Кажется, в разговорах про ИИ мы слишком быстро бежим в практику. Хотим сократить рутину, ускорить процессы, повысить эффективность. Звучит понятно, можно идти выбирать инструменты.

А если немного задержаться: какой результат мы хотим получить от этого ускорения? Что сейчас происходит, что должно измениться и как мы поймем, что получилось?

Недавно обсуждали это с Романом Коротковым. Зашла с вопроса, который казался мне вполне конкретным:

💬«Если вспомнить последний раз, когда вы думали «вот это точно надо исправить — что это был за процесс?»

Роман ответил, что начинает с других вопросов: ▫️какой результат это принесет для бизнеса, ▫️какой инструмент необходимо применить для решения данной задачи, ▫️есть ли для этого компетенции, люди, время и деньги.

И я зацепилась за порядок. В моем вопросе уже было заложено: нашли, что работает плохо, — будем исправлять. А между наблюдением и проектом изменений еще нужно разобраться, какого результата вообще стоит добиваться.

С ИИ этот промежуток особенно хочется проскочить. Возможностей много, попробовать легко, первые результаты появляются быстро. Уже можно показать, как за несколько минут получается то, на что раньше уходили часы. Но что именно мы сейчас доказали?

Допустим, подготовка отчета занимала четыре часа, а стала занимать двадцать минут. Красиво. Только это время до первого черновика или до проверенного документа? Сколько потом ушло на исправления? И что изменилось для человека, который по этому отчету принимает решение?

Может оказаться, что отчет готов раньше, а решение по-прежнему ждет пятничного совещания.

Ускорение есть. Теперь бы понять его ценность. Мы ведь знаем про SMART, измеримость, сроки. Можем даже довольно аккуратно написать: «Сократить время подготовки отчета на 50% к концу квартала». И все равно оставить за скобками главное: почему нам нужен именно этот результат и что он позволит сделать дальше. Измеримая цель еще не объясняет, зачем ее достигать.

Высвободить время команды — для какой работы? Обрабатывать больше заявок — есть ли на них спрос и сможет ли следующий участок справиться с объемом? Быстрее готовить аналитику — какое решение сейчас запаздывает из-за ее отсутствия?

Мне кажется, на этих вопросах и выясняется, насколько хорошо мы понимаем собственную задачу. Потому что «хотим быстрее» может означать очень разное: перестать работать вечерами, выдержать рост нагрузки, сократить ожидание клиента, раньше заметить проблему. И у каждого из этих результатов будут свои критерии успеха.

В общении Роман рассказал о последовательности своей работы: анализ стратегии и целей, выбор приоритетных направлений, оценка потенциала, определение тем проектов и ресурсов. А когда я попросила рассказать, что предшествовало успешным внедрениям, он начал с показателей и выстраивания сбора данных. Мне здесь интересна сама управленческая привычка: прежде чем что-то менять, договориться, какой эффект ищем и по каким признакам будем его узнавать.

Иначе у команды, руководителя и исполнителя вполне могут получиться три разных успешных внедрения. Одни считают сэкономленные минуты, другие ждут снижения затрат, третьи радуются, что инструментом вообще пользуются. Каждый по-своему прав. Только результат заранее не обсудили.

Я бы поэтому еще до выбора ИИ попробовала закончить одну фразу: «Мы хотим ускорить ___, чтобы ___; поймем, что получилось, по ___, при этом качество ___ должно сохраниться».

Звучит почти как упражнение из учебника. Но попробуйте заполнить пропуски для реального процесса так, чтобы коллеги одинаково поняли написанное. Без «оптимизации» и «повышения эффективности», которыми удобно прикрыть место, где мы пока не договорились.

Возможно, именно здесь и начинается самая сложная часть внедрения.

А у вас в проектах получается заранее договориться, во что должно превратиться сэкономленное время? Или пока просто парктикуетесь?

#управлениепроектами #нейросети #эффективность #smart #кейсыроста