Автоматизация не произойдет автоматически. В связи с этим вот несколько уроков, выученных у тех, кто уже использовал процесс автоматизации, чтобы придать импульс вашим инициативам по автоматизации. Мы решили, что четыре этих «правила движения», будут особенно полезны:

1. Установите свои 25%–25% обязательной автоматизации.

2. Найдите свои цели для автоматизации процесса.

3. Прорвитесь сквозь «латунную стену».

4. Создайте повторяющийся процесс, чтобы упростить, сгладить работу.

Приходя на работу, (почти) каждый человек имеет цель. Дела протекают практически одинаково, изо дня в день. В каждое отдельно взятое утро понедельника почти невозможно представить, чтобы работа делалась по-другому. Но именно это вы должны сделать в первую очередь. Чтобы начать любые значимые перемены с использованием автоматизации, вы должны закрыть глаза и вообразить, что вещи могут быть сделаны совершенно по-другому.

Мы считаем, что базовыми ожиданиями должно быть снижение цены на 25% с соответствующим ростом производительности на 25%. Основываясь на сегодняшних средних уровнях (около 15%) и улучшении производительности, вызванном некоторыми решениями (до 90%), это должно стать вашим выполнимым и быстро внедряемым планом первоначальных попыток роботизированной автоматизации процессов.

Причина, по которой правило 25%–25% эффективно, в том, что оно заставляет вашу команду по-другому подумать о том, «как у нас тут все делается». Когда цель, скажем, 5% снижения расходов и 5% роста производительности, команда продолжит думать так же, как обычно. Подняв планку до 25%–25%, вы ясно даете понять, что традиционного коктейля из реорганизации, аутсорсинга и/или корпоративных программных систем недостаточно. Такие результаты даст только цифровая автоматизация процесса. Проще говоря, если вы не можете добиться сокращения расходов хотя бы на 25%, у вас нет настоящих решений «автоматизации». И если вы не можете получить 25% роста производительности, то платформа ИИ работает не так, как должна.

Отыскивая варианты для начальной автоматизации, которая должна затрагивать не менее двух или трех процессов, находите свои точки на рабочем континууме человек—машина (см. рис. 7.5). Лучшие отправные точки автоматизации – в левой части континуума: в этих процессах машина может быстро взять на себя большую часть работы. Как мы описывали в главе 3, это должны быть области с высоким процентом рабочих задач, которые могут быть автоматизированы.

Рисунок 7.5. Рабочий континуум человек—машина

Выбирать свои первые цели для автоматизации нужно вдумчиво, поскольку успех или отсутствие успеха этого начального внедрения будет диктовать ваши последующие инициативы с ИИ. В своей работе с десятками начинаний с использованием ИИ мы увидели, что успешные попытки отвечают этим критериям.

• Часто повторяющиеся задачи. Найдите задачи, которые часто приходится выполнять, очень распространенные в вашей компании. Коротко говоря, поищите деятельность, которой многие люди занимаются каждый день. Это может быть обработка инвойсов, сверка документации, «отбор и упаковка», согласование заказов, новые ответы по телефону на одни и те же вопросы и так далее. Некоторые из этих задач уже и так заметно автоматизированы, но многие, по нашим наблюдениям, еще нет. Дайте себе честный ответ: эти области, и многие другие, автоматизированы настолько, насколько это возможно? И есть ли интеллектуальная составляющая в течение процесса? Любые объемные, часто повторяющиеся задачи – первые кандидаты на автоматизацию.

• Задачи, почти не требующие человеческого суждения. Роботы отлично считают, люди считают хуже. Напротив, люди больше способны к комплексным суждениям, в то время как ИИ и алгоритмы – нет. Поэтому работа, крепко висящая на деревьях решений (в противоположность амбивалентности, интуиции, инсайту, сложным суждениям) – сильный кандидат на автоматизацию. Машины способны на информированные результаты, однако принятие решений, основанных на нюансах, в обозримом будущем будет требовать человеческого участия. И напротив, любая работа, являющаяся в основном последовательностью шагов «если-это-то-это», должна быть автоматизирована.

• Задачи, требующие низких уровней эмпатии. Регистрация заказов, вынесение решений по заявлениям и сверка инвойсов – процессы, требующие аккуратности и скорости… но редко эмпатии. Если бот может существенно увеличить точность, систематичность или скорость, многие из нас смирятся с отменой фактора эмпатии. Уже сейчас внутри вашей организации есть много областей, в которых должна быть применена логика. Их нетрудно будет отыскать.

• Генерирование задач и работа с большими объемами данных. Любой процесс, связанный с потенциальной генерацией большого количества информации, особенно клиентской, должен быть автоматизирован с единственной целью сбора данных, вашего собственного сырьевого материала. Люди, даже если вы можете позволить себе иметь достаточное количество сотрудников, не справятся с объемами данных, когда становятся умными и подключается все больше и больше вещей. В качестве небольшого примера, представьте, что все уличное освещение в городе среднего размера умное и способно сообщать не только о собственном «здоровье» (например, о том, нужно ли их заменить), но могут также информировать о потоке транспортных средств. Объем данных, генерируемых в «решете» информации целого города, будет далеко за пределами человеческих способностей к управлению и обработке данных. В подобных сценариях автоматизация не заменит людей, а станет фундаментальным строительным блоком для создания новых сервисов и идей, которые, в свою очередь, создадут ценность. В своей организации стоит искать области, в которых процессы и потоки могут управляться сенсорами и данные от которых, прежде недоступные, могут генерироваться и администрироваться.

Определение целей для автоматизации покажет вашей команде четкий путь к успеху, однако серьезное препятствие к управлению переменами в вашей компании по-прежнему остается. Это ведет к нашему третьему правилу движения.

Вы определили первоначальные цели для автоматизации, распространенные в отрасли и точно подходящие под пороговые уровни в 25%–25%. Все в компании увидят мудрость вашего решения и будут полностью поддерживать, правда? Неправда.

Мы выучили этот урок двадцать лет назад, во время вышеупомянутой волны реорганизации бизнес-процессов (РБП). Когда-то в 1990-х последователи Майкла Хаммера (Michael Hammer) заявляли: «Не автоматизируйте. Уничтожайте!» Эта мантра должна была помочь найти способ делать больше за меньший счет – гораздо меньший.

В теории РБП выглядела прекрасно. Однако практика в большинстве случаев провалилась (серьезно запачкав в процессе имя этого движения). Почему же? Слишком часто средние менеджеры, ответственные за выстраивание и внедрение инициатив по РБП, быстро осознавали, что реорганизуют с работы и самих себя. А дальше следовали политика и саботаж.

Оценивая события прошлого, можно сказать, что это был феномен «латунной стены», с которым впервые столкнулись с момента реорганизации полицейских сил в главных городах Америки в 1980-е годы. Во время взрыва преступности, связанного с торговлей наркотиками и ростом насилия, полицейские шефы в Нью-Йорке, Бостоне, Майами и Лос-Анджелесе искали способы установить в полиции новые порядки (например, больше патрульных полицейских, следование философии «разбитого окна» и внимание даже к малейшим преступлениям, привлечение данных для более разумного несения службы и выравнивание организационной модели для снижения бюрократии и расходов). Люди на верхушке полицейской пирамиды (то есть шефы полиции и их команды, а также муниципальное руководство) всецело поддерживали и пытались продвигать перемены. Молодые офицеры полиции, недовольные существующей системой, также поддерживали новые полицейские техники. Однако эти попытки перемен упирались в «штабную стену» – в офицеров, сидящих в середине пирамиды (с латунными погонами на плечах), отбывших на своих постах уже больше двух десятков лет, заработавших место в среде высших чинов и во властных структурах, и почуявших аромат приближающейся пенсии. Для них кажущаяся личная угроза от этих перемен значительно перевешивала любой потенциал общего блага.