Dalam artikel ini
Teknologi jarang menjadi kekangan pertama
Apabila organisasi tertekan untuk “melakukan sesuatu dengan AI”, respons lazim ialah membeli platform, melancarkan latihan atau mengumpulkan senarai contoh penggunaan. Aktiviti meningkat dengan cepat, tetapi hasil sering tidak mengikutinya.
Kekangan lebih mendalam biasanya bersifat operasi. Proses mempunyai terlalu banyak serahan. Tiada siapa memiliki keputusan akhir. Data tidak konsisten. Pasukan diukur berdasarkan aktiviti, bukan hasil. Menambah AI pada keadaan itu menghasilkan output lebih pantas, tetapi prestasi belum tentu lebih baik.
Inilah sebab AI boleh mewujudkan keletihan transformasi. Pekerja mengalami alat, aliran kerja dan jangkaan baharu tanpa pelepasan daripada sistem lama. Pemimpin melihat papan pemuka penggunaan, sedangkan kesesakan asal kekal.
Mulakan dengan geseran kerja, bukan ciri alat
Inisiatif AI yang berguna bermula dengan ayat yang menamakan kekangan perniagaan. Contohnya: “Pemimpin komersial menunggu lima hari untuk gambaran saluran jualan yang boleh dipercayai,” atau “Pengecualian pelanggan melalui empat pasukan tanpa pemilik jelas.” Ini cukup khusus untuk direka semula.
Sebelum memilih teknologi, petakan empat perkara:
- Hasil: Hasil boleh ukur manakah yang patut berubah?
- Aliran kerja: Di manakah keputusan, kelewatan dan kerja semula berlaku?
- Pemilik: Siapa kekal bertanggungjawab apabila AI menyumbang?
- Bukti: Garis dasar manakah yang akan membuktikan pendekatan baharu lebih baik?
Kerja diagnostik ini mengelakkan projek rintis mahal daripada menjadi lapisan baharu yang terputus daripada operasi. Ia sebahagian daripada transformasi yang diperlukan.
Gunakan kad skor penggunaan AI untuk PKS
Kesediaan AI perlu diukur pada peringkat aliran kerja, bukan melalui bilangan lesen, arahan atau kehadiran latihan. Beri setiap perkara skor satu hingga lima sebelum meluaskan penggunaan:
- Hasil perniagaan: Adakah hasil khusus dan boleh diukur?
- Kesesuaian aliran kerja: Adakah alat menyokong cara kerja sebenar?
- Akauntabiliti: Adakah seorang individu bertanggungjawab terhadap hasil?
- Kebolehgunaan pasukan: Bolehkah pasukan menggunakannya tanpa bergantung pada pasukan projek?
- Kebolehpercayaan data: Adakah input cukup tepat untuk keputusan itu?
- Rentak semakan: Adakah terdapat rentak tetap untuk menyemak kualiti dan kesan?
Skor terendah menunjukkan kekangan seterusnya yang perlu dibaiki. Purata yang tinggi boleh menyembunyikan satu titik kegagalan yang menjadikan seluruh aliran kerja tidak boleh dipercayai.
Automasi atau reka bentuk semula? Gunakan lima soalan semakan
Automasi masuk akal apabila proses asas memang wajar dipercepatkan. Sebelum mengautomasikan, tanya:
- Adakah hasil yang dikehendaki jelas?
- Adakah aliran kerja cukup stabil untuk diulangi?
- Adakah pengecualian lazim difahami?
- Adakah pemilikan ditetapkan pada setiap langkah yang membawa kesan penting?
- Adakah proses masih munasabah tanpa alat semasa?
Jika beberapa jawapan lemah, reka semula proses dahulu. Ini mengelakkan AI menggandakan serahan yang tidak perlu, kerja semula dan akauntabiliti kabur.
Letakkan AI secara senyap dalam kerja
AI operasi terbaik sering kurang menonjol daripada program transformasi baharu. Ia meringkaskan laporan pengurusan berulang, menandakan pengecualian sebelum terlepas tarikh akhir, menyediakan konteks keputusan atau mengurangkan penyelarasan berulang antara pasukan.
Dengan cara ini, AI menyokong rentak operasi. Pasukan tidak perlu mengingati satu lagi papan pemuka untuk dilawati. Pemimpin menerima petunjuk lebih jelas pada saat keputusan diperlukan.
Calon sesuai ialah langkah berulang yang sarat maklumat dan mempunyai piawaian kualiti yang boleh ditetapkan. Calon kurang sesuai ialah keputusan kabur yang konteks, kepercayaan atau akauntabilitinya tidak dapat diserahkan dengan selamat.
Tadbir hasil, bukan akses semata-mata
Tadbir urus AI perlu melangkaui siapa boleh menggunakan model tertentu. Tadbir urus operasi menanyakan siapa meluluskan output penting, cara pengecualian dinaikkan, bukti yang disimpan dan cara prestasi disemak.
Projek rintis praktikal boleh bermula kecil: satu aliran kerja, seorang pemilik bertanggungjawab, satu metrik dan satu kitaran semakan. Jika penambahbaikan nyata berlaku, luaskan dengan berhati-hati. Jika ia menambah lebih banyak kerja semakan daripada yang dijimatkan, reka semula.
Soalan kepimpinan
AI boleh mempercepatkan pelaksanaan dan menonjolkan jurang kepimpinan. Apabila maklumat bergerak pantas, keutamaan kabur dan pemilikan lemah muncul lebih awal. Pemimpin perlu memperjelas niat, bertanya soalan lebih baik dan mengukuhkan akauntabiliti.
Matlamatnya ialah organisasi yang membuat keputusan lebih baik, bertindak lebih awal dan memberi orang lebih banyak kapasiti untuk kerja bernilai tinggi, melangkaui label “syarikat berkuasa AI”.
Soalan lazim
Mengapa program transformasi AI gagal?
Ia sering mengautomasikan proses kabur, data berpecah dan akauntabiliti lemah. AI kemudian mempercepatkan geseran sedia ada tanpa memperbaiki prestasi.
Di manakah syarikat patut bermula dengan AI operasi?
Mulakan dengan kesesakan perniagaan, petakan aliran kerja dan hak keputusan, tetapkan garis dasar boleh ukur dan jalankan satu projek rintis dengan tadbir urus sebelum diperluaskan.
Apa yang perlu kekal di bawah manusia dalam aliran kerja AI?
Manusia perlu mengekalkan akauntabiliti terhadap keputusan penting, pengecualian, pertimbangan etika, kepercayaan pihak berkepentingan dan takrif kejayaan.
Bagaimana PKS patut mengukur kesediaan penggunaan AI?
Nilai kejelasan hasil perniagaan, kesesuaian aliran kerja, pemilikan bertanggungjawab, kebolehgunaan pasukan, kebolehpercayaan data dan rentak semakan. Skor terendah menunjukkan kekangan yang perlu dibaiki dahulu.
Patutkah syarikat mengautomasikan atau mereka semula proses dahulu?
Reka semula dahulu apabila hasil, aliran kerja, pengecualian atau pemilikan kabur. Automasi proses tidak stabil biasanya menggandakan kerja semula dan kekeliruan.