Chcesz produktywności napędzanej sztuczną inteligencją? Przeprojektuj pracę

Sztuczna inteligencja daje liderom nowe możliwości, pod warunkiem że zdekonstruują stanowiska i procesy, przeredystrybuują pracę oraz zrekonstruują nowe sposoby działania.

TRADYCYJNE STRUKTURY, które niegdyś definiowały pracę — stałe stanowiska, sztywne procesy i wąsko określone role — rozpadają się pod ciężarem zmian. Przez stulecia relacja między kosztem (lub ceną) a wolumenem kształtowała ekonomiczne obliczenia pracy. Organizacje działały w modelu, w którym wzrost produktywności był powiązany z dostępnością i kosztem zatrudnionej siły roboczej. Jednak zdemokratyzowany dostęp do pracy poprzez platformy gig economy i zwinne sposoby działania, w połączeniu z poważnymi postępami technologicznymi — szczególnie i najbardziej głęboko sztuczną inteligencją — przekształca pracę w różnych branżach.

W tym procesie wiele firm ma trudności z realizacją przyrostu produktywności obiecanego przez te zmiany — nie dlatego, że brakuje im technologii, ale dlatego, że nie udaje im się przemyśleć i przeprojektować podstawowych struktur samej pracy. Dotyczy to szczególnie ponownego wizjonowania pracy w celu włączenia możliwości sztucznej inteligencji.

Wiele firm pozostaje uwięzionych w przestarzałych modelach pracy i procesach. Praca wciąż jest strukturowana zgodnie ze sztywnymi rolami zawodowymi, a nie jako płynny system zadań, które można zarówno podejmować, jak i optymalizować w ramach możliwości ludzkich i maszynowych. To niedopasowanie uniemożliwia organizacjom pełne wykorzystanie potencjału sztucznej inteligencji do uwolnienia nowych efektywności, tym samym ograniczając przyrosty produktywności i tworząc niezamierzone zakłócenia w sile roboczej.

Aby wykorzystać sztuczną inteligencję, organizacje muszą wyjść poza prostą binarną narrację zastępowania technologią pracy aktualnie wykonywanej przez pracowników i przyjąć fundamentalne przeprojektowanie pracy. Tylko dzięki skoordynowanym wysiłkom na rzecz dekonstrukcji, redystrybucji i rekonstrukcji pracy firmy będą mogły osiągnąć nowe poziomy zwinności, skalowalności i produktywności. Wymaga to przyjęcia podejścia „od pracy wstecz” zamiast podejścia „technologia naprzód”: Zamiast skupiać się na tym, jak technologia może być zastosowana do istniejących stanowisk i procesów w celu wyeliminowania ludzkiej pracy, liderzy muszą zdekonstruować istniejące i powstające zadania, aby zrozumieć, które działania można zastąpić, wzmocnić lub przekształcić. Gdy przeredystrybuują te działania do optymalnych rozwiązań, będą na drodze do rekonstrukcji całkowicie nowego sposobu pracy.

Zmieniająca się ekonomia pracy

Historycznie ekonomia pracy była definiowana przez prawo podaży i popytu: Wraz ze wzrostem cen (płac) popyt na pracę maleje. Z drugiej strony wyższe płace zachęcają do zwiększenia podaży pracy.

Sztuczna inteligencja, automatyzacja i nowe sposoby organizowania talentów, takie jak korzystanie ze zwinnych wewnętrznych pul talentów i zatrudnianie talentów gig, fundamentalnie zmieniają ten model ekonomiczny i na nowo definiują krzywą popytu na pracę. Gdy sztuczna inteligencja i automatyzacja stają się substytutami dla powtarzalnych zadań i wspierają złożone zadania w coraz bardziej skalowalny sposób, firmy mają więcej możliwości korzystania z talentów poza pełnoetatowymi pracownikami na stałych stanowiskach, aby wykonać tę pracę. To pomaga organizacjom osiągnąć wzrost przy mniejszej intensywności zasobów i większej elastyczności, odblokowując całkowicie nowe możliwości tworzenia wartości. Nazywamy to wyginaniem krzywej popytu.

To wygięcie krzywej dzieje się na dwóch poziomach. Gdy firmy zapewniają zdemokratyzowany dostęp do nowych technologii, takich jak generatywna sztuczna inteligencja, indywidualni pracownicy są w stanie uwolnić czas i zwiększyć swoją produktywność, zastępując przyziemne działania (na przykład badania i analizę danych) działaniami kreatywnymi (takimi jak synteza danych i storytelling). Te mikrowysiłki przeprojektowania stanowisk umożliwiają organizacji wykonywanie większej ilości pracy przy niewielkim lub żadnym wzroście kosztów jednostkowych.

Na skalę przedsiębiorstwa liderzy mogą przeprojektowywać pracę na poziomie makro, używając własnościowych dużych modeli językowych i uczenia maszynowego do zasilania autonomicznych agentów sztucznej inteligencji, które realizują projekt procesu. Może to obejmować pisanie i wykonywanie kodu, z ludźmi działającymi jako nadzorcy lub nawet podejmującymi konkretne działania w celu dostarczenia zróżnicowanej wartości.

Zarządzanie wydajnością

Mikrowysiłki przeprojektowania stanowisk umożliwiają organizacji wykonywanie większej ilości pracy przy niewielkim lub żadnym wzroście kosztów jednostkowych.

Redukcje intensywności zasobów, które mogą wyniknąć z systemów operacyjnych wspomaganych sztuczną inteligencją, oznaczają, że praca wymaga mniej ludzkiej siły roboczej i niższej „premii za doświadczenie” (czyli zmniejszonej potrzeby kosztownych, wysoko wykwalifikowanych talentów), ponieważ sztuczna inteligencja demokratyzuje wiedzę i możliwości. Mniej doświadczeni talenci mogą działać na wyższych poziomach biegłości.

Liderzy mogą zatem dekonstruować, redystrybuować i rekonstruować pracę. Mogą organizować pracę ludzi na stałych stanowiskach, gdzie kontrola jest najważniejsza (pomyślcie o pilotach linii lotniczych). Mogą tworzyć elastyczne role, gdzie wewnętrzne rynki umożliwiają pracownikom o określonych umiejętnościach podejmowanie wewnętrznych zleceń gig. Unilever, na przykład, był w stanie odblokować 530 000 dodatkowych godzin pracy poprzez swój wewnętrzny rynek w 2020 roku. Liderzy mogą również budować modele przepływu, gdzie specjalistyczne umiejętności z wewnątrz i spoza firmy mogą przepływać do pracy w miarę potrzeb. Firma ubezpieczeniowa, na przykład, osiągnęła 600% wzrost produktywności swoich analityków danych, przenosząc ich ze stałych ról w dziale IT do zwinnej puli talentów, która podejmowała projekty w całej firmie. Takie wysiłki przeprojektowania często skutkują znacznym wzrostem produktywności przy niewielkich dodatkowych kosztach.

Wyginanie krzywej popytu w globalnej firmie świadczącej usługi finansowe

Aby lepiej zobrazować proces dekonstrukcji, redystrybucji i rekonstrukcji, rozważmy doświadczenie globalnej firmy świadczącej usługi finansowe, którą niedawno doradziłem, która szukała skokowej zmiany w wydajności kluczowego procesu obsługi klienta poprzez wprowadzenie nowej platformy technologicznej. Proces obejmował obsługę zamówień klientów na różne produkty i wykonywanie serii wynegocjowanych transakcji, które dopasowywały wymagania klientów do wymagań różnych dostawców. Ten proces skutkował stworzeniem serii niestandardowych papierów wartościowych, którymi firma następnie zarządzała dla tych klientów.

Nowa platforma technologiczna łączyła użycie wizji sztucznej inteligencji do pobierania danych z wielu źródeł z implementacją automatyzacji procesów robotycznych (RPA) w celu integracji danych z wielu źródeł. Platforma zawierała również uczenie maszynowe do analizowania danych z wielu źródeł i rozwijania nowych papierów wartościowych oraz interfejs generatywnej sztucznej inteligencji, który umożliwiał pracownikom wyciąganie wniosków ze wszystkich zbieranych danych i formułowanie rekomendacji dla klientów. Oczekiwano, że platforma zmniejszy błędy przetwarzania, wyeliminuje nieefektywność w szybkości przetwarzania i poprawi ogólne doświadczenie klienta. Ponadto firma miała nadzieję, że nowy proces zmniejszy rotację i nieefektywną alokację talentów: Poprzedni system skutkował wysokimi wskaźnikami rotacji wśród znudzonych młodszych talentów i zbyt dużą ilością czasu starszych pracowników poświęconą na rutynowe zadania, które mogły być zautomatyzowane.

Liderzy firmy rozpoznali, że musieli przeprojektować pracę wokół możliwości nowej platformy, aby zrealizować zwroty przewidywane w ich analizie biznesowej. Czego nie zdawali sobie sprawy, to jak wspomniany proces dekonstrukcji i analizowania różnych zadań umożliwi im identyfikację opcji redystrybucji, które wykraczały daleko poza możliwości platformy, włączając możliwości przeniesienia części pracy do młodszych talentów i globalnych centrów kompetencji. Rozpoznając, że samo wdrożenie technologii nie rozwiąże problemu, liderzy wiedzieli, że muszą fundamentalnie zdekonstruować pracę, redystrybuować ją i zrekonstruować nowe sposoby pracy, aby w pełni wykorzystać możliwości platformy.

Konkretnie firma wykonała następujące działania:

• Zautomatyzowała 68 różnych zadań w ramach czterech głównych ról zaangażowanych w proces obsługi klienta, eliminując pracę ręczną, która była wcześniej wykonywana głównie przez młodszych pracowników.
• Przeniosła 17 zadań od starszych menedżerów do młodszych członków zespołu przy pomocy generatywnej sztucznej inteligencji, zastępując zadania, które zostały zautomatyzowane. Ta zmiana zwiększyła również retencję talentów, ponieważ przyziemne i powtarzalne zadania zostały zastąpione pracą wymagającą większej kreatywności i krytycznego myślenia.
• Redystrybuowała 29 zadań wymagających głębokich umiejętności analitycznych z tych samych czterech ról obsługi klienta do istniejącego globalnego centrum kompetencji, które miało umiejętności i pojemność i było wcześniej wykorzystywane do innego procesu.

Zarządzanie wydajnością

Zbyt wiele organizacji skupia się na technologiach takich jak generatywna sztuczna inteligencja jako narzędziach samodzielnych i traci z oczu to, jak mogą one być multiplikatorami siły dla ich istniejących technologii.

• Zwiększyła wpływ bardziej starszych pracowników poprzez wspomaganie 14 zadań, włączając zarządzanie relacjami z klientami i coaching pracowników, wsparciem z możliwości uczenia maszynowego i generatywnej sztucznej inteligencji platformy.

Netto efektem tych wysiłków przeprojektowania było 50% zmniejszenie pracy obecnej siły roboczej i 18% redukcja rotacji pracowników. Te zmiany umożliwiły organizacji skupienie jej najbardziej doświadczonych talentów na zapewnianiu „wyższego poziomu kontaktu” z doświadczeniem klienta, szczególnie jeśli chodzi o doświadczenie wdrażania nowych klientów (historyczny punkt bólu). Netto efektem była również 40% redukcja kosztów operacyjnych całego procesu oraz poprawa akwizycji i retencji klientów.

Wygięcie krzywej popytu na pracę umożliwiło liderom firmy osiągnięcie skokowej poprawy produktywności, efektywności i wpływu na klientów, której nawet ich najbardziej optymistyczna analiza biznesowa nie przewidywała.

Pięć kroków do przeprojektowania pracy w erze AI

Chociaż uzasadnienie biznesowe dla dekonstrukcji, redystrybucji i rekonstrukcji pracy jest jasne, wiele organizacji ma trudności z przekraczaniem historycznie sztywnych ról zawodowych oraz mentalności, zestawów umiejętności i zestawów narzędzi związanych z tym, jak praca jest wykonywana.

Organizacje mogą podjąć te pięć działań, aby nawigować tę zmianę:

1. Zacznij od pracy. Chociaż kusząco jest postrzegać sztuczną inteligencję jako uniwersalny środek, rzeczywisty zwrot z inwestycji można osiągnąć tylko zaczynając od pracy do wykonania, a nie od technologii, która może na nią wpłynąć. Jest to możliwe tylko poprzez dekonstrukcję pracy na jej elementarne zadania i analizę, gdzie technologia może być zastąpiona, wspierać lub przekształcać każde zadanie; redystrybucję zadań do sztucznej inteligencji i automatyzacji oraz organizowanie talentów w nowe sposoby; a następnie wyjaśnienie, jak został zrekonstruowany nowy sposób pracy.
2. Myśl o całym swoim stosie technologicznym. Zbyt wiele organizacji skupia się na technologiach takich jak generatywna sztuczna inteligencja jako narzędziach samodzielnych i traci z oczu to, jak mogą one być multiplikatorami siły dla ich istniejących technologii (takich jak, w przypadku usług finansowych, RPA i uczenie maszynowe). Tam kombinacja wizji sztucznej inteligencji, RPA, uczenia maszynowego i generatywnej sztucznej inteligencji umożliwiła kompletną transformację kluczowego procesu obsługi klienta.
3. Myśl poza sztuczną inteligencją. Rozpoczynając „od pracy wstecz” zamiast „technologia naprzód”, platforma technologiczna firmy usług finansowych pozwoliła jej redystrybuować pracę do młodszych talentów i jej globalnego centrum kompetencji. Te korzyści nie były przewidziane w oryginalnej analizie biznesowej, ale wykorzystanie tych opcji dodatkowo zwiększyło zwrot z inwestycji technologii. Ten rodzaj wypłaty jest możliwy tylko wtedy, gdy jesteś skłonny przenieść pracę w oparciu o to, gdzie znajdują się podstawowe umiejętności do wykonywania pracy. Przyjęcie podejścia od pracy wstecz pozwala również firmom zrozumieć konkretne możliwości technologiczne wymagane przed zainwestowaniem w nie, potencjalnie oszczędzając znaczną ilość kapitału poprzez uniknięcie płacenia za niewłaściwe narzędzia.
4. Zaplanuj, jak wykorzystasz uwolnioną pojemność. Firma usług finansowych była jasna co do tego, jak zrekonstruuje swoje bardziej starsze role, aby zwiększyć ich wpływ. Gdy powtarzalne zadania zostały wyeliminowane, a inne prace zostały przeniesione do młodszych pracowników, starszy personel mógł poświęcić swój czas na poprawę doświadczenia klienta, a konkretnie na podniesienie poziomu wdrażania nowych klientów. Ekonomiczny wpływ silniejszych wskaźników akwizycji i retencji klientów okazał się być na równi z oszczędnościami z przeprojektowania podstawowej pracy.
5. Uczyń projektowanie pracy podstawową możliwością organizacyjną. Realizacja obietnicy sztucznej inteligencji wymaga wysiłków całego zespołu kierowniczego organizacji, na wszystkich poziomach i we wszystkich obszarach — od liderów biznesowych po liderów technologicznych po liderów zasobów ludzkich. Rozpoczęcie od pytania o to, jaka praca musi być wykonana, umożliwi organizacjom zapewnienie ich własnego perpetualnego odnowienia, szczególnie w obliczu przyspieszonego i nieprzewidywalnego rozwoju możliwości sztucznej inteligencji.

Czy jesteś gotowy wygiąć krzywą popytu na pracę?