั่วทั้งองค์กร หาก AI กำลังเปลี่ยนแปลงองค์กรแล้ว ทำไมจึงยังรู้สึกเหมือนเป็นตัวเลือกบนพื้น?

คำตอบอยู่ไม่ใช่ในความไม่เต็มใจของพนักงาน แต่อยู่ในด้านการออกแบบองค์กรและการทำงาน

การหลอกลวงของผลผลิต

หลายองค์กรที่ นำ AI มาใช้ ในกระบวนการทำงานของตนได้เห็นผลผลิตที่เพิ่มขึ้นที่ระดับบุคคลหรือระดับงาน แต่ในทางกลับกัน ไม่มีหลายบริษัทที่เห็นการลดลงของต้นทุนการผลิตหรือการขยายตัวของผลผลิตที่สอดคล้องกัน

ทำไม? เพราะผลผลิตที่เพิ่มขึ้นที่ระดับบุคคลไม่ได้เปลี่ยนแปลงเศรษฐกิจของทั้งองค์กรโดยอัตโนมัติ ดังนั้น แม้ว่างานจะลดลง แต่ก็ไม่สามารถเปลี่ยนแปลงโครงสร้าง P&L ได้ ผลลัพธ์คือพื้นที่กลางที่ไม่สบายใจ: การเพิ่มประสิทธิภาพเล็กน้อย ต้นทุนใบอนุญาต AI ที่เพิ่มขึ้น และไม่มีการเปลี่ยนแปลงโครงสร้างในการสร้างมูลค่า นี่คือ การเปลี่ยนแปลงที่ไม่สำคัญ ที่ปลอมตัวเป็นการเปลี่ยนแปลง

ค่าใช้จ่ายที่ซ่อนอยู่ของมนุษย์

ยังมีผลกระทบที่ซับซ้อนและอันตรายมากกว่านั้น เมื่อ AI ดูดซับงาน งานจะลดลง แต่ไม่ได้เพิ่มคุณค่า พนักงานประหยัดเวลา แต่ไม่ได้รับเป้าหมาย องค์กรปลดปล่อยชั่วโมงโดยไม่ต้องกำหนดวิธีการสร้างมูลค่าใหม่

หากนักพัฒนาสร้างโค้ดได้เร็วขึ้น 40% สิ่ง gìจะเติมเต็มช่องว่างที่ตามมา? ชั่วโมงอาจจะถูกประหยัด แต่บทบาทจะกลายเป็นบางส่วน – น้อยท้าทาย น้อยมีความหมาย มากกว่าความคาดหวังที่คลุมเครือ และผู้จัดการรู้สึกกดดันในการดึงผลประโยชน์จากต้นทุนที่ไม่สามารถทำได้อย่างชัดเจน แผงควบคุมแสดงผลผลิตที่สูงขึ้น แต่ผลลัพธ์แทบจะไม่เปลี่ยนแปลง

นี่คือต้นทุนซ่อนเร้นที่เกิดจากการวาง AI บนงานที่มีอยู่แล้ว มันให้ประสิทธิภาพโดยไม่เพิ่มบทบาทของมนุษย์ หากไม่มีการออกแบบใหม่โดยเจตนา การเพิ่มประสิทธิภาพจะยังคงอยู่ในระดับพื้นผิว พนักงานรู้สึกไม่เกี่ยวข้อง และองค์กรจับได้เพียงเศษเสี้ยวของศักยภาพที่แท้จริงของ AI

นี่ไม่ใช่ปัญหาในการนำ AI ไปใช้ในการทำงาน แต่เป็นปัญหาในการออกแบบกระบวนการทำงานและการนำ AI ไปใช้

การออกแบบ ROI: การออกแบบผลลัพธ์ผ่านการเปลี่ยนแปลงกระบวนการทำงาน

ในวันนี้ การนำ AI ไปใช้ส่วนใหญ่เริ่มต้นด้วยคำถามที่ไม่ถูกต้อง: “เราจะนำ AI ไปใช้กับงานที่มีอยู่แล้วได้อย่างไร?” มันสะท้อนถึงความผิดพลาดในยุคดิจิทัลที่ผ่านมา – การดิจิทัล化สิ่งที่มีอยู่แล้วโดยไม่ต้องคิดใหม่ว่ามูลค่าถูกสร้างขึ้นอย่างไร คุณสามารถทำให้กระบวนการทำงานอัตโนมัติและเร็วขึ้น แต่หากไม่มีการออกแบบกระบวนการทำงานใหม่ โมเดลการดำเนินงานจะยังคงไม่เปลี่ยนแปลง

AI ต้องการจุดเริ่มต้นที่แตกต่าง: หาก AI เป็นส่วนหนึ่งของกระบวนการนี้ตั้งแต่แรก เราจะออกแบบมันใหม่จากศูนย์

ผลกระทบที่แท้จริงอยู่ที่การเปลี่ยนแปลงจากงานที่ได้รับการเพิ่มประสิทธิภาพโดย AI ไปสู่การออกแบบกระบวนการทำงานที่มี AI เป็นหลัก ซึ่งเริ่มต้นด้วยผลลัพธ์ ไม่ใช่ประสิทธิภาพ คือเป้าหมายคือการปล่อยสินค้าเร็วขึ้น การตัดสินใจที่แม่นยำยิ่งขึ้น การให้บริการลูกค้าที่เป็นส่วนตัวยิ่งขึ้น การสูญเสียความเสี่ยงที่ลดลง หรืออัตราการแปลงที่สูงขึ้น? เมื่อเป้าหมายชัดเจนแล้ว ผู้นำจะต้องจินตนาการถึงกระบวนการทำงานทั้งหมด – สิ่งที่ถูกทำให้อัตโนมัติ ที่ไหนที่การตัดสินใจของมนุษย์นั่งอยู่ วิธีการเปลี่ยนแปลงความรับผิดชอบ และวิธีการวัดประสิทธิภาพ

อาจหมายถึงการกำจัดขั้นตอน การกำหนดบทบาทใหม่ การบีบอัดวงจรการตัดสินใจ และการกระจายสิทธิ์ใหม่ ก็ต่อเมื่อผลผลิตที่เพิ่มขึ้นจะกลายเป็นโครงสร้างมากกว่าการเพิ่มประสิทธิภาพเล็กน้อย และ ROI จะขยายตัวไปไกลกว่าการประหยัดชั่วโมงไปสู่การขยายตัวของมาร์จิน การเติบโตของรายได้ หรือการลดความเสี่ยง

การเปลี่ยนแปลงทักษะ

เมื่อกระบวนการทำงานถูกออกแบบใหม่ บทบาทของมนุษย์ก็ต้องเปลี่ยนแปลงไปด้วย การทำงานเปลี่ยนจากการดำเนินการไปสู่การตัดสินใจ การตัดสินใจ และความรับผิดชอบ ผู้นำจะต้องเปลี่ยนแปลงในห้าด้าน

ประการแรก การคิดใหม่เกี่ยวกับการจ้างงาน องค์กรที่มี AI เป็นหลักต้องการคนสามารถให้เหตุผลจากหลักการแรก สร้างสรรค์ และสามารถออกแบบระบบใหม่

ประการที่สอง การเปลี่ยนแปลงการเรียนรู้ การฝึกอบรมในห้องเรียนเกี่ยวกับการใช้ AI จะไม่เพียงพอ พนักงานต้องมีส่วนร่วมในการออกแบบกระบวนการทำงานใหม่

ประการที่สาม การออกแบบเส้นทางอาชีพใหม่ การเลื่อนตำแหน่งไม่ควรขึ้นอยู่กับระยะเวลาการทำงานหรือปริมาณงาน แต่ควรขึ้นอยู่กับการเป็นเจ้าของผลลัพธ์ คุณภาพการตัดสินใจ และการสร้างมูลค่าใน環境ที่มี AI

ประการที่สี่ การวัดสิ่งที่สำคัญ หากการนำ AI ไปใช้ถูกวัดโดยอัตราการใช้เครื่องมือหรือจำนวนใบอนุญาตที่ติดตั้ง องค์กรจะยังคงเห็นผลผลิตที่เพิ่มขึ้นเล็กน้อยและความผิดหวังที่เพิ่มขึ้น หยุดติดตามการนำ AI ไปใช้โดยการนับจำนวนการเข้าใช้เครื่องมือ เริ่มต้นติดตามการบีบอัดวงจรการตัดสินใจ การลดข้อผิดพลาด การเพิ่มรายได้ และการปรับปรุงต้นทุน

และประการสุดท้าย การเปลี่ยนแปลงโดยผ่านผู้นำ AI การเปลี่ยนแปลงนี้จะไม่เกิดขึ้นโดยอัตโนมัติ แต่ต้องมีผู้นำที่มีพลังในการเปลี่ยนแปลง

เวลาที่จะเปลี่ยนแปลงการออกแบบงานคือตอนนี้

ข้อมูลที่แสดงว่าเพียง 5% ของพนักงานที่พิจารณาตัวเองว่ามีความรู้เกี่ยวกับ AI ไม่ควรอ่านว่าเป็นความล้มเหลวของความทะเยอทะยานของพนักงาน แต่ควรอ่านว่าเป็นหลักฐานที่ว่าองค์กรยังไม่ได้ฝัง AI ลงในโครงสร้างพื้นฐานของงาน

ตราบเท่าที่ AI ถูกวางบนกระบวนการทำงานในยุคอุตสาหกรรม ผลกระทบของ AI จะยังคงเป็นเพียงเล็กน้อย ผลผลิตที่เพิ่มขึ้นจะกระจายตัวไปทั่วทั้งองค์กร งานจะรู้สึกลดลงมากกว่าที่จะเพิ่มขึ้น ROI จะยังคงไม่ชัดเจน บริษัทที่จะก้าวหน้าจะไม่ใช่บริษัทที่ใช้ AI มากที่สุด แต่จะเป็นบริษัทที่ออกแบบงานใหม่โดยเจตนาและเน้นผลลัพธ์