Wykorzystanie sztucznej inteligencji do tworzenia przyszłościowych i inteligentnych wskaźników efektywności pozwala na lepsze dostosowanie działań operacyjnych do strategii.

Zmieniające się warunki rynkowe, zwinna konkurencja oraz wysokie wymagania dotyczące cyfrowej modernizacji operacji i procesów sprawiają, że strategiczne dostosowanie działań operacyjnych staje się sporym wyzwaniem. Pomocna w tym obszarze może okazać się sztuczna inteligencja. Na podstawie przeprowadzonego przez nas globalnego badania z udziałem ponad 3000 menedżerów i 17 wywiadów z przedstawicielami kadry kierowniczej stwierdziliśmy, że liderzy z różnych sektorów biznesu wykorzystują AI do poprawy sposobu, w jaki kluczowe wskaźniki efektywności (KPI) są priorytetyzowane, organizowane i udostępniane. Te ulepszenia mają bezpośredni, mierzalny wpływ na wzmocnienie strategicznego dostosowania operacji.

Liderzy wykorzystują również AI do poprawy dokładności, szczegółowości i zdolności predykcyjnych samych KPI. Ulepszenia te, zarówno indywidualnie, jak i zbiorowe, zwiększają świadomość sytuacyjną i ulepszają koordynację między funkcjami korporacyjnymi, co przyczynia się do osiągania lepszych wyników strategicznych. Liderzy przyznają, że potrzebują nowych możliwości pomiarowych i ulepszonych metryk, aby lepiej przewidywać i nawigować strategiczne szanse i zagrożenia. Uznają, że możliwości pomiarowe oparte na AI mogą dać nowy wgląd w zakresie wydajność i wskaźników, wzmacniając dostosowanie strategiczne i polepszając rezultaty. Nasze wyniki są jasnym wezwaniem do działania dla liderów, aby tworzyć bardziej zintegrowane systemy KPI, które są zarówno przyszłościowe, jak i wzajemnie powiązane.

Te wzbogacone o AI KPI, czyli inteligentne KPI, mogą skutecznie działać jak korporacyjny GPS, pokazując ludziom, gdzie się znajdują, dokąd muszą zmierzać i jak najlepiej tam dotrzeć. Te inteligentne KPI oferują bardziej szczegółowe i dokładne opisy tego, co dzieje się w biznesie, bardziej trafne przewidywania tego, co prawdopodobnie się wydarzy, a w niektórych przypadkach bardziej proaktywne sugestie, jakie działania powinni podjąć menedżerowie. Inteligentniejsze i bardziej ukierunkowane na przyszłość KPI udoskonalają tradycyjne KPI, które z powodu ograniczeń czasowych i bezwładu wykonawczego pozostawały niezsynchronizowane i niezweryfikowane.

Omawiamy przykłady – z kilku branż – które ilustrują, jak liderzy wykorzystują te nowe możliwości do osiągania swoich strategicznych celów, oraz przedstawiamy konkretne zalecenia dotyczące wykorzystania AI do wzbogacenia KPI i wspierania strategicznego dostosowania.

Wzmocnienie strategicznego dostosowania za pomocą AI

KPI z założenia miały dostosowywać działania organizacyjne do celów strategicznych. Jednak większość menedżerów zdaje sobie sprawę z potrzeby udoskonalania wskaźników, ponieważ ich zdaniem nie odzwierciedlają one w praktyce strategicznych aspiracji. Nasze badania pokazują, że liderzy, którzy wzbogacają swoje KPI za pomocą AI, mają większe szanse na osiągnięcie korzyści takich jak ulepszona koordynacja między działami. Są oni bardziej skuteczni w priorytetyzowaniu KPI, identyfikowaniu i tworzeniu relacji między nimi oraz w udostępnianiu danych KPI w zespołach. Podchodzą do KPI bardziej jak do zasobów wymagających udoskonalenia niż jak do celów do osiągnięcia.

Organizacje, które wykorzystują sztuczną inteligencję do poprawy istniejących kluczowych wskaźników efektywności (KPI) lub tworzenia nowych, osiągają większe korzyści biznesowe niż te, które czynią to bez użycia AI.

Dla większości organizacji podnoszenie kluczowych wskaźników wydajności (KPI) stanowi jasne zadanie. Zgodnie z wynikami naszego siódmego corocznego globalnego badania (więcej na temat badania w artykule Jak AI i inteligentne wskaźniki KPI wspierają realizację strategii) 7 na 10 respondentów zgadza się, że doskonalenie KPI nie tylko poprawia wydajność, ale też jest kluczowe dla sukcesu ich przedsiębiorstw. Jak zauważa jeden z menedżerów biorących udział w naszej ankiecie: „Musimy ciągle ewoluować nasze KPI, aby nie zarządzać firmą na przestarzałych metrykach”.

Coraz więcej firm wykorzystuje obecnie sztuczną inteligencję – na różne sposoby – aby przyspieszyć tę ewolucję. „Bardzo entuzjastycznie podchodzę do tego, co możemy osiągnąć dzięki uczeniu maszynowemu, które umożliwia naszym starszym liderom odejście od metryk patrzących wstecz na rzecz tych, które pozwalają spojrzeć w przyszłość” – mówi Avinash Kaushik, dyrektor ds. strategii w agencji marketingowej Croud i były dyrektor ds. globalnej analizy strategicznej w firmie Google.

W początkowej fazie rozwoju platformy przewozów pasażerskich Lyft jej inżynierowie stworzyli algorytm mający na celu maksymalizację przychodów poprzez dopasowanie dostępności kierowców do zapotrzebowania klientów. „Algorytm analizował wszystkie możliwe kombinacje pasażerów i kierowców, wybierając tę, która – na podstawie zgłoszonego zapytania o przejazd, lokalizacji kierowcy, wszystkich dynamicznych elementów systemu – maksymalizowałaby przychody” – komentuje Elizabeth Stone, była wiceprezeska ds. nauki w Lyft. Następnie, gdy eksperci ds. danych zaczęli testować inne cele, pojawiło się coś interesującego. Dzięki jednemu z rozwiązań, opartemu na sztucznej inteligencji, odkryto, że optymalizacja wskaźników konwersji (obrazujących, jak często użytkownik zamawiał przejazd po otwarciu aplikacji) prowadzi do większej liczby zgłoszeń przejazdów w przyszłości. Więcej zgłoszeń oznacza ostatecznie większe przychody. W rezultacie dzięki wykorzystaniu sztucznej inteligencji Lyft zmienił swój kluczowy wskaźnik wydajności związany z kombinacjami przejazdów i kierowców na taki, który skupia się również na optymalizacji wskaźników konwersji.

W Tokopedii (członek Grupy GoTo), jednym z największych marketplace’ów w Indonezji, sztuczna inteligencja przegląda petabajty danych w poszukiwaniu sygnałów związanych z wiarygodnością i rzetelnością (ang. redibility and reliability). Są to istotne kwestie, biorąc pod uwagę, że 86,5% z 14 milionów sprzedawców na platformie – oferujących 1,8 miliarda produktów – to nowi przedsiębiorcy. Posiadanie bardziej wiarygodnych sprzedawców sprawia, że rynek staje się bardziej atrakcyjny, efektywny i wydajny. „Mogą mieć dobre produkty do sprzedania, ale nie wiedzą, jak zarządzać swoim asortymentem” – mówi Herman Widjaja, CTO Tokopedii. „Dzięki sztucznej inteligencji łączymy naszych klientów z odpowiednim produktem, który jest oferowany przez odpowiednich sprzedawców” – dodaje. Firma zsyntetyzowała miliony możliwych sygnałów w system oceniania, który reprezentuje nowy kluczowy wskaźnik wydajności dotyczący jakości sprzedawców.

Chociaż większość respondentów rozumie potrzebę ulepszonych KPI, to wyraźna większość polega obecnie na niewystarczających narzędziach i technologiach do zarządzania swoimi metrykami. Nawet w miarę transformacji możliwości przedsiębiorstw przez algorytmy uczenia maszynowego (ML) i generatywne sztuczne inteligencje (generative AI) ludzki osąd pozostaje dominującym podejściem do ulepszania KPI. Dwie trzecie respondentów badania potwierdza, że menedżerowie podejmują decyzje oparte na osądzie, dostosowując KPI swojej organizacji. Choć powszechne, to podejście często nie przynosi pożądanych rezultatów: zaledwie jedna trzecia respondentów badania, którzy polegają wyłącznie na ludzkim osądzie, dostrzega poprawę swoich KPI.

Badania pokazują, że większa jawność KPI i ich wyraźniejsze dopasowanie mają kluczowe znaczenie dla ogólnej skuteczności mierzenia wyników.

Większość organizacji wykorzystuje kluczowe wskaźniki efektywności (KPI) do mierzenia i rejestrowania wydajności. Niedawny raport badawczy „MIT Sloan Management Review” pt. Przewodzenie za pomocą kluczowych wskaźników efektywności nowej generacji (Leading With Next‑Generation Key Performance Indicators) pokazuje jednak, że maksymalizowanie przydatności biznesowej KPI wymaga nowych form zaangażowania przywódców. Potężny wpływ na efektywność korporacyjnych KPI mają dwie odmienne, choć pokrewne, dobre praktyki: większa jawność KPI oraz ich wyraźniejsze dopasowanie.

Większa jawność KPI polega na tym, że najważniejsze wskaźniki w organizacji, dotyczące marketingu, sprzedaży, finansów, postępu projektów i procesów, są szerzej komunikowane na wszystkich szczeblach firmy. Weźmy na przykład osobne kanały na Slacku służące weryfikowaniu i komentowaniu KPI. Jawność sprzyja dążeniu do lepszego dopasowania KPI w całej organizacji: poszczególne zespoły mogą bezpośrednio dostrzec, które wskaźniki w największym stopniu dotyczą ich członków i odpowiednio na to reagować. O takim podejściu do KPI, przeciwdziałającym tworzeniu się silosów, mówili w wywiadach przedstawiciele zróżnicowanego grona przedsiębiorstw zorientowanych na markę, obejmującego między innymi firmy Adidas, Colgate‑Palmolive i GoDaddy. Wykorzystanie KPI do zwiększania efektywności w strukturze pionowej, z góry na dół i z dołu do góry, obserwowaliśmy jednak również w organizacjach takich jak GE Healthcare. Jawność hierarchicznych KPI dostarcza wskazówek wszystkim szczeblom korporacji. Nasze badania sugerują, że zaawansowane firmy zarządzane w oparciu o dane nie tylko komunikują KPI, ale też oczekują od menedżerów dostosowywania do nich praktyki zarządzania.

Zaobserwowaliśmy bezpośrednie wykorzystanie wspólnych KPI do promowania współpracy między działami. Innymi słowy, KPI są wykorzystywane do przewodzenia zmianie i zarządzania nią. Organizacje o większej biegłości analitycznej oceniają i ważą, w jakim stopniu poszczególne KPI przyczyniają się do osiągania oczekiwanych wyników marketingowych czy dotyczących relacji z klientem. Przeczytawszy nasz raport, dyrektor wykonawczy pewnego konglomeratu przemysłowego wycenianego na miliardy dolarów zwrócił się do nas, przyznając, że jego firmie lepiej idzie udostępnianie wewnątrz swojej struktury danych klientów niż komunikowanie zróżnicowanych KPI związanych z zaangażowaniem klienta. W tym kontekście KPI jawią się nie tylko jako dane, ale też jako nieodzowne metadane. Dostarczają one organizacjom nowej wiedzy dotyczącej przypisywania odpowiedzialności w ramach własnej struktury.

Udane inicjatywy związane z cyfryzacją wymagają od liderów określania wskaźników efektywności w odniesieniu do celów biznesowych popartych danymi, a nie do zasobów technologicznych.

Najbardziej niebezpiecznym działaniem, jakie podejmują liderzy biznesowi w dążeniu do cyfryzacji, jest uznanie transformacji cyfrowej za cel sam w sobie. Mylenie środków z celem, bardziej niż jakikolwiek inny błąd, pozostawia za sobą ponury ślad pogrzebanych inicjatyw.

Choć jest wiele powodów, dla których inicjatywy cyfryzacyjne tak wielu firm kończą się porażką, nam szczególnie rzuca się w oczy to, jak często autorzy transformacji cyfrowych mierzą swoje działania błędną miarą. Regularnie przyjmują oni nieprawidłowe i mylące kluczowe wskaźniki efektywności (KPI), jak choćby stosunek liczby użytkowników do liczby zakupionych licencji czy liczba procedur, w których wykorzystuje się nowe oprogramowanie.

Definiowanie wskaźników cyfrowej efektywności w taki sposób mija się z celem. Liderzy udanej transformacji traktują strategię cyfrową nie jako cel do zdobycia, lecz jako środek do osiągania mierzalnie lepszych wyników biznesowych. Rozwijają oni plany cyfryzacji wokół celów strategicznych. Co szczególnie istotne, dobierają oni zestawy takich wskaźników efektywności, które mierzą wartość biznesową cyfryzacji, a nie stan infrastruktury technologicznej przedsiębiorstwa.

W splatformizowanych gospodarkach radykalne wzmacnianie potencjału cyfrowego stało się krytycznie istotne dla skutecznego osiągania rezultatów odzwierciedlających strategiczne cele przedsiębiorstw. Zdolność firm do pokonywania złożonych wyzwań w zakresie łańcucha dostaw, rozwijania innowacji, wprowadzania hybrydowego środowiska pracy dla rozproszonych przestrzennie zespołów, a także ciągłego doskonalenia doświadczenia klienta zarówno w przestrzeni wirtualnej, jak i w świecie fizycznym, w coraz większym stopniu zależy od ich potencjału związanego z adaptacją rozwiązań cyfrowych.

Niestety, naszym zdaniem KPI są niedoceniane i niedostatecznie wykorzystywane jako zasoby analityczne w przewodzeniu cyfrowej zmianie. W większości tradycyjnych przedsiębiorstw KPI są traktowane jako mechanizmy raportowania czy księgowości, a nie jako kluczowe czynniki decyzyjne – służą do liczenia punktów, a nie ustalania zasad gry. Kurczowe trzymanie się takiego pojmowania wskaźników efektywności stoi na drodze do powodzenia strategii transformacji cyfrowej – takie KPI są wręcz kontrproduktywne.

Transformacja cyfrowa odniosła zwycięstwo jako filozofia biznesowa i imperatyw dla przedsiębiorstw: poważni liderzy biznesowi na całym świecie pogodzili się z nieuchronną cyfryzacją rynków oraz relacji z klientami i pracownikami. Zapraszamy do zapoznania się z unikatowym raportem „MIT Sloan Management Review” na temat przywództwa w czasach cyfrowych.

Idea, w myśl której skuteczna transformacja cyfrowa jest gwarancją elastyczności, zdolności adaptacji oraz orientacji na klienta, jest dziś mantrą menedżerów i inspiracją dla liderów. W praktyce jednak skuteczne transformacje cyfrowe wiążą się z nieprzewidzianymi zagrożeniami i kosztami. Presja większej wydajności i produktywności, wywierana przez liderów, wywołała zdecydowany sprzeciw pracowników, zwłaszcza tych, którzy mają rozległą wiedzę. Specjaliści o unikalnych kompetencjach podnieśli liderom poprzeczkę, oczekując większej elastyczności pracy, wyższych wynagrodzeń i/lub zagwarantowania środowiska pracy sprzyjającego wydajności. Nasze badanie sugeruje, że wysoko wyspecjalizowani pracownicy oczekują, że transformacja cyfrowa w firmie zapewni im nie tylko większe możliwości i szanse biznesowe, ale przede wszystkim przyczyni się do rozwoju kultury organizacyjnej. Te oczekiwania radykalnie zmieniają sposób, w jaki liderzy mogą nadzorować pracę oraz wywierać wpływ na swoich podwładnych.

Silniki rekomendacji rewolucjonizują sposoby robienia zakupów przez klientów i wykonywania zadań przez pracowników.

Wikipedia definiuje silniki (oraz platformy i systemy) rekomendacji jako „podklasę systemów filtrujących informacje, które mają za zadanie przewidywać »oceny« lub »recenzje«, jakie użytkownik wystawiłby produktom”[1]. Jednak jako narzędzie, technologia i cyfrowa platforma silniki rekomendacji są o wiele bardziej intrygujące i ważniejsze, niż wynika z powyższej definicji.

Na rynkach bazujących na danych niezawodnie najtrafniejszych rad udzielają najskuteczniejsi rywale. Kiedy zmieniamy opakowanie analiz prognostycznych i wykorzystujemy je w charakterze rekomendacji, zmieniają one sposób, w jaki ludzie postrzegają wybór, doświadczają go i rozstrzygają. Silniki rekomendacji są najskuteczniejszymi – i najmocniej uprawniającymi ludzi do działania – motorami handlu.

Wraz z ewolucją paneli sterowania kluczowymi wskaźnikami efektywności (KPI) zmienia się to, jak menedżerowie kontrolują samych siebie. Tekst Michaela Schrage’a, prelegenta Konferencji MIT Sloan Management Review Polska.

Spójrz na swój zegarek: czy tylko pokazuje, która jest godzina, czy mówi ci również, ile przeszedłeś kroków? Może też pomaga ci organizować wysyłkę wiadomości tekstowych czy poruszać się po mieście? Ta sama technologia, dzięki której zegarki „smartwatch” mierzą nam tętno czy powiadamiają o wydarzeniach zapisanych w kalendarzu, może również wyświetlać informacje o KPI, kluczowych wskaźnikach efektywności, które są odpowiedzialne za właściwe funkcjonowanie twojej firmy. Innowacje wprowadzane na urządzeniach mobilnych zapewniają dostęp do informacji o KPI wszędzie. Takie mobilne platformy KPI nie tylko zmienią nasz sposób myślenia o panelach sterowania – zmienią także zachowania liderów.

O tym, jak w czasach globalnej pandemii wzrosło znaczenie narzędzi pozwalających skutecznie mierzyć efektywność, opowiada nam Michael Schrage – specjalista w dziedzinie ekonomii behawioralnej, innowacyjności i wskaźników efektywności z Initiative on the Digital Economy w MIT Sloan School of Management. Rozmawia Paweł Górecki, redaktor naczelny „MIT Sloan Management Review Polska”.

PAWEŁ GÓRECKI: Od pewnego czasu zajmuje się pan kwestią mierzenia efektywności. Proszę powiedzieć, co się tak naprawdę zmieniło w związku z pandemią? Dlaczego tak ważne stały się tematy zarządzania efektywnością w czasach pracy zdalnej? Punktem wyjścia naszej rozmowy jest nowe opracowanie pańskiego autorstwa właśnie na ten temat.

MICHAEL SCHRAGE: Fakt, że zaczęliśmy pracować zdalnie, w rozproszeniu, można oceniać pozytywnie i negatywnie. Pozytywny aspekt jest taki, że praca zdalna naprawdę się sprawdziła. Negatywny, że nikt tak do końca nie wie dlaczego. Nikt nie rozumie, jak to się dzieje, że tę pracę wciąż daje się wykonywać. Dlatego organizacje, którym doradzam, coraz częściej zaczynają zwracać się do mnie z pytaniami, jak mają monitorować to, co się dzieje, i jak należy myśleć o poprawie wydajności w takich warunkach. Wyzwaniem stało się pytanie, jakie dane należy zbierać i jakie mierniki powinny być wykorzystane, aby poprawić i zwiększyć efektywność zarówno indywidualną, jak i zespołową. A także wydajność procesową w czasach pracy zdalnej, kiedy wszyscy pracujemy w rozproszeniu.

Pisze pan, że zarządzanie wydajnością ściśle powiązane jest z mierzeniem wydajności. To w sumie nie jest nowe, ale zaciekawiło mnie w pańskim opracowaniu to, że firmy w kryzysie rzeczywiście zaczęły dostrzegać znaczenie tej prawdy. Wprowadzają nowe metody pomiaru efektywności, nowe wskaźniki. Sądziłem, że raczej pogubią się w nowej sytuacji, a zdaje się, jest inaczej.

Tu pewne sprostowanie. Mój artykuł opisuje tylko kilka wybranych firm. W rzeczywistości wiele organizacji boryka się z tym wyzwaniem – wcale tak dobrze sobie z nim nie radzą. W moim opracowaniu koncentruję się na organizacjach, które uwierzyły w to, że zarządzanie wysoką wydajnością wymaga równie wysokiej jakości mierników. Powiedzmy to sobie od razu – to nie dotyczy każdej organizacji. Wątpię nawet, żeby to dotyczyło większości organizacji. Opisałem organizacje, które się do mnie zwróciły i które wiedzą o tym, czym się zajmuję w zakresie mierników i świata cyfrowego.