Оригинал: Why AI fails without streamlined processes — and 3 ways to unlock real value
Автор: Антонио Коста (António Costa)
В глобальной гонке за внедрение ИИ многие организации невольно ставят технологическую телегу впереди процессной лошади.
Новый опрос Kaizen Institute показывает: 55% компаний называют главным препятствием для внедрения ИИ устаревшие системы и процессы — и все же значительная часть продолжает фокусироваться прежде на технологии как таковой, а не на операциях, которые она должна автоматизировать.
Именно этот разрыв объясняет, почему при колоссальных инвестициях многие инициативы в области ИИ не дают ощутимой отдачи. Решение — подход «первым делом — улучшения»: прежде чем применять ИИ, устраните потери и оптимизируйте процессы, создав таким образом прочный фундамент, на котором потенциал технологий сможет раскрыться.
Инвестиции в ИИ без оптимизации — рецепт неудачи
В 2023 году McKinsey опросила руководителей о цифровой трансформации и выяснила: лишь 30% отметили заметное влияние на финансовый результат. Главная причина — не ограничения технологий, а то, что процессы не были перепроектированы перед цифровизацией.
Недавний опрос 83 бизнес-лидеров, проведённый Kaizen Institute, подтверждает этот вывод. Хотя 50% назвали автоматизацию главным эффектом ИИ, более половины признали, что их организациям не хватает операционного фундамента для успешного внедрения. По данным того же опроса, ключевые приоритеты инвестиций в ИИ — предиктивное обслуживание (48%) и прогнозирование спроса (23%), что подчёркивает критическую важность грамотной интеграции.
Бизнес в курсе, что сильнее всего ИИ влияет на процессы, но не спешат перестраивать их, чтобы использовать этот потенциал.
Истинная сила ИИ раскрывается, когда он встроен в культуру непрерывных улучшений. Вместо того чтобы заменять человеческую изобретательность, ИИ выступает мощным усилителем: помогает лучше выявлять, анализировать и реализовывать возможности для улучшений. Такое симбиотическое взаимодействие превращает данные в действенные инсайты и приводит к существенному росту операционной эффективности.
Философия кайдзен помогает оптимизировать использование ИИ.
Например, ИИ способен создать предписывающую систему поддержки принятия решений, подсказывающую оптимальные действия. Он силён в анализе данных и генерации инсайтов, выявляя закономерности, которые человек может упустить. Предиктивные модели для оптимизации и управления становятся точнее при наличии чистых, структурированных данных. ИИ также упрощает подготовку контента для отчётов и автоматизирует рутину, высвобождая людям время для более стратегических, ценностных задач.
Итог — вполне ощутимые результаты: рост бизнеса, оптимизированные цепочки поставок, улучшение клиентского опыта и повышение маржинальности за счёт большей эффективности и снижения издержек.
Трехэтапная модель трансформации
Успешные компании следуют структурированному подходу, совмещая принципы бережливого производства с поэтапным внедрением ИИ.
Фаза 1. Фундамент — картирование и оптимизация потоков создания ценности
Прежде чем инвестировать в ИИ, эффективные организации картируют свои потоки создания ценности от начала и до конца. Этот процесс показывает, где возникает ценность и где образуются узкие места. Так, одна британская компания с непрерывным циклом производства, которая ранее делала ставку на капитальные вложения, применила анализ потоков создания ценности к своим сложным операциям. Выявив и расставив приоритеты возможностей улучшений, компания добилась ежегодной экономии в £3,2 млн ($4,1 млн), сократила плановые остановы на 24% и снизила энергопотребление на 24% — всё это за счет оптимизации существующих процессов до внедрения новых технологий.
Наш опыт показывает: картирование потоков создаёт взаимопонимание между подразделениями. Когда люди вместе визуализируют весь процесс, функциональные барьеры разрушаются, а возможности для улучшений становятся очевидными.
Фаза 2. Интеграция — точечное внедрение ИИ
Когда процессы упорядочены, организации могут стратегически вводить ИИ там, где он принесет максимум пользы. Ключевой принцип — не пытаться сразу охватить всю компанию, а сконцентрироваться на кейсах, которые дадут быстрый результат.
Например, поставщик автозапчастей может сперва стандартизировать процедуры обслуживания и методы сбора данных. Имея в качестве фундамента чистые данные, целевое ИИ-решение для предиктивного обслуживания сможет анализировать оперативные данные с датчиков оборудования. Этот подход позволяет выявлять потенциальные отказы до того, как они приведут к незапланированным простоям, заметно повышая надёжность оборудования и обеспечивая непрерывное, эффективное производство.
Помимо предиктивного обслуживания, есть и другие возможности для ИИ в операционной деятельности:
- Улучшенное прогнозирование спроса. Алгоритмы ИИ анализируют историю продаж, рыночные тренды и внешние факторы (погоду, экономические индикаторы и др.), чтобы точнее предсказывать спрос и оптимизировать запасы и производство.
- Оптимизированный контроль качества. Системы машинного зрения обнаруживают дефекты на линиях быстрее и точнее ручной проверки, снижая отходы и повышая стабильность качества.
- Более эффективная логистика. ИИ оптимизирует маршруты, расписание и складские операции, ускоряя доставку и сокращая транспортные затраты.
- Персонализированный клиентский опыт. Аналитика на базе ИИ сегментирует аудиторию и персонализирует взаимодействия, повышая удовлетворённость и лояльность.
Компании, которые успешно внедряют ИИ, начинают с малого и подтверждают его полезность на практике. Они решают конкретные задачи, а не внедряют технологии ради технологий.
Фаза 3. Масштабирование — построение организации, обучающейся применению ИИ
После того как получены убедительные доказательства эффективности, организации могут расширять применение ИИ, культивируя менталитет непрерывных улучшений. На этом этапе важно масштабировать то, что работает, и одновременно накапливать организационные знания.
Одна глобальная логистическая компания создала цифровые механизмы обмена знаниями, которые позволяли быстро адаптировать и развёртывать успешные ИИ-решения, разработанные в одном распределительном центре, по всей сети. Такой подход ускорил распространение практик, при этом локальные команды сохраняли возможность настраивать решения под свои специфические потребности.
Синергия Kaizen и ИИ
Организации, которые идут путём Kaizen, опираясь на принципы 5S, стабильно превосходят тех, кто внедряет ИИ без предварительной оптимизации процессов. Главное искусство сочетания Kaizen и ИИ — дать людям полномочия и инструменты, чтобы изменения рождались изнутри.
Наибольшего эффекта от ИИ добиваются компании с культурой непрерывных улучшений. Они используют технологии как усилитель человеческих возможностей, а не как альтернативу продуманному операционному дизайну.