Ve firmách dnes vznikají stovky AI use casů: psaní e-mailů, příprava nabídek, analýza dokumentů, zákaznická podpora, reporting. U řady z nich opravdu vznikne úspora času, protože činnost, která dřív trvala hodinu, dnes zabere dvacet minut.
Jenže pak se podíváte na celý proces a zjistíte, že se vlastně skoro nic nezměnilo. Report vznikne rychleji, ale dál čeká dva dny na poradu. AI připraví odpověď zákazníkovi za pár sekund, ale zaměstnanec musí otevřít tři další systémy, zkontrolovat údaje, požádat kolegu o schválení a výsledek ručně zapsat do CRM.
Zrychlili jsme práci. Ne nutně firmu.
A právě v tom podle mě leží jeden z největších nevyužitých potenciálů AI.
Nestačí hledat, co může AI dělat za člověka
Většina firem dnes začíná podobně: sesbírá možné use casy a hledá činnosti, kde by AI mohla lidem ušetřit čas. Je to logický začátek, jen bych u něj nekončil.
Mnohem zajímavější otázka zní:
Kdybychom tenhle proces stavěli dnes od nuly a AI už byla běžnou součástí firmy, udělali bychom ho pořád stejně?
Možná bychom vůbec nevytvářeli některé reporty. Možná by standardní požadavky nemusely procházet schválením. Možná by se informace nemusely přepisovat mezi systémy. A možná by člověk vůbec nemusel řešit 80 procent případů, dostával by jen těch 20 procent, kde je potřeba zkušenost, úsudek nebo rozhodnutí.
To je podstatně větší změna než rychlejší psaní e-mailu.
Procesy jsou plné věcí, které vznikly jako řešení starého problému
Řada dnešních firemních procesů nevypadá tak, jak vypadá, protože by je někdo před deseti lety dokonale navrhl. Postupně jen narostly.
Přidala se kontrola, protože se jednou udělala drahá chyba. Přibyl report, protože management neměl dost informací. Vzniklo další schválení, protože rozhodnutí na první linii byla příliš nekonzistentní. Jeden tým začal přepisovat informace do tabulky, protože dva systémy spolu neuměly komunikovat.
Každý jednotlivý krok mohl ve své době dávat smysl. Výsledkem je ale proces plný předávek, kontrol, čekání a administrativy.
AI je zajímavá mimo jiné proto, že některé důvody, kvůli kterým tyto kroky vznikly, přestávají platit. Pokud systém dokáže během několika sekund vytáhnout kompletní historii zákazníka, porovnat ji s pravidly a upozornit na nestandardní situaci, možná už nepotřebujeme stejnou kontrolu jako dřív. Pokud dokáže průběžně syntetizovat provozní data, možná nepotřebujeme, aby pět lidí každý pátek vyrábělo report pro šestého. A pokud umí spolehlivě zpracovat standardní případy, možná se manažer nemusí vyjadřovat ke každému z nich.
Proto bych se u AI projektů méně ptal „co můžeme automatizovat“ a více: co z dnešního procesu už nemusí existovat?
Člověk nemá být kontrolor každého výstupu AI
Firmy pochopitelně nechtějí pustit AI bez kontroly do procesů, kde může chyba něco stát. Výsledkem ale někdy bývá zvláštní kompromis: AI udělá práci, člověk ji celou zkontroluje.
Na první pohled bezpečné řešení. V praxi jsme si tím ale občas jen pořídili druhého pracovníka, jehož práci musí ten první dál přečíst.
Smysluplnější je rozlišovat případy podle rizika. Běžné situace mohou projít automaticky, hraniční případy se zastaví a člověk dostane výjimku společně s informací, proč ji systém označil.
Firmy, kterým se daří AI dostat do reálného provozu, mají typicky jasno v jedné věci: kdy je lidská kontrola opravdu potřeba a kdy ne
To je drobnost jen zdánlivě. Pokud budeme kontrolovat všechno, velkou část přínosu AI zase spotřebujeme. Pokud nebudeme kontrolovat nic, stačí několik viditelných chyb a lidé systému přestanou věřit.
Dobrý proces proto nepotřebuje člověka všude. Potřebuje ho na správném místě.
Když vznikne nový dashboard, bývám opatrný
Další poměrně jednoduchý test je podívat se, jak se zaměstnanec k AI dostává: musí si otevřít další aplikaci, přihlásit se do nového portálu, nebo si během práce vzpomenout, že by se mohl AI vůbec zeptat? Pokud ano, existuje slušná šance, že jsme vytvořili další nástroj, ne nový způsob práce.
To neznamená, že chatboty nebo copiloti nemají hodnotu. Mají. Jen je rozdíl mezi nástrojem pro individuální produktivitu a změnou firemního procesu.
V dobře navrženém procesu je AI často skoro neviditelná. Obchodník nemusí po schůzce otevírat „AI dashboard“, shrnutí, rizika a doporučené další kroky najde tam, kde už se zákazníkem pracuje. Manažer nemusí hledat nový analytický nástroj, na pravidelné poradě má před sebou rovnou výjimky, kterým je potřeba věnovat pozornost. A zákazník nemusí absolvovat chatbota a pak živému operátorovi opakovat celý problém, kontext pokračuje dál s ním.
Nejde tedy o to, aby lidé začali používat AI častěji. Jde o to, aby ji kvůli běžné práci nemuseli řešit vůbec.
Úspora pěti minut je někdy skoro bezcenná
Kolem AI dnes vzniká obrovské množství kalkulací produktivity: tahle činnost zabere o 30 procent méně času, tady ušetříme deset minut na člověka, tady připravíme dokument třikrát rychleji. Tyto údaje jsou užitečné, ale mohou být velmi zavádějící.
Představme si, že AI zkrátí přípravu nabídky z pěti hodin na dvě. Výborně.
Jenže pokud nabídka pak den leží u vedoucího obchodního týmu, další den na pricingu a nakonec se vrátí autorovi kvůli chybějícím údajům, z pohledu zákazníka se skoro nic nestalo. Produktivita konkrétního úkolu prudce vzrostla. Výkon procesu ne.
Proto bych u významnějších AI projektů sledoval spíš:
Kolik kroků z procesu zmizelo?
Kolik předávek mezi lidmi jsme odstranili?
Kolik případů dnes projde bez lidského zásahu?
Jak dlouho trvá celý proces od začátku do konce?
Kolik práce se vrací zpátky k opravě?
A změnil se vůbec výsledek pro zákazníka?
Pokud AI šetří stovky hodin, ale zákazník, zaměstnanec nebo firma žádnou změnu nepocítí, stojí za to zjistit, kam ty hodiny zmizely.
Možná jsme si špatně zvolili jednotku AI transformace
Firmy dnes rády vytvářejí seznamy AI use casů: deset pro HR, patnáct pro finance, osm pro marketing, dvanáct pro obchod. Na konci má firma padesát use casů a každý tým několik nových nástrojů. Nejsem si jistý, že je to správná ambice.
U zásadnějších změn bych místo jednotlivých use casů vzal jeden důležitý tok práce, třeba:
od leadu k podepsané smlouvě,
od požadavku zákazníka k jeho vyřešení,
od faktury k zaplacení,
od provozního problému k rozhodnutí,
od nové informace ke strategickému rozhodnutí.
A potom bych prošel celý proces krok po kroku:
Co musí dělat člověk?
Co zvládne klasická automatizace?
Co má smysl svěřit AI?
Kde je opravdu potřeba kontrola?
A hlavně: co můžeme úplně vyhodit?
Právě tady se podle mě láme rozdíl mezi firmou, která AI přidává do práce, a firmou, která kvůli ní mění způsob, jakým práce vzniká.
Největší hodnotu AI totiž nemusíme najít tam, kde dnes vzniká nejvíc práce. Může být tam, kde díky AI práce úplně přestane vznikat
Před dalším AI projektem bych se zeptal na pět věcí
Co po jeho zavedení přestaneme dělat?
Pokud nic, pořád to může být dobrý productivity use case. Jen bych tomu neříkal transformace procesu.
Která předávka nebo kontrola zmizí?
Právě mezi jednotlivými kroky bývá překvapivě velká část nákladů i zdržení.
Co projde samo a co je skutečná výjimka?
Nedává smysl nasadit AI a potom ručně kontrolovat 100 procent její práce jen proto, že jsme nedokázali rozhodnout, kde kontrolu opravdu potřebujeme.
Co se zlepší od začátku procesu do jeho konce?
Ne jen čas jedné aktivity. Celý výsledek.
Navrhli bychom tento proces stejně, kdybychom firmu zakládali dnes?
To je otázka, kterou bych položil asi nejčastěji, protože největší příležitost AI nemusí být v tom, že současnou firmu naučíme pracovat rychleji. Může být v tom, že si konečně dovolíme přestat dělat část práce, kterou jsme si za posledních dvacet let sami vytvořili a která už není potřeba.
Tento text je třetí ze série o tom, co firma potřebuje vyřešit, aby jí AI skutečně fungovala: role, odměňování, procesy a vedení. V posledním díle se podíváme na roli vedení, konkrétně na rozdíl mezi managementem, který po lidech chce, aby s AI pracovali, a managementem, který kvůli AI změnil vlastní způsob práce.