Az AI-előtti vezetési gyakorlatok segítségével olyan szervezeteket építünk, amelyek alapvetően az AI-ra épülnek

Miért alááshatják a hagyományos költségcsökkentési logika, a meggondolatlan munkaerő-gazdálkodási döntések és az intézményi tudás elvesztése éppen azokat a mesterséges intelligencia által vezérelt átalakulásokat, amelyeket a vállalatok elérni próbálnak.

Egy nemrégiben egy barátommal – aki egy nagy multinacionális vállalat pénzügyi vezetője – folytatott beszélgetés elgondolkodtatott egy ellentmondásról, amely számos mesterséges intelligencia (AI) áttérési kezdeményezés középpontjában áll.

A szervezet arra készül, hogy pénzügyi tevékenységeinek jelentős részét átállítsa egy ügynökalapú működési modellre. A célkitűzés nagyratörő: jobb minőség, nagyobb termelékenység és jelentősen alacsonyabb működési költségek. Eddig semmi szokatlan. Pontosan ezek azok az eredmények, amelyek miatt a mesterséges intelligencia általi átalakulás olyan vonzóvá válik az üzleti vezetők számára.

Ami aggasztott, az az volt, hogy az átalakulás hogyan tükröződött a vezetői döntésekben.

Barátnőmnek már egy ambiciózus létszámcsökkentési célt tűztek ki, mégis rendkívül korlátozott rálátása volt arra a jövőbeli működési modellre, amelynek köszönhetően ezek a létszámcsökkentések megvalósulhatnak. Nem tudta, mely tevékenységeket fogják mesterséges intelligencia-ügynökök ellátni, mely döntések maradnak az emberek kezében, illetve hogyan fog működni a kivételek kezelése, a belső ellenőrzés és az elszámoltathatóság. A legfontosabb azonban az volt, hogy nem volt világos képe arról, milyen képességekre lesz valójában szüksége a jövőbeli csapatának.

Ugyanakkor elvárták tőle, hogy tapasztalt alkalmazottai egy részét új tehetségekkel cserélje le, akik friss képességeket hoznak a szervezetbe.

A dilemmája fájdalmasan gyakorlati jellegű volt. Hol lehet olyan szakembereket találni, akik egyaránt értik a vállalat bonyolult belső pénzügyi működését és a mesterséges intelligencián alapuló automatizálást? És hogyan lehet meghatározni a szükséges készségeket, ha még nem határozták meg azt a működési modellt, amelyet ezeknek a szakembereknek támogatniuk kell?

Egy kérdés járt a fejemben: Mi van, ha az elbocsátottak közül éppen azok az emberek vannak, akikre a szervezetnek szüksége van ahhoz, hogy az átalakulás sikeres legyen?

Nem ismerem ennek a konkrét vállalatnak a döntései mögött húzódó teljes összefüggést. Lehet, hogy a szervezet más részein részletes átalakítási tervek léteznek. De a beszélgetés egy önmagában is fennálló problémára derített fényt: az átalakítás végrehajtásával megbízott egyik vezetőnek alig volt rálátása az átalakítás alapjául szolgáló feltételezésekre.

Ennél is fontosabb azonban, hogy ez egy szélesebb körű vezetési kockázatot szemléltet, amely véleményem szerint sokkal nagyobb figyelmet érdemel.

Az AI-előtti világra tervezett vezetési gyakorlatok alkalmazásával próbálunk AI-alapú szervezeteket felépíteni.

1. Létszámcsökkentés: input vagy output?

Karrierem jelentős részét a vállalati pénzügyek területén töltöttem. Megértem azt a nyomást, amely a termelékenység növelésére, a költségek csökkentésére és a pénzügyi célok elérésére irányul. Nincs semmi alapvetően rossz abban, ha ambiciózus hatékonysági célokat tűzünk ki a mesterséges intelligencia általi átalakuláshoz. Sőt, egyértelmű üzleti célok nélkül az átalakítási programok könnyen drága technológiai kísérletekké válhatnak.

A probléma akkor kezdődik, amikor a várható pénzügyi eredményt úgy kezeljük, mintha az már bizonyított működési tény lenne.

Egy hagyományos költségcsökkentési folyamat során a vezetés meghatározhat egy megtakarítási célt, és felkérheti az üzleti egységeket, hogy dolgozzanak ki terveket annak elérésére. Ez a megközelítés abból indul ki, hogy az alapul szolgáló működési modell viszonylag stabil, és hogy a szervezet képes azonosítani a költségcsökkentési lehetőségeket e modell keretein belül.

Az agentikus átalakulás azonban alapvetően más. Ez potenciálisan maga a munka felépítését is megváltoztatja.

Vegyünk egy olyan pénzügyi folyamatot, amely magában foglalja az adatgyűjtést, az érvényesítést, az egyeztetést, a kivételek kezelését, a jóváhagyásokat és a jelentéstételt. A folyamat különböző részei különböző automatizálási formákra alkalmasak lehetnek. Egyes tevékenységeket determinisztikus munkafolyamatokkal lehet kezelni, másoknál előnyös lehet a mesterséges intelligencia által támogatott elemzés, míg bizonyos feladatokra olyan autonóm ügynökök alkalmasak lehetnek, amelyek gondosan meghatározott határok között működnek. Megint mások esetében továbbra is szükség lesz emberi ítélőképességre, felelősségre vagy beavatkozásra.

A lényeges kérdés tehát nem csupán az, hogy hány tevékenységet lehet automatizálni. Hanem az, hogy hogyan fog működni az egész folyamat, miután a munkát újraelosztják az emberek, a szoftverek és a mesterséges intelligencia-ügynökök között.

Ez azért fontos, mert Az automatizálás nem feltétlenül szünteti meg a bonyolultságot. Gyakran csak átcsoportosítja azt.

Előfordulhat, hogy egy folyamat egy bizonyos szakaszában gyorsabbá válik, miközben máshol szűk keresztmetszetet okoz. Egy automatizált döntés megszüntetheti a kézi munkát, ugyanakkor új felügyeleti, érvényesítési vagy kivételkezelési követelményeket támaszthat. Egy ügynök csökkentheti a feldolgozási időt, ugyanakkor növelheti az adatminőségtől, a rendszer rendelkezésre állásától és a hozzáférés-kezeléstől való függőséget.

Ezek a változások nem feltétlenül gyengítik az automatizálás gazdasági indokait. Hanem éppen ezek határozzák meg, hogy milyen is valójában az automatizálás gazdasági indoka.

Ezeknek pedig közvetlen hatása van a munkaerő-tervezésre. Az a folyamat, amely 70% mértékben automatizálásra kerül, nem feltétlenül jelenti azt, hogy 70%-vel kevesebb alkalmazottra lesz szükség. A fennmaradó munka ugyanis eltérő feladatokat, képességeket, ellenőrzési felelősségeket és kapacitási követelményeket vonhat maga után.

A munkaerő-igényt az átalakított működési modellből kell levezetni, nem pedig közvetlenül az automatizáltsági arányból kell következtetni.

Emellett felmerül egy sorrendbeli probléma is. A kapacitás csökkentése még az új működési modell érvényesítése előtt alááshatja éppen azt az átalakítást, amelynek célja a megtakarítások elérése. A megvalósítás során a szervezeteknek gyakran szükségük van további kapacitásra a folyamatok dokumentálásához, az eredmények ellenőrzéséhez, a váratlan meghibásodások kezeléséhez, valamint a régi és az új rendszerek párhuzamos üzemeltetéséhez.

Más szavakkal: a létszámcsökkentés időzítése éppoly fontos, mint annak végső mértéke.

2. Vajon eldobjuk-e azt a tudást, amire a legnagyobb szükségünk van?

A második kérdés különösen aggasztó, mert rávilágít a mesterséges intelligencia által előidézett átalakulással kapcsolatos egy elterjedt feltételezésre: miszerint egy mesterséges intelligenciára épülő szervezet felépítése szükségszerűen azt jelenti, hogy a jelenlegi alkalmazottakat olyanokkal kell felváltani, akik új technológiai készségekkel rendelkeznek.

Néha elkerülhetetlen a külső munkaerő-toborzás. Kétségtelenül szükség lesz új kompetenciákra. Ha azonban ezt elsősorban a munkaerő cseréjének tekintjük, akkor figyelmen kívül hagyjuk az intézményi tudás értékét.

Gondoljunk csak arra a pénzügyi szakemberre, aki tudja, miért bukik meg rendszeresen egy bizonyos egyeztetés; arra a kontrollingvezetőre, aki felismeri, melyik látszólag rutin jellegű tranzakció igényel további vizsgálatot; vagy arra a csapattagra, aki tisztában van azzal, hogy két rendszer ugyanazon üzleti fogalomra kissé eltérő definíciókat alkalmaz.

Ezen ismeretek nagy része nincs hivatalosan dokumentálva. Az emberek tapasztalataiban, a kialakult gyakorlatokban, az informális ellenőrzési mechanizmusokban, valamint abban a megértésben rejlik, hogy a szervezet valójában hogyan működik.

A hagyományos folyamatfejlesztés során ez a tudás értékes. Az agentikus átalakulás során viszont elengedhetetlen lehet.

Amikor a szervezetek elsősorban a dokumentált munkafolyamatokra alapozva automatizálják a folyamatokat, azzal a kockázattal járnak, hogy a formális folyamatot reprodukálják, miközben figyelmen kívül hagyják azokat a kivételeket, függőségeket és informális döntéseket, amelyek a gyakorlatban biztosítják a folyamat működését. Ezek a hiányosságok láthatatlanok maradhatnak mindaddig, amíg az automatizált rendszer nem találkozik olyan helyzettel, amelyet a tapasztalt munkatársak korábban szinte ösztönösen kezelték.

Ez különösen fontos akkor, amikor a hagyományos automatizálásról az önállóbb mesterséges intelligencia-rendszerekre térünk át. Előfordulhat, hogy egy rendszer képes végrehajtani egy feladatot, de a szervezetnek még így is tisztában kell lennie azzal, hogy milyen határok között hajtható végre megbízhatóan az adott feladat, mely kivételes esetek igényelnek beavatkozást, és hogyan lehet felismerni, ha egy látszólag sikeres eredmény valójában hibás.

Azok, akik tisztában vannak ezekkel a különbségekkel, gyakran azok a munkatársak, akik évek óta dolgoznak azokkal a folyamatokkal, amelyeket most automatizálni szeretnénk.

Azok, akik tudják, hol akadozik a folyamat, gyakran éppen azok, akikre szükség van a folyamat átalakításához.

Természetesen nem minden jelenlegi munkakör marad meg, és nem minden alkalmazott rendelkezik az új munkakörbe való átálláshoz szükséges képességekkel vagy motivációval. A döntést azonban a jövőbeli munkakörök és az egyéni képességek alapos értékelése alapján kell meghozni, nem pedig azon az általános feltételezésen, hogy az új technológiákhoz teljesen új típusú munkatársakra van szükség.

Az igazi kihívás nem az, hogy a már meglévő tehetségek és az új tehetségek között válasszunk. Hanem az, hogy hogyan tudjuk ötvözni a szakterületi szakértelmet, a folyamatismeretet, a technológiai képességeket és az AI-alapú műveletek irányításának képességét.

És ezt még mielőtt olyan ismeretek vesznének el, amelyek visszaszerzése rendkívül nehéz lehet.

3. Olyan álláshelyekre keresünk munkatársakat, amelyeket még nem is terveztünk meg

Ez a harmadik ellentmondáshoz vezet: a szervezetek olyan pozíciókra készülnek új tehetségeket toborozni, amelyeket talán még nem is értenek teljesen.

Egyre gyakrabban hallunk olyan kifejezéseket, mint „mesterséges intelligencia-szakértők”, „automatizálási szakértők”, „ügynökfelügyelők” és „mesterséges intelligenciát alkalmazó pénzügyi szakemberek”. De mit is igényelnek valójában ezek a munkakörök?

Egy leendő pénzügyi szakembernek tudnia kell, hogyan kell mesterséges intelligencia-ügynököt fejleszteni, vagy hogyan kell üzleti szabályokat meghatározni és azok teljesítményét értékelni? Szüksége van-e programozási és integrációs ismeretekre, vagy arra a képességre, hogy kivételes eseteket vizsgáljon ki, a mesterséges intelligencia által generált ajánlásokat megkérdőjelezze, és szakmai megítélés alapján döntsön, amikor az automatizált folyamatok bizonytalansággal szembesülnek?

A válasz az üzemeltetési modelltől függ.

Egy magas fokú automatizáltságú számlák kifizetési folyamatának emberi képességekre vonatkozó követelményei jelentősen eltérnek majd egy mesterséges intelligenciával kiegészített pénzügyi tervezési funkcióétól. Még ugyanazon folyamaton belül is a szükséges készségek az autonómia mértékétől, a döntések jellegétől és a hibákkal járó kockázatoktól függően változnak.

Éppen ezért úgy vélem, hogy a stratégiai munkaerő-tervezésnek túl kell lépnie azon, hogy csupán a mai munkaköri leírásokat hasonlítsa össze a jövő technológiai lehetőségeivel.

Meg kell értenünk magát a munkát: mely tevékenységek szűnnek meg, melyek alakulnak át, melyek válnak fontosabbá, és milyen teljesen új emberi feladatok jelennek meg, amikor a mesterséges intelligencia nagyobb részét vállalja a végrehajtásnak.

Meg kell különböztetnünk továbbá az egyéni szinten szükséges képességeket és azokat, amelyek egy csapaton belül megoszthatók.

Egy szervezetnek nem feltétlenül szükséges, hogy minden pénzügyi szakember mesterséges intelligencia-mérnök legyen. Ehelyett inkább olyan szakértők, folyamatfelelősök, mesterséges intelligencia-szakértők, ellenőrzési szakemberek és vezetők kombinációjára lehet szüksége, akik értik, hogyan kell összehangolni a munkát az emberi és a mesterséges intelligencia-erőforrások között.

A megfelelő kombináció az adott folyamattól, technológiától és kockázati környezettől függ.

Csak miután megértettük ezeket a követelményeket, tudunk megalapozott döntéseket hozni az átképzésről, az áthelyezésről, az új munkaerő felvételéről és az esetleges létszámcsökkentésről.

A kérdés nem az, hogy szükségünk van-e új készségekre. Az biztos, hogy szükségünk van rájuk. A kérdés az, hogy megtervezzük-e a munkát, mielőtt eldöntenénk, kinek kell elvégeznie.

4. Az irányításnak az üzemeltetési modell része kell, hogy legyen, nem pedig annak tetején

Ennek a problémának van egy másik dimenziója is, amely gyakran háttérbe szorul a termelékenységről és a munkaerő átalakulásáról szóló vitákban: az irányítás.

Ez a kifejezés általában a szabályoknak való megfelelést, az irányelveket, a dokumentációt és a szabályozási követelményeket idézi fel. Ezek ugyan fontosak, de csupán egy részét képezik annak, amit az irányításnak egy mesterséges intelligenciát alkalmazó szervezetben el kell érnie.

Egy cselekvésközpontú működési modellben az irányítás elválaszthatatlanul összekapcsolódik a működési kialakítással.

Vegyünk egy viszonylag egyszerű pénzügyi automatizálási esetet. Egy mesterséges intelligencia-ügynök felhatalmazást kap arra, hogy tranzakciókat dolgozzon fel, rendszerek közötti adatokat egyeztessen, és eltérések észlelése esetén korrekciós intézkedéseket kezdeményezzen.

Ki határozza meg az ügynök hatáskörét? Mely tranzakciókat hajthat végre önállóan, és melyekhez szükséges jóváhagyás? Milyen információkhoz fér hozzá? Milyen körülmények között kell az ügyet emberi beavatkozásra átadnia? Ki felelős az eredményért, és hogyan észleli a szervezet azokat a hibákat, amelyek nem feltétlenül láthatók azonnal?

Ezek nem olyan kérdések, amelyekre kielégítő választ adhatna egy irányítási keretrendszer bevezetése a megvalósítás után.

Ezek hatással vannak arra, hogy mely tevékenységeket érdemes elsőként automatizálni, mekkora mértékű autonómia megfelelő, milyen technikai képességekre van szükség, és hogyan kell a szervezetnek működnie.

Gazdasági következményekkel is járnak.

Egy olyan folyamat, amely intenzív emberi ellenőrzést igényel, költségszerkezete jelentősen eltérhet attól, amely előre meghatározott automatizált ellenőrzési mechanizmusok keretein belül megbízhatóan működik. Hasonlóképpen, a megelőző ellenőrzések, a folyamatos automatizált felügyelet és az emberi beavatkozás közötti választás jelentősen befolyásolhatja a feldolgozási kapacitást, a működési rugalmasságot és a munkaerő-igényt.

Más szavakkal: az irányítási döntések közvetlenül befolyásolják az üzleti indoklást.

A kormányzás nem csupán korlátozza a mesterséges intelligencia áttérését. Hanem az egyik alapvető tényező, amely szükséges egy olyan működési modell kialakításához, amely megbízhatóan képes értéket teremteni.

Ez egyúttal megkérdőjelezi az üzleti átalakulás, a technológiai bevezetés, a kockázatkezelés és a szabályozási megfelelés közötti hagyományos elkülönítést is. Egy cselekvésorientált szervezetben a fenti területek bármelyikén hozott döntések alapvetően megváltoztathatják a többi terület követelményeit.

Ha ezeket egymástól függetlenül, elkülönült szervezeti szigetekben tervezik meg, az felesleges kockázatokat jelent, és később költséges áttervezéshez vezethet.

5. Az igazi probléma talán az, hogy hogyan kezeljük az átalakulást

Talán a barátom tapasztalatából levonható legfontosabb tanulság nem a technológiával vagy a létszámmal kapcsolatos. Hanem a vezetésről szól.

A nagy léptékű mesterséges intelligencia-átalakítási programokban általában több fél vesz részt. A felsővezetők határozzák meg a pénzügyi és stratégiai célokat. Az üzleti vezetők felelősek a működési megvalósításért. A technológiai csapatok és a külső beszállítók értékelik és valósítják meg a megoldásokat. A HR kidolgozza a munkaerő-terveket, míg a kockázatkezelési és megfelelési részlegek határozzák meg a követelményeket és az ellenőrzési mechanizmusokat.

Minden csoport a saját felelősségi körén belül teljesen ésszerű döntéseket hozhat.

De maguk a döntések is szorosan összefüggenek egymással.

Az automatizálási döntés megváltoztatja a folyamatot. Az átalakított folyamat pedig megváltoztatja a kockázati környezetet. Az irányítási architektúra határozza meg, mely tevékenységek működhetnek önállóan, és melyekhez szükséges az emberi beavatkozás. Ezek a döntések befolyásolják a munkaerő-igényt, a szükséges készségeket, a szervezeti felépítést és a vezetői felelősségi köröket. Ezek együttesen határozzák meg a beruházási költségeket, az üzemeltetési költségeket, a megvalósítási kockázatokat és a várható előnyöket.

Ha ezeket a döntéseket egymástól függetlenül hozzák meg, előfordulhat, hogy a szervezet olyan átalakítási tervet kap, amely papíron koherensnek tűnik, de alapvető ellentmondásokat tartalmaz.

Előfordulhat, hogy a technológiai ütemterv olyan autonómiaszinteket feltételez, amelyeket a vezérlési környezet nem tud támogatni. A munkaerő-terv előre láthatja a létszámcsökkentést, mielőtt a vonatkozó folyamatok működőképessé válnának. A toborzás a technikai készségekre összpontosíthat anélkül, hogy figyelembe venné az átalakított folyamatok működtetéséhez szükséges üzleti ismereteket. A pénzügyi célokat pedig beépíthetik a költségvetésekbe, mielőtt az azok alapjául szolgáló feltételezéseket kellőképpen ellenőrizték volna.

A probléma nem feltétlenül az, hogy valamelyik fél rossz döntést hozott. Az a helyzet, hogy a szervezet nem tudta összekapcsolni azokat a döntéseket, amelyeket már nem lehet önállóan meghozni.

Ezért is gondolom, hogy a mesterséges intelligencia által előidézett átalakuláshoz egy másfajta vezetési szemléletre van szükség.

Nem kevesebb pénzügyi fegyelem, hanem a pénzügyi, működési és szervezeti tervezés szorosabb összehangolása.

Nem kevesebb, hanem egyértelműbb elszámoltathatóság az átalakulás teljes folyamata során.

És nem kevesebb ambíció, hanem annak a feltételeknek a pontosabb megértése, amelyek mellett ez az ambíció megvalósítható.

6. Hogyan nézne ki egy jobb megközelítés?

Én a munkával kezdenék, nem pedig a technológiával vagy a létszámcélokkal.

Az első lépés annak megértése, hogy a jelenlegi folyamatok valójában hogyan működnek, beleértve az adatáramlásokat, a kivételes eseteket, a függőségeket, a szűk keresztmetszeteket, az ellenőrzési mechanizmusokat és a kapacitási követelményeket. Ehhez túl kell lépni a formális folyamatdokumentáción, és be kell vonni azokat a személyeket, akik tisztában vannak azzal, hogy a gyakorlatban hogyan zajlik a munka.

A következő lépés az, hogy alternatív automatizálási forgatókönyveket vizsgáljunk meg, ahelyett, hogy feltételeznénk, hogy a lehetséges legnagyobb fokú autonómia feltétlenül az optimális megoldás. A különböző megoldások eltérő kombinációkat eredményezhetnek a hatékonyság, a minőség, a rugalmasság, a költség és a kockázat tekintetében. Bizonyos esetekben a hagyományos automatizálás is elegendő lesz. Más esetekben viszont a mesterséges intelligencia által nyújtott támogatás vagy az autonóm végrehajtás lényegesen nagyobb értéket teremthet.

Minden egyes forgatókönyvet ezután potenciális jövőbeli működési modellként kell értékelni, nem csupán technológiai megvalósításként.

Hogyan változna a teljes folyamat? Hová kerülnének át a szűk keresztmetszetek? Milyen új kockázatok merülnének fel, és mely meglévő kockázatok csökkennének? Milyen ellenőrzési és irányítási mechanizmusokra lenne szükség? Hogyan oszlanának meg a felelősségi körök az emberek és a mesterséges intelligencia között, és milyen képességekre lenne szüksége a szervezetnek az így kialakuló rendszer működtetéséhez?

Csak így tudunk olyan munkaerő-átállási tervet kidolgozni, amely megkülönbözteti az automatizálandó tevékenységeket, az átalakuló munkaköröket, valamint azokat a képességeket, amelyek belső fejlesztéssel is elsajátíthatók, és azokat, amelyekhez valóban külső munkaerő-toborzásra van szükség.

A pénzügyi üzleti tervnek tükröznie kell ezeket a kölcsönös függőségeket. Meg kell különböztetnie az elméleti automatizálási potenciált a megvalósítható termelékenység-növekedéstől, és – ami különösen fontos – azoktól a megtakarításoktól, amelyek egy meghatározott időkereten belül ténylegesen megvalósíthatók.

A megvalósítási ütemtervnek pedig figyelembe kell vennie, hogy maga az átállás is erőforrásokat igényel. A folyamatok terén szerzett szakértelem, a tesztelési kapacitás, a változáskezelés és a párhuzamos működés nem mellékes tevékenységek. Ezek mind hozzájárulnak ahhoz, hogy az átalakulás egyáltalán megvalósulhasson.

Fontos kiemelni, hogy mindez nem jelenti azt, hogy a pénzügyi célok meghatározásával várni kell, amíg minden operatív részletet tisztáztak. Az ambiciózus célok iránymutatásként szolgálhatnak, és szolgálniuk is kell. De van egy alapvető különbség a cél kitűzése és a cél érvényesített átalakítási tervként való kezelése.

Az integrált tervezés célja, hogy láthatóvá tegye a feltételezéseket, az összefüggéseket, a kompromisszumokat és a bizonytalanságokat, mielőtt a vezetés olyan döntéseket hozna, amelyeket később nehéz lenne visszavonni.

7. A mesterséges intelligencia által előidézett átalakuláshoz másfajta vezetői gondolkodásmódra van szükség

Olyan korszakba lépünk, amelyben a mesterséges intelligencia alapvetően megváltoztathatja a szervezetek működését. Ugyanakkor vezetési gyakorlataink nagy része olyan világra lett kialakítva, amelyben a munka, a szerepkörök és a szervezeti struktúrák viszonylag stabilak voltak.

Éves célokat tűzünk ki, költségvetéseket osztunk el, létszámokat határozunk meg, és a vezetőket felelősségre vonjuk a teljesítésért. Ezek a szabályok továbbra is fontosak. Mivel pályafutásom nagy részét pénzügyi vezetői pozíciókban töltöttem, én lennék az utolsó, aki ezt vitatná.

De ezek már nem elegendőek, amikor maga az átalakulás megváltoztatja a munka jellegét, a felelősségi körök megosztását és az üzleti eredmények eléréséhez szükséges képességeket.

A kihívás nem csupán abban áll, hogy a meglévő szervezeteket hatékonyabbá tegyük. Hanem abban, hogy megértsük: hogyan kellene működniük, amikor az emberi szakértelem és az egyre önállóbbá váló mesterséges intelligencia-rendszerek együttműködnek.

Ehhez más döntéshozatali folyamatra, az üzleti funkciók közötti másfajta integrációra, valamint a szervezeti tudás kezelésének sokkal átgondoltabb megközelítésére van szükség.

Mindenekelőtt azt követeli meg tőlünk, hogy ellenálljunk annak a kísértésnek, hogy a várható hatékonyságnövekedést máris megvalósult megtakarításként kezeljük, mielőtt megértenénk azt a működési modellt, amely ezeket lehetővé teszi.

Ellenkező esetben azt kockáztatjuk, hogy egy már nem létező szervezet költségalapját optimalizáljuk, miközben aláássuk azt a képességünket, hogy felépítsük azt a szervezetet, amelynek helyébe lépnie kellene.

Olyan szervezeteket próbálunk létrehozni, amelyek alapjaiban mesterséges intelligenciára épülnek. Talán itt az ideje, hogy másképp kezeljük az átalakulásukat.

És ez egy kérdést vet fel bennem:

Tényleg az AI miatt alakítjuk át a szervezeteket, vagy csupán az AI-t használjuk fel arra, hogy igazoljuk azokat a költségcsökkentéseket, amelyeket egyébként is végre akartunk hajtani?

A létszámcsökkentés előtt alakítsák át a munkát!.

Fedezze fel a pAIr-t →Fedezze fel a gAIn-t →