ორგანიზაციების შექმნა, რომლებიც AI-ის ტემპს მიჰყვებიან

• პროდუქტიულობის ზრდას შეზღუდული ღირებულება აქვს, თუ სამუშაო კვლავ იმავე კომიტეტებს, დამტკიცებებს, გადაბარებებსა და ფუნქციურ ბარიერებს გადის. მთავარ დაბრკოლებად სულ უფრო ხშირად ორგანიზაციული დაყოვნება იქცევა — დრო, რომელიც ორგანიზაციას გადაწყვეტილებების მისაღებად, პროცესების შესაცვლელად და ახალი შესაძლებლობების ბიზნესშედეგებად ქცევისთვის სჭირდება.

• სამუშაო, რომელსაც ადრე რამდენიმე სპეციალისტი, დეპარტამენტი ან კვირა სჭირდებოდა, ახლა გაცილებით სწრაფად სრულდება. ეს ცვლის გუნდების თანამშრომლობას, გადაწყვეტილებების მიღებასა და ექსპერტული ცოდნის საჭიროების ადგილს.

• სარგებელი სრულად მაშინ მიიღება, როცა ორგანიზაციები რადიკალურად ცვლიან მოწყობას: ახლებურად უდგებიან სამუშაო პროცესებს, მართვას, მოტივაციას, ცოდნის ნაკადებსა და გადაწყვეტილების სტრუქტურებს, რათა AI-ით მიღებული პროდუქტიულობა მთელ საწარმოში დაგროვებით გაიზარდოს.

• AI-ზე დაფუძნებულ ორგანიზაციებს სჭირდებათ მყარი საყრდენიც და ადაპტაციური პერიფერიაც, ადამიანთა ყველაზე ფასეული უნარები კი განსჯასა და მოქმედებების კოორდინირებას უნდა მოხმარდეს.

LinkedIn-ზე, Substack-სა და სხვა ფორუმებზე ხშირად ამბობენ: „AI-ის ინვესტიციის უკუგებას ვერ ვხედავ.“ არსებითი დანერგვის გაძლიერებასთან ერთად, AI გადაწყვეტებსა და მზა ხელსაწყოებს, როგორიცაა ChatGPT, Codex და Claude, მნიშვნელოვანი უკუგება მოაქვს. თუმცა ეს მოსაზრება მაინც გასაგებია. ინდივიდუალური პროდუქტიულობა შეიძლება საგრძნობლად გაიზარდოს, მაგრამ საბოლოოდ მას უცვლელი ორგანიზაციული სამუშაო პროცესები ზღუდავს. თქვენი ორგანიზაციული მოწყობა უნდა განვითარდეს.

სამწუხაროდ, ორგანიზაციას მომავლის ყველა ცვლილებისგან ვერ დაიცავთ, განსაკუთრებით AI-ის ასეთი სწრაფი განვითარების ფონზე. ვერავინ იტყვის დარწმუნებით, როგორი უნდა იყოს AI-ზე ოპტიმიზებული ბანკი, სადაზღვევო, საცალო ვაჭრობის ან ენერგეტიკული კომპანია თუ საკონსულტაციო ფირმა სამი წლის შემდეგ. ტექნოლოგია, ეკონომიკა და მუშაობის მოდელები სწრაფად იცვლება, ამიტომ ადაპტაციის უნარი მომდევნო ათწლეულის ერთ-ერთი მთავარი უპირატესობა იქნება.

თუ საექსპერტო ინტელექტი მყისიერად ხელმისაწვდომია და AI აგენტებს საათობით ავტონომიურად მუშაობა შეუძლიათ, უნდა ვივარაუდოთ, რომ მუშაობის წესი შეიცვლება — და უნდა შეიცვალოს კიდეც. ეს კი ნიშნავს, რომ ტექნოლოგიის სარგებლის მისაღებად საოპერაციო მოდელიც უნდა შეიცვალოს. ყველაზე მეტს მოიგებენ ორგანიზაციები, რომლებიც სწრაფად მოერგებიან მუშაობის ახალ მოდელებსა და ამ ტექნოლოგიის ახალ გამოყენებებს.

ორგანიზაციაზე AI-ის გავლენის გასაგებად უმარტივესია ერთი მარტივი დაშვებით დავიწყოთ. დავუშვათ, საექსპერტო დონის ინტელექტი ორგანიზაციის ნებისმიერი წევრისთვის მყისიერად ხელმისაწვდომია. ორი წლის წინ ამის წარმოდგენა რთული იყო, დღეს კი თითქმის რეალობაა. მართალია, ჯერ სრულყოფილი არ არის, მაგრამ გონივრულია ვივარაუდოთ, რომ ძალიან მალე თითქმის სრულყოფილი გახდება.

ამას მეორე დაშვებაც დავუმატოთ. დავუშვათ, ავტონომიურ აგენტებს შეუძლიათ საათების, დღეებისა და საბოლოოდ კვირების განმავლობაში ერთად იმუშაონ და მნიშვნელოვანი სამუშაო შეასრულონ. არა ერთი ან რამდენიმე ამოცანა, არამედ მრავალი დისციპლინის მომცველი, არსებითი სამუშაოების სრული თანმიმდევრობა. აგენტების გუნდი, რომელიც მრავალფუნქციურ გუნდს განასახიერებს და სამუშაო პროცესის დამოუკიდებლად განსაზღვრა შეუძლია.

თუ ეს ორივე დაშვება ზოგადად მაინც მართებულია, მუშაობის წესი შეიცვლება — და მოუწევს კიდეც შეცვლა. შესრულების დრო მცირდება, შიდა თანამშრომლობა გარდაიქმნება და ცვლილების ტემპი ჩქარდება.

ასეთი ტემპი ხელს უწყობს დეცენტრალიზაციას, ავტონომიასა და ინოვაციას, დიდი ორგანიზაციების უმეტესობა კი საპირისპირო პრინციპზეა აგებული.

დიდი საწარმოები ძალაუფლებას ფუნქციების მიხედვით დაყოფილ დეპარტამენტებში უყრიან თავს. ისინი სტრატეგიას, ტექნოლოგიას, მონაცემებს, რისკს, ოპერაციებს, ფინანსებს, ადამიანურ რესურსებსა და ბიზნესს ცალკე სტრუქტურებად ყოფენ, თითოეულს კი საკუთარი პრიორიტეტები, მოტივები და, რაც მთავარია, კონტროლის მექანიზმები აქვს.

ცვლილებას მართავს საინვესტიციო და მმართველი კომიტეტები, არქიტექტურის საბჭოები, რისკის მიმოხილვები, შესაბამისობის ეტაპები, შესყიდვის პროცესები, წლიური დაგეგმვის ციკლები და ბიზნესდასაბუთებები. ცვლილებების მართვის ზოგი გუნდი დაინტერესებულ მხარეებს შორის ინფორმაციის დამატებით შუამავლად გვევლინება ისე, რომ მას ღირებულებას არ მატებს.

ესეც არ არის ირაციონალური — ეს მექანიზმები საფუძვლიანი მიზეზებით არსებობს. ისინი მართავენ რისკს, ანაწილებენ კაპიტალს, თავიდან გვაცილებენ დუბლირებას, იცავენ მომხმარებლებს და ქმნიან ანგარიშვალდებულებას, თუმცა მუშაობის ტემპსაც განსაზღვრავენ. ეს ტემპი, სავარაუდოდ, ზედმეტად ნელია სამყაროსთვის, სადაც AI-ზე დაფუძნებული კონკურენტები სამუშაოს გაცილებით სწრაფად ცდიან, სწავლობენ და გარდაქმნიან.

მნიშვნელოვანია კულტურული სიგნალიც. ბევრ ორგანიზაციაში წახალისების სისტემა კვლავ ფუნქციურ საზღვრებში დარჩენას აჯილდოებს, რამდენჯერაც უნდა გაიმეოროს ლიდერმა: „გადაწყვეტილებების მიღების უფლებამოსილება გაქვთ“. რატომ? დაიცავით გუნდი. დაიცავით ბიუჯეტი. დაიცავით სამოქმედო გეგმა. თავიდან აიცილეთ თვალსაჩინო მარცხი. რთული გადაწყვეტილებები კომიტეტს გადააბარეთ. დამტკიცებულ პროცესს ზედმეტად ნუ გასცდებით.

ეს ცენტრალიზებული მიდგომა გამართლებულია, როცა ექსპერიმენტი ძვირია და იშვიათი ცვლილება ევოლუციურია და არა რევოლუციური. მაგრამ ის პრობლემად იქცევა, როცა შესაძლებლობები რამდენიმე თვეში ერთხელ მნიშვნელოვნად უმჯობესდება, საუკეთესო შესაძლებლობებს კი სამუშაოსთან ახლოს მყოფი გუნდები აღმოაჩენენ.

AI-ზე ტრადიციული ცენტრალიზაციით რეაგირება ქმნის დაყოვნებას, რომელიც ინვესტიციის მნიშვნელოვან უკუგებას აფერხებს. თუ რეალურ სამუშაოზე ზემოქმედებამდე ყველა ცვლილებამ მრავალი კომიტეტი უნდა გაიაროს, ორგანიზაცია ზედმეტად ნელა ისწავლის.

თუ ზრდისა და სწრაფად წინსვლის მსურველ თანამშრომლებს AI-ის გამოყენების შესაძლებლობებს უზღუდავთ, სამუშაოდ ნაკლებად მიმზიდველი ორგანიზაცია ხდებით.

ორგანიზაციების უმეტესობა AI-ის ინდივიდუალური ცოდნით იწყებს. დასაწყებად ეს სწორი არჩევანია. ადამიანებმა უნდა იცოდნენ, როგორ მისცენ AI-ს დავალება, როგორ შეეწინააღმდეგონ, შეამოწმონ მისი ნამუშევარი, დაიცვან სენსიტიური ინფორმაცია და როდის არ გამოიყენონ ის. მათ სჭირდებათ თავდაჯერება, განსჯა და პრაქტიკული გამოცდილება.

მაგრამ ინდივიდუალურ ცოდნას ზღვარი აქვს. ანალიტიკოსს ხუთჯერ მეტი ანალიზის მომზადება შეუძლია, მაგრამ გადაწყვეტილების ფორუმი კვლავ თვეში ერთხელ იკრიბება. დეველოპერს მეტი კოდის შექმნა შეუძლია, მაგრამ განხილვისა და გამოშვების პროცესი არ შეცვლილა. მარკეტერს მეტი შიგთავსის შექმნა შეუძლია, მაგრამ ბრენდის დამტკიცება კვლავ იმავე რიგშია.

გუნდის დონეზეც კი სამუშაო პროცესის შეცვლა სიჩქარის ზრდას არ ნიშნავს, თუ ორგანიზაციის სხვა ნაწილები კვლავ ძველებურად მუშაობენ.

ამგვარად, ინდივიდი და შესაძლოა გუნდიც ჩქარდება, მაგრამ შედეგის სიჩქარეს ორგანიზაციის გამჭოლი პროცესის სხვა ნაწილები ზღუდავს. ამიტომ AI-ის ათვისება ინდივიდუალური ცოდნიდან გუნდურ, შემდეგ კი ორგანიზაციულ ცოდნაზე უნდა გადავიდეს.

როცა საწარმოს შეუძლია შეცვალოს სტრუქტურები, მოტივები, მართვა, ცოდნის ნაკადები და ტექნოლოგიური მიდგომები, ინდივიდებისა და გუნდების ადგილობრივი მიღწევები საწარმოს ღირებულებად იქცევა.

ეს რთული გამოწვევაა, თუმცა ღირებულების შექმნის შესაძლებლობაც სწორედ აქაა. ChatGPT-ის გამოშვების შემდეგ შექმნილ AI-ზე დაფუძნებულ კომპანიებს AI უკვე ჩაშენებული აქვთ სამუშაო პროცესებში, ამიტომ მოქნილობას ინარჩუნებენ და ბრტყელი სტრუქტურებით მუშაობენ. ამის საპირისპიროდ, დიდმა საწარმოებმა AI არსებულ პროცესებში ჩასვეს და მიიღეს ფრაგმენტული სისტემა, რომელიც ვერ ცვლის იმას, როგორ სრულდება სამუშაო.

AI-ზე დაფუძნება არ ნიშნავს ქაოსს, დაუფიქრებელ მოქმედებას ან ხელსაწყოებით შეპყრობას. არც იმას ნიშნავს, რომ თითოეულმა თანამშრომელმა უახლესი მოდელი საკუთარი სურვილისამებრ გამოიყენოს. და ნამდვილად არ ნიშნავს მართვის ენთუზიაზმით ჩანაცვლებას ან იმის მტკიცებას, რომ ადამიანები აღარ გვჭირდება.

ორგანიზაციული მოწყობის ძველი მოდელი ვარაუდობს, რომ შეგიძლიათ განსაზღვროთ მომავალი მდგომარეობა, დახაზოთ სტრუქტურა, განახორციელოთ ცვლილება და შემდეგ დასტაბილურდეთ. AI-ისთვის ეს ზედმეტად ნელია.

AI-ზე დაფუძნებული ორგანიზაციები უწყვეტი ცვლილებისთვის შეიქმნება. AI-ზე დაფუძნებული ორგანიზაცია უწყვეტად გარდაქმნის სამუშაოს ადამიანების, AI სისტემების, მონაცემების, სამუშაო პროცესებისა და მართვის ერთობლივი ძლიერ მხარეების გარშემო. ისინი ყველაფერს ერთ გეგმაზე არ დადებენ. ისინი შექმნიან სწრაფად გარკვევის უნარს: რომელი პროცესები უნდა შეიცვალოს, რომელი როლები განვითარდეს, რა კონტროლია საჭირო, რომელი უნარებია მნიშვნელოვანი, რომელი მიდგომების ხელახლა გამოყენება შეიძლება და რომელი დაშვებები მოძველდა.

ამისთვის ერთდროულად ორი რამაა საჭირო: მყარი საყრდენი და ადაპტაციური პერიფერია. ისინი აბალანსებს ცენტრალიზაციასა და სამუშაოსთან ახლოს მყოფი გუნდების გაძლიერებას.

მყარი საყრდენი ორგანიზაციას ნდობასა და მასშტაბს აძლევს. მთელ ბიზნესს აქვს წვდომა დამტკიცებულ ხელსაწყოებზე, მრავალჯერად მიდგომებზე, მონაცემებზე წვდომის გზებზე, შეფასების მეთოდებზე, უსაფრთხოების კონტროლზე, მართვის პრინციპებზე, მონიტორინგზე, ცოდნის ინფრასტრუქტურასა და მკაფიო პასუხისმგებლობებზე.

ადაპტაციურ პერიფერიაზე სამუშაო სრულდება და ხშირად, დაბრკოლებების გარეშე იცვლება. პრობლემასთან ახლოს მყოფ მცირე, მრავალფუნქციურ გუნდებს საკმარისი უფლებამოსილება აქვთ, რომ გარდაქმნან პროცესები, გამოიყენონ AI, გამოცადონ მუშაობის ახალი გზები და მიღებული ცოდნა ორგანიზაციას გაუზიარონ.

ბირთვსა და პერიფერიას შორის ეს ბალანსი მნიშვნელოვანია. ზედმეტი ცენტრალური კონტროლი ორგანიზაციის სწავლას ანელებს. ზედმეტი ადგილობრივი თავისუფლება კი ორგანიზაციას აქუცმაცებს. AI-ზე დაფუძნებულ ორგანიზაციას ბირთვში დისციპლინა, პერიფერიაზე კი ადაპტაციურობა სჭირდება.

სამუშაოს ავტომატიზაციიდან მარტივი დასკვნაა, რომ AI ადამიანების საჭიროებას ამცირებს. ზოგ სფეროში ასეც იქნება — მაგალითად, მცირე კონტექსტის მქონე, განმეორებითი ინტელექტუალური სამუშაო შემცირდება ან გაქრება. ზეწოლის ქვეშ მოექცევა ძირითადად ტრანზაქციული სამუშაო: სისტემების ხარვეზების შევსება, ინფორმაციის გადატანა, საწყისი ანალიზი, პირველი მონახაზები და მცირე „დამატებითი ღირებულების“ პასუხები.

მაგრამ მეორე მხრივ, ადამიანის „წვლილი“ უფრო მაღალ დონეზე გადადის: თუ საექსპერტო ინტელექტი მყისიერად ხელმისაწვდომია, დეფიციტური ადამიანური თვისებები, რომლებიც AI-მ ვერ და არ უნდა ჩაანაცვლოს, არის განსჯა, შემოქმედებითობა, პასუხისმგებლობა, კონტექსტი და ნდობა.

ორგანიზაციებმა სულ უფრო მეტი ყურადღება უნდა დაუთმონ ადამიანებს, რომლებსაც გაურკვეველ ვითარებაში გადაწყვეტილებების მიღება შეუძლიათ. ადამიანებს, რომლებიც სფეროს იმდენად კარგად იცნობენ, რომ AI წარმართონ და მიხვდნენ, როდის ცდება ის. ადამიანებს, რომლებსაც უკეთესი კითხვების დასმა შეუძლიათ. ადამიანებს, რომლებსაც კომერციული, ტექნიკური, საოპერაციო და ადამიანური რეალობების დაკავშირება შეუძლიათ. ადამიანებს, რომლებსაც ურთიერთობების შექმნა, ნდობის გაჩენა და მრავალი დაინტერესებული მხარის კოორდინირება შეუძლიათ. ამასთან, კონტექსტებს შორის სწრაფად გადართვისა და ინფორმაციის სწრაფად და სწორად გააზრების უნარი კიდევ უფრო მნიშვნელოვანი ხდება, როცა მთელი კვირის სამუშაო ორშაბათ დილამდე იკუმშება.

ამიტომ უნივერსალური სპეციალისტები უფრო ფასეულნი ხდებიან, თუ ფუნქციებს შორის კონტექსტს ინარჩუნებენ და AI-ით მხარდაჭერილ სამუშაოს კოორდინირებენ. ექსპერტებიც შეიძლება უფრო ფასეულნი გახდნენ, რადგან სწრაფი მუშაობა აჩენს მეტ მომენტს, როცა ხარისხსა და განსჯას გადამწყვეტი მნიშვნელობა აქვს. ლიდერებს კი მოუწევთ, ნაკლებად აკონტროლონ საქმიანობა და მეტად შექმნან სისტემები, კონტექსტი და ტემპი.

ინვესტიცია მხოლოდ „AI უნარებში“ არ უნდა ჩაიდოს. როცა AI დაბალი დონის ამოცანების შესრულებას მეტად იბარებს, მნიშვნელოვანი ხდება ადამიანური თვისებები: ცნობისმოყვარეობა, განსჯა, მედეგობა, სიცხადე, შემოქმედებითობა, გაბედულება, თანამშრომლობა და გაურკვევლობასთან შეგუება. ორგანიზაციამ უკვე ახლა უნდა დაიქირაოს, განავითაროს და დააჯილდოოს ამ თვისებების მქონე ადამიანები.

ამდენი სამუშაოს შეკუმშვა დიდ დატვირთვას ქმნის და AI-ზე დაფუძნებული ორგანიზაციები მუდმივად თავბრუდამხვევი სისწრაფით ვერ იმუშავებენ. მათ ადამიანებს აღდგენისა და კავშირების განახლებისთვის დრო და თავისუფალი რესურსი უნდა მისცენ. ეფექტიანი განსჯისა და გადაწყვეტილებისთვის ორგანიზაციებმა უნდა შექმნან გარემო, სადაც შემთხვევითმა აღმოჩენებმა შეიძლება სრულიად ახალი იდეები წარმოშვას.

დღეს ბევრი საწარმო არ ჩქარობს AI-ის გამოყენებას იმისთვისაც კი, რაც უკვე შესაძლებელია. ამის გამო სულ უფრო იზრდება სხვაობა აგენტური შესაძლებლობების განვითარებასა და მათ პრაქტიკულ გამოყენებას შორის.

ეს ბუნებრივია. დიდი ორგანიზაციები ტექნოლოგიას ნელა ითვისებენ მოძველებული სისტემების, რეგულაციების, კულტურული წინააღმდეგობის, დაქსაქსული მონაცემების, ბუნდოვანი პასუხისმგებლობისა და რეალური, სამართავი რისკების გამო.

თუმცა საბოლოოდ საკმარისი რაოდენობის ლიდერი, გუნდი და კონკურენტი ისწავლის AI-ის რეალურ სამუშაო პროცესებში უსაფრთხოდ და განმეორებით გამოყენებას. მიდგომები დაიხვეწება, მართვა პროცესებში უკეთ ჩაინერგება, აგენტები უფრო საიმედო გახდებიან და ორგანიზაციების თავდაჯერება გაიზრდება. AI-ის შესაძლებელსა და საწარმოების რეალურ გამოყენებას შორის სხვაობა შემცირებას დაიწყებს.

როცა ეს გარდამტეხი მომენტი დადგება, უპირატესობას მიიღებენ არა საუკეთესო მოდელების ან უდიდესი AI ბიუჯეტების მქონე კომპანიები, არამედ ორგანიზაციები, რომლებსაც მუშაობის წესის სწრაფად შეცვლა შეუძლიათ.

კომპანიებს, რომლებიც ყველა გადაწყვეტილებას ცენტრალიზებულად იღებენ, ყველა ფუნქციას იცავენ, ნელი კომიტეტებით მართავენ და ადამიანებს „სიმშვიდის დაურღვევლობისთვის“ აჯილდოებენ, ტემპის შენარჩუნება გაუჭირდებათ.

კომპანიები, რომლებიც მყარ საყრდენსა და ადაპტაციურ პერიფერიას შექმნიან, უფრო სწრაფად ისწავლიან. ისინი უკეთეს სამუშაო პროცესებს ადრე აღმოაჩენენ, უნივერსალური სპეციალისტების, ექსპერტებისა და ლიდერების ჯანსაღ ნაზავს უფრო მაღალი ღირებულების სამუშაოზე გადაიყვანენ და ადგილობრივ ექსპერიმენტებს მრავალჯერად მიდგომებად აქცევენ.

დღევანდელი კითხვა შეიძლება იყოს „როგორ დავნერგოთ AI წარმატებით?“, მაგრამ მალე ის უნდა შეიცვალოს კითხვით: „რამდენად სწრაფად შეძლებს ჩვენი ორგანიზაცია ადაპტაციას, როცა AI სამუშაოს ცვლის?“

მძლავრი AI-ის მქონე ნელი ორგანიზაცია კვლავ ნელი იქნება, ხოლო ადაპტაციური ორგანიზაციის შედეგები მძლავრი AI-ით განუხრელად გაიზრდება.