Tootlikkuse kasvust on vähe kasu, kui töö liigub endiselt läbi samade komiteede, heakskiitude, üleandmiste ja funktsionaalsete silode. Üha suuremaks piiranguks saab organisatsiooniline viivitus: aeg, mis kulub organisatsioonil otsuste tegemiseks, protsesside muutmiseks ja uute võimekuste äritulemusteks muutmiseks.
Töö, mis varem nõudis mitut spetsialisti, osakonda või nädalatepikkust pingutust, saab nüüd tehtud märksa kiiremini. See muudab meeskondade koostööd, otsustamist ja seda, kus asjatundlikkust vajatakse.
Kasu avaldub täielikult siis, kui organisatsioonid uuendavad põhjalikult oma ülesehitust ning mõtestavad ümber töövood, juhtimise, stiimulid, teadmusvood ja otsustusstruktuurid, et AI toel saavutatud tootlikkuse kasv võimenduks kogu ettevõttes.
AI-põhised organisatsioonid vajavad nii stabiilset selgroogu kui ka kohanemisvõimelist äärt ning peavad rakendama inimeste väärtuslikemaid oskusi otsustamisel ja tegevuste koordineerimisel.
LinkedInis, Substackis ja muudes foorumites arutatakse palju teemal „Ma ei näe AI investeeringutasuvust“. Sisulise kasutuselevõtu hoogustudes näeme AI-lahenduste ning valmistööriistade, nagu ChatGPT, Codex ja Claude, kasutuselevõtust küllaldaselt tulu. Mõte on siiski arusaadav. Kuigi üksikisiku tootlikkus võib märkimisväärselt kasvada, piiravad seda lõpuks organisatsiooni muutumatud töövood. Teie organisatsiooni ülesehitus peab arenema.
Paraku ei saa organisatsiooni tulevikukindlaks muuta, eriti kuna AI areneb nii kiiresti. Keegi ei oska kindlalt öelda, milline peaks kolme aasta pärast olema AI jaoks optimeeritud pank, kindlustusandja, jaemüüja, energiaettevõte või konsultatsioonifirma. Tehnoloogia, majandus ja töökorraldus muutuvad liiga kiiresti, mistõttu saab kohanemisvõimest järgmise kümnendi üks määravaid eeliseid.
Kui eksperditasemel nutikus on kohe saadaval ja AI-agendid suudavad tunde iseseisvalt töötada, tuleb eeldada, et töö tegemise viis muutub – ja peabki muutuma. See tähendab, et tehnoloogiast kasu saamiseks peab muutuma ka teie tegevusmudel. Kõige rohkem võidavad organisatsioonid, kes on valmis uute töömustrite ja tehnoloogia esilekerkivate rakendustega kõige kiiremini kohanema.
Lihtsaim viis AI organisatsioonilise mõju mõistmiseks on alustada ühest lihtsast eeldusest. Eeldage, et eksperditasemel nutikus on organisatsioonis kõigile kohe kättesaadav. Kaks aastat tagasi oli seda raske ette kujutada, kuid nüüd on see juba peaaegu tegelikkus. Kuigi see ei pruugi veel täiuslik olla, võib põhjendatult eeldada, et üsna pea on see peaaegu täiuslik.
Lisage sellele teine eeldus. Eeldage, et autonoomsed agendid suudavad teha tundide, päevade ja lõpuks nädalate kaupa koostööd, et viia lõpule sisukas töömaht. Mitte üks või paar ülesannet, vaid mahukas tööjada mitmes valdkonnas. Sisuliselt on see funktsiooniülene meeskond agentide rühmas, mis suudab ise töövoo välja mõelda.
Kui mõlemad eeldused on kas või üldjoontes õiged, siis töö tegemise viis muutub – ja peabki muutuma. Töö valmimise aeg lüheneb, sisekoostöö vorm areneb ja muutuste tempo kiireneb.
Nii kiire muutus soosib detsentraliseerimist, autonoomiat ja innovatsiooni, kuid enamik suuri organisatsioone on rajatud vastupidisele põhimõttele.
Suurettevõtted koondavad võimu funktsioonide järgi korraldatud osakondadesse. Nad eraldavad strateegia, tehnoloogia, andmed, riskid, tegevuse, rahanduse, personalitöö ja äri eri struktuuridesse, millest igaühel on oma prioriteedid, stiimulid ja mis kõige tähtsam – kontrollimehhanismid.
Muutusi juhivad investeerimis- ja juhtkomiteed, arhitektuurinõukogud, riskihindamised, nõuetelevastavuse kontrollpunktid, hankeprotsessid, aastased planeerimistsüklid ja äriplaanid. Mõni muudatuste juhtimise meeskond vahendab sidusrühmade vahel teavet veelgi, sellele väärtust lisamata.
Ka see pole ebamõistlik ja neil mehhanismidel on mõjuvad põhjused. Need juhivad riske, jaotavad kapitali, väldivad dubleerimist, kaitsevad kliente ja loovad vastutuse, kuid määravad ka tempo. Tõenäoliselt on see liiga aeglane maailmas, kus AI-põhised konkurendid saavad tööd palju kiiremini katsetada, sellest õppida ja ümber kujundada.
Oluline on ka kultuuriline sõnum. Paljudes organisatsioonides premeerivad stiimulid endiselt oma funktsiooni piirides püsimist, ükskõik kui sageli juht ütleb: "Teil on õigus ise otsustada." Miks? Kaitske meeskonda. Kaitske eelarvet. Kaitske tegevuskava. Vältige nähtavat ebaõnnestumist. Suunake keerulised otsused komiteele. Ärge kalduge heakskiidetud protsessist liiga kaugele kõrvale.
Selline tsentraliseeritud lähenemine on mõistlik, kui katsetamine on kulukas ja harvad muutused on pigem evolutsioonilised kui murrangulised. Probleem tekib aga siis, kui võimekus paraneb iga paari kuuga märgatavalt ja parimad võimalused avastavad tööle lähedal olevad meeskonnad.
AI-le traditsioonilise tsentraliseerimisega reageerimine tekitab viivituse, mis takistab sisulist investeeringutasuvust. Kui iga muudatus peab enne tegeliku tööni jõudmist läbima mitu komiteed, õpib organisatsioon liiga aeglaselt.
Kui piirate AI rakendamise võimalusi, muutute arengut ja kiiremat edasiliikumist soovivatele töötajatele vähem atraktiivseks töökohaks.
Enamik organisatsioone alustab üksikisiku AI-pädevusest. See on õige lähtepunkt. Inimesed peavad teadma, kuidas anda AI-le lähteülesanne, selle vastuseid kahtluse alla seada, tehtud tööd kontrollida, tundlikku teavet kaitsta ja millal AI-d mitte kasutada. Nad vajavad enesekindlust, otsustusvõimet ja praktilisi kogemusi.
Üksikisiku pädevusel on aga piir. Analüütik võib koostada viis korda rohkem analüüse, kuid otsustuskogu kohtub endiselt kord kuus. Arendaja võib luua rohkem koodi, kuid ülevaatuse ja väljalaske protsess pole muutunud. Turundaja võib luua rohkem sisu, kuid brändi heakskiit ootab endiselt samas järjekorras.
Isegi meeskonna tasandil ei tähenda töövoo muutmine tingimata suuremat kiirust, kui organisatsiooni teised osad tegutsevad endiselt vanaviisi.
Üksikisik liigub seega kiiremini ja võib-olla ka meeskond, kuid väljundi kiirust piiravad lõpuks organisatsiooni tervikliku töövoo muud osad. Seetõttu peab AI-teekond liikuma üksikisiku pädevuselt meeskonna pädevuse ja sealt edasi organisatsiooni pädevuse suunas.
Kui ettevõte suudab muuta oma struktuure, stiimuleid, juhtimist, teadmusvooge ja tehnoloogiamustreid, saavad üksikisikute ja meeskondade kohalikest edusammudest väärtus kogu ettevõttele.
See on keeruline ülesanne, kuid just seal peitub võimalus väärtust luua. Viimastel aastatel pärast ChatGPT avaldamist loodud AI-põhised ettevõtted ehitasid AI juba oma töövoogudesse ning püsivad tänu lamedale struktuurile väledad. Suuremad ettevõtted on seevastu lisanud AI olemasolevatesse protsessidesse, tekitades lapiteki efekti, mis ei muuda seda, kuidas tööd tehakse.
AI-põhisus ei tähenda kaost, hoolimatust ega tööriistade kinnisideed. See ei tähenda, et iga töötaja kasutab uusimat mudelit täpselt nii, nagu ise soovib. Kindlasti ei tähenda see juhtimise asendamist entusiasmiga ega teesklemist, et inimesi pole enam vaja.
Vana organisatsioonikujunduse mudel eeldab, et saate määratleda tulevase seisundi, joonistada struktuuri, muudatuse ellu viia ja olukorra stabiliseerida. See on AI jaoks liiga aeglane.
AI-põhised organisatsioonid kujundatakse pidevaks muutumiseks. AI-põhine organisatsioon kujundab tööd pidevalt ümber inimeste, AI-süsteemide, andmete, töövoogude ja juhtimise ühiste tugevuste järgi. Nad ei panusta kõike ühele kavandile. Nad arendavad võimet kiiresti välja selgitada, milliseid töövooge tuleks muuta, millised rollid peavad arenema, milliseid kontrollimehhanisme vajatakse, millised oskused muutuvad tähtsamaks, milliseid mustreid saab uuesti kasutada ja millised eeldused on juba aegunud.
See nõuab korraga kaht asja: stabiilset selgroogu ja kohanemisvõimelist eelist. Need tasakaalustavad tsentraliseerimist ja tööle lähedal olevatele meeskondadele otsustusõiguse andmist.
Stabiilne selgroog annab organisatsioonile usaldusväärsuse ja mastaabi. Kogu ettevõttel on juurdepääs heakskiidetud tööriistadele, korduskasutatavatele mustritele, andmetele juurdepääsu teedele, hindamismeetoditele, turvakontrollidele, juhtimispõhimõtetele, seirele ja teadmustaristule ning vastutus on selgelt määratud.
Kohanemisvõimelises ääres tehakse tegelik töö ning seal toimub muutus sageli ja takistusteta. Probleemile lähedal olevatel väikestel funktsiooniülestel meeskondadel on piisavalt otsustusõigust, et töövooge ümber kujundada, AI-d rakendada, uusi tööviise katsetada ja õpitu organisatsiooni tagasi suunata.
Tasakaal tuuma ja ääre vahel on tähtis. Liigse keskse kontrolli korral õpib organisatsioon liiga aeglaselt. Liigse kohaliku vabaduse korral organisatsioon killustub. AI-põhine organisatsioon vajab tuumas distsipliini ja äärealadel kohanemisvõimet.
Töö automatiseerimisest on lihtne järeldada, et AI vähendab inimeste vajadust. Mõnes valdkonnas nii lähebki, näiteks vähest konteksti nõudva korduva teadmustöö puhul, mida kärbitakse või mis kaob sootuks. Surve alla satub töö, mis on peamiselt tehinguline: süsteemide puudujääkide korvamine, teabe edastamine, esmane analüüs, esimeste mustandite koostamine ja vähese 'lisandväärtusega' vastused.
Teisalt tõuseb inimlik 'panus' uuele tasemele: kui asjatundlik nutikus on kohe kättesaadav, saavad nappideks inimlikeks omadusteks, mida AI ei saa ega tohigi asendada, otsustusvõime, loovus, vastutus, kontekstitaju ja usaldus.
Organisatsioonid peaksid üha enam keskenduma inimestele, kes suudavad ebaselgetes olukordades otsuseid teha. Inimestele, kes tunnevad valdkonda piisavalt süvitsi, et AI-d suunata ja märgata, kui see eksib. Inimestele, kes oskavad esitada paremaid küsimusi. Inimestele, kes suudavad siduda äri-, tehnilised, tegevuslikud ja inimlikud realiteedid. Inimestele, kes oskavad luua suhteid ja kindlustunnet ning koordineerida paljude sidusrühmade koostööd. Eriti oluliseks muutub võime kiiresti konteksti vahetada ning teavet kiiresti ja õigesti tõlgendada, kui terve nädala töö mahub esmaspäeva hommikusse.
Seega muutuvad generalistid väärtuslikumaks, mitte vähem väärtuslikuks, kui nad suudavad hoida konteksti eri funktsioonide vahel ja koordineerida AI toel tehtavat tööd. Eksperdid võivad muutuda väärtuslikumaks, mitte vähem väärtuslikuks, sest kiirem töö loob rohkem olukordi, kus kvaliteet ja otsustusvõime loevad. Juhid peavad aga vähem tegevust kontrollima ning rohkem kujundama süsteeme, konteksti ja tempot.
Investeerida ei tule ainult „AI-oskustesse“. Tähtsad on inimlikud omadused, mille väärtus kasvab, kui AI tegeleb rohkem madalama taseme ülesannetega: uudishimu, otsustusvõime, vastupidavus, selgus, loovus, otsustavus, koostööoskus ja võime taluda ebaselgust. Organisatsioon peaks juba praegu värbama, arendama ja tunnustama inimesi nende omaduste eest.
Nii suure töömahu kokkusurumine on pingeline ja AI-põhised organisatsioonid ei saa kogu aeg pöörase kiirusega tegutseda. Nad peavad jätma inimestele aega ja hingamisruumi taastumiseks ning uuesti sidemete loomiseks. Tõhusaks hindamiseks ja otsustamiseks peaksid organisatsioonid looma keskkonna, kus õnnelikud juhused võivad sünnitada uudseid ideid.
Praegu kasutavad paljud suurettevõtted AI-d aeglaselt isegi seal, kus see on juba võimalik. Nii kasvab lõhe agentide võimekuse arengu ja selle rakendamise vahel.
See on normaalne. Suured organisatsioonid võtavad tehnoloogiat kasutusele aeglaselt pärandsüsteemide, regulatiivsete piirangute, kultuurilise vastuseisu, killustunud andmete, ebaselge vastutuse ja tegelike riskide tõttu, mida kõike tuleb hallata.
Ühel hetkel õpib aga piisavalt palju juhte, meeskondi ja konkurente rakendama AI-d tegelikes töövoogudes ohutult ja korratavalt. Mustrid küpsevad, juhtimine kinnistub, agendid muutuvad usaldusväärsemaks ja organisatsioonide kindlustunne kasvab. Lõhe AI võimaluste ja ettevõtetes tegelikult kasutatava vahel hakkab vähenema.
Kui see murdepunkt saabub, ei saavuta eelist parimate mudelite või suurimate AI-eelarvetega ettevõtted, vaid organisatsioonid, kes suudavad kiiresti muuta töö tegemise viisi.
Ettevõtetel, mis tsentraliseerivad kõik otsused, kaitsevad iga funktsiooni, juhivad aeglaste komiteede kaudu ja tunnustavad inimesi selle eest, et nad 'paati ei kõiguta', on raske sammu pidada.
Tugeva selgroo ja kohanemisvõimelise ääre loonud ettevõtted õpivad kiiremini. Nad avastavad varem paremaid töövooge, suunavad generalistide, ekspertide ja juhtide tervisliku koosluse väärtuslikumale tööle ning muudavad kohalikud katsetused korduskasutatavateks mustriteks.
Praegu võib küsimus olla "Kuidas AI edukalt kasutusele võtta?", kuid peagi peab see muutuma küsimuseks "Kui kiiresti suudab meie organisatsioon kohaneda, kui AI tööd muudab?"
Võimsa AI-ga aeglane organisatsioon jääb endiselt aeglaseks, võimsa AI-ga kohanemisvõimeline organisatsioon aga kasvatab oma eelist pidevalt.