Большинство компаний пытаются автоматизировать устаревшие процессы с помощью ИИ вместо того, чтобы сначала их оптимизировать. Генеральный директор Института Кайдзен Антониу Кошта в статье для World Economic Forum объясняет, почему многие инициативы в области новых технологий не окупаются.
В 2023 году компания McKinsey провела исследование, которое показало: несмотря на масштабные инвестиции в цифровую трансформацию, только 30% организаций смогли добиться положительного финансового эффекта от внедрения искусственного интеллекта. Причина не в ограниченности технологий, а в том, что большинство компаний не оптимизируют бизнес-процессы перед автоматизацией. Они пытаются наложить современные решения на устаревшие структуры, в результате чего ИИ может усугубить существующие проблемы вместо того, чтобы усиливать эффективность.
Этот вывод подтверждает и опрос, проведённый Kaizen Institute среди 83 бизнес-лидеров — более 50% признают, что их компании не имеют необходимой операционной базы для успешного внедрения технологий.
ИИ работает, только когда бизнес уже навёл порядок в своих процессах. Вот три шага, которые помогут внедрить технологии правильно и получить от них выгоду:
1. Оптимизируйте бизнес-процессы. Выявите, где сосредоточена ценность для клиента, а где процесс тормозится из-за лишних этапов, задержек или неэффективных расходов.
Например, одна из британских компаний в обрабатывающей промышленности вместо того, чтобы сразу вкладываться в инновации, провела анализ своих бизнес-процессов. Это позволило выявить скрытые резервы: компания сэкономила 3,2 миллиона фунтов стерлингов в год (около 4,1 миллиона долларов), сократила плановые остановки производства на 24% и снизила энергопотребление на ту же величину — и всё это до того, как было внедрено какое-либо решение на базе ИИ.
2. Интегрируйте ИИ постепенно. Не стоит стремиться к тотальной автоматизации. Лучше начать с одной задачи, доказать эффективность технологии, а затем постепенно расширять сферу применения.
В автомобильной промышленности один из поставщиков сначала стандартизировал процедуры технического обслуживания и методы сбора данных о работе оборудования. Только после этого компания внедрила ИИ для анализа информации с датчиков в реальном времени. Результат: система стала предсказывать возможные поломки до их возникновения, что позволило избежать незапланированных простоев, повысить надёжность оборудования и обеспечить непрерывность производства.
3. Масштабируйте успешные решения. Когда ИИ доказал свою эффективность на локальном уровне, например, в одном из отделов или на конкретном производственном участке, можно приступать к внедрению ИИ на всю компанию. Однако здесь важно избегать двух ошибок: слепого копирования решений без учёта специфики других подразделений и отсутствия системы обмена знаниями, из-за чего успешные кейсы остаются достоянием лишь узкого круга сотрудников.
Одна из глобальных логистических компаний создала цифровую платформу для обмена опытом, которая позволила быстро адаптировать успешные ИИ-решения из одного распределительного центра для применения в других филиалах. Этот подход ускорил внедрение технологий и дал локальным командам возможность настраивать решения под свои конкретные нужды, учитывая региональные особенности.